BenchLeader

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 4.7Arenaの投票で67 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 $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 4.7Grok 4
プロバイダーAnthropicSpaceXAI
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)1,000,000256,000
比較した構成Claude Opus 4.7Grok 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 4.7Grok 4トップ
推論63.660.0Claude Opus 4.7
コーディング60.955.9Claude Opus 4.7
エージェント・ツール67.958.6Claude Opus 4.7
数学66.758.3Claude 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67.358.5Claude Opus 4.7
マルチモーダル67.152.0Claude 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。

2550 avg75推論コーディングエージェント・ツール数学マルチモーダル人間の評価Claude Opus 4.7, 推論: 63.6Claude Opus 4.7, コーディング: 60.9Claude Opus 4.7, エージェント・ツール: 67.9Claude Opus 4.7, 数学: 66.7Claude Opus 4.7, マルチモーダル: 67.1Claude Opus 4.7, 人間の評価: 67.3Grok 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, 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):知識, 指示追従, 長文コンテキスト。

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IndexClaude Opus 4.7Grok 4トップ
BenchLeader Index63.158.1Claude Opus 4.7
Arena Text14941411Claude 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 4.7Grok 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/s69 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 4.7Grok 4
BenchLeader IndexBenchLeader63.158.1
エージェント・ツールスコアBenchLeader67.958.6
コーディングスコアBenchLeader60.955.9
人間の評価スコアBenchLeader67.358.5
数学スコアBenchLeader66.758.3
マルチモーダルスコアBenchLeader67.152.0
推論スコアBenchLeader63.660.0
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BenchLeader48 tok/s69 tok/s
回答開始までの時間BenchLeader1.0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 Hub86.4%†87.0%
Humanity's Last ExamScale AI / CAIS36.2%–
SimpleBenchSimpleBench61.7%60.5%
Arena Hard PromptsArena (LMArena)15191421
LiveBench 1.0 ReasoningLiveBench87.2%†–
GPQA Diamond (AA)Artificial Analysis91.4%†87.7%
Humanity's Last Exam (AA)Artificial Analysis42.3%†26.7%
GPQA Diamond (Vals)Vals AI90.2%†88.1%
Kagi LLM BenchmarkKagi LLM Benchmark73.3%73.6%
GPQA Diamond (HELM)HELM Capabilities–72.6%
ARC-AGI-1ARC Prize–66.7%†
ARC-AGI-2ARC Prize–16.0%†
ARC-AGI-3ARC Prize0.2%†–
CritPtArtificial Analysis12.0%†2.0%
Arena ExpertArena (LMArena)15341429
Chess PuzzlesEpoch AI Benchmarking Hub41.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub13.0%–
LMCAEpoch AI Benchmarking Hub52.2%†–
DTBenchEpoch AI Benchmarking Hub94.7%†–
ForecastBenchForecastBench62.8%64.7%
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub83.5%†–
SciCodeSciCode54.5%†–
WeirdMLWeirdML76.4%45.7%
FrontierCodeCognition38.5%–
GSO-BenchGSO-Bench44.1%–
134件のベンチマークをすべて表示
指標公開元Claude Opus 4.7Grok 4
コーディング
Arena CodingArena (LMArena)15471435
Arena WebDevArena (LMArena)1555–
LiveBench 1.0 CodingLiveBench82.1%†–
LiveCodeBenchVals AI85.1%†83.3%
SWE-bench (Vals)Vals AI82.0%†57.8%
Aider PolyglotAider polyglot leaderboard–79.6%†
Code MigrationVals AI43.9%†–
ProgramBenchVals AI0.0%†–
Vibe Code Bench v1.1Vals AI71.0%†–
SWE Atlas v1.0: Codebase QnAScale AI SEAL40.3%–
SWE Atlas v1.0: RefactoringScale AI SEAL48.6%–
SWE Atlas v1.0: Test WritingScale AI SEAL38.5%–
MirrorCodeEpoch AI Benchmarking Hub31.1%†–
ALE-BenchEpoch AI Benchmarking Hub1323.0–
Terminal-Bench 2.1 (AA)Artificial Analysis83.2%†–
Design Arena WebsiteDesign Arena–1006
LiveCodeBench (AA)Artificial Analysis–81.9%
エージェント・ツール
Terminal-BenchTerminal-Bench80.2%27.2%
OSWorld-Verified 2.0OSWorld18.2%†–
GDPvalOpenAI–21.1%†
CybenchCybench–43.0%
APEX-AgentsMercor49.2%†–
LiveBench Agentic CodingLiveBench50.7%†–
Terminal-Bench HardArtificial Analysis51.5%†37.9%
τ²-Bench Telecom (AA)Artificial Analysis88.6%†74.8%
Terminal-Bench 2.1 (Vals)Vals AI68.5%†–
MCP AtlasScale AI SEAL79.1%†–
HiL-BenchScale AI SEAL41.7%–
BFCL OverallBerkeley Function Calling Leaderboard–63.0%
τ³-bench Bankingτ²-bench40.2%†–
GDPval-AA v2.1Artificial Analysis1361†–
τ³-Banking (AA)Artificial Analysis34.6%†–
ITBench SRE (AA)Artificial Analysis46.7%†–
Analyst Agent (AA)Artificial Analysis43.8%†–
Finance Agent v2Vals AI51.5%†–
Harvey's Legal Agent Benchmark v1Vals AI6.7%†–
Legal Research BenchVals AI38.5%†–
Tax Agent BenchVals AI23.7%†–
Terminal-Bench 2.0 (Vals)Vals AI68.5%†28.1%
Arena SearchArena (LMArena)12101123
BALROGBALROG–43.6%
DeepResearch BenchDeepResearch Bench–47.3%
PostTrainBenchEpoch AI Benchmarking Hub24.3%†–
ExploitBenchEpoch AI Benchmarking Hub26.5%–
METR Time HorizonsMETR–66.6%
GBAEvalEpoch AI Benchmarking Hub43.8%–
Vending-Bench 2Andon Labs10936.8–
AA-Briefcase v1.1Artificial Analysis1252†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub70.2%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub86.7%†84.0%
ProofBenchVals AI54.0%†–
LiveBench MathematicsLiveBench92.8%†–
AIME (Vals)Vals AI96.3%90.6%
MGSMVals AI–90.9%
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena93.9%†–
IMO 2025MathArena–21.4%
MathArena ApexMathArena40.6%†2.1%
Omni-MATH (HELM)HELM Capabilities–60.3%
MATH 500Vals AI–96.2%
Arena MathsArena (LMArena)14901425
AIME 2025 (AA)Artificial Analysis–92.7%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub51.7%†–
LiveBench 1.0 Data AnalysisLiveBench78.3%†–
MMLU-ProVals AI89.9%†85.3%
LegalBenchVals AI85.3%†83.2%
CorpFinVals AI66.1%†66.0%
TaxEvalVals AI75.3%†65.1%
MedQAVals AI–92.5%
MMLU-Pro (HELM)HELM Capabilities–85.1%
CaseLaw v2Vals AI68.4%65.8%
Excel Modeling BenchmarkVals AI63.7%†–
MedCodeVals AI54.9%†38.1%
MedScribeVals AI83.0%†78.2%
EBR-benchEpoch AI Benchmarking Hub19.1%†–
GDP.pdfEpoch AI Benchmarking Hub21.0%†–
Global-MMLU-Lite (AA)Artificial Analysis–89.5%
指示追従
LiveBench LanguageLiveBench77.9%†–
LiveBench Instruction FollowingLiveBench66.7%†–
IFBenchArtificial Analysis58.6%†53.7%
IFEval (HELM)HELM Capabilities–94.9%
WildBench (HELM)HELM Capabilities–79.7%
Arena Instruction FollowingArena (LMArena)14931396
人間の評価
Arena TextArena (LMArena)14941411
EQ-Bench 4EQ-Bench1293–
EQ-Bench Creative Writing v3EQ-Bench1915–
Arena Creative WritingArena (LMArena)14821394
Arena Multi-turnArena (LMArena)15141413
Arena Longer QueriesArena (LMArena)15081416
Lech Mazur Creative WritingLech Mazur–76.9%
マルチモーダル
Arena VisionArena (LMArena)13191210
MMMU-ProArtificial Analysis78.8%†68.8%
MMMU-Pro (Vals)Vals AI85.5%†76.3%
MortgageTaxVals AI70.3%†44.5%
GeoBenchGeoBench–45.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub24.5%–
Furniture AssemblyEpoch AI Benchmarking Hub33.3%†–
長文コンテキスト
Fiction.LiveBench 120kFiction.live–96.9%
AA-LCR v1.1Artificial Analysis78.7%†68.0%
Arena DocumentArena (LMArena)1494–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.4146.9
LiveBench 1.0LiveBench76.5%†–
AA Intelligence Index v4.3.2Artificial Analysis40.7†22.5
AA Progress Index v1Artificial Analysis312.5†262.3
HELM Capabilities meanHELM Capabilities–78.5%
Vals RSI IndexVals AI19.1%†–
Vals Multimodal IndexVals AI67.4%†–
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。

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。

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。