Claude Opus 4.7 vs Grok 4
詳しいプロフィール:Claude Opus 4.7(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 · 13件の情報源のデータ
2026年11月16日時点で、品質ではClaude Opus 4.7がGrok 4を上回ります(BenchLeader Indexで63.1 対 58.1)。ただし、価格はGrok 4の方が1.7倍安く、100万トークンあたりのブレンド価格で$6.00 対 $10.00です。両方を測定できるすべてのカテゴリでClaude Opus 4.7がリードしています。Grok 4の方が出力が約1.5倍速いです。
要点(2026年11月16日時点)
- BenchLeader IndexはClaude Opus 4.7が63.1、Grok 4が58.1です(BenchLeader、2026年11月16日)。
- Claude Opus 4.7の100万トークンあたりのブレンド価格は$10.00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)。
- Grok 4はClaude Opus 4.7より出力が約1.5倍速いです(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18件のベンチマークのうち、Claude Opus 4.7が16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 Opus 4.7 | カテゴリスコア61 対 56;WeirdML 76.4% 対 45.7% | 中 |
| エージェント・ツール利用 | Claude Opus 4.7 | カテゴリスコア68 対 59;Terminal-Bench 80.2% 対 27.2% | 高 |
| 数学 | Claude Opus 4.7 | カテゴリスコア67 対 58;Arena Maths 1490 対 1425 | 高 |
| 推論 | Claude Opus 4.7 | カテゴリスコア64 対 60;SimpleBench 61.7% 対 60.5% | 中 |
| 画像などのメディア | Claude Opus 4.7 | カテゴリスコア67 対 52;Arena Vision 1319 対 1210 | 高 |
| チャットの質(人間の評価) | Claude Opus 4.7 | Arenaの投票で67 対 59 | 高 |
| 最低コスト | Grok 4 | 100万トークンあたりブレンド価格$6.00 対 $10.00;エージェント型コーディングセッション$0.240 対 $0.400 | – |
| 回答開始の速さ | Claude Opus 4.7 | 最初の回答トークンまで1.0秒(Claude Opus 4.7)対 17.5秒(Grok 4) | – |
| 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 Opus 4.7がリードしています:63.1 対 58.1。
- Claude Opus 4.7はエージェント・ツール、コーディング、人間の評価、数学、マルチモーダル、推論で優れています。
- Grok 4の方が1.7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 $10.00)。
- Grok 4の方が出力が1.4倍速くなっています(69 対 48トークン/秒)。
概要
| 仕様 | Claude Opus 4.7 | Grok 4 |
|---|---|---|
| プロバイダー | Anthropic | SpaceXAI |
| リリース日 | 2026年4月16日 | 2025年7月9日 |
| コンテキストウィンドウ(トークン) | 1,000,000 | 256,000 |
| 比較した構成 | Claude Opus 4.7 | 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) | $5.00 / $25.00 / $0.500 | $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 Opus 4.7 | Grok 4 | トップ |
|---|---|---|---|
| 推論 | 63.6 | 60.0 | Claude Opus 4.7 |
| コーディング | 60.9 | 55.9 | Claude Opus 4.7 |
| エージェント・ツール | 67.9 | 58.6 | Claude Opus 4.7 |
| 数学 | 66.7 | 58.3 | Claude Opus 4.7 |
| 知識 | – | 56.0 | 比較不可 |
| 指示追従 | – | 62.5 | 比較不可 |
| 人間の評価 | 67.3 | 58.5 | Claude Opus 4.7 |
| マルチモーダル | 67.1 | 52.0 | Claude Opus 4.7 |
| 長文コンテキスト | – | 68.3 | 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。
描画していないもの(測定済みのモデルが2つ未満):知識, 指示追従, 長文コンテキスト。
情報源で評価が分かれる点
両方に結果がある18件のベンチマークのうち、Claude Opus 4.7のリードが16件、Grok 4のリードが2件です。両方を評価しているすべての総合指標で、Claude Opus 4.7が上回っています。
| 総合Index | Claude Opus 4.7 | Grok 4 | トップ |
|---|---|---|---|
| BenchLeader Index | 63.1 | 58.1 | Claude Opus 4.7 |
| Arena Text | 1494 | 1411 | Claude Opus 4.7 |
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 Opus 4.7 | Grok 4 |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $10.00 | $6.00 |
| 100万トークンあたりの入力/出力 | $5.00 / $25.00 | $3.00 / $15.00 |
| 100万トークンあたりのキャッシュ入力 | $0.500 | – |
| タスクあたりの価格:チャットの返答 | $0.0095 | $0.0057 |
| タスクあたりの価格:30ページのレポートを要約 | $0.075 | $0.045 |
| タスクあたりの価格:コード編集 | $0.068 | $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 | $0.400 | $0.240 |
| タスクあたりの価格:構造化データの抽出 | $0.015 | $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) | $0.198 | – |
| 出力速度 | 48 tok/s | 69 tok/s |
| 回答開始までの時間 | 1.0秒 | 17.5秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | – | 42.8秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Claude Opus 4.7のスコアは63.1、最初の回答トークンまで1秒。Claude Opus 4.7 (high)は60.0(1秒)、Claude Opus 4.7 (max)は59.7(15秒)。Grok 4のスコアは58.1、最初の回答トークンまで18秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
134件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Claude Opus 4.7 | Grok 4 |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 63.1 | 58.1 |
| エージェント・ツールスコア | BenchLeader | 67.9 | 58.6 |
| コーディングスコア | BenchLeader | 60.9 | 55.9 |
| 人間の評価スコア | BenchLeader | 67.3 | 58.5 |
| 数学スコア | BenchLeader | 66.7 | 58.3 |
| マルチモーダルスコア | BenchLeader | 67.1 | 52.0 |
| 推論スコア | BenchLeader | 63.6 | 60.0 |
| 指示追従スコア | BenchLeader | – | 62.5 |
| 知識スコア | BenchLeader | – | 56.0 |
| 長文コンテキストスコア | BenchLeader | – | 68.3 |
| ブレンド価格($/100万トークン) | BenchLeader | $10.00 | $6.00 |
| 出力速度 | BenchLeader | 48 tok/s | 69 tok/s |
| 回答開始までの時間 | BenchLeader | 1.0秒 | 17.5秒 |
| コンテキストウィンドウ | BenchLeader | 1,000,000トークン | 256,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 86.4%† | 87.0% |
| Humanity's Last Exam | Scale AI / CAIS | 36.2% | – |
| SimpleBench | SimpleBench | 61.7% | 60.5% |
| Arena Hard Prompts | Arena (LMArena) | 1519 | 1421 |
| LiveBench 1.0 Reasoning | LiveBench | 87.2%† | – |
| GPQA Diamond (AA) | Artificial Analysis | 91.4%† | 87.7% |
| Humanity's Last Exam (AA) | Artificial Analysis | 42.3%† | 26.7% |
| GPQA Diamond (Vals) | Vals AI | 90.2%† | 88.1% |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 73.3% | 73.6% |
| GPQA Diamond (HELM) | HELM Capabilities | – | 72.6% |
| ARC-AGI-1 | ARC Prize | – | 66.7%† |
| ARC-AGI-2 | ARC Prize | – | 16.0%† |
| ARC-AGI-3 | ARC Prize | 0.2%† | – |
| CritPt | Artificial Analysis | 12.0%† | 2.0% |
| Arena Expert | Arena (LMArena) | 1534 | 1429 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 41.0%† | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 13.0% | – |
| LMCA | Epoch AI Benchmarking Hub | 52.2%† | – |
| DTBench | Epoch AI Benchmarking Hub | 94.7%† | – |
| ForecastBench | ForecastBench | 62.8% | 64.7% |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 83.5%† | – |
| SciCode | SciCode | 54.5%† | – |
| WeirdML | WeirdML | 76.4% | 45.7% |
| FrontierCode | Cognition | 38.5% | – |
| GSO-Bench | GSO-Bench | 44.1% | – |
134件のベンチマークをすべて表示
| 指標 | 公開元 | Claude Opus 4.7 | Grok 4 |
|---|---|---|---|
| コーディング | |||
| Arena Coding | Arena (LMArena) | 1547 | 1435 |
| Arena WebDev | Arena (LMArena) | 1555 | – |
| LiveBench 1.0 Coding | LiveBench | 82.1%† | – |
| LiveCodeBench | Vals AI | 85.1%† | 83.3% |
| SWE-bench (Vals) | Vals AI | 82.0%† | 57.8% |
| Aider Polyglot | Aider polyglot leaderboard | – | 79.6%† |
| Code Migration | Vals AI | 43.9%† | – |
| ProgramBench | Vals AI | 0.0%† | – |
| Vibe Code Bench v1.1 | Vals AI | 71.0%† | – |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 40.3% | – |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 48.6% | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 38.5% | – |
| MirrorCode | Epoch AI Benchmarking Hub | 31.1%† | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1323.0 | – |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 83.2%† | – |
| Design Arena Website | Design Arena | – | 1006 |
| LiveCodeBench (AA) | Artificial Analysis | – | 81.9% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 80.2% | 27.2% |
| OSWorld-Verified 2.0 | OSWorld | 18.2%† | – |
| GDPval | OpenAI | – | 21.1%† |
| Cybench | Cybench | – | 43.0% |
| APEX-Agents | Mercor | 49.2%† | – |
| LiveBench Agentic Coding | LiveBench | 50.7%† | – |
| Terminal-Bench Hard | Artificial Analysis | 51.5%† | 37.9% |
| τ²-Bench Telecom (AA) | Artificial Analysis | 88.6%† | 74.8% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 68.5%† | – |
| MCP Atlas | Scale AI SEAL | 79.1%† | – |
| HiL-Bench | Scale AI SEAL | 41.7% | – |
| BFCL Overall | Berkeley Function Calling Leaderboard | – | 63.0% |
| τ³-bench Banking | τ²-bench | 40.2%† | – |
| GDPval-AA v2.1 | Artificial Analysis | 1361† | – |
| τ³-Banking (AA) | Artificial Analysis | 34.6%† | – |
| ITBench SRE (AA) | Artificial Analysis | 46.7%† | – |
| Analyst Agent (AA) | Artificial Analysis | 43.8%† | – |
| Finance Agent v2 | Vals AI | 51.5%† | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 6.7%† | – |
| Legal Research Bench | Vals AI | 38.5%† | – |
| Tax Agent Bench | Vals AI | 23.7%† | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | 68.5%† | 28.1% |
| Arena Search | Arena (LMArena) | 1210 | 1123 |
| BALROG | BALROG | – | 43.6% |
| DeepResearch Bench | DeepResearch Bench | – | 47.3% |
| PostTrainBench | Epoch AI Benchmarking Hub | 24.3%† | – |
| ExploitBench | Epoch AI Benchmarking Hub | 26.5% | – |
| METR Time Horizons | METR | – | 66.6% |
| GBAEval | Epoch AI Benchmarking Hub | 43.8% | – |
| Vending-Bench 2 | Andon Labs | 10936.8 | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1252† | – |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 70.2%† | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 31.7%† | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 86.7%† | 84.0% |
| ProofBench | Vals AI | 54.0%† | – |
| LiveBench Mathematics | LiveBench | 92.8%† | – |
| AIME (Vals) | Vals AI | 96.3% | 90.6% |
| MGSM | Vals AI | – | 90.9% |
| AIME 2026 | MathArena | 95.8%† | – |
| HMMT February 2026 | MathArena | 93.9%† | – |
| IMO 2025 | MathArena | – | 21.4% |
| MathArena Apex | MathArena | 40.6%† | 2.1% |
| Omni-MATH (HELM) | HELM Capabilities | – | 60.3% |
| MATH 500 | Vals AI | – | 96.2% |
| Arena Maths | Arena (LMArena) | 1490 | 1425 |
| AIME 2025 (AA) | Artificial Analysis | – | 92.7% |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 51.7%† | – |
| LiveBench 1.0 Data Analysis | LiveBench | 78.3%† | – |
| MMLU-Pro | Vals AI | 89.9%† | 85.3% |
| LegalBench | Vals AI | 85.3%† | 83.2% |
| CorpFin | Vals AI | 66.1%† | 66.0% |
| TaxEval | Vals AI | 75.3%† | 65.1% |
| MedQA | Vals AI | – | 92.5% |
| MMLU-Pro (HELM) | HELM Capabilities | – | 85.1% |
| CaseLaw v2 | Vals AI | 68.4% | 65.8% |
| Excel Modeling Benchmark | Vals AI | 63.7%† | – |
| MedCode | Vals AI | 54.9%† | 38.1% |
| MedScribe | Vals AI | 83.0%† | 78.2% |
| EBR-bench | Epoch AI Benchmarking Hub | 19.1%† | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 21.0%† | – |
| Global-MMLU-Lite (AA) | Artificial Analysis | – | 89.5% |
| 指示追従 | |||
| LiveBench Language | LiveBench | 77.9%† | – |
| LiveBench Instruction Following | LiveBench | 66.7%† | – |
| IFBench | Artificial Analysis | 58.6%† | 53.7% |
| IFEval (HELM) | HELM Capabilities | – | 94.9% |
| WildBench (HELM) | HELM Capabilities | – | 79.7% |
| Arena Instruction Following | Arena (LMArena) | 1493 | 1396 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1494 | 1411 |
| EQ-Bench 4 | EQ-Bench | 1293 | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1915 | – |
| Arena Creative Writing | Arena (LMArena) | 1482 | 1394 |
| Arena Multi-turn | Arena (LMArena) | 1514 | 1413 |
| Arena Longer Queries | Arena (LMArena) | 1508 | 1416 |
| Lech Mazur Creative Writing | Lech Mazur | – | 76.9% |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1319 | 1210 |
| MMMU-Pro | Artificial Analysis | 78.8%† | 68.8% |
| MMMU-Pro (Vals) | Vals AI | 85.5%† | 76.3% |
| MortgageTax | Vals AI | 70.3%† | 44.5% |
| GeoBench | GeoBench | – | 45.0% |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 24.5% | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 33.3%† | – |
| 長文コンテキスト | |||
| Fiction.LiveBench 120k | Fiction.live | – | 96.9% |
| AA-LCR v1.1 | Artificial Analysis | 78.7%† | 68.0% |
| Arena Document | Arena (LMArena) | 1494 | – |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 157.4 | 146.9 |
| LiveBench 1.0 | LiveBench | 76.5%† | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 40.7† | 22.5 |
| AA Progress Index v1 | Artificial Analysis | 312.5† | 262.3 |
| HELM Capabilities mean | HELM Capabilities | – | 78.5% |
| Vals RSI Index | Vals AI | 19.1%† | – |
| Vals Multimodal Index | Vals AI | 67.4%† | – |
| メタデータ | |||
| AA Openness Index | Artificial 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。
最近の変化
- Grok 4:新しい結果1件(AIME 2025 (AA))。
- Grok 4:新しい結果1件(Arena Search)。
- Claude Opus 4.7:スコアの改訂1件。
- Grok 4:スコアの改訂1件。
- Grok 4:BenchLeader Index 58.8 → 58.3。
- Grok 4:新しい結果1件(AA Progress Index v1)。
- Claude Opus 4.7:スコアの改訂1件。
- Grok 4:新しい結果1件(Global-MMLU-Lite (AA))。
- Claude Opus 4.7:新しい結果1件(Harvey's Legal Agent Benchmark v1)。
- Claude Opus 4.7:スコアの改訂1件。
関連する比較
- Claude Opus 4.7 vs Claude Fable 5.2
- Claude Opus 4.7 vs Gemini 4 Carbon
- Claude Opus 4.7 vs Claude Opus 5.5
- Claude Opus 4.7 vs GPT-6 Astra
- Grok 4 vs Gemini 4 Carbon
- Grok 4 vs GPT-6 Astra
- Claude Opus 4.7 vs Claude Fable 5.1
- Claude Opus 4.7 vs GPT-6.1 Sol
ランキング: 総合ベストLLM · エージェントに最適なLLM · 安くて優秀なLLM
Claude Opus 4.7 vs Grok 4:よくある質問
- Claude Opus 4.7はGrok 4より優れていますか?
- 品質ではClaude Opus 4.7がリードしています:63.1 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 Opus 4.7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 Opus 4.7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 $10.00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 Opus 4.7とGrok 4のどちらが向いていますか?
- コーディングではClaude Opus 4.7の方がスコアが高くなっています(カテゴリ指標で61 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WeirdMLでは、Claude Opus 4.7が76.4%、Grok 4が45.7%です。
- Claude Opus 4.7とGrok 4はどちらが速いですか?
- Grok 4の方が出力が約1.5倍速くなっています(出力69 対 48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 Opus 4.7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 Opus 4.7の方がスコアが高くなっています(カテゴリ指標で68 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 Opus 4.7が80.2%、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?
- コンテキストはClaude Opus 4.7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Claude Opus 4.7です。Artificial Analysisの測定では、最初の回答トークンまで1.0秒 対 17.5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 Opus 4.7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18件のベンチマークのうち、Claude Opus 4.7のリードが16件、Grok 4のリードが2件です。両方を評価しているすべての総合指標で、Claude Opus 4.7が上回っています。
- Claude Opus 4.7はいつリリースされましたか?
- Claude Opus 4.7は2026年4月16日にリリースされました。