Grok 4.5, GPT-5.5, and Claude Coding Build-Off Comparison
Grok 4.5, GPT-5.5, and Claude Coding Build-Off Comparison
Grok 4.5, GPT-5.5, Claude Opus 4.8, and Claude Fable 5 の包括的なビルドオフ比較により、Claude モデルは複雑なステートフルなタスクにおける信頼性でリードしている一方、Grok 4.5 はスループットとコスト効率において圧倒していることが明らかになりました。
Coding Performance: Complex App Generation
モデルは、外部ライブラリやネットワークコールを必要としない、単一の自己完結型 HTML ファイルを要求する 3 つの同一のプロンプトを使用してテストされました。各モデルには 1 回の試行が与えられ、アプリが完全にレンダリングされない場合にのみ、1 回の再試行が許可されました。
3D Rubik's Cube (Complex State and Math)
Claude Opus 4.8 と Claude Fable 5 は最も信頼性が高く、どちらも最初の試行で、アニメーション回転と解決機能を持つ正しく色付けされた 3D キューブを生成しました。Grok 4.5 は最初の試行に失敗（空白の画面をレンダリング）しましたが、許可された 1 回の再試行で成功しました。GPT-5.5 は最も成績が悪く、最小限の色を持つ単一の暗い面のみをレンダリングしました。
Particle Gravity Sandbox (Visuals and Physics)
4 つすべてのモデルが、動作するサンドボックスを正常に提供しました。GPT-5.5 は美的品質において勝利し、光るネオンの引き寄せ手（attractors）と、高密度で渦巻く色の軌跡を生成しました。Grok 4.5 は引き寄せ手リングを備えたクリーンな軌道シミュレーションを生成し、Claude Fable 5 は柔らかい光るオーブを使用し、Claude Opus 4.8 は高密度でウェブのような粒子フィールドを作成しました。
Breakout Game (General Game Logic)
4 つすべてのモデルが「デッドヒート」を記録し、最初の試行で、スコアとライフを備えた洗練されたプレイ可能なブロック崩しゲームを生成しました。Grok 4.5 と GPT-5.5 は、強力なネオン・アーケード的な美学で注目を集めました。
Performance Metrics: Speed and Cost
3 つの固定プロンプト（コーディング、推論、要約）にわたって一律のプロバイダーパスを通じて実施されたテストでは、Grok 4.5 が大量のワークロードに対して最も効率的なモデルであることが示されました。
| Model | Median Latency | First Token | Throughput | Cost / Reply | Success Rate |
|---|---|---|---|---|---|
| Grok 4.5 | 2.8s | 0.44s | 110 tok/s | 0.002¢ | 100% |
| GPT-5.5 | 2.0s | 1.26s | 53 tok/s | 0.004¢ | 100% |
| Claude Opus 4.8 | 2.6s | 1.16s | 47 tok/s | 0.004¢ | 100% |
| Claude Fable 5 | 6.3s | 3.47s | 0.47 tok/s | 0.009¢ | 100% |
Key Takeaways on Efficiency:
- Grok 4.5 は、最も速い最初のトークン応答（0.5s 未満）と最も高いスループット（約 110 tokens/second）を達成し、競合他社のおよそ 2 倍の速さとなりました。また、最も安価なモデルでした。
- GPT-5.5 は、短い回答において最も速い結果となりました。
- Claude Fable 5 は、最も遅く、最も高価であり、高知能ティアのモデルとしての位置付けを反映しています。
Spatial Imagination: SVG Generation
モデルには、月面で宇宙飛行士の背中に乗っている馬の、手書き風 SVG を作成するタスクが与えられました。
Claude Fable 5 は、シーンに会話を追加することで、最も独創的でユーモラスな結果を出しました。GPT-5.5 は、楽しげな馬と共に、僅差でそれに続きました。Grok 4.5 は、クリーンで読みやすいシーンを生成しました。Claude Opus 4.8 は、視覚的には成功しましたが、技術的な正確性のチェックに失敗し、厳格な SVG パーサーがエラーを起こす重複する属性を出力しました。
Final Verdict
- Grok 4.5 は、レイテンシとコストが主な制約となる大量のコード生成において最適な選択肢であり、「単位時間およびコストあたりの知能」において最高の結果を提供します。
- Claude Opus 4.8 と Fable 5 は、複雑でステートフルな構築タスクにおいて最も信頼性が高く、一方で、より高いレイテンシと価格帯となります。
- GPT-5.5 は、視覚的なスタイリングと、短文出力のレスポンスにおいて優れています。