GPT-5.4 vs Grok 4.6
詳しいプロフィール:GPT-5.4(OpenAI)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 · 13件の情報源のデータ
2026年11月16日時点で、GPT-5.4とGrok 4.6の品質は互角です(BenchLeader Indexで63.1 対 60.6、±4.3の誤差範囲内)。価格はGrok 4.6の方が1.9倍安く、100万トークンあたりのブレンド価格で$3.00 対 $5.63です。両方を測定できるすべてのカテゴリでGPT-5.4がリードしています。
要点(2026年11月16日時点)
- BenchLeader IndexはGPT-5.4が63.1、Grok 4.6が60.6です(BenchLeader、2026年11月16日)。
- GPT-5.4の100万トークンあたりのブレンド価格は$5.63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32件のベンチマークのうち、Grok 4.6が22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 | GPT-5.4 | カテゴリスコア65 対 61;SciCode 56.6% 対 56.5% | 中 |
| エージェント・ツール利用 | GPT-5.4 | カテゴリスコア63 対 59;τ³-Banking (AA) 39.6% 対 50.7% | 中 |
| 数学 | GPT-5.4 | カテゴリスコア65 対 63;OTIS Mock AIME 95.3% 対 97.8% | 中 |
| 推論 | GPT-5.4 | カテゴリスコア66 対 64;ARC-AGI-2 74.0% 対 65.1% | 中 |
| 知識 | どちらでも | カテゴリスコア59 対 60;SimpleQA Verified 45.1% 対 49.3% | どちらでも |
| 長い文書 | どちらでも | カテゴリスコア66 対 65;AA-LCR v1.1 82.0% 対 80.3% | どちらでも |
| 画像などのメディア | どちらでも | カテゴリスコア61 対 60;MortgageTax 68.3% 対 64.2% | どちらでも |
| チャットの質(人間の評価) | – | Arenaの評価があるのはGrok 4.6のみです(カテゴリスコア64) | 比較不可 |
| 最低コスト | Grok 4.6 | 100万トークンあたりブレンド価格$3.00 対 $5.63;エージェント型コーディングセッション$0.144 対 $0.210 | – |
| 回答開始の速さ | Grok 4.6 | 最初の回答トークンまで28.6秒(Grok 4.6 (high))対 144.9秒(GPT-5.4 (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-5.4 (xhigh)とGrok 4.6 (high)の品質は互角です(63.1 対 60.6、±4.3の誤差範囲内)。
- GPT-5.4 (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、数学、マルチモーダル、推論で優れています。
- Grok 4.6 (high)は知識で優れています。
- Grok 4.6 (high)の方が1.9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 $5.63)。
概要
| 仕様 | GPT-5.4 | Grok 4.6 |
|---|---|---|
| プロバイダー | OpenAI | SpaceXAI |
| リリース日 | 2026年3月5日 | 2026年8月11日 |
| コンテキストウィンドウ(トークン) | 1,050,000 | 500,000 |
| 比較した構成 | GPT-5.4 (xhigh) | Grok 4.6 (high) |
| 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) | $2.50 / $15.00 / $0.250 | $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 (xhigh) | Grok 4.6 (high) | トップ |
|---|---|---|---|
| 推論 | 65.7 | 63.5 | GPT-5.4 |
| コーディング | 64.7 | 61.1 | GPT-5.4 |
| エージェント・ツール | 63.0 | 59.2 | GPT-5.4 |
| 数学 | 64.8 | 63.4 | GPT-5.4 |
| 知識 | 58.6 | 59.5 | 互角 |
| 指示追従 | 72.4 | – | 比較不可 |
| 人間の評価 | – | 64.1 | 比較不可 |
| マルチモーダル | 60.8 | 60.0 | 互角 |
| 長文コンテキスト | 65.7 | 64.8 | 互角 |
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):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32件のベンチマークのうち、GPT-5.4のリードが10件、Grok 4.6のリードが22件です。両方を評価しているすべての総合指標で、GPT-5.4が上回っています。
| 総合Index | GPT-5.4 (xhigh) | Grok 4.6 (high) | トップ |
|---|---|---|---|
| BenchLeader Index | 63.1 | 60.6 | 互角 |
| Arena Text | 1475† | 1457 | GPT-5.4 |
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 (xhigh) | Grok 4.6 (high) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $5.63 | $3.00 |
| 100万トークンあたりの入力/出力 | $2.50 / $15.00 | $2.00 / $6.00 |
| 100万トークンあたりのキャッシュ入力 | $0.250 | $0.500 |
| タスクあたりの価格:チャットの返答 | $0.0055 | $0.0026 |
| タスクあたりの価格:30ページのレポートを要約 | $0.039 | $0.028 |
| タスクあたりの価格:コード編集 | $0.037 | $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 | $0.210 | $0.144 |
| タスクあたりの価格:構造化データの抽出 | $0.0080 | $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) | $0.109 | $0.076 |
| 出力速度 | 73 tok/s | 73 tok/s |
| 回答開始までの時間 | 144.9秒 | 28.6秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 193.1秒 | 62.7秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-5.4 (xhigh)のスコアは63.1、最初の回答トークンまで145秒。GPT-5.4 (low)は58.8(3秒)、GPT-5.4 (high)は58.6(2秒)。Grok 4.6 (high)のスコアは60.6、最初の回答トークンまで29秒。Grok 4.6 (medium)は59.4(19秒)、Grok 4.6 (xhigh)は56.1(37秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
171件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-5.4 (xhigh) | Grok 4.6 (high) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 63.1 | 60.6 |
| エージェント・ツールスコア | BenchLeader | 63.0 | 59.2 |
| コーディングスコア | BenchLeader | 64.7 | 61.1 |
| 指示追従スコア | BenchLeader | 72.4 | – |
| 知識スコア | BenchLeader | 58.6 | 59.5 |
| 長文コンテキストスコア | BenchLeader | 65.7 | 64.8 |
| 数学スコア | BenchLeader | 64.8 | 63.4 |
| マルチモーダルスコア | BenchLeader | 60.8 | 60.0 |
| 推論スコア | BenchLeader | 65.7 | 63.5 |
| 人間の評価スコア | BenchLeader | – | 64.1 |
| ブレンド価格($/100万トークン) | BenchLeader | $5.63 | $3.00 |
| 出力速度 | BenchLeader | 73 tok/s | 73 tok/s |
| 回答開始までの時間 | BenchLeader | 144.9秒 | 28.6秒 |
| コンテキストウィンドウ | BenchLeader | 1,050,000トークン | 500,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 93.3% | 94.0% |
| Humanity's Last Exam | Scale AI / CAIS | 36.2% | – |
| SimpleBench | SimpleBench | – | 75.9%† |
| Arena Hard Prompts | Arena (LMArena) | 1487† | 1481 |
| LiveBench 2.0 Reasoning | LiveBench | – | 91.2%† |
| LiveBench 1.0 Reasoning | LiveBench | 88.1% | 90.5%† |
| GPQA Diamond (AA) | Artificial Analysis | 92.0% | 95.0% |
| Humanity's Last Exam (AA) | Artificial Analysis | 43.7% | 42.9% |
| HLE-Diamond (AA) | Artificial Analysis | – | 21.5%† |
| GPQA Diamond (Vals) | Vals AI | 91.7% | 94.7% |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 63.8%† | – |
| ARC-AGI-1 | ARC Prize | 93.7% | 87.0% |
| ARC-AGI-2 | ARC Prize | 74.0% | 65.1% |
| ARC-AGI-3 | ARC Prize | 0.2%† | 2.1%† |
| CritPt | Artificial Analysis | 23.4% | 17.1% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 40.0%† |
| MysteryMechanism | Vals AI | – | 30.6% |
| Arena Expert | Arena (LMArena) | 1491† | 1496 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 48.0% | 33.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 37.0% | 34.0%† |
| CL-bench | Epoch AI Benchmarking Hub | 27.9% | – |
| CL-bench Life | Epoch AI Benchmarking Hub | 21.7% | – |
| LMCA | Epoch AI Benchmarking Hub | 52.0% | 48.5%† |
| DTBench | Epoch AI Benchmarking Hub | 94.4% | 97.3%† |
| ForecastBench | ForecastBench | 63.0%† | 65.4%† |
171件のベンチマークをすべて表示
| 指標 | 公開元 | GPT-5.4 (xhigh) | Grok 4.6 (high) |
|---|---|---|---|
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 76.9%† | – |
| SciCode | SciCode | 56.6% | 56.5% |
| WeirdML | WeirdML | 77.7% | 67.3% |
| FrontierCode | Cognition | – | 48.0%† |
| GSO-Bench | GSO-Bench | 31.4% | – |
| Arena Coding | Arena (LMArena) | 1511† | 1508 |
| Arena WebDev | Arena (LMArena) | 1400† | 1618 |
| LiveBench 2.0 Coding | LiveBench | – | 76.7%† |
| LiveBench 1.0 Coding | LiveBench | 77.5% | 76.8%† |
| SciCode (AA) | Artificial Analysis | – | 56.5% |
| LiveCodeBench | Vals AI | 84.1% | 88.2% |
| IOI | Vals AI | – | 47.6% |
| SWE-bench (Vals) | Vals AI | 78.2% | 95.6% |
| SWE-Bench Pro | Scale AI SEAL | 59.1% | – |
| Code Migration | Vals AI | 35.0% | 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 | 67.4% | 76.2% |
| SWE-Bench Pro (private) | Scale AI SEAL | 43.4% | – |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 40.8% | – |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 44.3% | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 44.4% | – |
| MirrorCode | Epoch AI Benchmarking Hub | 23.3% | 41.1%† |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 51.8% | 65.2% |
| CursorBench | Cursor | – | 40.4% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1607† | 1508.1† |
| AlgoTune | AlgoTune | 1.9† | – |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 25.3%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 21.2% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 78.3% | 88.4% |
| Startrise Frontend | Startrise | – | 72.1%† |
| GameBench 2 Overall | DuelLab GameBench 2 | 53.4† | 59.4† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 62.1 | 68.7† |
| Design Arena Website | Design Arena | 1190† | 1277† |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 19.8%† |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 81.8%† | 19.7% |
| APEX-Agents | Mercor | 52.4%† | 65.3%† |
| Arena Agent | Arena (LMArena) | – | -0.2† |
| LiveBench Long Agentic | LiveBench | – | 18.7%† |
| LiveBench Browser | LiveBench | – | 49.4%† |
| LiveBench Agentic Coding | LiveBench | 53.8% | 57.0%† |
| Terminal-Bench Hard | Artificial Analysis | 57.6% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 87.1% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 78.3% |
| MCP Atlas | Scale AI SEAL | 70.6% | – |
| HiL-Bench | Scale AI SEAL | 9.7%† | – |
| τ³-bench Banking | τ²-bench | 39.4% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1256 | 1627 |
| τ³-Banking (AA) | Artificial Analysis | 39.6% | 50.7% |
| Analyst Agent (AA) | Artificial Analysis | – | 41.3% |
| APEX-Agents (AA) | Artificial Analysis | 33.3% | – |
| CyberBench | Vals AI | – | 67.7% |
| Finance Agent v2 | Vals AI | – | 53.7% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 0.0% | 15.8% |
| Legal Research Bench | Vals AI | – | 48.1% |
| SkillsBench | Vals AI | 51.7% | 55.8% |
| Tax Agent Bench | Vals AI | – | 33.7% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 58.4%† | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 17.2% |
| Terminal-Bench Science | Vals AI | – | 11.4% |
| Time Horizon Index: KSP | Vals AI | – | 5.8% |
| Arena Search | Arena (LMArena) | 1196† | – |
| Arena Agent Task Completion | Arena (LMArena) | – | -2.6† |
| DeepResearch Bench | DeepResearch Bench | 35.1%† | – |
| PostTrainBench | Epoch AI Benchmarking Hub | 17.8%† | – |
| METR Time Horizons | METR | 74.3% | – |
| GBAEval | Epoch AI Benchmarking Hub | 45.1%† | – |
| Vending-Bench 2 | Andon Labs | 6144.2† | 9047.0† |
| AutomationBench | Artificial Analysis | – | 66.7% |
| GDP.pdf (AA) | Artificial Analysis | – | 17.0% |
| EnterpriseOps-Gym | Artificial Analysis | – | 48.3% |
| AA-Briefcase v1.1 | Artificial Analysis | – | 1526 |
| Design Arena Agentic | Design Arena | 1042† | 1239† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 6.2% |
| DeepSearchQA | 63.7%† | – | |
| FACTS Search | – | 87.9%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 78.6% | 66.0%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 49.0% | 31.7%† |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 95.3% | 97.8% |
| ProofBench | Vals AI | 56.0% | 51.0%† |
| LiveBench Mathematics | LiveBench | 94.2% | 92.6%† |
| AIME (Vals) | Vals AI | 96.7% | – |
| AIME 2026 | MathArena | 99.2% | – |
| HMMT February 2026 | MathArena | 97.7% | – |
| USAMO 2026 | MathArena | 95.2% | – |
| MathArena Apex | MathArena | 54.2% | – |
| Arena Maths | Arena (LMArena) | 1459† | 1445 |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 45.1% | 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 | 87.5% | 89.4% |
| LegalBench | Vals AI | 86.0% | 86.3% |
| CorpFin | Vals AI | 65.3% | 66.2% |
| TaxEval | Vals AI | 74.0% | 71.1% |
| MedQA | Vals AI | 96.1% | – |
| PRBench Finance | Scale AI SEAL | 45.6%† | – |
| PRBench Legal | Scale AI SEAL | 44.4%† | – |
| MultiNRC | Scale AI SEAL | 58.3%† | – |
| BioMysteryBench | Vals AI | – | 72.2% |
| CaseLaw v2 | Vals AI | 63.8% | – |
| Excel Modeling Benchmark | Vals AI | – | 62.7% |
| MedCode | Vals AI | 41.3% | 44.7% |
| MedScribe | Vals AI | 77.5% | 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 | 25.4% | 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 | 82.6% | 83.7%† |
| LiveBench Instruction Following | LiveBench | 70.2% | 71.9%† |
| IFBench | Artificial Analysis | 74.0% | – |
| Arena Instruction Following | Arena (LMArena) | 1460† | 1451 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1465† | 1457 |
| EQ-Bench 4 | EQ-Bench | 1258† | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1841† | – |
| Arena Creative Writing | Arena (LMArena) | 1433† | 1442 |
| Arena Multi-turn | Arena (LMArena) | 1480† | 1449 |
| Arena Longer Queries | Arena (LMArena) | 1477† | 1476 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1292† | 1264 |
| LiveBench Design | LiveBench | – | 76.3%† |
| MMMU-Pro | Artificial Analysis | 78.4% | – |
| VISTA | Scale AI SEAL | 50.9%† | – |
| MMMU-Pro (Vals) | Vals AI | 87.5% | – |
| MortgageTax | Vals AI | 68.3% | 64.2% |
| VTB | Scale AI SEAL | 29.2%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 27.1%† | 33.2%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 37.5% | 40.0%† |
| FACTS Multimodal | – | 39.3%† | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 82.0% | 80.3% |
| Arena Document | Arena (LMArena) | 1471† | 1450 |
| MLCR | Artificial Analysis | – | 15.6% |
| FACTS Grounding | – | 66.5%† | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 157.8† | 157.8† |
| LiveBench 2.0 | LiveBench | – | 63.5%† |
| LiveBench 1.0 | LiveBench | 78.0% | 78.0%† |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 31.0† |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 39.0 | 44.3 |
| AA Progress Index v1 | Artificial Analysis | 311.6 | 321.5 |
| Vals RSI Index | Vals AI | 15.5% | 25.5%† |
| Vals Science Index | Vals AI | – | 38.1% |
| 安全性・誠実さ | |||
| MASK | Scale AI SEAL | 89.7%† | – |
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
- GPT-5.4 (xhigh):新しい結果1件(GDPval-AA v2.1)。
- 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。
- GPT-5.4 (xhigh):新しい結果1件(MirrorCode)。
- Grok 4.6 (high):スコアの改訂2件。
- Grok 4.6 (high):スコアの改訂1件。
- GPT-5.4 (xhigh):BenchLeader Index 63.7 → 63.2。
- GPT-5.4 (xhigh):スコアの改訂1件。
- GPT-5.4 (xhigh):新しい結果1件(AA Progress Index v1)。
- Grok 4.6 (high):新しい結果1件(AA Progress Index v1)。
関連する比較
- GPT-5.4 vs Claude Fable 5.2
- GPT-5.4 vs Gemini 4 Carbon
- GPT-5.4 vs Claude Opus 5.5
- GPT-5.4 vs GPT-6 Astra
- Grok 4.6 vs GPT-6 Astra
- GPT-5.4 vs Claude Fable 5.1
- GPT-5.4 vs GPT-6.1 Sol
- GPT-5.4 vs Claude Fable 5
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 vs Grok 4.6:よくある質問
- GPT-5.4はGrok 4.6より優れていますか?
- GPT-5.4 (xhigh)とGrok 4.6 (high)の品質は互角です(63.1 対 60.6、±4.3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-5.4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Grok 4.6の方が安く、100万トークンあたり$3.00 対 $5.63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-5.4とGrok 4.6のどちらが向いていますか?
- コーディングではGPT-5.4の方がスコアが高くなっています(カテゴリ指標で65 対 61。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LiveCodeBenchでは、GPT-5.4が84.1%、Grok 4.6が88.2%です。
- GPT-5.4とGrok 4.6はどちらが速いですか?
- Grok 4.6の方が出力が速くなっています(出力73 対 73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-5.4とGrok 4.6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-5.4の方がスコアが高くなっています(カテゴリ指標で63 対 59。50が平均)。共通するエージェント・ツールベンチマークのうち最も重要なτ³-Banking (AA)では、GPT-5.4が39.6%、Grok 4.6が50.7%です。
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互角です(66 対 65)。コンテキストはGPT-5.4の方が長く、1,050,000トークンです(Grok 4.6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Grok 4.6です。Artificial Analysisの測定では、最初の回答トークンまで28.6秒 対 144.9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-5.4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32件のベンチマークのうち、GPT-5.4のリードが10件、Grok 4.6のリードが22件です。両方を評価しているすべての総合指標で、GPT-5.4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。