BenchLeader

GPT-5.4 Pro vs Grok 4.7

詳しいプロフィール:GPT-5.4 Pro(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、品質ではGPT-5.4 ProがGrok 4.7を上回ります(BenchLeader Indexで63.1 対 57.4)。ただし、価格はGrok 4.7の方が23倍安く、100万トークンあたりのブレンド価格で$3.00 対 $67.50です。両方を測定できるすべてのカテゴリでGPT-5.4 Proがリードしています。Grok 4.7の方が出力が3倍以上速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.4 Proが63.1、Grok 4.7が57.4です(BenchLeader、2026年11月16日)。
  • GPT-5.4 Proの100万トークンあたりのブレンド価格は$67.50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)。
  • Grok 4.7はGPT-5.4 Proより出力が3倍以上速いです(Artificial Analysis、7日間の中央値、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
推論GPT-5.4 Proカテゴリスコア70 対 56高
知識GPT-5.4 Proカテゴリスコア74 対 60高
画像などのメディアGPT-5.4 Proカテゴリスコア70 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Grok 4.7100万トークンあたりブレンド価格$3.00 対 $67.50;エージェント型コーディングセッション$0.144 対 $2.52–
回答開始の速さGPT-5.4 Pro最初の回答トークンまで7.9秒(GPT-5.4 Pro)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

  • 品質ではGPT-5.4 Proがリードしています:63.1 対 57.4。
  • GPT-5.4 Proは知識、マルチモーダル、推論で優れています。
  • Grok 4.7 (xhigh)の方が23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 $67.50)。
  • Grok 4.7 (xhigh)の方が出力が10.4倍速くなっています(68 対 7トークン/秒)。

概要

仕様GPT-5.4 ProGrok 4.7
プロバイダーOpenAISpaceXAI
リリース日2026年3月4日2026年9月21日
コンテキストウィンドウ(トークン)1,050,000500,000
比較した構成GPT-5.4 ProGrok 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)$30.00 / $180.00 / –$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-5.4 ProGrok 4.7 (xhigh)トップ
推論70.155.6GPT-5.4 Pro
コーディング–60.9比較不可
エージェント・ツール–56.9比較不可
数学–55.8比較不可
知識74.059.9GPT-5.4 Pro
指示追従64.4–比較不可
人間の評価–62.5比較不可
マルチモーダル69.855.5GPT-5.4 Pro
長文コンテキスト–62.9比較不可
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推論知識マルチモーダルGPT-5.4 Pro, 推論: 70.1GPT-5.4 Pro, 知識: 74.0GPT-5.4 Pro, マルチモーダル: 69.8Grok 4.7, 推論: 55.6Grok 4.7, 知識: 59.9Grok 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):コーディング, エージェント・ツール, 数学, 指示追従, 長文コンテキスト, 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0件のベンチマークのうち、GPT-5.4 Proのリードが0件、Grok 4.7のリードが0件です。両方を評価しているすべての総合指標で、GPT-5.4 Proが上回っています。

総合IndexGPT-5.4 ProGrok 4.7 (xhigh)トップ
BenchLeader Index63.157.4GPT-5.4 Pro

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-5.4 ProGrok 4.7 (xhigh)
100万トークンあたりのブレンド価格$67.50$3.00
100万トークンあたりの入力/出力$30.00 / $180.00$2.00 / $6.00
100万トークンあたりのキャッシュ入力–$0.500
タスクあたりの価格:チャットの返答$0.066$0.0026
タスクあたりの価格:30ページのレポートを要約$0.468$0.028
タスクあたりの価格:コード編集$0.450$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$2.52$0.144
タスクあたりの価格:構造化データの抽出$0.096$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)–$0.076
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7 tok/s68 tok/s
回答開始までの時間7.9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)–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-5.4 Proのスコアは63.1、最初の回答トークンまで8秒。GPT-5.4 Pro (xhigh)は59.5(8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

157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-5.4 ProGrok 4.7 (xhigh)
BenchLeader IndexBenchLeader63.157.4
指示追従スコアBenchLeader64.4–
知識スコアBenchLeader74.059.9
マルチモーダルスコアBenchLeader69.855.5
推論スコアBenchLeader70.155.6
エージェント・ツールスコアBenchLeader–56.9
コーディングスコアBenchLeader–60.9
総合スコアBenchLeader–52.8
人間の評価スコアBenchLeader–62.5
長文コンテキストスコアBenchLeader–62.9
数学スコアBenchLeader–55.8
ブレンド価格($/100万トークン)BenchLeader$67.50$3.00
出力速度BenchLeader7 tok/s68 tok/s
回答開始までの時間BenchLeader7.9秒55.9秒
コンテキストウィンドウBenchLeader1,050,000トークン500,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub94.6%†92.7%
Humanity's Last ExamScale AI / CAIS44.3%–
SimpleBenchSimpleBench74.1%–
Arena Hard PromptsArena (LMArena)–1466
LiveBench 2.0 ReasoningLiveBench–82.7%
LiveBench 1.0 ReasoningLiveBench–82.7%
Humanity's Last Exam (AA)Artificial Analysis–43.1%
HLE-Diamond (AA)Artificial Analysis–23.2%
ARC-AGI-1ARC Prize94.5%†89.5%
ARC-AGI-2ARC Prize83.3%†61.4%
ARC-AGI-3ARC Prize–7.0%
CritPtArtificial Analysis30.0%†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 Hub59.0%†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
SciCodeSciCode–57.4%
WeirdMLWeirdML57.4%†–
FrontierCodeCognition–47.6%†
Arena CodingArena (LMArena)–1493
Arena WebDevArena (LMArena)–1641
157件のベンチマークをすべて表示
指標公開元GPT-5.4 ProGrok 4.7 (xhigh)
コーディング
LiveBench 2.0 CodingLiveBench–73.1%
LiveBench 1.0 CodingLiveBench–77.2%
IOIVals AI–57.7%
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 AI–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 Hub–1545.8
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 Arena–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-Bench–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 2.1 (Vals)Vals AI–73.4%
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 4.0 (Vals)Vals AI–28.8%
Terminal-Bench ScienceVals AI–10.0%
Arena Agent Task CompletionArena (LMArena)–5.1
Vending-Bench 2Andon Labs–10536.8†
AutomationBenchArtificial Analysis–65.6%
GDP.pdf (AA)Artificial Analysis–20.0%
Harvey LAB-AA v1.1Harvey–9.4%
AA-Briefcase v1.1Artificial Analysis–1636
GDPxGDPx by SemiAnalysis–3.9%
Design Arena AgenticDesign Arena–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 Hub82.5%†53.0%
FrontierMath Tier 4Epoch AI Benchmarking Hub58.5%†17.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub–98.1%
ProofBenchVals AI–26.0%†
LiveBench MathematicsLiveBench–95.7%
MathArena ApexMathArena69.8%†–
Arena MathsArena (LMArena)–1447
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub46.3%†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%
MultiNRCScale AI SEAL62.3%–
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%
MultiChallengeScale AI SEAL69.2%–
TutorBenchScale AI SEAL56.6%–
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 Analysis–78.2%†
VISTAScale AI SEAL53.9%–
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 Analysis–76.7%
MLCRArtificial Analysis–20.0%
FACTS GroundingGoogle–68.6%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.2156.2†
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 Analysis–46.5
AA Progress Index v1Artificial Analysis–322.7
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
FORTRESSScale AI SEAL14.8%–
MASKScale AI SEAL91.7%–
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。
  • Grok 4.7 (xhigh):スコアの改訂1件。
  • Grok 4.7 (xhigh):BenchLeader Index 59.5 → 58.0。
  • Grok 4.7 (xhigh):新しい結果5件(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…)、スコアの改訂4件、価格 $3.24/M → $7.51/M。

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-5.4 Pro vs Grok 4.7:よくある質問

GPT-5.4 ProはGrok 4.7より優れていますか?
品質ではGPT-5.4 Proがリードしています:63.1 対 57.4。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日時点では総合でGPT-5.4 Proが上回っていますが、用途に合わせてカテゴリ別のスコアも確認してください。
GPT-5.4 Pro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 $67.50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。
GPT-5.4 ProとGrok 4.7はどちらが速いですか?
Grok 4.7の方が出力が3倍以上速くなっています(出力68 対 7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GPT-5.4 Proの方が長く、1,050,000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GPT-5.4 Proです。Artificial Analysisの測定では、最初の回答トークンまで7.9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。
ほかの質問(1件)
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。