导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

Anthropic: Claude Opus 4.6 vs xAI: Grok 4.5

摘要

Claude Opus 4.6 (medium) vs Grok 4.5 (low) benchmark 对比：Grok 4.5 (low) 平均分领先，为 7.8 vs 7.7。 Grok 4.5 (low) benchmark 成本更低，为 $0.760 vs $2.053。 Grok 4.5 (low) 更快，为 15.48s vs 25.89s，通过率为 61.9% vs 74.6%。

推荐模型: Grok 4.5 (low) - 它在这里得分最高（7.8），同时成本比Claude Opus 4.6 (medium)低约 2.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-08

指标 Claude Opus 4.6 Claude Opus 4.6 medium 发布日期: 2026-02-05 Grok 4.5 Grok 4.5 low 发布日期: 2026-07-08
分数 7.7 7.8
排名 #42 #34
可靠性 10.0 10.0
一致性 8.8 9.7
测试正确
尝试通过率 61.9% 74.6%
不稳定测试 3 1
总运行次数 63 63
每个结果成本 17.103 5.061
总成本 $2.053 $0.760
输入价格 $5.000 / 1M $2.000 / 1M
输出价格 $25.000 / 1M $6.000 / 1M
总输入令牌 53,227 58,652
输出令牌 47,446 1,735
推理令牌 24,000 105,233
响应时间（平均） 25.89s 15.48s
响应时间（最大） 83.40s 205.28s
响应时间（总计） 362.49s 324.98s

生成展示

Hamster playing table tennis

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

#42 Claude Opus 4.6

medium
无效SVG
成本
$0.000
时间
300.0s
令牌
0 tok

#34 xAI: Grok 4.5

low
成本
$0.011
时间
12.4s
令牌
2,018 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

反AI技巧 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 6.4 5.8 66.7% 2 7.45s 840 986 1,071
Grok 4.5 10.0 10.0 100.0% 0 2.75s 2,991 261 3,000
编程 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 5.7 7.1 44.4% 1 30.10s 8,522 13,057 4,121
Grok 4.5 10.0 10.0 100.0% 0 13.72s 9,579 303 15,641
综合 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 20,685 8,178 5,194
Grok 4.5 3.0 10.0 0.0% 0 8.16s 15,084 261 2,370
数据解析与提取 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 8,676 691 757
Grok 4.5 10.0 10.0 100.0% 0 3.44s 8,937 225 2,549
领域专项 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 3.0 10.0 0.0% 0 83.40s 674 14,642 8,687
Grok 4.5 3.0 10.0 0.0% 0 72.64s 2,514 14 70,275
通用智能 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 564 188 292
Grok 4.5 6.1 3.1 66.7% 1 4.88s 1,077 98 1,253
指令遵循 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 792 266 467
Grok 4.5 9.8 10.0 100.0% 0 2.80s 1,857 57 1,878
谜题求解 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 7.7 10.0 66.7% 0 4.71s 816 532 630
Grok 4.5 10.0 10.0 100.0% 0 3.20s 2,430 217 2,590
工具调用 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 11,454 861 329
Grok 4.5 10.0 10.0 100.0% 0 5.83s 13,394 284 871
常识问答 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 3.0 10.0 0.0% 0 63.24s 204 8,045 2,452
Grok 4.5 3.0 10.0 0.0% 0 13.98s 789 15 4,806

快速对比

切换对比组合

Claude Opus 4.6mediumvsStep 3.7 FlashlowClaude Sonnet 4.6mediumvsGrok 4.5lowQwen3.6 PlusmediumvsGrok 4.5lowGemini 3.1 Flash Lite PreviewmediumvsGrok 4.5lowQwen3.5 Plus 2026-04-20mediumvsGrok 4.5lowClaude Sonnet 5mediumvsGrok 4.5lowGemini 3.1 Flash LitemediumvsGrok 4.5lowKimi K2.6medium免费可用vsGrok 4.5lowQwen3.5-27BmediumvsGrok 4.5lowQwen3.5-122B-A10BmediumvsGrok 4.5lowClaude Opus 4.6mediumvsDeepSeek V4 ProhighQwen3.5 Plus 2026-02-15mediumvsGrok 4.5low