导航
AI BENCHY
Advertise here

AI BENCHY 对比

Anthropic: Claude Opus 4.6 vs xAI: Grok Build 0.1

摘要

Claude Opus 4.6 vs Grok Build 0.1 benchmark 对比：Claude Opus 4.6 平均分领先，为 7.7 vs 7.6。 Grok Build 0.1 benchmark 成本更低，为 $0.927 vs $2.053。 Claude Opus 4.6 更快，为 25.89s vs 49.90s，通过率为 61.9% vs 61.9%。

推荐模型: Grok Build 0.1 - 它的得分接近这里的最高分（7.6 vs 7.7），同时成本比Claude Opus 4.6低约 2.2 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标 Claude Opus 4.6 Claude Opus 4.6 medium 发布日期: 2026-02-05 Grok Build 0.1 Grok Build 0.1 medium 发布日期: 2026-05-21
分数 7.7 7.6
排名 #40 #44
可靠性 10.0 10.0
一致性 8.8 9.9
测试正确
尝试通过率 61.9% 61.9%
不稳定测试 3 0
总运行次数 63 63
每个结果成本 17.103 7.124
总成本 $2.053 $0.927
输入价格 $5.000 / 1M $1.000 / 1M
输出价格 $25.000 / 1M $2.000 / 1M
总输入令牌 53,227 44,418
输出令牌 47,446 2,782
推理令牌 24,000 438,018
响应时间（平均） 25.89s 49.90s
响应时间（最大） 83.40s 252.69s
响应时间（总计） 362.49s 1047.92s

生成展示

Hamster playing table tennis

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

#40 Claude Opus 4.6

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

#44 xAI: Grok Build 0.1

medium
成本
$0.028
时间
81.3s
令牌
14,009 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 Build 0.1 8.3 10.0 75.0% 0 7.43s 2,010 220 12,162
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 Build 0.1 5.7 9.7 33.3% 0 108.46s 8,304 1,138 161,452
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 Build 0.1 10.0 10.0 100.0% 0 32.81s 12,909 231 16,917
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 Build 0.1 10.0 10.0 100.0% 0 10.72s 7,761 180 8,876
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 Build 0.1 5.3 10.0 33.3% 0 158.00s 1,764 492 175,294
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 Build 0.1 4.4 9.9 0.0% 0 18.41s 825 76 6,345
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 Build 0.1 9.8 10.0 100.0% 0 12.36s 1,362 57 9,599
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 Build 0.1 7.7 10.0 66.7% 0 18.26s 1,689 195 20,841
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 Build 0.1 10.0 10.0 100.0% 0 13.12s 7,263 180 4,969
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 Build 0.1 3.0 10.0 0.0% 0 53.51s 531 13 21,563

快速对比

切换对比组合

Claude Opus 4.6mediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsGrok Build 0.1mediumGPT-5.3 ChatnonevsGrok Build 0.1mediumClaude Opus 4.6mediumvsDeepSeek V4 ProhighStep 3.7 FlashlowvsGrok Build 0.1mediumClaude Opus 4.8lowvsGrok Build 0.1mediumClaude Opus 4.6mediumvsGPT-5.3 ChatnoneGemini 3 Flash PreviewlowvsGrok Build 0.1mediumClaude Sonnet 4.6nonevsGrok Build 0.1mediumClaude Opus 4.6mediumvsGemini 3 Flash PreviewlowClaude Opus 4.8nonevsGrok Build 0.1mediumDeepSeek V4 PrononevsGrok Build 0.1medium