BenchLeader

Claude Sonnet 5 vs Grok 4.7

詳しいプロフィール:Claude Sonnet 5(Anthropic)とGrok 4.7(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、Claude Sonnet 5とGrok 4.7の品質は互角です(BenchLeader Indexで59.0 対 57.4、±3.6の誤差範囲内)。価格はGrok 4.7の方が1.3倍安く、100万トークンあたりのブレンド価格で$3.00 対 $4.00です。推論(65 対 56)、数学(65 対 56)、マルチモーダル(61 対 56)を重視するならClaude Sonnet 5、エージェント・ツール(57 対 53)、コーディング(61 対 60)を重視するならGrok 4.7が向いています。回答開始までの時間はClaude Sonnet 5の方が短く、15.8秒 対 55.9秒です。Claude Sonnet 5は出力が約1.5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が59.0、Grok 4.7が57.4です(BenchLeader、2026年11月16日)。
  • Claude Sonnet 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 4.7の100万トークンあたりのブレンド価格は$3.00です(定価、2026年11月16日)。
  • Claude Sonnet 5はGrok 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27件のベンチマークのうち、Grok 4.7が16件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はClaude Sonnet 5が1539、Grok 4.7が1641です(LMArena、2026年11月16日までの公開値)。

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Grok 4.7カテゴリスコア61 対 60;Arena WebDev 1641 対 1539中
エージェント・ツール利用Grok 4.7カテゴリスコア57 対 53;Arena Agent 2.6 対 2中
数学Claude Sonnet 5カテゴリスコア65 対 56;Arena Maths 1472 対 1447高
推論Claude Sonnet 5カテゴリスコア65 対 56;Arena Hard Prompts 1490 対 1466高
長い文書どちらでもカテゴリスコア63 対 63;AA-LCR v1.1 76.7% 対 76.7%どちらでも
画像などのメディアClaude Sonnet 5カテゴリスコア61 対 56;Arena Vision 1272 対 1230中
チャットの質(人間の評価)Claude Sonnet 5Arenaの投票で65 対 63中
最低コストGrok 4.7100万トークンあたりブレンド価格$3.00 対 $4.00;エージェント型コーディングセッション$0.144 対 $0.160–
回答開始の速さClaude Sonnet 5最初の回答トークンまで15.8秒(Claude Sonnet 5 (high))対 55.9秒(Grok 4.7 (xhigh))–
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

  • Claude Sonnet 5 (high)とGrok 4.7 (xhigh)の品質は互角です(59.0 対 57.4、±3.6の誤差範囲内)。
  • Claude Sonnet 5 (high)は人間の評価、数学、マルチモーダル、推論で優れています。
  • Grok 4.7 (xhigh)はエージェント・ツール、コーディングで優れています。
  • Grok 4.7 (xhigh)の方が1.3倍安くなっています(100万トークンあたりブレンド価格$3.00 対 $4.00)。
  • Claude Sonnet 5 (high)の方が出力が1.5倍速くなっています(99 対 68トークン/秒)。

概要

仕様Claude Sonnet 5Grok 4.7
プロバイダーAnthropicSpaceXAI
リリース日2026年6月30日2026年9月21日
コンテキストウィンドウ(トークン)1,000,000500,000
比較した構成Claude Sonnet 5 (high)Grok 4.7 (xhigh)
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 / $0.200$2.00 / $6.00 / $0.500

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 (high)Grok 4.7 (xhigh)トップ
推論65.455.6Claude Sonnet 5
コーディング59.960.9Grok 4.7
エージェント・ツール52.956.9Grok 4.7
数学65.355.8Claude Sonnet 5
知識–59.9比較不可
人間の評価64.662.5Claude Sonnet 5
マルチモーダル60.955.5Claude Sonnet 5
長文コンテキスト62.962.9互角
総合–52.8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・ツール数学長文コンテキストマルチモーダル人間の評価Claude Sonnet 5, 推論: 65.4Claude Sonnet 5, コーディング: 59.9Claude Sonnet 5, エージェント・ツール: 52.9Claude Sonnet 5, 数学: 65.3Claude Sonnet 5, 長文コンテキスト: 62.9Claude Sonnet 5, マルチモーダル: 60.9Claude Sonnet 5, 人間の評価: 64.6Grok 4.7, 推論: 55.6Grok 4.7, コーディング: 60.9Grok 4.7, エージェント・ツール: 56.9Grok 4.7, 数学: 55.8Grok 4.7, 長文コンテキスト: 62.9Grok 4.7, マルチモーダル: 55.5Grok 4.7, 人間の評価: 62.5

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。

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27件のベンチマークのうち、Claude Sonnet 5のリードが10件、Grok 4.7のリードが16件、同点が1件です。両方を評価しているすべての総合指標で、Claude Sonnet 5が上回っています。

総合IndexClaude Sonnet 5 (high)Grok 4.7 (xhigh)トップ
BenchLeader Index59.057.4互角
Arena Text14611443Claude Sonnet 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 (high)Grok 4.7 (xhigh)
100万トークンあたりのブレンド価格$4.00$3.00
100万トークンあたりの入力/出力$2.00 / $10.00$2.00 / $6.00
100万トークンあたりのキャッシュ入力$0.200$0.500
タスクあたりの価格:チャットの返答$0.0038$0.0026
タスクあたりの価格:30ページのレポートを要約$0.030$0.028
タスクあたりの価格:コード編集$0.027$0.021
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$0.144
タスクあたりの価格:構造化データの抽出$0.0060$0.0052
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)$0.079$0.076
ベンチマークのタスクあたりのコスト(AA Index)–$7.77
タスクあたりの出力トークン(AA Index)–105k
うち推論–69k
タスクあたりの時間(AA Index)–26 min
出力速度99 tok/s68 tok/s
回答開始までの時間15.8秒55.9秒
回答が完了するまでの時間(最終測定2026年11月13日)40.7秒145.5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 (high)のスコアは59.0、最初の回答トークンまで16秒。Claude Sonnet 5 (max)は56.1(158秒)、Claude Sonnet 5 (xhigh)は55.4(32秒)。Grok 4.7 (xhigh)のスコアは57.4、最初の回答トークンまで56秒。Grok 4.7 (high)は56.9(35秒)、Grok 4.7 (low)は55.4(10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

177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 (high)Grok 4.7 (xhigh)
BenchLeader IndexBenchLeader59.057.4
エージェント・ツールスコアBenchLeader52.956.9
コーディングスコアBenchLeader59.960.9
人間の評価スコアBenchLeader64.662.5
長文コンテキストスコアBenchLeader62.962.9
数学スコアBenchLeader65.355.8
マルチモーダルスコアBenchLeader60.955.5
推論スコアBenchLeader65.455.6
総合スコアBenchLeader–52.8
知識スコアBenchLeader–59.9
ブレンド価格($/100万トークン)BenchLeader$4.00$3.00
出力速度BenchLeader99 tok/s68 tok/s
回答開始までの時間BenchLeader15.8秒55.9秒
コンテキストウィンドウBenchLeader1,000,000トークン500,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub80.3%†92.7%
SimpleBenchSimpleBench60.6%†–
Arena Hard PromptsArena (LMArena)14901466
LiveBench 2.0 ReasoningLiveBench–82.7%
LiveBench 1.0 ReasoningLiveBench88.7%†82.7%
GPQA Diamond (AA)Artificial Analysis91.1%†–
Humanity's Last Exam (AA)Artificial Analysis35.7%43.1%
HLE-Diamond (AA)Artificial Analysis–23.2%
GPQA Diamond (Vals)Vals AI88.9%†–
ARC-AGI-1ARC Prize–89.5%
ARC-AGI-2ARC Prize–61.4%
ARC-AGI-3ARC Prize–7.0%
CritPtArtificial Analysis15.1%17.7%
CritPt v2 hard subset (AA)Artificial Analysis–33.5%
MysteryMechanismVals AI–25.2%
HLE-Diamond (Scale)Scale AI SEAL–23.4%†
Arena ExpertArena (LMArena)15091478
Chess PuzzlesEpoch AI Benchmarking Hub45.0%†41.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub16.0%†29.0%
LMCAEpoch AI Benchmarking Hub50.0%49.4%
DTBenchEpoch AI Benchmarking Hub84.5%96.0%
ForecastBenchForecastBench63.1%†–
BTF-3Epoch AI Benchmarking Hub14.2%†–
コーディング
SciCodeSciCode54.3%57.4%
WeirdMLWeirdML68.8%–
177件のベンチマークをすべて表示
指標公開元Claude Sonnet 5 (high)Grok 4.7 (xhigh)
コーディング
FrontierCodeCognition42.7%†47.6%†
GSO-BenchGSO-Bench37.3%†–
Arena CodingArena (LMArena)15201493
Arena WebDevArena (LMArena)15391641
LiveBench 2.0 CodingLiveBench–73.1%
LiveBench 1.0 CodingLiveBench80.7%†77.2%
LiveCodeBenchVals AI82.4%†–
IOIVals AI45.0%†57.7%
SWE-bench (Vals)Vals AI79.6%†–
Code MigrationVals AI44.4%†44.8%
Code Migration v1.1Vals AI–53.2%
ProgramBenchVals AI0.0%†0.5%
SWE-bench MultimodalVals AI–42.9%
Vibe Code Bench 1-100Vals AI13.8%†–
Vibe Code Bench v1.1Vals AI81.3%†86.2%
Vibe Code Bench 1-100 v1.1Vals AI–26.4%
SWE Atlas v1.1Scale AI SEAL–62.1%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–73.4%†
SWE Atlas v1.1: Test WritingScale AI SEAL–64.4%†
SWE Atlas v1.1: RefactoringScale AI SEAL–48.6%†
SWE-Bench Pro V2Scale AI SEAL93.2%†–
SWE-Bench Pro V2 HARDScale AI SEAL88.2%†–
MirrorCodeEpoch AI Benchmarking Hub63.3%†54.4%
Surface Evolver BenchEpoch AI Benchmarking Hub60.0%†–
DeepSWE v1.1Epoch AI Benchmarking Hub48.2%–
CursorBenchCursor30.8%46.3%
ALE-BenchEpoch AI Benchmarking Hub1463.11545.8
FrontierSWEEpoch AI Benchmarking Hub–29.5%
WeirdML v3WeirdML–8.4%
Terminal-Bench 4.0 (AA)Artificial Analysis5.0%25.8%
Terminal-Bench 2.1 (AA)Artificial Analysis80.5%†–
Startrise FrontendStartrise66.6%†75.9%†
GameBench 2 OverallDuelLab GameBench 246.6†63.6†
GameBench 2 by reasoning settingDuelLab GameBench 254.4†71.2
Design Arena WebsiteDesign Arena1268†1244†
FrontierCode 1.1 (AA)Artificial Analysis–33.8%
FrontierCode 2.0 (AA)Artificial Analysis17.8%†28.7%
エージェント・ツール
Terminal-BenchTerminal-Bench12.1%†38.8%
APEX-AgentsMercor54.5%†54.6%†
Arena AgentArena (LMArena)22.6
LiveBench Long AgenticLiveBench–45.3%
LiveBench BrowserLiveBench–49.3%
LiveBench Agentic CodingLiveBench59.4%†54.0%
Terminal-Bench 2.1 (Vals)Vals AI74.5%†73.4%
GDPval-AA v2.1, normalised scoreArtificial Analysis–60.7%
GDPval-AA v2.1Artificial Analysis12621717
τ³-Banking (AA)Artificial Analysis37.3%†–
ITBench SRE (AA)Artificial Analysis–42.1%
Analyst Agent (AA)Artificial Analysis46.3%†52.5%
CyberBenchVals AI61.9%†69.5%
Finance Agent v2Vals AI53.9%†52.3%
Finance Agent v2.1Vals AI–60.6%
Harvey's Legal Agent Benchmark v1.1Vals AI–18.3%
Harvey's Legal Agent Benchmark v1Vals AI5.0%†12.5%
Legal Research BenchVals AI41.8%†47.1%
Robo-benchVals AI–0.2%
SkillsBenchVals AI46.5%†–
SREBenchVals AI0.4%†3.8%
Tax Agent BenchVals AI29.4%†35.8%
Terminal-Bench 4.0 (Vals)Vals AI10.6%†28.8%
Terminal-Bench ScienceVals AI5.7%†10.0%
Arena SearchArena (LMArena)1191†–
Arena Agent Task CompletionArena (LMArena)-0.65.1
GBAEvalEpoch AI Benchmarking Hub65.3%†–
Vending-Bench 2Andon Labs6377.7†10536.8†
AutomationBenchArtificial Analysis32.1%65.6%
GDP.pdf (AA)Artificial Analysis9.4%20.0%
Harvey LAB-AA v1.1Harvey–9.4%
EnterpriseOps-GymArtificial Analysis44.7%†–
AA-Briefcase v1.1Artificial Analysis11771636
GDPxGDPx by SemiAnalysis–3.9%
Design Arena AgenticDesign Arena1222†1277†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–11.4%
CWE-Bench (AA)Artificial Analysis–68.3%
DeepSec-Bench (AA)Artificial Analysis–26.9%
CyberGym end-to-end (AA)Artificial Analysis–74.0%
MKA (AA)Artificial Analysis–40.1%
FACTS SearchGoogle–85.6%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub65.6%†53.0%
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%†17.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub80.0%†98.1%
ProofBenchVals AI77.0%†26.0%†
LiveBench MathematicsLiveBench92.9%†95.7%
Arena MathsArena (LMArena)14721447
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub33.7%†56.0%
LiveBench 2.0 Data AnalysisLiveBench–76.9%
LiveBench ResearchLiveBench–89.5%
LiveBench 1.0 Data AnalysisLiveBench71.7%†76.9%
AA-Omniscience v1.1Artificial Analysis–31.2
MMLU-ProVals AI87.5%†–
LegalBenchVals AI83.9%†84.4%
CorpFinVals AI67.0%†–
TaxEvalVals AI75.6%†–
PRBench LegalScale AI SEAL–47.6%
BioMysteryBenchVals AI–69.3%
Excel Modeling BenchmarkVals AI66.3%†67.0%
Excel Modeling Benchmark v1.1Vals AI–71.5%
MedCodeVals AI47.5%†49.5%
MedScribeVals AI76.0%†89.4%
Public Benefits Bench v1.1Vals AI66.0%†65.6%
Access to Justice BenchmarkVals AI–73.7%
Financial Coaching BenchVals AI–74.1%
Immigration BenchVals AI–68.0%
DrugDiscoveryBenchScale AI SEAL50.0%†–
GDP.pdfEpoch AI Benchmarking Hub–22.8%
AA-Omniscience v1.1: accuracyArtificial Analysis–42.7%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–80.0%
HealthBench Professional (AA)OpenAI–55.8%
FACTS ParametricGoogle20.5%†54.3%†
指示追従
LiveBench LanguageLiveBench75.0%†80.1%
LiveBench Instruction FollowingLiveBench63.9%†75.3%
Arena Instruction FollowingArena (LMArena)14671435
人間の評価
Arena TextArena (LMArena)14611443
EQ-Bench 4EQ-Bench1221†–
EQ-Bench Creative Writing v3EQ-Bench1798†2012†
Arena Creative WritingArena (LMArena)14341421
Arena Multi-turnArena (LMArena)14731435
Arena Longer QueriesArena (LMArena)14811454
マルチモーダル
Arena VisionArena (LMArena)12721230
LiveBench DesignLiveBench–75.0%
MMMU-ProArtificial Analysis77.3%†78.2%†
MMMU-Pro (Vals)Vals AI83.0%†–
MortgageTaxVals AI70.0%†–
SAGEVals AI–88.7%
Humanity's Sixth SenseScale AI SEAL24.8%†–
GeoBenchGeoBench74.0%61.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub24.9%†32.5%†
Furniture AssemblyEpoch AI Benchmarking Hub–20.8%
VIALS-AAHandshake AI–37.9%
Code2Video-AAArtificial Analysis–1127
AA-3DArtificial Analysis–992
FACTS MultimodalGoogle–40.9%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis76.7%76.7%
Arena DocumentArena (LMArena)1469–
MLCRArtificial Analysis4.4%20.0%
FACTS GroundingGoogle–68.6%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.9†156.2†
LiveBench 2.0LiveBench–67.9%
LiveBench 1.0LiveBench76.0%†77.4%
AA Intelligence Index v5.0.1Artificial Analysis–35.5
AA Intelligence Index v4.3.2Artificial Analysis31.746.5
AA Progress Index v1Artificial Analysis296.8322.7
Vals IndexVals AI–58.6
Vals Finance IndexVals AI–58.8%
Vals RSI IndexVals AI–20.2%
Vals Science IndexVals AI–34.8%
Vals Multimodal IndexVals AI68.8%†–
Vals Router IndexVals AI–58.6%†
Vals Legal IndexVals AI–72.7%
AA Cyber IndexArtificial Analysis–56.4
安全性・誠実さ
DistressBenchScale AI SEAL68.0%†52.4%†

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

  • Grok 4.7 (xhigh):BenchLeader Index 58.0 → 57.4。
  • Grok 4.7 (xhigh):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Claude Sonnet 5 (high):新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Claude Sonnet 5 (high):BenchLeader Index 59.5 → 59.0。
  • Claude Sonnet 5 (high):新しい結果1件(GeoBench)。
  • Grok 4.7 (xhigh):新しい結果1件(MirrorCode)。
  • Grok 4.7 (xhigh):新しい結果1件(ALE-Bench)。
  • Grok 4.7 (xhigh):スコアの改訂2件。
  • Claude Sonnet 5 (high):スコアの改訂1件。
  • Grok 4.7 (xhigh):スコアの改訂2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 Sonnet 5 vs Grok 4.7:よくある質問

Claude Sonnet 5はGrok 4.7より優れていますか?
Claude Sonnet 5 (high)とGrok 4.7 (xhigh)の品質は互角です(59.0 対 57.4、±3.6の誤差範囲内)。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日時点では両者の差は誤差範囲内なので、用途に合わせてカテゴリ別のスコアを確認してください。
Claude Sonnet 5とGrok 4.7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 4.7の方が安く、100万トークンあたり$3.00 対 $4.00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とGrok 4.7のどちらが向いていますか?
コーディングではGrok 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 60。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Arena WebDevでは、Claude Sonnet 5が1539、Grok 4.7が1641です。
Claude Sonnet 5とGrok 4.7はどちらが速いですか?
Claude Sonnet 5の方が出力が約1.5倍速くなっています(出力99 対 68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とGrok 4.7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Grok 4.7の方がスコアが高くなっています(カテゴリ指標で57 対 53。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Arena Agentでは、Claude Sonnet 5が2、Grok 4.7が2.6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(63 対 63)。コンテキストはClaude Sonnet 5の方が長く、1,000,000トークンです(Grok 4.7は500,000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 Sonnet 5です。Artificial Analysisの測定では、最初の回答トークンまで15.8秒 対 55.9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とGrok 4.7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27件のベンチマークのうち、Claude Sonnet 5のリードが10件、Grok 4.7のリードが16件、同点が1件です。両方を評価しているすべての総合指標で、Claude Sonnet 5が上回っています。
Grok 4.7はいつリリースされましたか?
Grok 4.7は2026年9月21日にリリースされました。