Porovnání výkonu Grok 4.5, GPT-5.5 a Claude při generování aplikací

V nedávném testování byly porovnány čtyři AI modely: Grok 4.5, GPT-5.5, Claude Opus 4.8 a Claude Fable 5. Tyto modely měly za úkol vytvořit interaktivní aplikace na základě stejných zadání. Výsledky ukázaly zajímavé rozdíly v jejich schopnostech a výkonu.

Kolo 1: 3D Rubikova kostka

Prvním úkolem bylo vytvořit 3D Rubikovu kostku, která se správně otáčí a má funkce pro "scramble" a "solve". Claude Opus 4.8 a Claude Fable 5 uspěly na první pokus a vytvořily plně funkční a barevné 3D kostky. Naopak Grok 4.5 měl problémy a jeho první pokus skončil bez zobrazení kostky. Po jednom povoleném pokusu se mu podařilo kostku správně vygenerovat, ale GPT-5.5 selhal a vytvořil pouze jednu tmavou stranu.

Kolo 2: Interaktivní sandbox s částicemi

Druhým úkolem byl interaktivní sandbox s částicemi. Všechny modely vytvořily funkční aplikace, ale GPT-5.5 vyniklo svým vizuálně atraktivním designem s neonovými atraktory a barevnými stopami. Grok 4.5 nabídl čistý a orbitální vzhled, zatímco Claude modely měly odlišné přístupy.

Kolo 3: Hra Breakout

Všichni čtyři modely úspěšně vytvořily hru Breakout na první pokus, která byla hratelná a obsahovala skóre a životy. Tento úkol ukázal, že všechny modely dosáhly vysoké úrovně kvality.

Metriky: Rychlost a náklady

Z hlediska výkonu měl Grok 4.5 nejnižší náklady na odpověď, pouhé 0.002¢, a průměrnou latenci 2.8 sekundy. V porovnání s ním měl GPT-5.5 průměrnou latenci 2.0 sekundy, ale byl dražší s náklady 0.004¢. Claude Fable 5 byl nejpomalejší s latencí 6.3 sekundy a náklady 0.009¢. Grok 4.5 tedy vynikal rychlostí a nákladovou efektivitou.

Bonusové kolo: SVG scéna

V bonusovém kole se modely měly pokusit o vytvoření zábavné SVG scény. Claude Fable 5 vytvořil nejvtipnější scénu s koněm v klobouku, což ukazuje na jeho schopnost generovat kreativní a zábavný obsah.

Zajímavé na tomto srovnání je, že Grok 4.5, i když měl problémy s některými úkoly, se ukázal jako velmi efektivní z hlediska nákladů a rychlosti.