BenchLeader

GPT-5.3-Codex vs Grok 4.7

詳しいプロフィール:GPT-5.3-Codex(OpenAI)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 · 12件の情報源のデータ

2026年11月16日時点で、GPT-5.3-CodexとGrok 4.7の品質は互角です(BenchLeader Indexで62.9 対 57.4、±7.5の誤差範囲内)。価格はGrok 4.7の方が1.6倍安く、100万トークンあたりのブレンド価格で$3.00 対 $4.81です。両方を測定できるすべてのカテゴリでGPT-5.3-Codexがリードしています。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.3-Codexが62.9、Grok 4.7が57.4です(BenchLeader、2026年11月16日)。
  • GPT-5.3-Codexの100万トークンあたりのブレンド価格は$4.81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)。
  • 両モデルに結果がある8件のベンチマークのうち、Grok 4.7が6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
コーディングどちらでもカテゴリスコア61 対 61;IOI 53.8% 対 57.7%どちらでも
エージェント・ツール利用GPT-5.3-Codexカテゴリスコア80 対 57;AA-Briefcase v1.1 868 対 1636高
長い文書GPT-5.3-Codexカテゴリスコア66 対 63;AA-LCR v1.1 83.3% 対 76.7%中
画像などのメディアGPT-5.3-Codexカテゴリスコア61 対 56中
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Grok 4.7100万トークンあたりブレンド価格$3.00 対 $4.81;エージェント型コーディングセッション$0.144 対 $0.161–
回答開始の速さGPT-5.3-Codex最初の回答トークンまで38.2秒(GPT-5.3-Codex (xhigh))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

  • GPT-5.3-Codex (xhigh)とGrok 4.7 (xhigh)の品質は互角です(62.9 対 57.4、±7.5の誤差範囲内)。
  • GPT-5.3-Codex (xhigh)はエージェント・ツール、コーディング、長文コンテキスト、マルチモーダルで優れています。
  • Grok 4.7 (xhigh)の方が1.6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 $4.81)。
  • GPT-5.3-Codex (xhigh)の方が出力が1.4倍速くなっています(94 対 68トークン/秒)。

概要

仕様GPT-5.3-CodexGrok 4.7
プロバイダーOpenAISpaceXAI
リリース日2026年2月5日2026年9月21日
コンテキストウィンドウ(トークン)400,000500,000
比較した構成GPT-5.3-Codex (xhigh)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)$1.75 / $14.00 / $0.175$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GPT-5.3-Codex (xhigh)Grok 4.7 (xhigh)トップ
推論–55.6比較不可
コーディング61.060.9互角
エージェント・ツール80.156.9GPT-5.3-Codex
数学–55.8比較不可
知識–59.9比較不可
指示追従73.6–比較不可
人間の評価–62.5比較不可
マルチモーダル60.855.5GPT-5.3-Codex
長文コンテキスト66.462.9GPT-5.3-Codex
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コーディングエージェント・ツール長文コンテキストマルチモーダルGPT-5.3-Codex, コーディング: 61.0GPT-5.3-Codex, エージェント・ツール: 80.1GPT-5.3-Codex, 長文コンテキスト: 66.4GPT-5.3-Codex, マルチモーダル: 60.8Grok 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, 長文コンテキスト: 62.9Grok 4.7, マルチモーダル: 55.5

描画していないもの(測定済みのモデルが2つ未満):推論, 数学, 知識, 指示追従, 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8件のベンチマークのうち、GPT-5.3-Codexのリードが2件、Grok 4.7のリードが6件です。

総合IndexGPT-5.3-Codex (xhigh)Grok 4.7 (xhigh)トップ
BenchLeader Index62.957.4互角

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GPT-5.3-Codex (xhigh)Grok 4.7 (xhigh)
100万トークンあたりのブレンド価格$4.81$3.00
100万トークンあたりの入力/出力$1.75 / $14.00$2.00 / $6.00
100万トークンあたりのキャッシュ入力$0.175$0.500
タスクあたりの価格:チャットの返答$0.0049$0.0026
タスクあたりの価格:30ページのレポートを要約$0.029$0.028
タスクあたりの価格:コード編集$0.032$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$0.161$0.144
タスクあたりの価格:構造化データの抽出$0.0063$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)$0.090$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94 tok/s68 tok/s
回答開始までの時間38.2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)97.1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。GPT-5.3-Codex (xhigh)のスコアは62.9、最初の回答トークンまで38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

158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GPT-5.3-Codex (xhigh)Grok 4.7 (xhigh)
BenchLeader IndexBenchLeader62.957.4
エージェント・ツールスコアBenchLeader80.156.9
コーディングスコアBenchLeader61.060.9
指示追従スコアBenchLeader73.6–
長文コンテキストスコアBenchLeader66.462.9
マルチモーダルスコアBenchLeader60.855.5
総合スコアBenchLeader–52.8
人間の評価スコアBenchLeader–62.5
知識スコアBenchLeader–59.9
数学スコアBenchLeader–55.8
推論スコアBenchLeader–55.6
ブレンド価格($/100万トークン)BenchLeader$4.81$3.00
出力速度BenchLeader94 tok/s68 tok/s
回答開始までの時間BenchLeader38.2秒55.9秒
コンテキストウィンドウBenchLeader400,000トークン500,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub–92.7%
Arena Hard PromptsArena (LMArena)–1466
LiveBench 2.0 ReasoningLiveBench–82.7%
LiveBench 1.0 ReasoningLiveBench–82.7%
GPQA Diamond (AA)Artificial Analysis91.5%–
Humanity's Last Exam (AA)Artificial Analysis42.5%43.1%
HLE-Diamond (AA)Artificial Analysis–23.2%
ARC-AGI-1ARC Prize–89.5%
ARC-AGI-2ARC Prize–61.4%
ARC-AGI-3ARC Prize–7.0%
CritPtArtificial Analysis16.9%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)–1478
Chess PuzzlesEpoch AI Benchmarking Hub–41.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–29.0%
LMCAEpoch AI Benchmarking Hub–49.4%
DTBenchEpoch AI Benchmarking Hub–96.0%
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub74.8%†–
SciCodeSciCode–57.4%
WeirdMLWeirdML77.9%–
FrontierCodeCognition–47.6%†
Arena CodingArena (LMArena)–1493
Arena WebDevArena (LMArena)1406†1641
158件のベンチマークをすべて表示
指標公開元GPT-5.3-Codex (xhigh)Grok 4.7 (xhigh)
コーディング
LiveBench 2.0 CodingLiveBench–73.1%
LiveBench 1.0 CodingLiveBench–77.2%
LiveCodeBenchVals AI87.3%–
IOIVals AI53.8%57.7%
SWE-bench (Vals)Vals AI78.0%–
Code MigrationVals AI–44.8%
Code Migration v1.1Vals AI–53.2%
ProgramBenchVals AI–0.5%
SWE-bench MultimodalVals AI–42.9%
Vibe Code Bench v1.1Vals AI61.8%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%†
MirrorCodeEpoch AI Benchmarking Hub–54.4%
CursorBenchCursor–46.3%
ALE-BenchEpoch AI Benchmarking Hub1655.21545.8
FrontierSWEEpoch AI Benchmarking Hub–29.5%
WeirdML v3WeirdML–8.4%
Terminal-Bench 4.0 (AA)Artificial Analysis–25.8%
Startrise FrontendStartrise–75.9%†
GameBench 2 OverallDuelLab GameBench 2–63.6†
GameBench 2 by reasoning settingDuelLab GameBench 2–71.2
Design Arena WebsiteDesign Arena1155†1244†
FrontierCode 1.1 (AA)Artificial Analysis–33.8%
FrontierCode 2.0 (AA)Artificial Analysis–28.7%
エージェント・ツール
Terminal-BenchTerminal-Bench78.4%†38.8%
APEX-AgentsMercor–54.6%†
Arena AgentArena (LMArena)–2.6
LiveBench Long AgenticLiveBench–45.3%
LiveBench BrowserLiveBench–49.3%
LiveBench Agentic CodingLiveBench–54.0%
Terminal-Bench HardArtificial Analysis53.0%–
τ²-Bench Telecom (AA)Artificial Analysis86.0%–
Terminal-Bench 2.1 (Vals)Vals AI–73.4%
HiL-BenchScale AI SEAL4.3%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–60.7%
GDPval-AA v2.1Artificial Analysis–1717
ITBench SRE (AA)Artificial Analysis–42.1%
Analyst Agent (AA)Artificial Analysis–52.5%
CyberBenchVals AI–69.5%
Finance Agent v2Vals AI–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 AI–12.5%
Legal Research BenchVals AI–47.1%
Robo-benchVals AI–0.2%
SREBenchVals AI–3.8%
Tax Agent BenchVals AI–35.8%
Terminal-Bench 2.0 (Vals)Vals AI64.0%†–
Terminal-Bench 4.0 (Vals)Vals AI–28.8%
Terminal-Bench ScienceVals AI–10.0%
Arena Agent Task CompletionArena (LMArena)–5.1
METR Time HorizonsMETR74.5%†–
Vending-Bench 2Andon Labs5940.1†10536.8†
AutomationBenchArtificial Analysis–65.6%
GDP.pdf (AA)Artificial Analysis–20.0%
Harvey LAB-AA v1.1Harvey–9.4%
AA-Briefcase v1.1Artificial Analysis8681636
GDPxGDPx by SemiAnalysis–3.9%
Design Arena AgenticDesign Arena1018†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 Hub–53.0%
FrontierMath Tier 4Epoch AI Benchmarking Hub–17.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub–98.1%
ProofBenchVals AI–26.0%†
LiveBench MathematicsLiveBench–95.7%
Arena MathsArena (LMArena)–1447
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–56.0%
LiveBench 2.0 Data AnalysisLiveBench–76.9%
LiveBench ResearchLiveBench–89.5%
LiveBench 1.0 Data AnalysisLiveBench–76.9%
AA-Omniscience v1.1Artificial Analysis–31.2
LegalBenchVals AI–84.4%
PRBench LegalScale AI SEAL–47.6%
BioMysteryBenchVals AI–69.3%
Excel Modeling BenchmarkVals AI–67.0%
Excel Modeling Benchmark v1.1Vals AI–71.5%
MedCodeVals AI–49.5%
MedScribeVals AI–89.4%
Public Benefits Bench v1.1Vals AI–65.6%
Access to Justice BenchmarkVals AI–73.7%
Financial Coaching BenchVals AI–74.1%
Immigration BenchVals AI–68.0%
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 ParametricGoogle–54.3%†
指示追従
LiveBench LanguageLiveBench–80.1%
LiveBench Instruction FollowingLiveBench–75.3%
IFBenchArtificial Analysis75.4%–
Arena Instruction FollowingArena (LMArena)–1435
人間の評価
Arena TextArena (LMArena)–1443
EQ-Bench Creative Writing v3EQ-Bench–2012†
Arena Creative WritingArena (LMArena)–1421
Arena Multi-turnArena (LMArena)–1435
Arena Longer QueriesArena (LMArena)–1454
マルチモーダル
Arena VisionArena (LMArena)–1230
LiveBench DesignLiveBench–75.0%
MMMU-ProArtificial Analysis78.5%78.2%†
SAGEVals AI–88.7%
GeoBenchGeoBench–61.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub–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 Analysis83.3%76.7%
MLCRArtificial Analysis–20.0%
FACTS GroundingGoogle–68.6%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–156.2†
LiveBench 2.0LiveBench–67.9%
LiveBench 1.0LiveBench–77.4%
AA Intelligence Index v5.0.1Artificial Analysis–35.5
AA Intelligence Index v4.3.2Artificial Analysis32.546.5
AA Progress Index v1Artificial Analysis301.3322.7
Vals IndexVals AI–58.6
Vals Finance IndexVals AI–58.8%
Vals RSI IndexVals AI–20.2%
Vals Science IndexVals AI–34.8%
Vals 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 SEAL–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…)。
  • 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。
  • Grok 4.7 (xhigh):スコアの改訂2件。
  • Grok 4.7 (xhigh):スコアの改訂2件。
  • GPT-5.3-Codex (xhigh):新しい結果1件(AA-Briefcase v1.1)。
  • Grok 4.7 (xhigh):スコアの改訂1件。
  • Grok 4.7 (xhigh):BenchLeader Index 59.5 → 58.0。

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

GPT-5.3-Codex vs Grok 4.7:よくある質問

GPT-5.3-CodexはGrok 4.7より優れていますか?
GPT-5.3-Codex (xhigh)とGrok 4.7 (xhigh)の品質は互角です(62.9 対 57.4、±7.5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。
GPT-5.3-Codex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 $4.81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GPT-5.3-CodexとGrok 4.7のどちらが向いていますか?
コーディングでは互角です(カテゴリ指標で61 対 61)。共通するコーディングベンチマークのうち最も重要なIOIでは、GPT-5.3-Codexが53.8%、Grok 4.7が57.7%です。
GPT-5.3-CodexとGrok 4.7はどちらが速いですか?
GPT-5.3-Codexの方が出力が速くなっています(出力94 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GPT-5.3-Codex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GPT-5.3-Codexの方がスコアが高くなっています(カテゴリ指標で80 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GPT-5.3-Codexの方がスコアが高くなっています(66 対 63)。コンテキストはGrok 4.7の方が長く、500,000トークンです(GPT-5.3-Codexは400,000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GPT-5.3-Codexです。Artificial Analysisの測定では、最初の回答トークンまで38.2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。
GPT-5.3-Codex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8件のベンチマークのうち、GPT-5.3-Codexのリードが2件、Grok 4.7のリードが6件です。
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。