Grok 4.5、GPT-5.5 与 Claude 编码对决比较

执行摘要

在一次对比 Grok 4.5、GPT-5.5、Claude Opus 4.8 与 Claude Fable 5 的正面对决（"build‑off"）中，结果显示可靠性与效率之间存在权衡。Claude 系列模型（Opus 4.8 与 Fable 5）在复杂、带状态的 3D 任务中展现出最高的可靠性，而 Grok 4.5 则在吞吐量、延迟和成本效益方面领先。

编码性能：复杂应用生成

为了测试模型，每个模型都收到三个相同的提示，要求构建不依赖外部库或网络调用的自包含 HTML 文件。每个模型仅有一次尝试机会，只有在应用完全无法渲染时才允许一次重试。

3D 魔方（复杂状态与数学）

Claude Opus 4.8 与 Claude Fable 5 并列获胜，两者在首次尝试即生成了颜色正确、带有动画旋转和求解函数的 3D 魔方。Grok 4.5 首次尝试失败（渲染出空白屏幕），但在重试后成功。GPT-5.5 未完成任务，仅渲染出单面暗色而非完整立方体。

粒子重力沙盒（视觉与物理）

四个模型均生成了可运行的沙盒，其中 GPT-5.5 在美学质量上拔得头筹。GPT-5.5 创建了发光的霓虹吸引体和密集的彩色轨迹，而 Grok 4.5 则侧重于简洁的轨道环，Claude Fable 5 使用了柔和的发光球体。Claude Opus 4.8 提供了强大的物理效果，但视觉打磨略显不足。

打砖块游戏（标准游戏逻辑）

四个模型均实现了“势均力敌”，在首次尝试即生成了可商用、可玩性的砖块破坏游戏，具备计分和生命系统。Grok 4.5 与 GPT-5.5 更倾向于霓虹街机风格的美术表现。

运营效率：速度与成本

性能通过三个固定提示（编码、推理、摘要）进行测量，输出上限为 400 个 token。

模型	中位延迟	首个 Token 时间	吞吐量	每次回复成本
Grok 4.5	2.8s	0.44s	110 tok/s	0.002¢
GPT-5.5	2.0s	1.26s	53 tok/s	0.004¢
Claude Opus 4.8	2.6s	1.16s	47 tok/s	0.004¢
Claude Fable 5	6.3s	3.47s	0.009¢

Grok 4.5 是最具效率的模型，提供最快的首 token 响应时间（0.44 秒），吞吐量约为竞争对手的两倍（约 110 tok/s），且每次回复成本最低。Claude Fable 5 则是最慢且最昂贵的模型，体现了顶级智能的高端成本。

空间想象力：SVG 生成

模型被要求生成一幅手绘的 SVG：一匹骑在宇航员背上的马在月球上奔跑。

• Claude Fable 5 凭借创意与幽默获胜，在场景中加入了对话气泡。
• GPT-5.5 紧随其后，给马匹添加了欢快的表情。
• Grok 4.5 生成了简洁、易读且符合简要要求的场景。
• Claude Opus 4.8 在视觉上表现良好，但因原始代码中出现重复属性而未通过严格的 SVG 解析器检查。

最终结论

• Grok 4.5 是高吞吐量代码生成的最佳选择，尤其在延迟和成本是主要约束时。
• Claude Opus 4.8 与 Fable 5 在复杂、带状态的架构任务中最为可靠。
• GPT-5.5 在短答案的速度和高质量视觉风格之间提供了平衡。