GPT-5.4 vs Grok 4.7
詳しいプロフィール:GPT-5.4(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 · 14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。推論(66 対 56)、数学(65 対 56)、エージェント・ツール(63 対 57)を重視するならGPT-5.4、知識(60 対 59)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Grok 4.7の方が短く、55.9秒 対 144.9秒です。
要点(2026年11月16日時点)
- BenchLeader IndexはGPT-5.4が63.1、Grok 4.7が57.4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 4.7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)。
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 57.4% | 中 |
| エージェント・ツール利用 | GPT-5.4 | カテゴリスコア63 対 57;LiveBench Agentic Coding 53.8% 対 54.0% | 中 |
| 数学 | GPT-5.4 | カテゴリスコア65 対 56;FrontierMath Tiers 1–3 78.6% 対 53.0% | 高 |
| 推論 | GPT-5.4 | カテゴリスコア66 対 56;GPQA Diamond 93.3% 対 92.7% | 高 |
| 知識 | Grok 4.7 | カテゴリスコア60 対 59;SimpleQA Verified 56.0% 対 45.1% | 中 |
| 長い文書 | GPT-5.4 | カテゴリスコア66 対 63;AA-LCR v1.1 82.0% 対 76.7% | 中 |
| 画像などのメディア | GPT-5.4 | カテゴリスコア61 対 56;Furniture Assembly 37.5% 対 20.8% | 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 4.7 | 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 4.7 | 最初の回答トークンまで55.9秒(Grok 4.7 (xhigh))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
- 品質ではGPT-5.4 (xhigh)がリードしています:63.1 対 57.4。
- 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 4.7 (xhigh)は知識で優れています。
- Grok 4.7 (xhigh)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 4.7 |
|---|---|---|
| プロバイダー | OpenAI | SpaceXAI |
| リリース日 | 2026年3月5日 | 2026年9月21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 4.7 (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) | $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 4.7 (xhigh) | トップ |
|---|---|---|---|
| 推論 | 65.7 | 55.6 | GPT-5.4 |
| コーディング | 64.7 | 60.9 | GPT-5.4 |
| エージェント・ツール | 63.0 | 56.9 | GPT-5.4 |
| 数学 | 64.8 | 55.8 | GPT-5.4 |
| 知識 | 58.6 | 59.9 | Grok 4.7 |
| 指示追従 | 72.4 | – | 比較不可 |
| 人間の評価 | – | 62.5 | 比較不可 |
| マルチモーダル | 60.8 | 55.5 | GPT-5.4 |
| 長文コンテキスト | 65.7 | 62.9 | GPT-5.4 |
| 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):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36件のベンチマークのうち、GPT-5.4のリードが18件、Grok 4.7のリードが18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 4.7 (xhigh) | トップ |
|---|---|---|---|
| BenchLeader Index | 63.1 | 57.4 | GPT-5.4 |
| Arena Text | 1475† | 1443 | 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 4.7 (xhigh) |
|---|---|---|
| 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 |
| ベンチマークのタスクあたりのコスト(AA Index) | – | $7.77 |
| タスクあたりの出力トークン(AA Index) | – | 105k |
| うち推論 | – | 69k |
| タスクあたりの時間(AA Index) | – | 26 min |
| 出力速度 | 73 tok/s | 68 tok/s |
| 回答開始までの時間 | 144.9秒 | 55.9秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 193.1秒 | 145.5秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-5.4 (xhigh)のスコアは63.1、最初の回答トークンまで145秒。GPT-5.4 (low)は58.8(3秒)、GPT-5.4 (high)は58.6(2秒)。Grok 4.7 (xhigh)のスコアは57.4、最初の回答トークンまで56秒。Grok 4.7 (high)は56.9(35秒)、Grok 4.7 (low)は55.4(10秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
204件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-5.4 (xhigh) | Grok 4.7 (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 63.1 | 57.4 |
| エージェント・ツールスコア | BenchLeader | 63.0 | 56.9 |
| コーディングスコア | BenchLeader | 64.7 | 60.9 |
| 指示追従スコア | BenchLeader | 72.4 | – |
| 知識スコア | BenchLeader | 58.6 | 59.9 |
| 長文コンテキストスコア | BenchLeader | 65.7 | 62.9 |
| 数学スコア | BenchLeader | 64.8 | 55.8 |
| マルチモーダルスコア | BenchLeader | 60.8 | 55.5 |
| 推論スコア | BenchLeader | 65.7 | 55.6 |
| 総合スコア | BenchLeader | – | 52.8 |
| 人間の評価スコア | BenchLeader | – | 62.5 |
| ブレンド価格($/100万トークン) | BenchLeader | $5.63 | $3.00 |
| 出力速度 | BenchLeader | 73 tok/s | 68 tok/s |
| 回答開始までの時間 | BenchLeader | 144.9秒 | 55.9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% | 92.7% |
| Humanity's Last Exam | Scale AI / CAIS | 36.2% | – |
| Arena Hard Prompts | Arena (LMArena) | 1487† | 1466 |
| LiveBench 2.0 Reasoning | LiveBench | – | 82.7% |
| LiveBench 1.0 Reasoning | LiveBench | 88.1% | 82.7% |
| GPQA Diamond (AA) | Artificial Analysis | 92.0% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 43.7% | 43.1% |
| HLE-Diamond (AA) | Artificial Analysis | – | 23.2% |
| GPQA Diamond (Vals) | Vals AI | 91.7% | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 63.8%† | – |
| ARC-AGI-1 | ARC Prize | 93.7% | 89.5% |
| ARC-AGI-2 | ARC Prize | 74.0% | 61.4% |
| ARC-AGI-3 | ARC Prize | 0.2%† | 7.0% |
| CritPt | Artificial Analysis | 23.4% | 17.7% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 33.5% |
| MysteryMechanism | Vals AI | – | 25.2% |
| HLE-Diamond (Scale) | Scale AI SEAL | – | 23.4%† |
| Arena Expert | Arena (LMArena) | 1491† | 1478 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 48.0% | 41.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 37.0% | 29.0% |
| CL-bench | Epoch AI Benchmarking Hub | 27.9% | – |
| CL-bench Life | Epoch AI Benchmarking Hub | 21.7% | – |
| LMCA | Epoch AI Benchmarking Hub | 52.0% | 49.4% |
| DTBench | Epoch AI Benchmarking Hub | 94.4% | 96.0% |
| ForecastBench | ForecastBench | 63.0%† | – |
204件のベンチマークをすべて表示
| 指標 | 公開元 | GPT-5.4 (xhigh) | Grok 4.7 (xhigh) |
|---|---|---|---|
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 76.9%† | – |
| SciCode | SciCode | 56.6% | 57.4% |
| WeirdML | WeirdML | 77.7% | – |
| FrontierCode | Cognition | – | 47.6%† |
| GSO-Bench | GSO-Bench | 31.4% | – |
| Arena Coding | Arena (LMArena) | 1511† | 1493 |
| Arena WebDev | Arena (LMArena) | 1400† | 1641 |
| LiveBench 2.0 Coding | LiveBench | – | 73.1% |
| LiveBench 1.0 Coding | LiveBench | 77.5% | 77.2% |
| SciCode (AA) | Artificial Analysis | – | 57.4% |
| LiveCodeBench | Vals AI | 84.1% | – |
| IOI | Vals AI | – | 57.7% |
| SWE-bench (Vals) | Vals AI | 78.2% | – |
| SWE-Bench Pro | Scale AI SEAL | 59.1% | – |
| Code Migration | Vals AI | 35.0% | 44.8% |
| Code Migration v1.1 | Vals AI | – | 53.2% |
| ProgramBench | Vals AI | 0.0% | 0.5% |
| SWE-bench Multimodal | Vals AI | – | 42.9% |
| Vibe Code Bench v1.1 | Vals AI | 67.4% | 86.2% |
| Vibe Code Bench 1-100 v1.1 | Vals AI | – | 26.4% |
| 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% | – |
| SWE Atlas v1.1 | Scale AI SEAL | – | 62.1%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 73.4%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 64.4%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 48.6%† |
| MirrorCode | Epoch AI Benchmarking Hub | 23.3% | 54.4% |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 51.8% | – |
| CursorBench | Cursor | – | 46.3% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1607† | 1545.8 |
| AlgoTune | AlgoTune | 1.9† | – |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 29.5% |
| WeirdML v3 | WeirdML | – | 8.4% |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 25.8% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 78.3% | – |
| Startrise Frontend | Startrise | – | 75.9%† |
| GameBench 2 Overall | DuelLab GameBench 2 | 53.4† | 63.6† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 62.1 | 71.2 |
| Design Arena Website | Design Arena | 1190† | 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-Bench | Terminal-Bench | 81.8%† | 38.8% |
| APEX-Agents | Mercor | 52.4%† | 54.6%† |
| Arena Agent | Arena (LMArena) | – | 2.6 |
| LiveBench Long Agentic | LiveBench | – | 45.3% |
| LiveBench Browser | LiveBench | – | 49.3% |
| LiveBench Agentic Coding | LiveBench | 53.8% | 54.0% |
| Terminal-Bench Hard | Artificial Analysis | 57.6% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 87.1% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 73.4% |
| 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, normalised score | Artificial Analysis | – | 60.7% |
| GDPval-AA v2.1 | Artificial Analysis | 1256 | 1717 |
| τ³-Banking (AA) | Artificial Analysis | 39.6% | – |
| ITBench SRE (AA) | Artificial Analysis | – | 42.1% |
| Analyst Agent (AA) | Artificial Analysis | – | 52.5% |
| APEX-Agents (AA) | Artificial Analysis | 33.3% | – |
| CyberBench | Vals AI | – | 69.5% |
| Finance Agent v2 | Vals AI | – | 52.3% |
| Finance Agent v2.1 | Vals AI | – | 60.6% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 18.3% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 0.0% | 12.5% |
| Legal Research Bench | Vals AI | – | 47.1% |
| Robo-bench | Vals AI | – | 0.2% |
| SkillsBench | Vals AI | 51.7% | – |
| SREBench | Vals AI | – | 3.8% |
| Tax Agent Bench | Vals AI | – | 35.8% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 58.4%† | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 28.8% |
| Terminal-Bench Science | Vals AI | – | 10.0% |
| Arena Search | Arena (LMArena) | 1196† | – |
| Arena Agent Task Completion | Arena (LMArena) | – | 5.1 |
| 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† | 10536.8† |
| AutomationBench | Artificial Analysis | – | 65.6% |
| GDP.pdf (AA) | Artificial Analysis | – | 20.0% |
| Harvey LAB-AA v1.1 | Harvey | – | 9.4% |
| AA-Briefcase v1.1 | Artificial Analysis | – | 1636 |
| GDPx | GDPx by SemiAnalysis | – | 3.9% |
| Design Arena Agentic | Design Arena | 1042† | 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% |
| DeepSearchQA | 63.7%† | – | |
| FACTS Search | – | 85.6%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 78.6% | 53.0% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 49.0% | 17.1% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 95.3% | 98.1% |
| ProofBench | Vals AI | 56.0% | 26.0%† |
| LiveBench Mathematics | LiveBench | 94.2% | 95.7% |
| 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† | 1447 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | – | 0.0% |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 45.1% | 56.0% |
| LiveBench 2.0 Data Analysis | LiveBench | – | 76.9% |
| LiveBench Research | LiveBench | – | 89.5% |
| LiveBench 1.0 Data Analysis | LiveBench | 79.3% | 76.9% |
| AA-Omniscience v1.1 | Artificial Analysis | – | 31.2 |
| MMLU-Pro | Vals AI | 87.5% | – |
| LegalBench | Vals AI | 86.0% | 84.4% |
| CorpFin | Vals AI | 65.3% | – |
| TaxEval | Vals AI | 74.0% | – |
| MedQA | Vals AI | 96.1% | – |
| PRBench Finance | Scale AI SEAL | 45.6%† | – |
| PRBench Legal | Scale AI SEAL | 44.4%† | 47.6% |
| MultiNRC | Scale AI SEAL | 58.3%† | – |
| BioMysteryBench | Vals AI | – | 69.3% |
| CaseLaw v2 | Vals AI | 63.8% | – |
| Excel Modeling Benchmark | Vals AI | – | 67.0% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 71.5% |
| MedCode | Vals AI | 41.3% | 49.5% |
| MedScribe | Vals AI | 77.5% | 89.4% |
| Public Benefits Bench v1.1 | Vals AI | – | 65.6% |
| Access to Justice Benchmark | Vals AI | – | 73.7% |
| Financial Coaching Bench | Vals AI | – | 74.1% |
| Immigration Bench | Vals AI | – | 68.0% |
| EBR-bench | Epoch AI Benchmarking Hub | 25.4% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 22.8% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 42.7% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 80.0% |
| HealthBench Professional (AA) | OpenAI | – | 55.8% |
| FACTS Parametric | – | 54.3%† | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 82.6% | 80.1% |
| LiveBench Instruction Following | LiveBench | 70.2% | 75.3% |
| IFBench | Artificial Analysis | 74.0% | – |
| Arena Instruction Following | Arena (LMArena) | 1460† | 1435 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1465† | 1443 |
| EQ-Bench 4 | EQ-Bench | 1258† | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1841† | 2012† |
| Arena Creative Writing | Arena (LMArena) | 1433† | 1421 |
| Arena Multi-turn | Arena (LMArena) | 1480† | 1435 |
| Arena Longer Queries | Arena (LMArena) | 1477† | 1454 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1292† | 1230 |
| LiveBench Design | LiveBench | – | 75.0% |
| MMMU-Pro | Artificial Analysis | 78.4% | 78.2%† |
| VISTA | Scale AI SEAL | 50.9%† | – |
| MMMU-Pro (Vals) | Vals AI | 87.5% | – |
| MortgageTax | Vals AI | 68.3% | – |
| SAGE | Vals AI | – | 88.7% |
| VTB | Scale AI SEAL | 29.2%† | – |
| GeoBench | GeoBench | – | 61.0%† |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 27.1%† | 32.5%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 37.5% | 20.8% |
| VIALS-AA | Handshake AI | – | 37.9% |
| Code2Video-AA | Artificial Analysis | – | 1127 |
| AA-3D | Artificial Analysis | – | 992 |
| FACTS Multimodal | – | 40.9%† | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 82.0% | 76.7% |
| Arena Document | Arena (LMArena) | 1471† | – |
| MLCR | Artificial Analysis | – | 20.0% |
| FACTS Grounding | – | 68.6%† | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 157.8† | 156.2† |
| LiveBench 2.0 | LiveBench | – | 67.9% |
| LiveBench 1.0 | LiveBench | 78.0% | 77.4% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 35.5 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 39.0 | 46.5 |
| AA Progress Index v1 | Artificial Analysis | 311.6 | 322.7 |
| Vals Index | Vals AI | – | 58.6 |
| Vals Finance Index | Vals AI | – | 58.8% |
| Vals RSI Index | Vals AI | 15.5% | 20.2% |
| Vals Science Index | Vals AI | – | 34.8% |
| Vals Router Index | Vals AI | – | 58.6%† |
| Vals Legal Index | Vals AI | – | 72.7% |
| AA Cyber Index | Artificial Analysis | – | 56.4 |
| 安全性・誠実さ | |||
| MASK | Scale AI SEAL | 89.7%† | – |
| DistressBench | Scale 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…)。
- GPT-5.4 (xhigh):新しい結果1件(GDPval-AA v2.1)。
- GPT-5.4 (xhigh):新しい結果1件(MirrorCode)。
- 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。
- GPT-5.4 (xhigh):BenchLeader Index 63.7 → 63.2。
- GPT-5.4 (xhigh):スコアの改訂1件。
- Grok 4.7 (xhigh):スコアの改訂2件。
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
- 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
- GPT-5.4 Pro vs Grok 4.7
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 4.7:よくある質問
- GPT-5.4はGrok 4.7より優れていますか?
- 品質ではGPT-5.4 (xhigh)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 (xhigh)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 $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 4.7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SciCodeでは、GPT-5.4が56.6%、Grok 4.7が57.4%です。
- GPT-5.4とGrok 4.7はどちらが速いですか?
- GPT-5.4の方が出力が速くなっています(出力73 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-5.4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-5.4の方がスコアが高くなっています(カテゴリ指標で63 対 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-5.4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GPT-5.4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Grok 4.7です。Artificial Analysisの測定では、最初の回答トークンまで55.9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 4.7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36件のベンチマークのうち、GPT-5.4のリードが18件、Grok 4.7のリードが18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 4.7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。