导航
AI BENCHY
Advertise here

AI BENCHY 对比

Anthropic: Claude Sonnet 4.6 vs xAI: Grok 4.5

摘要

Claude Sonnet 4.6 vs Grok 4.5 (medium) benchmark 对比：Grok 4.5 (medium) 平均分领先，为 8.3 vs 7.3。 Claude Sonnet 4.6 benchmark 成本更低，为 $0.316 vs $1.696。 Claude Sonnet 4.6 更快，为 5.04s vs 62.63s，通过率为 55.6% vs 77.8%。

推荐模型: Claude Sonnet 4.6 - 它提供了最佳整体取舍：得分有竞争力（7.3），成本低于Grok 4.5 (medium)，响应时间也较均衡。

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

指标 Claude Sonnet 4.6 Claude Sonnet 4.6 none 发布日期: 2026-02-17 Grok 4.5 Grok 4.5 medium 发布日期: 2026-07-08
分数 7.3 8.3
排名 #59 #23
可靠性 10.0 9.9
一致性 9.7 8.9
测试正确
尝试通过率 55.6% 77.8%
不稳定测试 1 3
总运行次数 63 63
每个结果成本 2.870 11.304
总成本 $0.316 $1.696
输入价格 $3.000 / 1M $2.000 / 1M
输出价格 $15.000 / 1M $6.000 / 1M
总输入令牌 57,886 53,500
输出令牌 9,465 1,621
推理令牌 0 263,127
响应时间（平均） 5.04s 62.63s
响应时间（最大） 23.84s 436.38s
响应时间（总计） 70.60s 1315.20s

生成展示

Hamster playing table tennis

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

#59 Claude Sonnet 4.6

none
成本
$0.038
时间
27.3s
令牌
2,598 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 Sonnet 4.6 4.8 10.0 25.0% 0 2.94s 636 1,214 0
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 Sonnet 4.6 5.5 10.0 33.3% 0 5.19s 8,522 2,127 0
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 Sonnet 4.6 9.5 10.0 100.0% 0 23.84s 26,024 3,766 0
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 Sonnet 4.6 10.0 10.0 100.0% 0 3.43s 8,574 252 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 Sonnet 4.6 7.7 10.0 66.7% 0 3.54s 759 413 0
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 Sonnet 4.6 6.1 3.1 66.7% 1 2.56s 513 192 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 Sonnet 4.6 6.5 10.0 50.0% 0 1.96s 690 90 0
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 Sonnet 4.6 7.7 10.0 66.7% 0 2.53s 663 533 0
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 Sonnet 4.6 10.0 10.0 100.0% 0 4.11s 11,301 447 0
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 Sonnet 4.6 3.0 10.0 0.0% 0 4.67s 204 431 0
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

Claude Sonnet 4.6nonevsGrok 4.20mediumDeepSeek V4 FlashhighvsGrok 4.5mediumClaude Sonnet 4.6nonevsGemini 3 Flash PreviewlowClaude Sonnet 4.6nonevsMiMo-V2.5-PromediumClaude Sonnet 4.6nonevsSeed-2.0-MinimediumClaude Sonnet 4.6nonevsGemma 4 26B A4Bmedium免费可用Claude Sonnet 4.6nonevsDeepSeek V3.2mediumGPT-5.2 ChatnonevsGrok 4.5mediumClaude Sonnet 4.6nonevsQwen3.6 FlashmediumClaude Sonnet 4.6nonevsGPT-5.4 NanomediumClaude Sonnet 4.6nonevsStep 3.7 FlashhighClaude Sonnet 4.6nonevsGLM 5.1medium