Gemini 3.8 Flash vs Grok 4.7
詳しいプロフィール:Gemini 3.8 Flash(Google)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、Gemini 3.8 FlashとGrok 4.7の品質は互角です(BenchLeader Indexで60.2 対 57.4、±5.5の誤差範囲内)。価格はGemini 3.8 Flashの方が2.0倍安く、100万トークンあたりのブレンド価格で$1.50 対 $3.00です。エージェント・ツール(75 対 57)、マルチモーダル(67 対 56)、長文コンテキスト(67 対 63)を重視するならGemini 3.8 Flash、コーディング(61 対 52)、知識(60 対 58)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Gemini 3.8 Flashの方が短く、14.8秒 対 55.9秒です。Gemini 3.8 Flashは出力が約1.5倍速い点も強みです。Gemini 3.8 Flashの現在の価格は2026年12月31日までで、その後は$3.00になります。
要点(2026年11月16日時点)
- BenchLeader IndexはGemini 3.8 Flashが60.2、Grok 4.7が57.4です(BenchLeader、2026年11月16日)。
- Gemini 3.8 Flashの100万トークンあたりのブレンド価格は$1.50です(2026年12月31日まで。その後は$3.00)(https://ai.google.dev/gemini-api/docs/pricing、2026年10月20日確認)。
- 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)。
- Gemini 3.8 Flash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28件のベンチマークのうち、Grok 4.7が17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 | Grok 4.7 | カテゴリスコア61 対 52;FrontierCode 2.0 (AA) 28.7% 対 16.5% | 高 |
| エージェント・ツール利用 | Gemini 3.8 Flash | カテゴリスコア75 対 57;GDP.pdf (AA) 22.8% 対 20.0% | 高 |
| 推論 | Gemini 3.8 Flash | カテゴリスコア59 対 56;HLE-Diamond (AA) 29.1% 対 23.2% | 中 |
| 知識 | Grok 4.7 | カテゴリスコア60 対 58;AA-Omniscience v1.1 31.2 対 23.7 | 中 |
| 長い文書 | Gemini 3.8 Flash | カテゴリスコア67 対 63;AA-LCR v1.1 84.0% 対 76.7% | 中 |
| 画像などのメディア | Gemini 3.8 Flash | カテゴリスコア67 対 56 | 高 |
| チャットの質(人間の評価) | – | Arenaの評価があるのはGrok 4.7のみです(カテゴリスコア63) | 比較不可 |
| 最低コスト | Gemini 3.8 Flash(2026年12月31日まで) | 100万トークンあたりブレンド価格$1.50 対 $3.00;エージェント型コーディングセッション$0.060 対 $0.144;2027年1月1日以降:$3.00 対 $3.00 | – |
| 回答開始の速さ | Gemini 3.8 Flash | 最初の回答トークンまで14.8秒(Gemini 3.8 Flash (medium))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
- Gemini 3.8 Flash (medium)とGrok 4.7 (xhigh)の品質は互角です(60.2 対 57.4、±5.5の誤差範囲内)。
- Gemini 3.8 Flash (medium)はエージェント・ツール、長文コンテキスト、マルチモーダル、推論で優れています。
- Grok 4.7 (xhigh)はコーディング、知識で優れています。
- 2026年12月31日まではGemini 3.8 Flash (medium)の方が2.0倍安くなっています(100万トークンあたりブレンド価格$1.50 対 $3.00)。2027年1月1日からは$3.00 対 $3.00になります。
- Gemini 3.8 Flash (medium)の方が出力が1.7倍速くなっています(116 対 68トークン/秒)。
概要
| 仕様 | Gemini 3.8 Flash | Grok 4.7 |
|---|---|---|
| プロバイダー | SpaceXAI | |
| リリース日 | 2026年9月2日 | 2026年9月21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 | Gemini 3.8 Flash (medium) | 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) | $0.750 / $3.75 / $0.075 | $2.00 / $6.00 / $0.500 |
| 発表済みの価格変更 | 2027年1月1日から$1.50 / $7.50 | 発表なし |
上限、提供状況、発表済みの価格は各ベンダーの公式ページによるものです: ai.google.dev(料金) (2026年10月20日確認)。それ以外はすべて当日のデータです。
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 | Gemini 3.8 Flash (medium) | Grok 4.7 (xhigh) | トップ |
|---|---|---|---|
| 推論 | 58.7 | 55.6 | Gemini 3.8 Flash |
| コーディング | 51.6 | 60.9 | Grok 4.7 |
| エージェント・ツール | 75.0 | 56.9 | Gemini 3.8 Flash |
| 数学 | – | 55.8 | 比較不可 |
| 知識 | 57.7 | 59.9 | Grok 4.7 |
| 人間の評価 | – | 62.5 | 比較不可 |
| マルチモーダル | 66.7 | 55.5 | Gemini 3.8 Flash |
| 長文コンテキスト | 66.7 | 62.9 | Gemini 3.8 Flash |
| 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。
描画していないもの(測定済みのモデルが2つ未満):数学, 指示追従, 人間の評価。
情報源で評価が分かれる点
両方に結果がある28件のベンチマークのうち、Gemini 3.8 Flashのリードが11件、Grok 4.7のリードが17件です。第三者の総合指標でも評価が分かれ、Gemini 3.8 FlashはArena Textで、Grok 4.7はAA Intelligence Index v5.0.1、Vals Indexでリードしています。
| 総合Index | Gemini 3.8 Flash (medium) | Grok 4.7 (xhigh) | トップ |
|---|---|---|---|
| BenchLeader Index | 60.2 | 57.4 | 互角 |
| AA Intelligence Index v5.0.1 | 30.1 | 35.5 | Grok 4.7 |
| Vals Index | 56.0† | 58.6 | Grok 4.7 |
| Arena Text | 1497† | 1443 | Gemini 3.8 Flash |
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 | Gemini 3.8 Flash (medium) | Grok 4.7 (xhigh) |
|---|---|---|
| 100万トークンあたりのブレンド価格(2026年12月31日まで) | $1.50 | $3.00 |
| 100万トークンあたりの入力/出力 | $0.750 / $3.75 | $2.00 / $6.00 |
| 2027年1月1日以降の100万トークンあたりのブレンド価格 | $3.00 | $3.00 |
| 2027年1月1日以降の100万トークンあたりの入力/出力 | $1.50 / $7.50 | $2.00 / $6.00 |
| 100万トークンあたりのキャッシュ入力 | $0.075 | $0.500 |
| タスクあたりの価格:チャットの返答 | $0.0014 | $0.0026 |
| タスクあたりの価格:30ページのレポートを要約 | $0.011 | $0.028 |
| タスクあたりの価格:コード編集 | $0.010 | $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 | $0.060 | $0.144 |
| タスクあたりの価格:構造化データの抽出 | $0.0023 | $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) | $0.030 | $0.076 |
| ベンチマークのタスクあたりのコスト(AA Index) | $6.26 | $7.77 |
| タスクあたりの出力トークン(AA Index) | 82k | 105k |
| うち推論 | 47k | 69k |
| タスクあたりの時間(AA Index) | 12 min | 26 min |
| 出力速度 | 116 tok/s | 68 tok/s |
| 回答開始までの時間 | 14.8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) | 41.8秒 | 145.5秒 |
トークン単価とタスクあたりのコストは別物です。Artificial AnalysisのIntelligence Indexの平均的なタスクにかかったコストは、Gemini 3.8 Flash (medium)で$6.26、Grok 4.7 (xhigh)で$7.77でした。同じ作業でGrok 4.7 (xhigh)は1.3倍の出力トークンを書いています。
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemini 3.8 Flash (medium)のスコアは60.2、最初の回答トークンまで15秒。Gemini 3.8 Flash (high)は59.4(20秒)、Gemini 3.8 Flashは56.4(2秒)。Grok 4.7 (xhigh)のスコアは57.4、最初の回答トークンまで56秒。Grok 4.7 (high)は56.9(35秒)、Grok 4.7 (low)は55.4(10秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
178件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Gemini 3.8 Flash (medium) | Grok 4.7 (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 60.2 | 57.4 |
| エージェント・ツールスコア | BenchLeader | 75.0 | 56.9 |
| コーディングスコア | BenchLeader | 51.6 | 60.9 |
| 知識スコア | BenchLeader | 57.7 | 59.9 |
| 長文コンテキストスコア | BenchLeader | 66.7 | 62.9 |
| マルチモーダルスコア | BenchLeader | 66.7 | 55.5 |
| 推論スコア | BenchLeader | 58.7 | 55.6 |
| 総合スコア | BenchLeader | – | 52.8 |
| 人間の評価スコア | BenchLeader | – | 62.5 |
| 数学スコア | BenchLeader | – | 55.8 |
| ブレンド価格($/100万トークン) | BenchLeader | $1.50 | $3.00 |
| 出力速度 | BenchLeader | 116 tok/s | 68 tok/s |
| 回答開始までの時間 | BenchLeader | 14.8秒 | 55.9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 | 95.4%† | 92.7% |
| Humanity's Last Exam | Scale AI / CAIS | 44.5%† | – |
| SimpleBench | SimpleBench | 82.4%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1518† | 1466 |
| LiveBench 2.0 Reasoning | LiveBench | 89.3%† | 82.7% |
| LiveBench 1.0 Reasoning | LiveBench | 89.3%† | 82.7% |
| GPQA Diamond (AA) | Artificial Analysis | 93.5% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 42.1% | 43.1% |
| HLE-Diamond (AA) | Artificial Analysis | 29.1% | 23.2% |
| GPQA Diamond (Vals) | Vals AI | 94.4%† | – |
| ARC-AGI-1 | ARC Prize | 97.5% | 89.5% |
| ARC-AGI-2 | ARC Prize | 82.9% | 61.4% |
| ARC-AGI-3 | ARC Prize | 24.2% | 7.0% |
| CritPt | Artificial Analysis | 12.3% | 17.7% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 45.0% | 33.5% |
| MysteryMechanism | Vals AI | 36.5%† | 25.2% |
| HLE-Diamond (Scale) | Scale AI SEAL | 34.3%† | 23.4%† |
| Arena Expert | Arena (LMArena) | 1527† | 1478 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 58.0%† | 41.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 47.0%† | 29.0% |
| LMCA | Epoch AI Benchmarking Hub | 52.9% | 49.4% |
| DTBench | Epoch AI Benchmarking Hub | 94.9% | 96.0% |
| コーディング | |||
| SciCode | SciCode | 55.1% | 57.4% |
| WeirdML | WeirdML | 84.8%† | – |
| FrontierCode | Cognition | 41.2% | 47.6%† |
178件のベンチマークをすべて表示
| 指標 | 公開元 | Gemini 3.8 Flash (medium) | Grok 4.7 (xhigh) |
|---|---|---|---|
| コーディング | |||
| Arena Coding | Arena (LMArena) | 1531† | 1493 |
| Arena WebDev | Arena (LMArena) | 1584† | 1641 |
| LiveBench 2.0 Coding | LiveBench | 73.3%† | 73.1% |
| LiveBench 1.0 Coding | LiveBench | 72.5%† | 77.2% |
| LiveCodeBench | Vals AI | 89.5%† | – |
| IOI | Vals AI | 56.9%† | 57.7% |
| SWE-bench (Vals) | Vals AI | 80.0%† | – |
| Code Migration | Vals AI | 36.5%† | 44.8% |
| Code Migration v1.1 | Vals AI | 38.6%† | 53.2% |
| ProgramBench | Vals AI | 1.0%† | 0.5% |
| SWE-bench Multimodal | Vals AI | 40.8%† | 42.9% |
| Vibe Code Bench 1-100 | Vals AI | 18.8%† | – |
| Vibe Code Bench v1.1 | Vals AI | 78.7%† | 86.2% |
| Vibe Code Bench 1-100 v1.1 | Vals AI | – | 26.4% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 47.0%† | – |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 44.8%† | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 53.7%† | – |
| SWE Atlas v1.1 | Scale AI SEAL | 57.3%† | 62.1%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 45.2%† | 73.4%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 71.1%† | 64.4%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 55.7%† | 48.6%† |
| SWE-Bench Pro V2 | Scale AI SEAL | 94.9%† | – |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | 58.8%† | – |
| MirrorCode | Epoch AI Benchmarking Hub | 38.9%† | 54.4% |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | 76.9%† | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 71.0% | – |
| CursorBench | Cursor | 37.3% | 46.3% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1269.7† | 1545.8 |
| FrontierSWE | Epoch AI Benchmarking Hub | 19.6%† | 29.5% |
| WeirdML v3 | WeirdML | 7.4%† | 8.4% |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 19.7% | 25.8% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 83.9% | – |
| Startrise Frontend | Startrise | 64.6%† | 75.9%† |
| GameBench 2 Overall | DuelLab GameBench 2 | 59.0† | 63.6† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 59.7 | 71.2 |
| Design Arena Website | Design Arena | 1291† | 1244† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 37.1% | 33.8% |
| FrontierCode 2.0 (AA) | Artificial Analysis | 16.5% | 28.7% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 18.2%† | 38.8% |
| Remote Labor Index | Scale AI / CAIS | 5.8%† | – |
| APEX-Agents | Mercor | 64.3%† | 54.6%† |
| Arena Agent | Arena (LMArena) | 2.3† | 2.6 |
| LiveBench Long Agentic | LiveBench | 16.5%† | 45.3% |
| LiveBench Browser | LiveBench | 45.1%† | 49.3% |
| LiveBench Agentic Coding | LiveBench | 54.2%† | 54.0% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 81.3%† | 73.4% |
| HiL-Bench | Scale AI SEAL | 41.5%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 46.1% | 60.7% |
| GDPval-AA v2.1 | Artificial Analysis | 1432 | 1717 |
| τ³-Banking (AA) | Artificial Analysis | 45.8% | – |
| ITBench SRE (AA) | Artificial Analysis | 52.5%† | 42.1% |
| Analyst Agent (AA) | Artificial Analysis | 46.3%† | 52.5% |
| CUA-bench | Vals AI | 4.2%† | – |
| CyberBench | Vals AI | 43.8%† | 69.5% |
| Finance Agent v2 | Vals AI | 61.4%† | 52.3% |
| Finance Agent v2.1 | Vals AI | 65.8%† | 60.6% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 12.1%† | 18.3% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 10.0%† | 12.5% |
| Legal Research Bench | Vals AI | 38.9%† | 47.1% |
| Robo-bench | Vals AI | – | 0.2% |
| SkillsBench | Vals AI | 58.0%† | – |
| SREBench | Vals AI | 11.1%† | 3.8% |
| Tax Agent Bench | Vals AI | 32.1%† | 35.8% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 19.7%† | 28.8% |
| Terminal-Bench Science | Vals AI | 8.6%† | 10.0% |
| Time Horizon Index: KSP | Vals AI | 18.8%† | – |
| Arena Agent Task Completion | Arena (LMArena) | 1.3† | 5.1 |
| Vending-Bench 2 | Andon Labs | 5093.8† | 10536.8† |
| AutomationBench | Artificial Analysis | 60.9% | 65.6% |
| GDP.pdf (AA) | Artificial Analysis | 22.8% | 20.0% |
| Harvey LAB-AA v1.1 | Harvey | 0.0%† | 9.4% |
| AA-Briefcase v1.1 | Artificial Analysis | 1183 | 1636 |
| GDPx | GDPx by SemiAnalysis | – | 3.9% |
| Design Arena Agentic | Design Arena | 1225† | 1277† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 10.5% | 11.4% |
| CWE-Bench (AA) | Artificial Analysis | 52.5%† | 68.3% |
| DeepSec-Bench (AA) | Artificial Analysis | 14.5%† | 26.9% |
| CyberGym end-to-end (AA) | Artificial Analysis | 8.4%† | 74.0% |
| MKA (AA) | Artificial Analysis | 35.3%† | 40.1% |
| FACTS Search | 80.4%† | 85.6%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 68.4%† | 53.0% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 21.9%† | 17.1% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 98.9%† | 98.1% |
| ProofBench | Vals AI | 48.0%† | 26.0%† |
| LiveBench Mathematics | LiveBench | 91.6%† | 95.7% |
| Arena Maths | Arena (LMArena) | 1519† | 1447 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 0.0%† | 0.0% |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 69.7%† | 56.0% |
| LiveBench 2.0 Data Analysis | LiveBench | 54.0%† | 76.9% |
| LiveBench Research | LiveBench | 79.4%† | 89.5% |
| LiveBench 1.0 Data Analysis | LiveBench | 54.0%† | 76.9% |
| AA-Omniscience v1.1 | Artificial Analysis | 23.7 | 31.2 |
| MMLU-Pro | Vals AI | 90.2%† | – |
| LegalBench | Vals AI | 87.0%† | 84.4% |
| TaxEval | Vals AI | 74.5%† | – |
| PRBench Finance | Scale AI SEAL | 49.5%† | – |
| PRBench Legal | Scale AI SEAL | 48.9%† | 47.6% |
| BioMysteryBench | Vals AI | 62.2%† | 69.3% |
| Excel Modeling Benchmark | Vals AI | 72.2%† | 67.0% |
| Excel Modeling Benchmark v1.1 | Vals AI | 72.9%† | 71.5% |
| MedCode | Vals AI | 48.1%† | 49.5% |
| MedScribe | Vals AI | 84.5%† | 89.4% |
| Public Benefits Bench v1.1 | Vals AI | 65.3%† | 65.6% |
| Access to Justice Benchmark | Vals AI | 67.1%† | 73.7% |
| Financial Coaching Bench | Vals AI | 66.3%† | 74.1% |
| Immigration Bench | Vals AI | 63.4%† | 68.0% |
| GDP.pdf | Epoch AI Benchmarking Hub | 23.4% | 22.8% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 49.6% | 42.7% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 48.5% | 80.0% |
| HealthBench Professional (AA) | OpenAI | 51.7%† | 55.8% |
| FACTS Parametric | 78.7%† | 54.3%† | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 87.8%† | 80.1% |
| LiveBench Instruction Following | LiveBench | 81.4%† | 75.3% |
| Arena Instruction Following | Arena (LMArena) | 1492† | 1435 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1497† | 1443 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1744† | 2012† |
| Arena Creative Writing | Arena (LMArena) | 1488† | 1421 |
| Arena Multi-turn | Arena (LMArena) | 1505† | 1435 |
| Arena Longer Queries | Arena (LMArena) | 1511† | 1454 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1317† | 1230 |
| LiveBench Design | LiveBench | 69.7%† | 75.0% |
| MMMU-Pro | Artificial Analysis | 84.2% | 78.2%† |
| MMMU-Pro (Vals) | Vals AI | 89.1%† | – |
| MortgageTax | Vals AI | 65.3%† | – |
| SAGE | Vals AI | 88.2%† | 88.7% |
| AudioMC | Scale AI SEAL | 60.4%† | – |
| AudioMC (text output) | Scale AI SEAL | 60.4%† | – |
| Humanity's Sixth Sense | Scale AI SEAL | 41.6%† | – |
| GeoBench | GeoBench | 86.0%† | 61.0%† |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 38.6%† | 32.5%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 31.7%† | 20.8% |
| VIALS-AA | Handshake AI | 41.0%† | 37.9% |
| Code2Video-AA | Artificial Analysis | 899† | 1127 |
| AA-3D | Artificial Analysis | 974† | 992 |
| FACTS Multimodal | 57.6%† | 40.9%† | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 84.0% | 76.7% |
| Arena Document | Arena (LMArena) | 1469† | – |
| MLCR | Artificial Analysis | 12.8% | 20.0% |
| FACTS Grounding | 68.2%† | 68.6%† | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 158.8† | 156.2† |
| LiveBench 2.0 | LiveBench | 57.3%† | 67.9% |
| LiveBench 1.0 | LiveBench | 75.8%† | 77.4% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 30.1 | 35.5 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 39.8 | 46.5 |
| AA Progress Index v1 | Artificial Analysis | 319.1 | 322.7 |
| Vals Index | Vals AI | 56.0† | 58.6 |
| Vals Finance Index | Vals AI | 60.5%† | 58.8% |
| Vals RSI Index | Vals AI | 19.9%† | 20.2% |
| Vals Science Index | Vals AI | 35.8%† | 34.8% |
| Vals Router Index | Vals AI | 56.0%† | 58.6%† |
| Vals Legal Index | Vals AI | 69.8%† | 72.7% |
| AA Cyber Index | Artificial Analysis | 25.1† | 56.4 |
| 安全性・誠実さ | |||
| DistressBench | Scale AI SEAL | 70.7%† | 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
- Gemini 3.8 Flash:定価が100万トークンあたり入力$1.50/出力$7.50に変わります(発表済み)。
- 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…)。
- Gemini 3.8 Flash (medium):スコアの改訂1件。
- 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。
- Gemini 3.8 Flash (medium):スコアの改訂2件。
- Grok 4.7 (xhigh):スコアの改訂2件。
- Grok 4.7 (xhigh):スコアの改訂2件。
関連する比較
- Gemini 3.8 Flash vs Gemini 4 Carbon
- Grok 4.7 vs Claude Opus 5.5
- Grok 4.7 vs GPT-6 Astra
- Grok 4.7 vs Claude Fable 5.1
- Grok 4.7 vs GPT-6.1 Sol
- Gemini 3.7 Flash vs Grok 4.7
- Gemini 3.8 Flash vs Grok 4.6
- Gemini 3.8 Flash vs GPT-6.1 Sol
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
Gemini 3.8 Flash vs Grok 4.7:よくある質問
- Gemini 3.8 FlashはGrok 4.7より優れていますか?
- Gemini 3.8 Flash (medium)とGrok 4.7 (xhigh)の品質は互角です(60.2 対 57.4、±5.5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。
- Gemini 3.8 Flash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Gemini 3.8 Flashの方が安く、100万トークンあたり$1.50 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)。Gemini 3.8 Flashの現在の価格は2026年12月31日までで、その後は$3.00になります。
- コーディングにはGemini 3.8 Flash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 52。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FrontierCode 2.0 (AA)では、Gemini 3.8 Flashが16.5%、Grok 4.7が28.7%です。
- Gemini 3.8 FlashとGrok 4.7はどちらが速いですか?
- Gemini 3.8 Flashの方が出力が約1.5倍速くなっています(出力116 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Gemini 3.8 Flash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Gemini 3.8 Flashの方がスコアが高くなっています(カテゴリ指標で75 対 57。50が平均)。
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Gemini 3.8 Flashの方がスコアが高くなっています(67 対 63)。コンテキストはGemini 3.8 Flashの方が長く、1,048,576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Gemini 3.8 Flashです。Artificial Analysisの測定では、最初の回答トークンまで14.8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。
- Gemini 3.8 Flash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28件のベンチマークのうち、Gemini 3.8 Flashのリードが11件、Grok 4.7のリードが17件です。第三者の総合指標でも評価が分かれ、Gemini 3.8 FlashはArena Textで、Grok 4.7はAA Intelligence Index v5.0.1、Vals Indexでリードしています。
- 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。