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 4.6 | Arenaの投票で64 対 62 | 中 |
| 最低コスト | DeepSeek V4 Flash | 100万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 Flash | Grok 4.6 |
|---|---|---|
| プロバイダー | DeepSeek | SpaceXAI |
| 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) | 1,048,576 | 500,000 |
| 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 | 59.2 | 63.5 | Grok 4.6 |
| コーディング | 55.0 | 61.1 | Grok 4.6 |
| エージェント・ツール | – | 59.2 | 比較不可 |
| 数学 | 61.9 | 63.4 | Grok 4.6 |
| 知識 | 54.8 | 59.5 | Grok 4.6 |
| 人間の評価 | 62.0 | 64.1 | Grok 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。
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。
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Index | DeepSeek V4 Flash (high) | Grok 4.6 (high) | トップ |
|---|---|---|---|
| BenchLeader Index | 57.2 | 60.6 | 互角 |
| Arena Text | 1439 | 1457 | Grok 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 | $0.076 |
| 出力速度 | 82 tok/s | 73 tok/s |
| 回答開始までの時間 | 0.7秒 | 28.6秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | – | 62.7秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。DeepSeek V4 Flash (high)のスコアは57.2、最初の回答トークンまで1秒。DeepSeek V4 Flash (max)は56.8(28秒)、DeepSeek V4 Flashは53.8(1秒)。Grok 4.6 (high)のスコアは60.6、最初の回答トークンまで29秒。Grok 4.6 (medium)は59.4(19秒)、Grok 4.6 (xhigh)は56.1(37秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
135件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | DeepSeek V4 Flash (high) | Grok 4.6 (high) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 57.2 | 60.6 |
| コーディングスコア | BenchLeader | 55.0 | 61.1 |
| 人間の評価スコア | BenchLeader | 62.0 | 64.1 |
| 知識スコア | BenchLeader | 54.8 | 59.5 |
| 数学スコア | BenchLeader | 61.9 | 63.4 |
| 推論スコア | BenchLeader | 59.2 | 63.5 |
| エージェント・ツールスコア | BenchLeader | – | 59.2 |
| 長文コンテキストスコア | BenchLeader | – | 64.8 |
| マルチモーダルスコア | BenchLeader | – | 60.0 |
| ブレンド価格($/100万トークン) | BenchLeader | $0.262 | $3.00 |
| 出力速度 | BenchLeader | 82 tok/s | 73 tok/s |
| 回答開始までの時間 | BenchLeader | 0.7秒 | 28.6秒 |
| コンテキストウィンドウ | BenchLeader | 1,048,576トークン | 500,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 91.0%† | 94.0% |
| SimpleBench | SimpleBench | 61.1%† | 75.9%† |
| Arena Hard Prompts | Arena (LMArena) | 1459 | 1481 |
| LiveBench 2.0 Reasoning | LiveBench | – | 91.2%† |
| LiveBench 1.0 Reasoning | LiveBench | 86.6%† | 90.5%† |
| GPQA Diamond (AA) | Artificial Analysis | 90.8%† | 95.0% |
| Humanity's Last Exam (AA) | Artificial Analysis | 38.5%† | 42.9% |
| HLE-Diamond (AA) | Artificial Analysis | – | 21.5%† |
| GPQA Diamond (Vals) | Vals AI | 89.9% | 94.7% |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 52.2%† | – |
| ARC-AGI-1 | ARC Prize | 87.0% | 87.0% |
| ARC-AGI-2 | ARC Prize | 56.0% | 65.1% |
| ARC-AGI-3 | ARC Prize | – | 2.1%† |
| CritPt | Artificial Analysis | 16.6%† | 17.1% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 40.0%† |
| MysteryMechanism | Vals AI | – | 30.6% |
| Arena Expert | Arena (LMArena) | 1467 | 1496 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 32.0%† | 33.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 34.0%† | 34.0%† |
| LMCA | Epoch AI Benchmarking Hub | 41.7%† | 48.5%† |
| DTBench | Epoch AI Benchmarking Hub | 90.9%† | 97.3%† |
| ForecastBench | ForecastBench | – | 65.4%† |
| コーディング | |||
| SciCode | SciCode | 42.0% | 56.5% |
| WeirdML | WeirdML | 57.0% | 67.3% |
| FrontierCode | Cognition | 18.8%† | 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 Coding | Arena (LMArena) | 1480 | 1508 |
| Arena WebDev | Arena (LMArena) | 1582 | 1618 |
| LiveBench 2.0 Coding | LiveBench | – | 76.7%† |
| LiveBench 1.0 Coding | LiveBench | 75.0%† | 76.8%† |
| SciCode (AA) | Artificial Analysis | 50.4%† | 56.5% |
| LiveCodeBench | Vals AI | 87.3% | 88.2% |
| IOI | Vals AI | 32.7% | 47.6% |
| SWE-bench (Vals) | Vals AI | 88.8% | 95.6% |
| Code Migration | Vals AI | 38.6% | 44.6% |
| ProgramBench | Vals AI | 0.0% | 1.0% |
| Vibe Code Bench 1-100 | Vals AI | – | 14.8% |
| Vibe Code Bench v1.1 | Vals AI | 74.7% | 76.2% |
| MirrorCode | Epoch AI Benchmarking Hub | – | 41.1%† |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 65.2% |
| CursorBench | Cursor | – | 40.4% |
| ALE-Bench | Epoch AI Benchmarking Hub | 678.2 | 1508.1† |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 25.3%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 12.1%† | 21.2% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 78.7%† | 88.4% |
| Startrise Frontend | Startrise | – | 72.1%† |
| GameBench 2 Overall | DuelLab GameBench 2 | 34.1† | 59.4† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 43.4 | 68.7† |
| Design Arena Website | Design Arena | 1199† | 1277† |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 19.8%† |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | – | 19.7% |
| APEX-Agents | Mercor | – | 65.3%† |
| Arena Agent | Arena (LMArena) | – | -0.2† |
| LiveBench Long Agentic | LiveBench | – | 18.7%† |
| LiveBench Browser | LiveBench | – | 49.4%† |
| LiveBench Agentic Coding | LiveBench | 46.8%† | 57.0%† |
| Terminal-Bench 2.1 (Vals) | Vals AI | 67.0%† | 78.3% |
| HiL-Bench | Scale AI SEAL | 47.8%† | – |
| GDPval-AA v2.1 | Artificial Analysis | 1437† | 1627 |
| τ³-Banking (AA) | Artificial Analysis | 39.4%† | 50.7% |
| Analyst Agent (AA) | Artificial Analysis | – | 41.3% |
| CyberBench | Vals AI | 72.1% | 67.7% |
| Finance Agent v2 | Vals AI | 49.5% | 53.7% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 8.3% | 15.8% |
| Legal Research Bench | Vals AI | 30.3% | 48.1% |
| SkillsBench | Vals AI | 50.7% | 55.8% |
| Tax Agent Bench | Vals AI | 28.1% | 33.7% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 18.7% | 17.2% |
| Terminal-Bench Science | Vals AI | 4.3% | 11.4% |
| Time Horizon Index: KSP | Vals AI | – | 5.8% |
| Arena Agent Task Completion | Arena (LMArena) | – | -2.6† |
| Vending-Bench 2 | Andon Labs | – | 9047.0† |
| AutomationBench | Artificial Analysis | 54.0%† | 66.7% |
| GDP.pdf (AA) | Artificial Analysis | 11.0%† | 17.0% |
| EnterpriseOps-Gym | Artificial Analysis | – | 48.3% |
| AA-Briefcase v1.1 | Artificial Analysis | 1255† | 1526 |
| Design Arena Agentic | Design Arena | – | 1239† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 6.2% |
| FACTS Search | – | 87.9%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 57.5%† | 66.0%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 24.4%† | 31.7%† |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 94.4%† | 97.8% |
| ProofBench | Vals AI | 56.0%† | 51.0%† |
| LiveBench Mathematics | LiveBench | 86.8%† | 92.6%† |
| AIME 2026 | MathArena | 95.8%† | – |
| HMMT February 2026 | MathArena | 93.9%† | – |
| MathArena Apex | MathArena | 27.1%† | – |
| Arena Maths | Arena (LMArena) | 1441 | 1445 |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 33.6%† | 49.3% |
| LiveBench 2.0 Data Analysis | LiveBench | – | 75.3%† |
| LiveBench Research | LiveBench | – | 88.8%† |
| LiveBench 1.0 Data Analysis | LiveBench | 79.3%† | 73.9%† |
| AA-Omniscience v1.1 | Artificial Analysis | – | 24.9† |
| MMLU-Pro | Vals AI | 86.2% | 89.4% |
| LegalBench | Vals AI | 77.7% | 86.3% |
| CorpFin | Vals AI | 61.9% | 66.2% |
| TaxEval | Vals AI | 70.7% | 71.1% |
| BioMysteryBench | Vals AI | 64.4% | 72.2% |
| Excel Modeling Benchmark | Vals AI | 57.0% | 62.7% |
| MedCode | Vals AI | 41.4% | 44.7% |
| MedScribe | Vals AI | 80.4% | 86.5% |
| Public Benefits Bench v1.1 | Vals AI | – | 66.8% |
| Access to Justice Benchmark | Vals AI | – | 71.3% |
| Immigration Bench | Vals AI | – | 66.0% |
| EBR-bench | Epoch AI Benchmarking Hub | – | 30.5%† |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 16.0% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 46.2%† |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 60.3%† |
| FACTS Parametric | – | 44.5%† | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 79.2%† | 83.7%† |
| LiveBench Instruction Following | LiveBench | 65.5%† | 71.9%† |
| Arena Instruction Following | Arena (LMArena) | 1434 | 1451 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1439 | 1457 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1559† | – |
| Arena Creative Writing | Arena (LMArena) | 1411 | 1442 |
| Arena Multi-turn | Arena (LMArena) | 1447 | 1449 |
| Arena Longer Queries | Arena (LMArena) | 1449 | 1476 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | – | 1264 |
| LiveBench Design | LiveBench | – | 76.3%† |
| MortgageTax | Vals AI | – | 64.2% |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | – | 33.2%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | – | 40.0%† |
| FACTS Multimodal | – | 39.3%† | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 79.7%† | 80.3% |
| Arena Document | Arena (LMArena) | – | 1450 |
| MLCR | Artificial Analysis | – | 15.6% |
| FACTS Grounding | – | 66.5%† | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 154.4† | 157.8† |
| LiveBench 2.0 | LiveBench | – | 63.5%† |
| LiveBench 1.0 | LiveBench | 74.2%† | 78.0%† |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 31.0† |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 34.3† | 44.3 |
| AA Progress Index v1 | Artificial Analysis | 309.4† | 321.5 |
| Vals RSI Index | Vals AI | – | 25.5%† |
| Vals Science Index | Vals AI | – | 38.1% |
| メタデータ | |||
| AA Openness Index | Artificial Analysis | 44.4† | – |
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)。
関連する比較
- DeepSeek V4 Flash vs Claude Fable 5.1
- DeepSeek V4 Flash vs GPT-6.1 Sol
- Grok 4.6 vs GPT-6 Astra
- DeepSeek V4 Flash vs Gemini 4 Argon
- DeepSeek V4 Flash vs Claude Sonnet 5.5
- DeepSeek V4 Flash vs Muse Spark 1.3
- DeepSeek V4 Flash vs Gemini 3 Pro
- DeepSeek V4 Flash vs GLM 5.3
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。