AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs xAI: Grok 4.5

Сводка

Сравнение benchmark Claude Opus 4.8 (low) vs Grok 4.5 (medium): Grok 4.5 (medium) лидирует по среднему баллу: 8.3 vs 7.7. Claude Opus 4.8 (low) имеет более низкую стоимость benchmark: $1.270 vs $1.696. Claude Opus 4.8 (low) быстрее: 10.83s vs 62.63s, с долей успешных попыток 79.4% vs 77.8%.

Рекомендуемая модель: Claude Opus 4.8 (low) - Его балл близок к лучшему здесь (7.7 против 8.3), и он отвечает примерно в 5.8 раза быстрее, чем Grok 4.5 (medium).

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-08

Метрика	Claude Opus 4.8 Claude Opus 4.8 low Релиз: 2026-05-28	Grok 4.5 Grok 4.5 medium Релиз: 2026-07-08

Метрика	Claude Opus 4.8 Claude Opus 4.8 low Релиз: 2026-05-28	Grok 4.5 Grok 4.5 medium Релиз: 2026-07-08
Оценка	7.7	8.3
Ранг	#40	#23
Надежность	10.0	9.9
Стабильность	8.8	8.9
Тестов верно
Доля успешных попыток	79.4%	77.8%
Нестабильные тесты	3	3
Всего запусков	63	63
Стоимость за результат	8.466	11.304
Общая стоимость	$1.270	$1.696
Цена входа	$5.000 / 1M	$2.000 / 1M
Цена выхода	$25.000 / 1M	$6.000 / 1M
Общее число входных токенов	60,946	53,500
Выходные токены	31,771	1,621
Токены рассуждений	6,831	263,127
Время ответа (среднее)	10.83s	62.63s
Время ответа (макс.)	127.97s	436.38s
Время ответа (суммарно)	227.39s	1315.20s

Генерация showcase

Hamster playing table tennis

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

#40 Claude Opus 4.8

low

Стоимость: $0.031
Время: 14.1s
Токены: 1,345 tok

#23 xAI: Grok 4.5

medium

Стоимость: $0.044
Время: 59.4s
Токены: 7,512 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 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
Grok 4.5	10.0	10.0	100.0%	0		23.50s	2,991	147	4,018

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
Grok 4.5	7.6	7.2	77.8%	1		155.69s	9,579	390	104,634

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	9.8	10.0	100.0%	0		20.84s	23,500	2,216	1,081
Grok 4.5	10.0	10.0	100.0%	0		15.65s	15,084	261	4,254

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
Grok 4.5	10.0	10.0	100.0%	0		6.29s	8,937	225	3,657

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
Grok 4.5	2.9	7.2	11.1%	1		198.89s	2,212	11	121,922

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
Grok 4.5	6.5	3.4	66.7%	1		12.84s	1,077	71	2,384

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
Grok 4.5	9.8	10.0	100.0%	0		6.06s	1,857	57	2,728

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
Grok 4.5	10.0	10.0	100.0%	0		7.75s	2,430	254	3,641

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
Grok 4.5	10.0	10.0	100.0%	0		6.57s	8,544	192	968

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
Grok 4.5	3.0	10.0	0.0%	0		74.44s	789	13	14,921

Быстрое сравнение

Сменить пару сравнения