BenchLeader

DeepSeek V4 Flash vs Grok 4.6

詳しいプロフィール:DeepSeek V4 Flash(DeepSeek)とGrok 4.6(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 · 9件の情報源のデータ

2026年11月16日時点で、DeepSeek V4 FlashとGrok 4.6の品質は互角です(BenchLeader Indexで57.2 対 60.6、±5.2の誤差範囲内)。価格はDeepSeek V4 Flashの方が11倍安く、100万トークンあたりのブレンド価格で$0.262 対 $3.00です。両方を測定できるすべてのカテゴリでGrok 4.6がリードしています。

要点(2026年11月16日時点)

  • BenchLeader IndexはDeepSeek V4 Flashが57.2、Grok 4.6が60.6です(BenchLeader、2026年11月16日)。
  • DeepSeek V4 Flashの100万トークンあたりのブレンド価格は$0.262です(定価、2026年11月16日)。
  • Grok 4.6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)。
  • 両モデルに結果がある36件のベンチマークのうち、Grok 4.6が33件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はDeepSeek V4 Flashが1582、Grok 4.6が1618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 4.6カテゴリスコア61 対 55;Arena WebDev 1618 対 1582中
数学Grok 4.6カテゴリスコア63 対 62;Arena Maths 1445 対 1441中
推論Grok 4.6カテゴリスコア64 対 59;ARC-AGI-2 65.1% 対 56.0%中
知識Grok 4.6カテゴリスコア60 対 55;MMLU-Pro 89.4% 対 86.2%中
チャットの質(人間の評価)Grok 4.6Arenaの投票で64 対 62中
最低コストDeepSeek V4 Flash100万トークンあたりブレンド価格$0.262 対 $3.00;エージェント型コーディングセッション$0.011 対 $0.144–
回答開始の速さDeepSeek V4 Flash最初の回答トークンまで0.7秒(DeepSeek V4 Flash (high))対 28.6秒(Grok 4.6 (high))–
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

  • DeepSeek V4 Flash (high)とGrok 4.6 (high)の品質は互角です(57.2 対 60.6、±5.2の誤差範囲内)。
  • Grok 4.6 (high)はコーディング、人間の評価、知識、数学、推論で優れています。
  • DeepSeek V4 Flash (high)の方が11倍安くなっています(100万トークンあたりブレンド価格$0.262 対 $3.00)。

概要

仕様DeepSeek V4 FlashGrok 4.6
プロバイダーDeepSeekSpaceXAI
リリース日2026年7月31日2026年8月11日
コンテキストウィンドウ(トークン)1,048,576500,000
比較した構成DeepSeek V4 Flash (high)Grok 4.6 (high)
オープンウェイトありなし
100万トークンあたりの価格(入力/出力/キャッシュ入力)$0.150 / $0.600 / $0.0030$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DeepSeek V4 Flash (high)Grok 4.6 (high)トップ
推論59.263.5Grok 4.6
コーディング55.061.1Grok 4.6
エージェント・ツール–59.2比較不可
数学61.963.4Grok 4.6
知識54.859.5Grok 4.6
人間の評価62.064.1Grok 4.6
マルチモーダル–60.0比較不可
長文コンテキスト–64.8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推論コーディング数学知識人間の評価DeepSeek V4 Flash, 推論: 59.2DeepSeek V4 Flash, コーディング: 55.0DeepSeek V4 Flash, 数学: 61.9DeepSeek V4 Flash, 知識: 54.8DeepSeek V4 Flash, 人間の評価: 62.0Grok 4.6, 推論: 63.5Grok 4.6, コーディング: 61.1Grok 4.6, 数学: 63.4Grok 4.6, 知識: 59.5Grok 4.6, 人間の評価: 64.1

描画していないもの(測定済みのモデルが2つ未満):エージェント・ツール, 指示追従, 長文コンテキスト, マルチモーダル。

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36件のベンチマークのうち、DeepSeek V4 Flashのリードが2件、Grok 4.6のリードが33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、Grok 4.6が上回っています。

総合IndexDeepSeek V4 Flash (high)Grok 4.6 (high)トップ
BenchLeader Index57.260.6互角
Arena Text14391457Grok 4.6

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DeepSeek V4 Flash (high)Grok 4.6 (high)
100万トークンあたりのブレンド価格$0.262$3.00
100万トークンあたりの入力/出力$0.150 / $0.600$2.00 / $6.00
100万トークンあたりのキャッシュ入力$0.0030$0.500
タスクあたりの価格:チャットの返答$0.0002$0.0026
タスクあたりの価格:30ページのレポートを要約$0.0022$0.028
タスクあたりの価格:コード編集$0.0018$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$0.011$0.144
タスクあたりの価格:構造化データの抽出$0.0004$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)$0.0048$0.076
出力速度82 tok/s73 tok/s
回答開始までの時間0.7秒28.6秒
回答が完了するまでの時間(最終測定2026年11月13日)–62.7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。DeepSeek V4 Flash (high)のスコアは57.2、最初の回答トークンまで1秒。DeepSeek V4 Flash (max)は56.8(28秒)、DeepSeek V4 Flashは53.8(1秒)。Grok 4.6 (high)のスコアは60.6、最初の回答トークンまで29秒。Grok 4.6 (medium)は59.4(19秒)、Grok 4.6 (xhigh)は56.1(37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

135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DeepSeek V4 Flash (high)Grok 4.6 (high)
BenchLeader IndexBenchLeader57.260.6
コーディングスコアBenchLeader55.061.1
人間の評価スコアBenchLeader62.064.1
知識スコアBenchLeader54.859.5
数学スコアBenchLeader61.963.4
推論スコアBenchLeader59.263.5
エージェント・ツールスコアBenchLeader–59.2
長文コンテキストスコアBenchLeader–64.8
マルチモーダルスコアBenchLeader–60.0
ブレンド価格($/100万トークン)BenchLeader$0.262$3.00
出力速度BenchLeader82 tok/s73 tok/s
回答開始までの時間BenchLeader0.7秒28.6秒
コンテキストウィンドウBenchLeader1,048,576トークン500,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub91.0%†94.0%
SimpleBenchSimpleBench61.1%†75.9%†
Arena Hard PromptsArena (LMArena)14591481
LiveBench 2.0 ReasoningLiveBench–91.2%†
LiveBench 1.0 ReasoningLiveBench86.6%†90.5%†
GPQA Diamond (AA)Artificial Analysis90.8%†95.0%
Humanity's Last Exam (AA)Artificial Analysis38.5%†42.9%
HLE-Diamond (AA)Artificial Analysis–21.5%†
GPQA Diamond (Vals)Vals AI89.9%94.7%
Kagi LLM BenchmarkKagi LLM Benchmark52.2%†–
ARC-AGI-1ARC Prize87.0%87.0%
ARC-AGI-2ARC Prize56.0%65.1%
ARC-AGI-3ARC Prize–2.1%†
CritPtArtificial Analysis16.6%†17.1%
CritPt v2 hard subset (AA)Artificial Analysis–40.0%†
MysteryMechanismVals AI–30.6%
Arena ExpertArena (LMArena)14671496
Chess PuzzlesEpoch AI Benchmarking Hub32.0%†33.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub34.0%†34.0%†
LMCAEpoch AI Benchmarking Hub41.7%†48.5%†
DTBenchEpoch AI Benchmarking Hub90.9%†97.3%†
ForecastBenchForecastBench–65.4%†
コーディング
SciCodeSciCode42.0%56.5%
WeirdMLWeirdML57.0%67.3%
FrontierCodeCognition18.8%†48.0%†
135件のベンチマークをすべて表示
指標公開元DeepSeek V4 Flash (high)Grok 4.6 (high)
コーディング
Arena CodingArena (LMArena)14801508
Arena WebDevArena (LMArena)15821618
LiveBench 2.0 CodingLiveBench–76.7%†
LiveBench 1.0 CodingLiveBench75.0%†76.8%†
SciCode (AA)Artificial Analysis50.4%†56.5%
LiveCodeBenchVals AI87.3%88.2%
IOIVals AI32.7%47.6%
SWE-bench (Vals)Vals AI88.8%95.6%
Code MigrationVals AI38.6%44.6%
ProgramBenchVals AI0.0%1.0%
Vibe Code Bench 1-100Vals AI–14.8%
Vibe Code Bench v1.1Vals AI74.7%76.2%
MirrorCodeEpoch AI Benchmarking Hub–41.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub–65.2%
CursorBenchCursor–40.4%
ALE-BenchEpoch AI Benchmarking Hub678.21508.1†
FrontierSWEEpoch AI Benchmarking Hub–25.3%†
Terminal-Bench 4.0 (AA)Artificial Analysis12.1%†21.2%
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%†88.4%
Startrise FrontendStartrise–72.1%†
GameBench 2 OverallDuelLab GameBench 234.1†59.4†
GameBench 2 by reasoning settingDuelLab GameBench 243.468.7†
Design Arena WebsiteDesign Arena1199†1277†
FrontierCode 2.0 (AA)Artificial Analysis–19.8%†
エージェント・ツール
Terminal-BenchTerminal-Bench–19.7%
APEX-AgentsMercor–65.3%†
Arena AgentArena (LMArena)–-0.2†
LiveBench Long AgenticLiveBench–18.7%†
LiveBench BrowserLiveBench–49.4%†
LiveBench Agentic CodingLiveBench46.8%†57.0%†
Terminal-Bench 2.1 (Vals)Vals AI67.0%†78.3%
HiL-BenchScale AI SEAL47.8%†–
GDPval-AA v2.1Artificial Analysis1437†1627
τ³-Banking (AA)Artificial Analysis39.4%†50.7%
Analyst Agent (AA)Artificial Analysis–41.3%
CyberBenchVals AI72.1%67.7%
Finance Agent v2Vals AI49.5%53.7%
Harvey's Legal Agent Benchmark v1Vals AI8.3%15.8%
Legal Research BenchVals AI30.3%48.1%
SkillsBenchVals AI50.7%55.8%
Tax Agent BenchVals AI28.1%33.7%
Terminal-Bench 4.0 (Vals)Vals AI18.7%17.2%
Terminal-Bench ScienceVals AI4.3%11.4%
Time Horizon Index: KSPVals AI–5.8%
Arena Agent Task CompletionArena (LMArena)–-2.6†
Vending-Bench 2Andon Labs–9047.0†
AutomationBenchArtificial Analysis54.0%†66.7%
GDP.pdf (AA)Artificial Analysis11.0%†17.0%
EnterpriseOps-GymArtificial Analysis–48.3%
AA-Briefcase v1.1Artificial Analysis1255†1526
Design Arena AgenticDesign Arena–1239†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–6.2%
FACTS SearchGoogle–87.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub57.5%†66.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub24.4%†31.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub94.4%†97.8%
ProofBenchVals AI56.0%†51.0%†
LiveBench MathematicsLiveBench86.8%†92.6%†
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena93.9%†–
MathArena ApexMathArena27.1%†–
Arena MathsArena (LMArena)14411445
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub33.6%†49.3%
LiveBench 2.0 Data AnalysisLiveBench–75.3%†
LiveBench ResearchLiveBench–88.8%†
LiveBench 1.0 Data AnalysisLiveBench79.3%†73.9%†
AA-Omniscience v1.1Artificial Analysis–24.9†
MMLU-ProVals AI86.2%89.4%
LegalBenchVals AI77.7%86.3%
CorpFinVals AI61.9%66.2%
TaxEvalVals AI70.7%71.1%
BioMysteryBenchVals AI64.4%72.2%
Excel Modeling BenchmarkVals AI57.0%62.7%
MedCodeVals AI41.4%44.7%
MedScribeVals AI80.4%86.5%
Public Benefits Bench v1.1Vals AI–66.8%
Access to Justice BenchmarkVals AI–71.3%
Immigration BenchVals AI–66.0%
EBR-benchEpoch AI Benchmarking Hub–30.5%†
GDP.pdfEpoch AI Benchmarking Hub–16.0%
AA-Omniscience v1.1: accuracyArtificial Analysis–46.2%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–60.3%†
FACTS ParametricGoogle–44.5%†
指示追従
LiveBench LanguageLiveBench79.2%†83.7%†
LiveBench Instruction FollowingLiveBench65.5%†71.9%†
Arena Instruction FollowingArena (LMArena)14341451
人間の評価
Arena TextArena (LMArena)14391457
EQ-Bench Creative Writing v3EQ-Bench1559†–
Arena Creative WritingArena (LMArena)14111442
Arena Multi-turnArena (LMArena)14471449
Arena Longer QueriesArena (LMArena)14491476
マルチモーダル
Arena VisionArena (LMArena)–1264
LiveBench DesignLiveBench–76.3%†
MortgageTaxVals AI–64.2%
Blueprint-Bench 2Epoch AI Benchmarking Hub–33.2%†
Furniture AssemblyEpoch AI Benchmarking Hub–40.0%†
FACTS MultimodalGoogle–39.3%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis79.7%†80.3%
Arena DocumentArena (LMArena)–1450
MLCRArtificial Analysis–15.6%
FACTS GroundingGoogle–66.5%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub154.4†157.8†
LiveBench 2.0LiveBench–63.5%†
LiveBench 1.0LiveBench74.2%†78.0%†
AA Intelligence Index v5.0.1Artificial Analysis–31.0†
AA Intelligence Index v4.3.2Artificial Analysis34.3†44.3
AA Progress Index v1Artificial Analysis309.4†321.5
Vals RSI IndexVals AI–25.5%†
Vals Science IndexVals AI–38.1%
メタデータ
AA Openness IndexArtificial Analysis44.4†–

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

  • DeepSeek V4 Flash (high):スコアの改訂1件。
  • Grok 4.6 (high):新しい結果1件(GDPval-AA v2.1)。
  • Grok 4.6 (high):BenchLeader Index 60.9 → 60.4。
  • Grok 4.6 (high):スコアの改訂2件。
  • Grok 4.6 (high):スコアの改訂1件。
  • DeepSeek V4 Flash (high):スコアの改訂1件。
  • DeepSeek V4 Flash (high):新しい結果1件(GameBench 2 by reasoning setting)。
  • Grok 4.6 (high):新しい結果1件(AA Progress Index v1)。
  • Grok 4.6 (high):BenchLeader Index 61.4 → 60.9。
  • DeepSeek V4 Flash (high):新しい結果1件(Harvey's Legal Agent Benchmark v1)。

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

DeepSeek V4 Flash vs Grok 4.6:よくある質問

DeepSeek V4 FlashはGrok 4.6より優れていますか?
DeepSeek V4 Flash (high)とGrok 4.6 (high)の品質は互角です(57.2 対 60.6、±5.2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。
DeepSeek V4 FlashとGrok 4.6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DeepSeek V4 Flashの方が安く、100万トークンあたり$0.262 対 $3.00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DeepSeek V4 FlashとGrok 4.6のどちらが向いていますか?
コーディングではGrok 4.6の方がスコアが高くなっています(カテゴリ指標で61 対 55。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、DeepSeek V4 Flashが1582、Grok 4.6が1618です。
DeepSeek V4 FlashとGrok 4.6はどちらが速いですか?
DeepSeek V4 Flashの方が出力が速くなっています(出力82 対 73トークン/秒、Artificial Analysisの7日間の中央値)。
長い文書にはどちらが向いていますか?
コンテキストはDeepSeek V4 Flashの方が長く、1,048,576トークンです(Grok 4.6は500,000トークン)。
ほかの質問(3件)
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DeepSeek V4 Flashです。Artificial Analysisの測定では、最初の回答トークンまで0.7秒 対 28.6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。
DeepSeek V4 FlashとGrok 4.6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36件のベンチマークのうち、DeepSeek V4 Flashのリードが2件、Grok 4.6のリードが33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、Grok 4.6が上回っています。
Grok 4.6はいつリリースされましたか?
Grok 4.6は2026年8月11日にリリースされました。