Anthropic: Claude Opus 4.7 vs xAI: Grok 4.5

Grok 4.5 (high) 平均分领先，为 8.9 vs 8.7。 Claude Opus 4.7 (medium) benchmark 成本更低，为 $1.477 vs $1.707。 Claude Opus 4.7 (medium) 更快，为 7.61s vs 76.50s，通过率为 83.3% vs 83.3%。

推荐模型Claude Opus 4.7 (medium)它的得分接近这里的最高分（8.7 vs 8.9），同时响应速度比Grok 4.5 (high)快约 10.0 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	Claude Opus 4.7 Claude Opus 4.7 medium 发布日期: 2026-04-16	Grok 4.5 Grok 4.5 high 发布日期: 2026-07-08

指标	Claude Opus 4.7 Claude Opus 4.7 medium 发布日期: 2026-04-16	Grok 4.5 Grok 4.5 high 发布日期: 2026-07-08
分数	8.7	8.9
排名	#15	#12
可靠性	10.0	10.0
一致性	9.6	9.2
测试正确
尝试通过率	83.3%	83.3%
不稳定测试	1	2
总运行次数	66	66
每个结果成本	8.201	10.041
总成本	$1.477	$1.707
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	145,252	151,562
输出令牌	24,948	5,655
推理令牌	5,042	247,540
响应时间（平均）	7.61s	76.50s
响应时间（最大）	65.40s	676.83s
响应时间（总计）	159.91s	1683.07s

Hamster playing table tennis

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

#15 Claude Opus 4.7

medium

成本: $0.059
时间: 26.8s
令牌: 2,475 tok

#12 xAI: Grok 4.5

high

成本: $0.015
时间: 29.7s
令牌: 2,737 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

类别:

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 4.7	8.3	10.0	75.0%	0		1.85s	894	348	0
Grok 4.5	10.0	10.0	100.0%	0		5.67s	2,991	204	4,545

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 4.7	7.6	7.2	77.8%	1		12.96s	10,635	7,629	1,114
Grok 4.5	10.0	10.0	100.0%	0		155.16s	9,579	357	100,752

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 4.7	10.0	10.0	100.0%	0		43.42s	104,347	15,459	3,928
Grok 4.5	10.0	10.0	100.0%	0		35.56s	113,448	4,299	13,004

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 4.7	10.0	10.0	100.0%	0		2.37s	10,533	324	0
Grok 4.5	10.0	10.0	100.0%	0		7.63s	8,937	225	3,888

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 4.7	7.7	10.0	66.7%	0		1.17s	630	51	0
Grok 4.5	3.6	7.2	22.2%	1		332.11s	1,910	6	101,850

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 4.7	10.0	10.0	100.0%	0		2.87s	723	256	0
Grok 4.5	4.7	1.6	66.7%	1		9.82s	1,077	83	1,899

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 4.7	10.0	10.0	100.0%	0		1.57s	939	114	0
Grok 4.5	9.8	10.0	100.0%	0		6.23s	1,857	57	3,154

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 4.7	10.0	10.0	100.0%	0		2.43s	939	370	0
Grok 4.5	10.0	10.0	100.0%	0		7.88s	2,430	220	4,312

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 4.7	10.0	10.0	100.0%	0		4.17s	15,339	373	0
Grok 4.5	10.0	10.0	100.0%	0		5.71s	8,544	192	901

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 4.7	3.0	10.0	0.0%	0		2.25s	273	24	0
Grok 4.5	3.0	10.0	0.0%	0		60.58s	789	12	13,235

快速对比

切换对比组合

GPT-5.3-CodexmediumvsGrok 4.5high Gemini 3.5 FlashlowvsGrok 4.5high GPT-5.5mediumvsGrok 4.5high Claude Opus 4.8mediumvsGrok 4.5high Gemini 3.5 FlashmediumvsGrok 4.5high Qwen3.7 MaxmediumvsGrok 4.5high Claude Opus 4.7mediumvsGemini 3.5 Flashlow Muse Spark 1.1mediumvsGrok 4.5high Claude Fable 5mediumvsGrok 4.5high Claude Opus 4.7mediumvsGrok 4.5low Gemini 3.1 Pro PreviewmediumvsGrok 4.5high GPT-5.5lowvsGrok 4.5high