BenchLeader

Claude Opus 5 vs Grok 4

詳しいプロフィール:Claude Opus 5(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 · 17件の情報源のデータ

2026年11月16日時点で、品質ではClaude Opus 5がGrok 4を上回ります(BenchLeader Indexで65.0 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。マルチモーダル(67 対 52)、数学(70 対 58)、コーディング(67 対 56)を重視するならClaude Opus 5、長文コンテキスト(68 対 64)を重視するならGrok 4が向いています。回答開始までの時間はGrok 4の方が短く、17.5秒 対 48.5秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Opus 5が65.0、Grok 4が58.1です(BenchLeader、2026年11月16日)。
  • Claude Opus 5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)。
  • 両モデルに結果がある26件のベンチマークのうち、Claude Opus 5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 Opus 5カテゴリスコア67 対 56;LiveCodeBench 89.0% 対 83.3%高
エージェント・ツール利用Claude Opus 5カテゴリスコア64 対 59;Terminal-Bench 52.1% 対 27.2%中
数学Claude Opus 5カテゴリスコア70 対 58;Arena Maths 1515 対 1425高
推論Claude Opus 5カテゴリスコア66 対 60;GPQA Diamond 93.9% 対 87.0%中
知識Claude Opus 5カテゴリスコア65 対 56;MMLU-Pro 91.6% 対 85.3%高
長い文書Grok 4カテゴリスコア68 対 64;AA-LCR v1.1 68.0% 対 79.3%中
画像などのメディアClaude Opus 5カテゴリスコア67 対 52;MMMU-Pro 84.7% 対 68.8%高
チャットの質(人間の評価)Claude Opus 5Arenaの投票で68 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Grok 4最初の回答トークンまで17.5秒(Grok 4)対 48.5秒(Claude Opus 5 (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 Opus 5 (max)がリードしています:65.0 対 58.1。
  • Claude Opus 5 (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)。

概要

仕様Claude Opus 5Grok 4
プロバイダーAnthropicSpaceXAI
リリース日2026年7月24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 5 (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)$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 5 (max)Grok 4トップ
推論66.160.0Claude Opus 5
コーディング67.055.9Claude Opus 5
エージェント・ツール63.858.6Claude Opus 5
数学69.858.3Claude Opus 5
知識65.256.0Claude Opus 5
指示追従–62.5比較不可
人間の評価68.158.5Claude Opus 5
マルチモーダル67.252.0Claude Opus 5
長文コンテキスト64.368.3Grok 4

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 Opus 5, 推論: 66.1Claude Opus 5, コーディング: 67.0Claude Opus 5, エージェント・ツール: 63.8Claude Opus 5, 数学: 69.8Claude Opus 5, 知識: 65.2Claude Opus 5, 長文コンテキスト: 64.3Claude Opus 5, マルチモーダル: 67.2Claude Opus 5, 人間の評価: 68.1Grok 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 Opus 5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 Opus 5が上回っています。

総合IndexClaude Opus 5 (max)Grok 4トップ
BenchLeader Index65.058.1Claude Opus 5
Arena Text14891411Claude Opus 5

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 5 (max)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–
ベンチマークのタスクあたりのコスト(AA Index)$11.82–
タスクあたりの出力トークン(AA Index)118k–
うち推論73k–
タスクあたりの時間(AA Index)25 min–
出力速度80 tok/s69 tok/s
回答開始までの時間48.5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)191.6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 Opus 5 (max)のスコアは65.0、最初の回答トークンまで49秒。Claude Opus 5 (high)は64.4(17秒)、Claude Opus 5は63.2(2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

173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 5 (max)Grok 4
BenchLeader IndexBenchLeader65.058.1
エージェント・ツールスコアBenchLeader63.858.6
コーディングスコアBenchLeader67.055.9
人間の評価スコアBenchLeader68.158.5
知識スコアBenchLeader65.256.0
長文コンテキストスコアBenchLeader64.368.3
数学スコアBenchLeader69.858.3
マルチモーダルスコアBenchLeader67.252.0
推論スコアBenchLeader66.160.0
指示追従スコアBenchLeader–62.5
ブレンド価格($/100万トークン)BenchLeader$10.00$6.00
出力速度BenchLeader80 tok/s69 tok/s
回答開始までの時間BenchLeader48.5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 Hub93.9%87.0%
SimpleBenchSimpleBench80.6%†60.5%
Arena Hard PromptsArena (LMArena)15131421
LiveBench 1.0 ReasoningLiveBench91.2%–
GPQA Diamond (AA)Artificial Analysis93.2%87.7%
Humanity's Last Exam (AA)Artificial Analysis54.9%26.7%
HLE-Diamond (AA)Artificial Analysis44.8%–
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 Prize90.4%16.0%†
ARC-AGI-3ARC Prize30.2%†–
CritPtArtificial Analysis29.1%2.0%
CritPt v2 hard subset (AA)Artificial Analysis50.0%–
MysteryMechanismVals AI37.4%–
HLE-Diamond (Scale)Scale AI SEAL38.6%†–
Arena ExpertArena (LMArena)15301429
Chess PuzzlesEpoch AI Benchmarking Hub43.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub59.0%–
LMCAEpoch AI Benchmarking Hub63.3%–
DTBenchEpoch AI Benchmarking Hub97.6%–
ForecastBenchForecastBench66.6%64.7%
BTF-3Epoch AI Benchmarking Hub12.0%†–
コーディング
SciCodeSciCode56.4%–
173件のベンチマークをすべて表示
指標公開元Claude Opus 5 (max)Grok 4
コーディング
WeirdMLWeirdML91.8%45.7%
FrontierCodeCognition53.4%–
Arena CodingArena (LMArena)15281435
Arena WebDevArena (LMArena)1691–
LiveBench 1.0 CodingLiveBench81.5%–
LiveCodeBenchVals AI89.0%83.3%
IOIVals AI84.3%–
SWE-bench (Vals)Vals AI97.0%†57.8%
Aider PolyglotAider polyglot leaderboard–79.6%†
Code MigrationVals AI57.5%–
ProgramBenchVals AI3.0%–
Vibe Code Bench 1-100Vals AI28.5%–
Vibe Code Bench v1.1Vals AI88.4%†–
SWE Atlas v1.0: Codebase QnAScale AI SEAL63.2%†–
SWE Atlas v1.0: Test WritingScale AI SEAL62.2%†–
SWE-Bench Pro V2Scale AI SEAL99.4%†–
SWE-Bench Pro V2 HARDScale AI SEAL98.0%†–
MirrorCodeEpoch AI Benchmarking Hub87.8%–
DeepSWE v1.1Epoch AI Benchmarking Hub73.7%–
CursorBenchCursor46.6%–
ALE-BenchEpoch AI Benchmarking Hub2164.6†–
FrontierSWEEpoch AI Benchmarking Hub52.0%–
WeirdML v3WeirdML19.0%†–
Terminal-Bench 4.0 (AA)Artificial Analysis49.0%–
Terminal-Bench 2.1 (AA)Artificial Analysis89.1%–
Startrise FrontendStartrise82.3%†–
GameBench 2 OverallDuelLab GameBench 276.5†–
GameBench 2 by reasoning settingDuelLab GameBench 284.8†–
Design Arena WebsiteDesign Arena1304†1006
FrontierCode 2.0 (AA)Artificial Analysis31.1%–
LiveCodeBench (AA)Artificial Analysis–81.9%
エージェント・ツール
Terminal-BenchTerminal-Bench52.1%27.2%
OSWorld-Verified 2.0OSWorld31.4%–
GDPvalOpenAI–21.1%†
CybenchCybench–43.0%
APEX-AgentsMercor65.8%–
Arena AgentArena (LMArena)7.2–
LiveBench Agentic CodingLiveBench65.2%–
Terminal-Bench HardArtificial Analysis–37.9%
τ²-Bench Telecom (AA)Artificial Analysis–74.8%
Terminal-Bench 2.1 (Vals)Vals AI84.6%†–
MCP AtlasScale AI SEAL85.8%†–
HiL-BenchScale AI SEAL57.0%†–
BFCL OverallBerkeley Function Calling Leaderboard–63.0%
τ³-bench Bankingτ²-bench48.7%–
GDPval-AA v2.1Artificial Analysis1729–
τ³-Banking (AA)Artificial Analysis42.1%–
Analyst Agent (AA)Artificial Analysis53.8%–
CUA-benchVals AI9.0%–
CyberBenchVals AI65.4%–
Finance Agent v2Vals AI58.6%–
Harvey's Legal Agent Benchmark v1Vals AI6.7%–
Legal Research BenchVals AI55.3%–
SkillsBenchVals AI60.4%–
SREBenchVals AI12.2%–
Tax Agent BenchVals AI47.1%–
Terminal-Bench 2.0 (Vals)Vals AI–28.1%
Terminal-Bench 4.0 (Vals)Vals AI53.5%–
Terminal-Bench ScienceVals AI27.1%–
Time Horizon Index: KSPVals AI18.8%–
Arena SearchArena (LMArena)1213†1123
Arena Agent Task CompletionArena (LMArena)10.2–
BALROGBALROG63.4%43.6%
DeepResearch BenchDeepResearch Bench–47.3%
PostTrainBenchEpoch AI Benchmarking Hub35.7%†–
METR Time HorizonsMETR–66.6%
GBAEvalEpoch AI Benchmarking Hub79.6%†–
Vending-Bench 2Andon Labs11181.9†–
AutomationBenchArtificial Analysis56.6%–
GDP.pdf (AA)Artificial Analysis21.6%–
EnterpriseOps-GymArtificial Analysis47.5%–
AA-Briefcase v1.1Artificial Analysis1654–
Design Arena AgenticDesign Arena1270†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis28.6%–
DeepSec-Bench (AA)Artificial Analysis25.9%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub85.6%–
FrontierMath Tier 4Epoch AI Benchmarking Hub73.2%–
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%84.0%
ProofBenchVals AI99.0%–
LiveBench MathematicsLiveBench95.7%–
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)15151425
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
AIME 2025 (AA)Artificial Analysis–92.7%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub59.9%–
LiveBench 1.0 Data AnalysisLiveBench74.5%–
AA-Omniscience v1.1Artificial Analysis37.6–
MMLU-ProVals AI91.6%85.3%
LegalBenchVals AI87.0%83.2%
CorpFinVals AI73.2%†66.0%
TaxEvalVals AI75.1%†65.1%
MedQAVals AI–92.5%
MMLU-Pro (HELM)HELM Capabilities–85.1%
BioMysteryBenchVals AI79.3%–
CaseLaw v2Vals AI–65.8%
Excel Modeling BenchmarkVals AI73.6%–
MedCodeVals AI63.6%38.1%
MedScribeVals AI91.0%78.2%
Public Benefits Bench v1.1Vals AI76.9%–
DrugDiscoveryBenchScale AI SEAL53.7%–
EBR-benchEpoch AI Benchmarking Hub45.7%–
GDP.pdfEpoch AI Benchmarking Hub24.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis60.9%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis40.6%–
Global-MMLU-Lite (AA)Artificial Analysis–89.5%
FACTS ParametricGoogle48.8%†–
指示追従
LiveBench LanguageLiveBench88.7%–
LiveBench Instruction FollowingLiveBench63.8%–
IFBenchArtificial Analysis–53.7%
IFEval (HELM)HELM Capabilities–94.9%
WildBench (HELM)HELM Capabilities–79.7%
Arena Instruction FollowingArena (LMArena)14941396
人間の評価
Arena TextArena (LMArena)14891411
EQ-Bench 4EQ-Bench1365†–
EQ-Bench Creative Writing v3EQ-Bench2135†–
Arena Creative WritingArena (LMArena)14731394
Arena Multi-turnArena (LMArena)14861413
Arena Longer QueriesArena (LMArena)15021416
Lech Mazur Creative WritingLech Mazur–76.9%
マルチモーダル
Arena VisionArena (LMArena)1318†1210
MMMU-ProArtificial Analysis84.7%68.8%
MMMU-Pro (Vals)Vals AI89.9%76.3%
MortgageTaxVals AI72.1%†44.5%
Humanity's Sixth SenseScale AI SEAL30.5%–
GeoBenchGeoBench–45.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub30.4%†–
Furniture AssemblyEpoch AI Benchmarking Hub60.8%–
長文コンテキスト
Fiction.LiveBench 120kFiction.live–96.9%
AA-LCR v1.1Artificial Analysis79.3%68.0%
Arena DocumentArena (LMArena)1486†–
MLCRArtificial Analysis11.1%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub164.7†146.9
LiveBench 1.0LiveBench80.1%–
AA Intelligence Index v5.0.1Artificial Analysis44.2–
AA Intelligence Index v4.3.2Artificial Analysis50.822.5
AA Progress Index v1Artificial Analysis333.7262.3
HELM Capabilities meanHELM Capabilities–78.5%
Vals RSI IndexVals AI33.0%–
Vals Science IndexVals AI47.9%–
Vals Multimodal IndexVals AI73.9%†–
安全性・誠実さ
FORTRESSScale AI SEAL16.8%†–
DistressBenchScale AI SEAL70.2%†–
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 Opus 5 (max):新しい結果25件(LiveCodeBench, MMLU-Pro, IOI…)。
  • Claude Opus 5 (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 Opus 5 (max):新しい結果1件(MirrorCode)。
  • Claude Opus 5 (max):BenchLeader Index 65.5 → 65.0。
  • Grok 4:新しい結果1件(Arena Search)。
  • Claude Opus 5 (max):新しい結果7件(AA Intelligence Index v5.0.1, HLE-Diamond (AA), AA-Omniscience v1.1…)。
  • Grok 4:スコアの改訂1件。
  • Claude Opus 5 (max):新しい結果1件(MirrorCode)。
  • Claude Opus 5 (max):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 5 vs Grok 4:よくある質問

Claude Opus 5はGrok 4より優れていますか?
品質ではClaude Opus 5 (max)がリードしています:65.0 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 5 (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 Opus 5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 5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 5の方がスコアが高くなっています(カテゴリ指標で67 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 Opus 5が89.0%、Grok 4が83.3%です。
Claude Opus 5とGrok 4はどちらが速いですか?
Claude Opus 5の方が出力が速くなっています(出力80 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 Opus 5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 5の方がスコアが高くなっています(カテゴリ指標で64 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 5が52.1%、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Grok 4の方がスコアが高くなっています(68 対 64)。コンテキストはClaude Opus 5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 48.5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 5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 Opus 5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 Opus 5が上回っています。
Claude Opus 5はいつリリースされましたか?
Claude Opus 5は2026年7月24日にリリースされました。