BenchLeader

Claude Sonnet 5.5 vs Grok 4

詳しいプロフィール:Claude Sonnet 5.5(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 · 16件の情報源のデータ

2026年11月16日時点で、品質ではClaude Sonnet 5.5がGrok 4を上回ります(BenchLeader Indexで64.2 対 58.1)。価格はClaude Sonnet 5.5の方が1.5倍安く、100万トークンあたりのブレンド価格で$4.00 対 $6.00です。コーディング(70 対 56)、数学(71 対 58)、エージェント・ツール(71 対 59)を重視するならClaude Sonnet 5.5、長文コンテキスト(68 対 66)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 290.5秒です。Claude Sonnet 5.5は出力が約2倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Sonnet 5.5が64.2、Grok 4が58.1です(BenchLeader、2026年11月16日)。
  • Claude Sonnet 5.5の100万トークンあたりのブレンド価格は$4.00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 Sonnet 5.5はGrok 4より出力が約2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9件のベンチマークのうち、Claude Sonnet 5.5が9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 Sonnet 5.5カテゴリスコア70 対 56高
エージェント・ツール利用Claude Sonnet 5.5カテゴリスコア71 対 59;Terminal-Bench 63.9% 対 27.2%高
数学Claude Sonnet 5.5カテゴリスコア71 対 58;OTIS Mock AIME 100.0% 対 84.0%高
推論Claude Sonnet 5.5カテゴリスコア68 対 60;GPQA Diamond 95.6% 対 87.0%高
知識Claude Sonnet 5.5カテゴリスコア57 対 56;MedCode 52.9% 対 38.1%中
長い文書Grok 4カテゴリスコア68 対 66;AA-LCR v1.1 68.0% 対 82.7%中
チャットの質(人間の評価)–Arenaの評価があるのはGrok 4のみです(カテゴリスコア59)比較不可
最低コストClaude Sonnet 5.5100万トークンあたりブレンド価格$4.00 対 $6.00;エージェント型コーディングセッション$0.160 対 $0.240–
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 290.5秒(Claude Sonnet 5.5 (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 Sonnet 5.5 (max)がリードしています:64.2 対 58.1。
  • Claude Sonnet 5.5 (max)はエージェント・ツール、コーディング、知識、数学、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。
  • Claude Sonnet 5.5 (max)の方が1.5倍安くなっています(100万トークンあたりブレンド価格$4.00 対 $6.00)。
  • Claude Sonnet 5.5 (max)の方が出力が2.2倍速くなっています(152 対 69トークン/秒)。

概要

仕様Claude Sonnet 5.5Grok 4
プロバイダーAnthropicSpaceXAI
リリース日2026年9月28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 Sonnet 5.5 (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)$2.00 / $10.00 / $0.100$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 Sonnet 5.5 (max)Grok 4トップ
推論67.860.0Claude Sonnet 5.5
コーディング70.255.9Claude Sonnet 5.5
エージェント・ツール70.558.6Claude Sonnet 5.5
数学71.358.3Claude Sonnet 5.5
知識57.456.0Claude Sonnet 5.5
指示追従–62.5比較不可
人間の評価–58.5比較不可
マルチモーダル–52.0比較不可
長文コンテキスト66.068.3Grok 4
総合63.0–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Claude Sonnet 5.5, 推論: 67.8Claude Sonnet 5.5, コーディング: 70.2Claude Sonnet 5.5, エージェント・ツール: 70.5Claude Sonnet 5.5, 数学: 71.3Claude Sonnet 5.5, 知識: 57.4Claude Sonnet 5.5, 長文コンテキスト: 66.0Grok 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: 68.3

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, マルチモーダル, 人間の評価。

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9件のベンチマークのうち、Claude Sonnet 5.5のリードが9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 Sonnet 5.5が上回っています。

総合IndexClaude Sonnet 5.5 (max)Grok 4トップ
BenchLeader Index64.258.1Claude Sonnet 5.5
Arena Text1473†1411Claude Sonnet 5.5

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 Sonnet 5.5 (max)Grok 4
100万トークンあたりのブレンド価格$4.00$6.00
100万トークンあたりの入力/出力$2.00 / $10.00$3.00 / $15.00
100万トークンあたりのキャッシュ入力$0.100–
タスクあたりの価格:チャットの返答$0.0038$0.0057
タスクあたりの価格:30ページのレポートを要約$0.030$0.045
タスクあたりの価格:コード編集$0.027$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$0.160$0.240
タスクあたりの価格:構造化データの抽出$0.0060$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)$0.074–
ベンチマークのタスクあたりのコスト(AA Index)$10.02–
タスクあたりの出力トークン(AA Index)285k–
うち推論206k–
タスクあたりの時間(AA Index)31 min–
出力速度152 tok/s69 tok/s
回答開始までの時間290.5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)487.7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 Sonnet 5.5 (max)のスコアは64.2、最初の回答トークンまで291秒。Claude Sonnet 5.5 (xhigh)は62.5(27秒)、Claude Sonnet 5.5 (high)は59.5(9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

186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 Sonnet 5.5 (max)Grok 4
BenchLeader IndexBenchLeader64.258.1
エージェント・ツールスコアBenchLeader70.558.6
コーディングスコアBenchLeader70.255.9
総合スコアBenchLeader63.0–
知識スコアBenchLeader57.456.0
長文コンテキストスコアBenchLeader66.068.3
数学スコアBenchLeader71.358.3
推論スコアBenchLeader67.860.0
人間の評価スコアBenchLeader–58.5
指示追従スコアBenchLeader–62.5
マルチモーダルスコアBenchLeader–52.0
ブレンド価格($/100万トークン)BenchLeader$4.00$6.00
出力速度BenchLeader152 tok/s69 tok/s
回答開始までの時間BenchLeader290.5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 Hub95.6%87.0%
Humanity's Last ExamScale AI / CAIS46.1%†–
SimpleBenchSimpleBench75.9%†60.5%
Arena Hard PromptsArena (LMArena)1499†1421
LiveBench 2.0 ReasoningLiveBench91.6%–
LiveBench 1.0 ReasoningLiveBench91.6%–
GPQA Diamond (AA)Artificial Analysis–87.7%
Humanity's Last Exam (AA)Artificial Analysis55.0%26.7%
HLE-Diamond (AA)Artificial Analysis53.3%–
GPQA Diamond (Vals)Vals AI–88.1%
Kagi LLM BenchmarkKagi LLM Benchmark–73.6%
GPQA Diamond (HELM)HELM Capabilities–72.6%
ARC-AGI-1ARC Prize96.5%66.7%†
ARC-AGI-2ARC Prize83.9%†16.0%†
ARC-AGI-3ARC Prize72.4%†–
CritPtArtificial Analysis31.4%2.0%
CritPt v2 hard subset (AA)Artificial Analysis59.0%–
MysteryMechanismVals AI49.1%–
HLE-Diamond (Scale)Scale AI SEAL37.5%†–
Arena ExpertArena (LMArena)1512†1429
Chess PuzzlesEpoch AI Benchmarking Hub59.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub65.0%–
LMCAEpoch AI Benchmarking Hub68.3%–
DTBenchEpoch AI Benchmarking Hub97.3%–
ForecastBenchForecastBench–64.7%
186件のベンチマークをすべて表示
指標公開元Claude Sonnet 5.5 (max)Grok 4
コーディング
SciCodeSciCode61.0%–
WeirdMLWeirdML–45.7%
FrontierCodeCognition52.1%†–
Arena CodingArena (LMArena)1517†1435
Arena WebDevArena (LMArena)1772†–
LiveBench 2.0 CodingLiveBench77.2%–
LiveBench 1.0 CodingLiveBench91.4%–
LiveCodeBenchVals AI–83.3%
IOIVals AI83.1%–
SWE-bench (Vals)Vals AI–57.8%
Aider PolyglotAider polyglot leaderboard–79.6%†
Code MigrationVals AI69.8%–
Code Migration v1.1Vals AI86.9%–
ProgramBenchVals AI6.5%–
SWE-bench MultimodalVals AI58.3%–
Vibe Code Bench v1.1Vals AI92.4%–
SWE Atlas v1.1Scale AI SEAL68.3%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL74.2%†–
SWE Atlas v1.1: Test WritingScale AI SEAL67.8%†–
SWE Atlas v1.1: RefactoringScale AI SEAL62.9%†–
SWE-Bench Pro V2Scale AI SEAL95.8%†–
SWE-Bench Pro V2 HARDScale AI SEAL70.6%†–
MirrorCodeEpoch AI Benchmarking Hub97.8%–
CursorBenchCursor55.5%–
ALE-BenchEpoch AI Benchmarking Hub1819.1†–
FrontierSWEEpoch AI Benchmarking Hub61.9%–
WeirdML v3WeirdML19.9%†–
Terminal-Bench 4.0 (AA)Artificial Analysis63.6%–
Startrise FrontendStartrise75.9%†–
GameBench 2 OverallDuelLab GameBench 260.4†–
GameBench 2 by reasoning settingDuelLab GameBench 291.4†–
Design Arena WebsiteDesign Arena1309†1006
FrontierCode 1.1 (AA)Artificial Analysis45.8%–
FrontierCode 2.0 (AA)Artificial Analysis41.7%–
LiveCodeBench (AA)Artificial Analysis–81.9%
エージェント・ツール
Terminal-BenchTerminal-Bench63.9%27.2%
GDPvalOpenAI–21.1%†
CybenchCybench–43.0%
APEX-AgentsMercor75.5%–
Arena AgentArena (LMArena)16–
LiveBench Long AgenticLiveBench63.4%–
LiveBench BrowserLiveBench89.3%–
LiveBench Agentic CodingLiveBench56.3%–
Terminal-Bench HardArtificial Analysis–37.9%
τ²-Bench Telecom (AA)Artificial Analysis–74.8%
Terminal-Bench 2.1 (Vals)Vals AI83.2%†–
BFCL OverallBerkeley Function Calling Leaderboard–63.0%
GDPval-AA v2.1, normalised scoreArtificial Analysis66.9%–
GDPval-AA v2.1Artificial Analysis1838–
Analyst Agent (AA)Artificial Analysis57.5%–
CyberBenchVals AI59.6%–
Finance Agent v2Vals AI58.1%–
Finance Agent v2.1Vals AI67.3%–
Harvey's Legal Agent Benchmark v1.1Vals AI10.4%–
Harvey's Legal Agent Benchmark v1Vals AI2.9%–
Legal Research BenchVals AI48.1%–
SREBenchVals AI30.1%–
Tax Agent BenchVals AI42.0%–
Terminal-Bench 2.0 (Vals)Vals AI–28.1%
Terminal-Bench 4.0 (Vals)Vals AI64.1%–
Terminal-Bench ScienceVals AI47.1%–
Arena SearchArena (LMArena)–1123
Arena Agent Task CompletionArena (LMArena)19.5–
BALROGBALROG–43.6%
DeepResearch BenchDeepResearch Bench–47.3%
METR Time HorizonsMETR–66.6%
Vending-Bench 2Andon Labs11165.3†–
SpireClimbEpoch AI Benchmarking Hub1.3%–
AutomationBenchArtificial Analysis71.8%–
GDP.pdf (AA)Artificial Analysis25.8%–
Harvey LAB-AA v1.1Harvey2.8%–
AA-Briefcase v1.1Artificial Analysis1816–
GDPxGDPx by SemiAnalysis8.2%–
Design Arena AgenticDesign Arena1293†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis53.3%–
MKA (AA)Artificial Analysis52.0%–
FACTS SearchGoogle86.8%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub88.8%–
FrontierMath Tier 4Epoch AI Benchmarking Hub80.5%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%84.0%
ProofBenchVals AI100.0%–
LiveBench MathematicsLiveBench96.1%–
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)1486†1425
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
AIME 2025 (AA)Artificial Analysis–92.7%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub46.5%–
LiveBench 2.0 Data AnalysisLiveBench59.5%–
LiveBench ResearchLiveBench88.0%–
LiveBench 1.0 Data AnalysisLiveBench59.5%–
AA-Omniscience v1.1Artificial Analysis30.5–
MMLU-ProVals AI–85.3%
LegalBenchVals AI–83.2%
CorpFinVals AI–66.0%
TaxEvalVals AI–65.1%
MedQAVals AI–92.5%
MMLU-Pro (HELM)HELM Capabilities–85.1%
BioMysteryBenchVals AI81.1%–
CaseLaw v2Vals AI–65.8%
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.7%–
Excel Modeling Benchmark v1.1Vals AI75.9%–
MedCodeVals AI52.9%38.1%
MedScribeVals AI91.1%78.2%
Public Benefits Bench v1.1Vals AI67.2%–
Access to Justice BenchmarkVals AI74.9%–
Financial Coaching BenchVals AI74.9%–
Immigration BenchVals AI69.0%–
GDP.pdfEpoch AI Benchmarking Hub31.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis51.5%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis56.7%–
Global-MMLU-Lite (AA)Artificial Analysis–89.5%
HealthBench Professional (AA)OpenAI63.0%–
FACTS ParametricGoogle35.1%†–
指示追従
LiveBench LanguageLiveBench78.0%–
LiveBench Instruction FollowingLiveBench56.8%–
IFBenchArtificial Analysis–53.7%
IFEval (HELM)HELM Capabilities–94.9%
WildBench (HELM)HELM Capabilities–79.7%
Arena Instruction FollowingArena (LMArena)1482†1396
人間の評価
Arena TextArena (LMArena)1473†1411
Arena Creative WritingArena (LMArena)1464†1394
Arena Multi-turnArena (LMArena)1469†1413
Arena Longer QueriesArena (LMArena)1491†1416
Lech Mazur Creative WritingLech Mazur–76.9%
マルチモーダル
Arena VisionArena (LMArena)1284†1210
LiveBench DesignLiveBench81.3%–
MMMU-ProArtificial Analysis–68.8%
MMMU-Pro (Vals)Vals AI–76.3%
MortgageTaxVals AI–44.5%
SAGEVals AI88.0%–
GeoBenchGeoBench–45.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub39.3%†–
Furniture AssemblyEpoch AI Benchmarking Hub75.0%–
VIALS-AAHandshake AI59.6%–
Code2Video-AAArtificial Analysis1443–
AA-3DArtificial Analysis1204–
FACTS MultimodalGoogle50.4%†–
長文コンテキスト
Fiction.LiveBench 120kFiction.live–96.9%
AA-LCR v1.1Artificial Analysis82.7%68.0%
MLCRArtificial Analysis41.7%–
FACTS GroundingGoogle62.5%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.6†146.9
LiveBench 2.0LiveBench77.0%–
LiveBench 1.0LiveBench75.7%–
AA Intelligence Index v5.0.1Artificial Analysis54.5–
AA Intelligence Index v4.3.2Artificial Analysis5622.5
AA Progress Index v1Artificial Analysis350.5262.3
Vals IndexVals AI70.8–
HELM Capabilities meanHELM Capabilities–78.5%
Vals Finance IndexVals AI64.5%–
Vals Science IndexVals AI59.1%–
Vals Router IndexVals AI69.0%†–
Vals Legal IndexVals AI68.0%–
安全性・誠実さ
DistressBenchScale AI SEAL74.6%†–
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 Sonnet 5.5 (max):新しい結果36件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Grok 4:新しい結果1件(AIME 2025 (AA))。
  • Claude Sonnet 5.5 (max):BenchLeader Index 65.1 → 64.6。
  • Claude Sonnet 5.5 (max):新しい結果1件(MirrorCode)。
  • Claude Sonnet 5.5 (max):スコアの改訂2件。
  • Grok 4:新しい結果1件(Arena Search)。
  • Claude Sonnet 5.5 (max):スコアの改訂1件。
  • Grok 4:スコアの改訂1件。
  • Claude Sonnet 5.5 (max):スコアの改訂1件。
  • Claude Sonnet 5.5 (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 Sonnet 5.5 vs Grok 4:よくある質問

Claude Sonnet 5.5はGrok 4より優れていますか?
品質ではClaude Sonnet 5.5 (max)がリードしています:64.2 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 Sonnet 5.5 (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 Sonnet 5.5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Claude Sonnet 5.5の方が安く、100万トークンあたり$4.00 対 $6.00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 Sonnet 5.5とGrok 4のどちらが向いていますか?
コーディングではClaude Sonnet 5.5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)。
Claude Sonnet 5.5とGrok 4はどちらが速いですか?
Claude Sonnet 5.5の方が出力が約2倍速くなっています(出力152 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 Sonnet 5.5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 Sonnet 5.5の方がスコアが高くなっています(カテゴリ指標で71 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 Sonnet 5.5が63.9%、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 66)。コンテキストはClaude Sonnet 5.5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 290.5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 Sonnet 5.5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9件のベンチマークのうち、Claude Sonnet 5.5のリードが9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 Sonnet 5.5が上回っています。
Claude Sonnet 5.5はいつリリースされましたか?
Claude Sonnet 5.5は2026年9月28日にリリースされました。