AI BENCHY Compare

Anthropic: Claude Sonnet 4.6 vs xAI: Grok 4.5

Сводка

Сравнение benchmark Claude Sonnet 4.6 (medium) vs Grok 4.5 (low): Средний балл практически равен: 7.8 vs 7.8. Grok 4.5 (low) имеет более низкую стоимость benchmark: $0.760 vs $1.418. Grok 4.5 (low) быстрее: 15.48s vs 17.06s, с долей успешных попыток 65.1% vs 74.6%.

Рекомендуемая модель: Grok 4.5 (low) - Здесь у него лучший балл (7.8), при этом он примерно в 1.9 раза дешевле, чем Claude Sonnet 4.6 (medium).

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

Метрика	Claude Sonnet 4.6 Claude Sonnet 4.6 medium Релиз: 2026-02-17	Grok 4.5 Grok 4.5 low Релиз: 2026-07-08

Метрика	Claude Sonnet 4.6 Claude Sonnet 4.6 medium Релиз: 2026-02-17	Grok 4.5 Grok 4.5 low Релиз: 2026-07-08
Оценка	7.8	7.8
Ранг	#33	#34
Надежность	10.0	10.0
Стабильность	9.1	9.7
Тестов верно
Доля успешных попыток	65.1%	74.6%
Нестабильные тесты	2	1
Всего запусков	63	63
Стоимость за результат	10.904	5.061
Общая стоимость	$1.418	$0.760
Цена входа	$3.000 / 1M	$2.000 / 1M
Цена выхода	$15.000 / 1M	$6.000 / 1M
Общее число входных токенов	49,112	58,652
Выходные токены	54,703	1,735
Токены рассуждений	29,970	105,233
Время ответа (среднее)	17.06s	15.48s
Время ответа (макс.)	46.35s	205.28s
Время ответа (суммарно)	221.83s	324.98s

Генерация showcase

Hamster playing table tennis

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

#33 Claude Sonnet 4.6

medium

Неверный SVG

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

#34 xAI: Grok 4.5

low

Стоимость: $0.011
Время: 12.4s
Токены: 2,018 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 Sonnet 4.6	6.5	10.0	50.0%	0		2.98s	789	1,046	1,093
Grok 4.5	10.0	10.0	100.0%	0		2.75s	2,991	261	3,000

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Sonnet 4.6	5.7	6.6	44.4%	1		33.29s	6,995	16,089	3,686
Grok 4.5	10.0	10.0	100.0%	0		13.72s	9,579	303	15,641

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Sonnet 4.6	10.0	10.0	100.0%	0		46.35s	18,351	5,871	3,962
Grok 4.5	3.0	10.0	0.0%	0		8.16s	15,084	261	2,370

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Sonnet 4.6	10.0	10.0	100.0%	0		13.90s	8,676	649	742
Grok 4.5	10.0	10.0	100.0%	0		3.44s	8,937	225	2,549

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Sonnet 4.6	2.9	7.2	11.1%	1		0ms	471	25,790	16,919
Grok 4.5	3.0	10.0	0.0%	0		72.64s	2,514	14	70,275

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Sonnet 4.6	10.0	10.0	100.0%	0		4.94s	564	256	433
Grok 4.5	6.1	3.1	66.7%	1		4.88s	1,077	98	1,253

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Sonnet 4.6	10.0	10.0	100.0%	0		2.61s	792	318	552
Grok 4.5	9.8	10.0	100.0%	0		2.80s	1,857	57	1,878

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Sonnet 4.6	10.0	10.0	100.0%	0		5.31s	816	592	646
Grok 4.5	10.0	10.0	100.0%	0		3.20s	2,430	217	2,590

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Sonnet 4.6	10.0	10.0	100.0%	0		7.48s	11,454	655	351
Grok 4.5	10.0	10.0	100.0%	0		5.83s	13,394	284	871

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Sonnet 4.6	3.0	10.0	0.0%	0		30.09s	204	3,437	1,586
Grok 4.5	3.0	10.0	0.0%	0		13.98s	789	15	4,806

Быстрое сравнение

Сменить пару сравнения

Qwen3.6 PlusmediumvsGrok 4.5low Gemini 3.1 Flash Lite PreviewmediumvsGrok 4.5low Qwen3.5 Plus 2026-04-20mediumvsGrok 4.5low Claude Sonnet 5mediumvsGrok 4.5low Gemini 3.1 Flash LitemediumvsGrok 4.5low Kimi K2.6mediumБесплатно доступноvsGrok 4.5low Qwen3.5-27BmediumvsGrok 4.5low Qwen3.5-122B-A10BmediumvsGrok 4.5low Claude Opus 4.6mediumvsGrok 4.5low Claude Sonnet 4.6mediumvsStep 3.7 Flashlow Qwen3.5 Plus 2026-02-15mediumvsGrok 4.5low GPT-5.4 MinimediumvsGrok 4.5low