Claude Opus 5 vs xAI: Grok 4.5

Claude Opus 5 (medium) 平均分领先，为 9.2 vs 8.9。 Claude Opus 5 (medium) benchmark 成本更低，为 $1.486 vs $1.707。 Claude Opus 5 (medium) 更快，为 9.38s vs 76.50s，通过率为 83.3% vs 83.3%。

推荐模型Claude Opus 5 (medium)它在这里得分最高（9.2），同时响应速度比Grok 4.5 (high)快约 8.2 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 medium 发布日期: 2026-07-25	Grok 4.5 Grok 4.5 high 发布日期: 2026-07-08

指标	Claude Opus 5 Claude Opus 5 medium 发布日期: 2026-07-25	Grok 4.5 Grok 4.5 high 发布日期: 2026-07-08
分数	9.2	8.9
排名	#12	#17
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	8.253	10.041
总成本	$1.486	$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	135,607	151,562
输出令牌	25,673	5,655
推理令牌	6,930	247,540
响应时间（平均）	9.38s	76.50s
响应时间（最大）	35.05s	676.83s
响应时间（总计）	206.26s	1683.07s

Hamster playing table tennis

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

#12 Claude Opus 5

medium

成本: $0.125
时间: 69.3s
令牌: 5,134 tok

#17 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 5	10.0	10.0	100.0%	0		5.46s	834	1,559	572
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 5	10.0	10.0	100.0%	0		9.56s	10,590	5,224	1,162
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 5	10.0	10.0	100.0%	0		23.89s	98,197	7,895	1,276
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 5	10.0	10.0	100.0%	0		3.92s	10,503	355	161
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 5	2.9	7.2	11.1%	1		19.88s	975	8,083	2,688
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 5	10.0	10.0	100.0%	0		3.56s	708	291	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 5	10.0	10.0	100.0%	0		4.16s	909	377	351
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 5	10.0	10.0	100.0%	0		4.27s	894	836	465
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 5	10.0	10.0	100.0%	0		8.76s	11,739	354	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 5	3.0	10.0	0.0%	0		7.03s	258	699	255
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 Claude Opus 5mediumvsGPT-5.5low Claude Opus 5mediumvsGPT-5.6 Solhigh Claude Opus 5mediumvsGemini 3.6 Flashlow Gemini 3.5 FlashmediumvsGrok 4.5high Qwen3.7 MaxmediumvsGrok 4.5high Claude Opus 4.7mediumvsGrok 4.5high Claude Opus 5mediumvsGemini 3.5 Flashlow Muse Spark 1.1mediumvsGrok 4.5high