Claude Opus 5 vs xAI: Grok 4.5

Claude Opus 5 (low) 平均分领先，为 8.6 vs 8.4。 Grok 4.5 (low) benchmark 成本更低，为 $0.935 vs $1.121。 Claude Opus 5 (low) 更快，为 6.99s vs 15.56s，通过率为 80.3% vs 75.8%。

推荐模型Claude Opus 5 (low)它在这里得分最高（8.6），同时响应速度比Grok 4.5 (low)快约 2.2 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-25

指标	Claude Opus 5 Claude Opus 5 low 发布日期: 2026-07-25	Grok 4.5 Grok 4.5 low 发布日期: 2026-07-08

指标	Claude Opus 5 Claude Opus 5 low 发布日期: 2026-07-25	Grok 4.5 Grok 4.5 low 发布日期: 2026-07-08
分数	8.6	8.4
排名	#23	#26
可靠性	10.0	10.0
一致性	9.3	9.7
测试正确
尝试通过率	80.3%	75.8%
不稳定测试	2	1
总运行次数	66	66
每个结果成本	6.593	5.844
总成本	$1.121	$0.935
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	134,773	125,596
输出令牌	14,123	7,505
推理令牌	3,896	106,446
响应时间（平均）	6.99s	15.56s
响应时间（最大）	30.67s	205.28s
响应时间（总计）	153.73s	342.32s

Hamster playing table tennis

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

#23 Claude Opus 5

low

成本: $0.062
时间: 30.2s
令牌: 2,615 tok

#26 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

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 5	10.0	10.0	100.0%	0		4.32s	834	1,008	376
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 5	7.8	7.4	77.8%	1		6.70s	10,590	2,442	760
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 5	10.0	10.0	100.0%	0		21.05s	97,363	6,024	911
Grok 4.5	6.5	10.0	50.0%	0		12.75s	82,028	6,031	3,583

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 5	10.0	10.0	100.0%	0		3.69s	10,503	343	79
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 5	2.9	7.2	11.1%	1		8.89s	975	2,447	987
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 5	10.0	10.0	100.0%	0		3.76s	708	293	0
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 5	10.0	10.0	100.0%	0		4.13s	909	242	146
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 5	10.0	10.0	100.0%	0		4.23s	894	607	300
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 5	10.0	10.0	100.0%	0		9.03s	11,739	354	0
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 5	3.0	10.0	0.0%	0		6.48s	258	363	337
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

GPT-5.2mediumvsGrok 4.5low Qwen3.6 Max PreviewmediumvsGrok 4.5low Claude Opus 5lowvsMuse Spark 1.1medium Claude Opus 5lowvsGPT-5.4medium Claude Sonnet 5mediumvsGrok 4.5low GPT-5.4mediumvsGrok 4.5low Claude Opus 5lowvsQwen3.6 Max Previewmedium Gemini 2.5 FlashmediumvsGrok 4.5low Claude Opus 5lowvsGPT-5.2medium Claude Fable 5mediumvsGrok 4.5low Muse Spark 1.1mediumvsGrok 4.5low Claude Opus 5lowvsGrok 4.5medium