AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs xAI: Grok 4.5

摘要

Claude Opus 4.8 (low) vs Grok 4.5 (medium) benchmark 对比：Grok 4.5 (medium) 平均分领先，为 8.3 vs 7.7。 Claude Opus 4.8 (low) benchmark 成本更低，为 $1.270 vs $1.696。 Claude Opus 4.8 (low) 更快，为 10.83s vs 62.63s，通过率为 79.4% vs 77.8%。

推荐模型: Claude Opus 4.8 (low) - 它的得分接近这里的最高分（7.7 vs 8.3），同时响应速度比Grok 4.5 (medium)快约 5.8 倍。

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

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	Grok 4.5 Grok 4.5 medium 发布日期: 2026-07-08

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	Grok 4.5 Grok 4.5 medium 发布日期: 2026-07-08
分数	7.7	8.3
排名	#40	#23
可靠性	10.0	9.9
一致性	8.8	8.9
测试正确
尝试通过率	79.4%	77.8%
不稳定测试	3	3
总运行次数	63	63
每个结果成本	8.466	11.304
总成本	$1.270	$1.696
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	60,946	53,500
输出令牌	31,771	1,621
推理令牌	6,831	263,127
响应时间（平均）	10.83s	62.63s
响应时间（最大）	127.97s	436.38s
响应时间（总计）	227.39s	1315.20s

生成展示

Hamster playing table tennis

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

#40 Claude Opus 4.8

low

成本: $0.031
时间: 14.1s
令牌: 1,345 tok

#23 xAI: Grok 4.5

medium

成本: $0.044
时间: 59.4s
令牌: 7,512 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 4.8	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

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 4.8	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

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 4.8	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

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 4.8	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

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 4.8	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

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 4.8	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

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 4.8	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

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 4.8	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

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 4.8	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

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 4.8	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

快速对比

切换对比组合