AI BENCHY Compare

Anthropic: Claude Opus 4.6 vs xAI: Grok Build 0.1

Сводка

Сравнение benchmark Claude Opus 4.6 vs Grok Build 0.1: Claude Opus 4.6 лидирует по среднему баллу: 7.7 vs 7.6. Grok Build 0.1 имеет более низкую стоимость benchmark: $0.927 vs $2.053. Claude Opus 4.6 быстрее: 25.89s vs 49.90s, с долей успешных попыток 61.9% vs 61.9%.

Рекомендуемая модель: Grok Build 0.1 - Его балл близок к лучшему здесь (7.6 против 7.7), при этом он примерно в 2.2 раза дешевле, чем Claude Opus 4.6.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-02

Метрика	Claude Opus 4.6 Claude Opus 4.6 medium Релиз: 2026-02-05	Grok Build 0.1 Grok Build 0.1 medium Релиз: 2026-05-21

Метрика	Claude Opus 4.6 Claude Opus 4.6 medium Релиз: 2026-02-05	Grok Build 0.1 Grok Build 0.1 medium Релиз: 2026-05-21
Оценка	7.7	7.6
Ранг	#40	#44
Надежность	10.0	10.0
Стабильность	8.8	9.9
Тестов верно
Доля успешных попыток	61.9%	61.9%
Нестабильные тесты	3	0
Всего запусков	63	63
Стоимость за результат	17.103	7.124
Общая стоимость	$2.053	$0.927
Цена входа	$5.000 / 1M	$1.000 / 1M
Цена выхода	$25.000 / 1M	$2.000 / 1M
Общее число входных токенов	53,227	44,418
Выходные токены	47,446	2,782
Токены рассуждений	24,000	438,018
Время ответа (среднее)	25.89s	49.90s
Время ответа (макс.)	83.40s	252.69s
Время ответа (суммарно)	362.49s	1047.92s

Генерация showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#40 Claude Opus 4.6

medium

Неверный SVG

Стоимость: $0.000
Время: 300.0s
Токены: 0 tok

#44 xAI: Grok Build 0.1

medium

Стоимость: $0.028
Время: 81.3s
Токены: 14,009 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.6	6.4	5.8	66.7%	2		7.45s	840	986	1,071
Grok Build 0.1	8.3	10.0	75.0%	0		7.43s	2,010	220	12,162

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.6	5.7	7.1	44.4%	1		30.10s	8,522	13,057	4,121
Grok Build 0.1	5.7	9.7	33.3%	0		108.46s	8,304	1,138	161,452

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.6	10.0	10.0	100.0%	0		76.66s	20,685	8,178	5,194
Grok Build 0.1	10.0	10.0	100.0%	0		32.81s	12,909	231	16,917

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.6	10.0	10.0	100.0%	0		7.37s	8,676	691	757
Grok Build 0.1	10.0	10.0	100.0%	0		10.72s	7,761	180	8,876

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.6	3.0	10.0	0.0%	0		83.40s	674	14,642	8,687
Grok Build 0.1	5.3	10.0	33.3%	0		158.00s	1,764	492	175,294

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.6	10.0	10.0	100.0%	0		5.04s	564	188	292
Grok Build 0.1	4.4	9.9	0.0%	0		18.41s	825	76	6,345

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.6	10.0	10.0	100.0%	0		2.43s	792	266	467
Grok Build 0.1	9.8	10.0	100.0%	0		12.36s	1,362	57	9,599

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.6	7.7	10.0	66.7%	0		4.71s	816	532	630
Grok Build 0.1	7.7	10.0	66.7%	0		18.26s	1,689	195	20,841

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.6	10.0	10.0	100.0%	0		9.73s	11,454	861	329
Grok Build 0.1	10.0	10.0	100.0%	0		13.12s	7,263	180	4,969

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.6	3.0	10.0	0.0%	0		63.24s	204	8,045	2,452
Grok Build 0.1	3.0	10.0	0.0%	0		53.51s	531	13	21,563

Быстрое сравнение

Сменить пару сравнения