BenchLeader

Claude Fable 5.1 vs Grok 4

詳しいプロフィール:Claude Fable 5.1(Anthropic)とGrok 4(SpaceXAI)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 16件の情報源のデータ

2026年11月16日時点で、品質ではClaude Fable 5.1がGrok 4を上回ります(BenchLeader Indexで66.7 対 58.1)。ただし、価格はGrok 4の方が3.3倍安く、100万トークンあたりのブレンド価格で$6.00 対 $20.00です。両方を測定できるすべてのカテゴリでClaude Fable 5.1がリードしています。Claude Fable 5.1の方が出力が速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Fable 5.1が66.7、Grok 4が58.1です(BenchLeader、2026年11月16日)。
  • Claude Fable 5.1の100万トークンあたりのブレンド価格は$20.00です(定価、2026年11月16日)。
  • Grok 4の100万トークンあたりのブレンド価格は$6.00です(定価、2026年11月16日)。
  • Claude Fable 5.1はGrok 4より出力が速いです(Artificial Analysis、7日間の中央値、2026年11月16日)。
  • 両モデルに結果がある26件のベンチマークのうち、Claude Fable 5.1が26件でリードしています(BenchLeader、2026年11月16日)。

用途別のおすすめ

おすすめ側の数値を先に示しています。カテゴリスコアはBenchLeaderの尺度(50が平均的なモデル、15ポイントが1標準偏差)です。標準偏差の半分以上の差があれば信頼度「高」、1ポイント未満の差は「どちらでも」としています。

用途おすすめ理由信頼度
コーディングClaude Fable 5.1カテゴリスコア70 対 56;LiveCodeBench 90.5% 対 83.3%高
エージェント・ツール利用Claude Fable 5.1カテゴリスコア60 対 59;Terminal-Bench 57.3% 対 27.2%中
数学Claude Fable 5.1カテゴリスコア72 対 58;Arena Maths 1526 対 1425高
推論Claude Fable 5.1カテゴリスコア69 対 60;Arena Hard Prompts 1522 対 1421高
知識Claude Fable 5.1カテゴリスコア69 対 56;MMLU-Pro 92.4% 対 85.3%高
長い文書どちらでもカテゴリスコア67 対 68;AA-LCR v1.1 85.3% 対 68.0%どちらでも
画像などのメディアClaude Fable 5.1カテゴリスコア68 対 52;Arena Vision 1322 対 1210高
チャットの質(人間の評価)Claude Fable 5.1Arenaの投票で70 対 59高
最低コストGrok 4100万トークンあたりブレンド価格$6.00 対 $20.00;エージェント型コーディングセッション$0.240 対 $0.800–
回答開始の速さGrok 4最初の回答トークンまで17.5秒(Grok 4)対 151.4秒(Claude Fable 5.1 (max))–
低予算での大量処理フラッグシップ以外小型モデルの方が適していることがほとんどです:安くて優秀なLLM、最速のLLM–

主な違い

  • 品質ではClaude Fable 5.1 (max)がリードしています:66.7 対 58.1。
  • Claude Fable 5.1 (max)はエージェント・ツール、コーディング、人間の評価、知識、数学、マルチモーダル、推論で優れています。
  • Grok 4は長文コンテキストで優れています。
  • Grok 4の方が3.3倍安くなっています(100万トークンあたりブレンド価格$6.00 対 $20.00)。

概要

仕様Claude Fable 5.1Grok 4
プロバイダーAnthropicSpaceXAI
リリース日2026年9月1日2025年7月9日
コンテキストウィンドウ(トークン)1,000,000256,000
比較した構成Claude Fable 5.1 (max)Grok 4
オープンウェイトなしなし
100万トークンあたりの価格(入力/出力/キャッシュ入力)$10.00 / $50.00 / $0.250$3.00 / $15.00 / –

カテゴリ別の比較

カテゴリスコアはBenchLeaderの尺度で、50が評価対象モデルの平均、15ポイントが1標準偏差です。1ポイント未満の差は互角としています。

カテゴリClaude Fable 5.1 (max)Grok 4トップ
推論69.460.0Claude Fable 5.1
コーディング69.755.9Claude Fable 5.1
エージェント・ツール59.758.6Claude Fable 5.1
数学72.058.3Claude Fable 5.1
知識68.656.0Claude Fable 5.1
指示追従–62.5比較不可
人間の評価69.758.5Claude Fable 5.1
マルチモーダル67.552.0Claude Fable 5.1
長文コンテキスト67.468.3互角
総合70.8–比較不可

1つのグラフで比較

各分野をIndexと同じ尺度(平均的なモデルが50)で示しています。分野をクリックすると、その元になったベンチマークが表示されます。 リストから最大5モデルまで選べます。

2550 avg75推論コーディングエージェント・ツール数学知識長文コンテキストマルチモーダル人間の評価Claude Fable 5.1, 推論: 69.4Claude Fable 5.1, コーディング: 69.7Claude Fable 5.1, エージェント・ツール: 59.7Claude Fable 5.1, 数学: 72.0Claude Fable 5.1, 知識: 68.6Claude Fable 5.1, 長文コンテキスト: 67.4Claude Fable 5.1, マルチモーダル: 67.5Claude Fable 5.1, 人間の評価: 69.7Grok 4, 推論: 60.0Grok 4, コーディング: 55.9Grok 4, エージェント・ツール: 58.6Grok 4, 数学: 58.3Grok 4, 知識: 56.0Grok 4, 長文コンテキスト: 68.3Grok 4, マルチモーダル: 52.0Grok 4, 人間の評価: 58.5

描画していないもの(測定済みのモデルが2つ未満):指示追従。

モデル(クリックで追加・削除)Index

情報源で評価が分かれる点

両方に結果がある26件のベンチマークのうち、Claude Fable 5.1のリードが26件、Grok 4のリードが0件です。両方を評価しているすべての総合指標で、Claude Fable 5.1が上回っています。

総合IndexClaude Fable 5.1 (max)Grok 4トップ
BenchLeader Index66.758.1Claude Fable 5.1
Arena Text15021411Claude Fable 5.1

公開元ごとにタスク、評価環境、エフォートの設定が異なるため、総合的な評価が食い違うことがあります。BenchLeaderはそれらを1つの尺度にそろえています。†は同じモデルの別のエフォート設定での測定値です(公開元がここで比較している設定をテストしていないため)。

価格・速度・レイテンシ

定価は、出力1トークンにつき入力3トークンの比率でブレンドしています。タスクあたりの価格は、算出方法のページに記載したトークン数で計算しています。ベンチマークのタスクあたりのコスト、トークン数、時間は実測値で、Artificial AnalysisのIntelligence Index全体の平均です。

指標Claude Fable 5.1 (max)Grok 4
100万トークンあたりのブレンド価格$20.00$6.00
100万トークンあたりの入力/出力$10.00 / $50.00$3.00 / $15.00
100万トークンあたりのキャッシュ入力$0.250–
タスクあたりの価格:チャットの返答$0.019$0.0057
タスクあたりの価格:30ページのレポートを要約$0.150$0.045
タスクあたりの価格:コード編集$0.135$0.041
タスクあたりの価格:エージェント型コーディングセッション$0.800$0.240
タスクあたりの価格:構造化データの抽出$0.030$0.0090
エージェント型コーディングセッション(入力の大半がキャッシュ)$0.361–
ベンチマークのタスクあたりのコスト(AA Index)$12.99–
タスクあたりの出力トークン(AA Index)118k–
うち推論71k–
タスクあたりの時間(AA Index)22 min–
出力速度89 tok/s69 tok/s
回答開始までの時間151.4秒17.5秒
回答が完了するまでの時間(最終測定2026年11月13日)386.7秒42.8秒

各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Claude Fable 5.1 (max)のスコアは66.7、最初の回答トークンまで151秒。Claude Fable 5.1は66.4(4秒)、Claude Fable 5.1 (xhigh)は64.6(98秒)。Grok 4のスコアは58.1、最初の回答トークンまで18秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか

全ベンチマーク

195件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。

指標公開元Claude Fable 5.1 (max)Grok 4
BenchLeader IndexBenchLeader66.758.1
エージェント・ツールスコアBenchLeader59.758.6
コーディングスコアBenchLeader69.755.9
総合スコアBenchLeader70.8–
人間の評価スコアBenchLeader69.758.5
知識スコアBenchLeader68.656.0
長文コンテキストスコアBenchLeader67.468.3
数学スコアBenchLeader72.058.3
マルチモーダルスコアBenchLeader67.552.0
推論スコアBenchLeader69.460.0
指示追従スコアBenchLeader–62.5
ブレンド価格($/100万トークン)BenchLeader$20.00$6.00
出力速度BenchLeader89 tok/s69 tok/s
回答開始までの時間BenchLeader151.4秒17.5秒
コンテキストウィンドウBenchLeader1,000,000トークン256,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub–87.0%
Humanity's Last ExamScale AI / CAIS46.5%†–
SimpleBenchSimpleBench86.6%†60.5%
Arena Hard PromptsArena (LMArena)15221421
LiveBench 2.0 ReasoningLiveBench91.7%–
LiveBench 1.0 ReasoningLiveBench91.7%–
GPQA Diamond (AA)Artificial Analysis93.7%87.7%
Humanity's Last Exam (AA)Artificial Analysis59.1%26.7%
HLE-Diamond (AA)Artificial Analysis60.1%–
GPQA Diamond (Vals)Vals AI93.4%88.1%
Kagi LLM BenchmarkKagi LLM Benchmark–73.6%
GPQA Diamond (HELM)HELM Capabilities–72.6%
ARC-AGI-1ARC Prize97.5%66.7%†
ARC-AGI-2ARC Prize90.0%16.0%†
CritPtArtificial Analysis29.7%2.0%
CritPt v2 hard subset (AA)Artificial Analysis52.5%–
MysteryMechanismVals AI47.8%–
HLE-Diamond (Scale)Scale AI SEAL51.3%†–
Arena ExpertArena (LMArena)15331429
Chess PuzzlesEpoch AI Benchmarking Hub48.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub58.0%–
LMCAEpoch AI Benchmarking Hub65.5%†–
DTBenchEpoch AI Benchmarking Hub97.6%†–
ForecastBenchForecastBench65.7%†64.7%
コーディング
SciCodeSciCode63.1%–
195件のベンチマークをすべて表示
指標公開元Claude Fable 5.1 (max)Grok 4
コーディング
WeirdMLWeirdML92.9%45.7%
FrontierCodeCognition50.9%†–
GSO-BenchGSO-Bench88.2%†–
Arena CodingArena (LMArena)15341435
Arena WebDevArena (LMArena)1742–
LiveBench 2.0 CodingLiveBench89.7%–
LiveBench 1.0 CodingLiveBench86.4%–
LiveCodeBenchVals AI90.5%83.3%
IOIVals AI90.8%–
SWE-bench (Vals)Vals AI–57.8%
Aider PolyglotAider polyglot leaderboard–79.6%†
Code MigrationVals AI54.6%–
ProgramBenchVals AI7.0%–
SWE-bench MultimodalVals AI61.3%–
Vibe Code Bench 1-100Vals AI28.0%–
Vibe Code Bench v1.1Vals AI90.3%–
SWE Atlas v1.0: Codebase QnAScale AI SEAL60.0%†–
SWE Atlas v1.0: RefactoringScale AI SEAL56.7%†–
SWE Atlas v1.0: Test WritingScale AI SEAL67.0%†–
SWE Atlas v1.1Scale AI SEAL76.4%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL79.0%†–
SWE Atlas v1.1: Test WritingScale AI SEAL78.9%†–
SWE Atlas v1.1: RefactoringScale AI SEAL71.4%†–
SWE-Bench Pro V2Scale AI SEAL99.1%†–
SWE-Bench Pro V2 HARDScale AI SEAL92.2%†–
MirrorCodeEpoch AI Benchmarking Hub93.3%–
CursorBenchCursor51.8%–
ALE-BenchEpoch AI Benchmarking Hub2143.2†–
FrontierSWEEpoch AI Benchmarking Hub56.3%–
WeirdML v3WeirdML26.0%†–
Terminal-Bench 4.0 (AA)Artificial Analysis52.0%–
Terminal-Bench 2.1 (AA)Artificial Analysis91.4%–
Startrise FrontendStartrise77.1%†–
GameBench 2 OverallDuelLab GameBench 287.1†–
GameBench 2 by reasoning settingDuelLab GameBench 294.0†–
Design Arena WebsiteDesign Arena1305†1006
FrontierCode 1.1 (AA)Artificial Analysis49.0%–
FrontierCode 2.0 (AA)Artificial Analysis31.6%–
LiveCodeBench (AA)Artificial Analysis–81.9%
エージェント・ツール
Terminal-BenchTerminal-Bench57.3%27.2%
GDPvalOpenAI–21.1%†
CybenchCybench–43.0%
Remote Labor IndexScale AI / CAIS17.9%†–
APEX-AgentsMercor68.6%†–
Arena AgentArena (LMArena)14.8–
LiveBench Long AgenticLiveBench74.2%–
LiveBench BrowserLiveBench89.8%–
LiveBench Agentic CodingLiveBench66.1%–
Terminal-Bench HardArtificial Analysis–37.9%
τ²-Bench Telecom (AA)Artificial Analysis–74.8%
Terminal-Bench 2.1 (Vals)Vals AI85.0%†–
MCP AtlasScale AI SEAL87.2%†–
HiL-BenchScale AI SEAL61.5%†–
BFCL OverallBerkeley Function Calling Leaderboard–63.0%
GDPval-AA v2.1, normalised scoreArtificial Analysis62.7%–
GDPval-AA v2.1Artificial Analysis1765–
τ³-Banking (AA)Artificial Analysis47.2%–
ITBench SRE (AA)Artificial Analysis49.5%–
Analyst Agent (AA)Artificial Analysis57.5%–
CUA-benchVals AI13.2%–
CyberBenchVals AI70.4%–
Finance Agent v2Vals AI58.9%–
Harvey's Legal Agent Benchmark v1Vals AI6.7%–
Legal Research BenchVals AI55.3%–
Robo-benchVals AI5.8%–
SkillsBenchVals AI61.5%–
SREBenchVals AI22.9%–
Tax Agent BenchVals AI50.8%–
Terminal-Bench 2.0 (Vals)Vals AI–28.1%
Terminal-Bench 4.0 (Vals)Vals AI58.1%–
Terminal-Bench ScienceVals AI40.0%–
Time Horizon Index: KSPVals AI63.3%–
Arena SearchArena (LMArena)1227†1123
Arena Agent Task CompletionArena (LMArena)14.4–
BALROGBALROG–43.6%
DeepResearch BenchDeepResearch Bench–47.3%
PostTrainBenchEpoch AI Benchmarking Hub44.6%–
METR Time HorizonsMETR–66.6%
Vending-Bench 2Andon Labs5421.6†–
SpireClimbEpoch AI Benchmarking Hub2.0%–
AutomationBenchArtificial Analysis59.4%–
GDP.pdf (AA)Artificial Analysis26.2%–
Harvey LAB-AA v1.1Harvey6.4%–
AA-Briefcase v1.1Artificial Analysis1671–
GDPxGDPx by SemiAnalysis8.5%–
Design Arena AgenticDesign Arena1338†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis43.3%–
CWE-Bench (AA)Artificial Analysis50.8%–
DeepSec-Bench (AA)Artificial Analysis23.5%–
CyberGym end-to-end (AA)Artificial Analysis0.8%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.2%–
FrontierMath Tier 4Epoch AI Benchmarking Hub87.8%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%84.0%
ProofBenchVals AI100.0%–
LiveBench MathematicsLiveBench97.0%–
AIME (Vals)Vals AI–90.6%
MGSMVals AI–90.9%
IMO 2025MathArena–21.4%
MathArena ApexMathArena–2.1%
Omni-MATH (HELM)HELM Capabilities–60.3%
MATH 500Vals AI–96.2%
Arena MathsArena (LMArena)15261425
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
AIME 2025 (AA)Artificial Analysis–92.7%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub70.8%–
LiveBench 2.0 Data AnalysisLiveBench80.3%–
LiveBench ResearchLiveBench88.5%–
LiveBench 1.0 Data AnalysisLiveBench80.3%–
AA-Omniscience v1.1Artificial Analysis46.3–
MMLU-ProVals AI92.4%85.3%
LegalBenchVals AI88.5%83.2%
CorpFinVals AI–66.0%
TaxEvalVals AI76.0%65.1%
MedQAVals AI–92.5%
PRBench FinanceScale AI SEAL50.8%†–
PRBench LegalScale AI SEAL51.6%†–
MMLU-Pro (HELM)HELM Capabilities–85.1%
CaseLaw v2Vals AI–65.8%
Excel Modeling BenchmarkVals AI76.7%–
Excel Modeling Benchmark v1.1Vals AI76.7%–
MedCodeVals AI53.5%38.1%
MedScribeVals AI91.3%78.2%
Public Benefits Bench v1.1Vals AI74.9%–
Financial Coaching BenchVals AI75.7%–
Immigration BenchVals AI75.4%–
EBR-benchEpoch AI Benchmarking Hub57.1%–
GDP.pdfEpoch AI Benchmarking Hub27.6%–
AA-Omniscience v1.1: accuracyArtificial Analysis68.4%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis30.0%–
Global-MMLU-Lite (AA)Artificial Analysis–89.5%
HealthBench Professional (AA)OpenAI57.8%–
指示追従
LiveBench LanguageLiveBench89.5%–
LiveBench Instruction FollowingLiveBench73.0%–
IFBenchArtificial Analysis–53.7%
IFEval (HELM)HELM Capabilities–94.9%
WildBench (HELM)HELM Capabilities–79.7%
Arena Instruction FollowingArena (LMArena)15011396
人間の評価
Arena TextArena (LMArena)15021411
EQ-Bench Creative Writing v3EQ-Bench2155†–
Arena Creative WritingArena (LMArena)14901394
Arena Multi-turnArena (LMArena)14851413
Arena Longer QueriesArena (LMArena)15101416
Lech Mazur Creative WritingLech Mazur–76.9%
マルチモーダル
Arena VisionArena (LMArena)13221210
LiveBench DesignLiveBench81.6%–
MMMU-ProArtificial Analysis–68.8%
MMMU-Pro (Vals)Vals AI90.6%76.3%
MortgageTaxVals AI70.8%44.5%
Humanity's Sixth SenseScale AI SEAL40.8%†–
GeoBenchGeoBench84.0%†45.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub41.9%†–
Furniture AssemblyEpoch AI Benchmarking Hub70.0%–
Code2Video-AAArtificial Analysis1325–
AA-3DArtificial Analysis1139–
長文コンテキスト
Fiction.LiveBench 120kFiction.live–96.9%
AA-LCR v1.1Artificial Analysis85.3%68.0%
Arena DocumentArena (LMArena)1498–
MLCRArtificial Analysis15.6%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub167.0†146.9
LiveBench 2.0LiveBench84.0%–
LiveBench 1.0LiveBench83.4%–
AA Intelligence Index v5.0.1Artificial Analysis49.2–
AA Intelligence Index v4.3.2Artificial Analysis53.422.5
AA Progress Index v1Artificial Analysis340.8262.3
HELM Capabilities meanHELM Capabilities–78.5%
Vals RSI IndexVals AI36.1%–
AA Cyber IndexArtificial Analysis25.0–
安全性・誠実さ
FORTRESSScale AI SEAL13.7%†–
DistressBenchScale AI SEAL71.5%†–
メタデータ
AA Openness IndexArtificial Analysis–5.6

データは2026年11月16日時点。各モデルの最良の構成で比較しています。すべてのスコアの出典はモデルのページにリンクしています。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

最近の変化

  • Claude Fable 5.1 (max):新しい結果37件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Claude Fable 5.1 (max):新しい結果1件(GDPval-AA v2.1)。
  • Grok 4:新しい結果1件(AIME 2025 (AA))。
  • Claude Fable 5.1 (max):BenchLeader Index 67.1 → 66.6。
  • Claude Fable 5.1 (max):新しい結果1件(PostTrainBench)、スコアの改訂1件。
  • Claude Fable 5.1 (max):新しい結果1件(MirrorCode)。
  • Claude Fable 5.1 (max):スコアの改訂1件。
  • Claude Fable 5.1 (max):スコアの改訂1件。
  • Grok 4:新しい結果1件(Arena Search)。
  • Claude Fable 5.1 (max):スコアの改訂1件。

ランキング: 総合ベストLLM · コーディングに最適なLLM · エージェントに最適なLLM · 安くて優秀なLLM

Claude Fable 5.1 vs Grok 4:よくある質問

Claude Fable 5.1はGrok 4より優れていますか?
品質ではClaude Fable 5.1 (max)がリードしています:66.7 対 58.1。BenchLeader Indexは第三者による品質ベンチマークをすべて統合した指標です。2026年11月16日時点では総合でClaude Fable 5.1 (max)が上回っていますが、用途に合わせてカテゴリ別のスコアも確認してください。
Claude Fable 5.1とGrok 4はどちらが安いですか?今後変わる予定はありますか?
現在はGrok 4の方が安く、100万トークンあたり$6.00 対 $20.00です(出力1トークンにつき入力3トークンでブレンド)。どちらも価格変更は発表されていません。
コーディングにはClaude Fable 5.1とGrok 4のどちらが向いていますか?
コーディングではClaude Fable 5.1の方がスコアが高くなっています(カテゴリ指標で70 対 56。50が平均)。共通するコーディングベンチマークのうち最も重要なLiveCodeBenchでは、Claude Fable 5.1が90.5%、Grok 4が83.3%です。
Claude Fable 5.1とGrok 4はどちらが速いですか?
Claude Fable 5.1の方が出力が速くなっています(出力89 対 69トークン/秒、Artificial Analysisの7日間の中央値)。
エージェントやツール利用にはClaude Fable 5.1とGrok 4のどちらが向いていますか?
エージェント型のタスクではClaude Fable 5.1の方がスコアが高くなっています(カテゴリ指標で60 対 59。50が平均)。共通するエージェント・ツールベンチマークのうち最も重要なTerminal-Benchでは、Claude Fable 5.1が57.3%、Grok 4が27.2%です。
ほかの質問(4件)
長い文書にはどちらが向いていますか?
長文コンテキストのベンチマークでは互角です(67 対 68)。コンテキストはClaude Fable 5.1の方が長く、1,000,000トークンです(Grok 4は256,000トークン)。
レイテンシが低いのはどちらですか?
先に回答を始めるのはGrok 4です。Artificial Analysisの測定では、最初の回答トークンまで17.5秒 対 151.4秒です。この差の大部分は推論エフォートによるもので、設定が高いほど回答前に長く考えます。
Claude Fable 5.1とGrok 4について、第三者ベンチマークの評価は一致していますか?
両方に結果がある26件のベンチマークのうち、Claude Fable 5.1のリードが26件、Grok 4のリードが0件です。両方を評価しているすべての総合指標で、Claude Fable 5.1が上回っています。
Claude Fable 5.1はいつリリースされましたか?
Claude Fable 5.1は2026年9月1日にリリースされました。