在TryAI针对4款AI编程模型开展的一项横向测试中，Grok 4.5在速度和成本两项指标上表现最为突出。

据外媒Gigazine当地时间9日报道，TryAI此次选取Grok 4.5、GPT-5.5、Claude Opus 4.8和Claude Fable 5，在完全相同的提示词条件下，分别完成一次应用生成，并对成品质量、延迟和成本进行对比。

按照测试要求，各模型不得调用外部库或网络资源，需直接生成可运行的单个独立HTML文件应用。TryAI未对提示词进行二次补充，也未追加修正指令，而是将生成结果直接放入真实浏览器中运行并记录表现。

测试任务包括3D鲁比克方块、粒子重力沙盒和打砖块游戏。其中，难度最高的3D鲁比克方块任务对模型的空间构建和交互实现能力要求最高。Claude Opus 4.8与Claude Fable 5均在首次生成时即满足要求，完成了带旋转动画、自动打乱和自动复原功能的3D鲁比克方块；Grok 4.5首次生成未能正确渲染方块，第二次尝试后才输出结果；GPT-5.5则生成了平面图形，而非立体方块。

在粒子重力沙盒任务中，4款模型均生成了可正常运行的结果，TryAI认为GPT-5.5整体表现最佳。就具体效果来看，Grok 4.5生成的沙盒结构更规整；Claude Opus 4.8在物理效果上更出色，但视觉吸引力略弱；Claude Fable 5则更强调柔和发光的粒子表现。

在打砖块游戏任务中，4款模型同样都生成了可用成品。Grok 4.5和GPT-5.5都采用了霓虹风街机设计，其中GPT-5.5还加入了击球过程中的累计计分机制；Claude Opus 4.8和Claude Fable 5也均达到了任务要求。

在额外进行的SVG图像生成测试中，Claude Fable 5获得最高评价。4款模型都无法直接生成JPEG、PNG等栅格图像，但都可以输出SVG。在“宇航员在月球表面骑马行进”等场景提示下，Claude Fable 5生成的卡通风作品完成度最高；GPT-5.5生成的马匹形态略有失真；Grok 4.5对提示词意图的还原更到位；Claude Opus 4.8虽然场景匹配度较高，但SVG中存在重复属性，进而引发渲染问题。

在成本和延迟维度，Grok 4.5的优势同样明显。TryAI分别围绕编程、推理和摘要三类提示词，对每款模型各运行3次，并将输出上限统一设为400 Token。结果显示，Grok 4.5的首个Token延迟不足0.5秒，输出速度约为每秒110 Token，约为其他模型的两倍，同时单次响应成本也是最低。

不过，从整体响应时间中位数来看，各模型之间的差距并不算大，原因在于Grok 4.5的回答长度相对更长。测试显示，Grok 4.5单次回答的Token数量最多，且全部测量值中有5%的耗时超过9秒；GPT-5.5在短回答场景下响应最为灵敏；Claude Opus 4.8在速度与成本之间相对均衡；Claude Fable 5则最慢，成本也最高。

这项测试表明，评估AI编程工具时，不能只看成品完成度，还需要同时考量响应速度和成本表现。尽管Grok 4.5在最复杂任务中暴露出短板，但其在处理速度和成本竞争力上的优势依然较为明确。