导航
AI BENCHY
Advertise here

AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs xAI: Grok Build 0.1

摘要

Claude Opus 4.8 vs Grok Build 0.1 benchmark 对比：Grok Build 0.1 平均分领先，为 7.6 vs 7.2。 Claude Opus 4.8 benchmark 成本更低，为 $0.539 vs $0.927。 Claude Opus 4.8 更快，为 3.47s vs 49.90s，通过率为 61.9% vs 61.9%。

推荐模型: Claude Opus 4.8 - 它的得分接近这里的最高分（7.2 vs 7.6），同时成本比Grok Build 0.1低约 1.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标 Claude Opus 4.8 Claude Opus 4.8 none 发布日期: 2026-05-28 Grok Build 0.1 Grok Build 0.1 medium 发布日期: 2026-05-21
分数 7.2 7.6
排名 #59 #44
可靠性 10.0 10.0
一致性 9.2 9.9
测试正确
尝试通过率 61.9% 61.9%
不稳定测试 2 0
总运行次数 63 63
每个结果成本 4.485 7.124
总成本 $0.539 $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 67,104 44,418
输出令牌 8,107 2,782
推理令牌 0 438,018
响应时间（平均） 3.47s 49.90s
响应时间（最大） 17.73s 252.69s
响应时间（总计） 72.90s 1047.92s

Generation showcase

Hamster playing table tennis

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

#59 Claude Opus 4.8

none
Cost
$0.053
Time
22.0s
Tokens
2,253 tok

#44 xAI: Grok Build 0.1

medium
Cost
$0.028
Time
81.3s
Tokens
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 4.8 6.5 10.0 50.0% 0 3.40s 834 1,472 0
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 4.8 5.5 10.0 33.3% 0 3.29s 10,590 1,332 0
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 4.8 9.5 10.0 100.0% 0 17.73s 29,658 3,259 0
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 4.8 7.3 5.8 83.3% 1 1.77s 10,503 308 0
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 4.8 5.3 7.2 44.4% 1 1.66s 975 61 0
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 4.8 10.0 10.0 100.0% 0 3.48s 708 230 0
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 4.8 9.9 10.0 100.0% 0 1.37s 909 95 0
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 4.8 7.7 10.0 66.7% 0 2.74s 894 783 0
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 4.8 10.0 10.0 100.0% 0 5.35s 11,775 355 0
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 4.8 3.0 10.0 0.0% 0 3.41s 258 212 0
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 4.8nonevsGLM 5V TurbomediumClaude Opus 4.8nonevsGemma 4 26B A4Bmedium免费可用GPT-5.3 ChatnonevsGrok Build 0.1mediumStep 3.7 FlashlowvsGrok Build 0.1mediumClaude Opus 4.8nonevsGrok 4.20mediumClaude Opus 4.8nonevsMiMo-V2-FlashmediumClaude Opus 4.8nonevsStep 3.7 FlashhighClaude Opus 4.8nonevsGLM 5.1mediumClaude Opus 4.8nonevsGemini 3 Flash PreviewlowClaude Opus 4.8nonevsMiMo-V2.5-PromediumClaude Opus 4.8nonevsSeed-2.0-MinimediumGemini 3 Flash PreviewlowvsGrok Build 0.1medium