GPT-5.6 Terra vs Grok 4.7
詳しいプロフィール:GPT-5.6 Terra(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 · 13件の情報源のデータ
2026年11月16日時点で、GPT-5.6 TerraとGrok 4.7の品質は互角です(BenchLeader Indexで60.1 対 57.4、±4.8の誤差範囲内)。価格はGrok 4.7の方が1.5倍安く、100万トークンあたりのブレンド価格で$3.00 対 $4.50です。数学(66 対 56)、エージェント・ツール(63 対 57)、マルチモーダル(61 対 56)を重視するならGPT-5.6 Terra、知識(60 対 53)、コーディング(61 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GPT-5.6 Terraの方が短く、19.2秒 対 55.9秒です。GPT-5.6 Terraは出力が速い点も強みです。
要点(2026年11月16日時点)
- BenchLeader IndexはGPT-5.6 Terraが60.1、Grok 4.7が57.4です(BenchLeader、2026年11月16日)。
- GPT-5.6 Terraの100万トークンあたりのブレンド価格は$4.50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)。
- GPT-5.6 TerraはGrok 4.7より出力が速いです(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37件のベンチマークのうち、Grok 4.7が20件でリードしています(BenchLeader、2026年11月16日)。
- Arena WebDevでの評価はGPT-5.6 Terraが1520、Grok 4.7が1641です(LMArena、2026年11月16日までの公開値)。
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 59;Arena WebDev 1641 対 1520 | 中 |
| エージェント・ツール利用 | GPT-5.6 Terra | カテゴリスコア63 対 57;Arena Agent -1.8 対 2.6 | 中 |
| 数学 | GPT-5.6 Terra | カテゴリスコア66 対 56;Arena Maths 1478 対 1447 | 高 |
| 推論 | どちらでも | カテゴリスコア55 対 56;HLE-Diamond (AA) 24.7% 対 23.2% | どちらでも |
| 知識 | Grok 4.7 | カテゴリスコア60 対 53;AA-Omniscience v1.1 31.2 対 -11.5 | 中 |
| 長い文書 | GPT-5.6 Terra | カテゴリスコア64 対 63;AA-LCR v1.1 79.0% 対 76.7% | 中 |
| 画像などのメディア | GPT-5.6 Terra | カテゴリスコア61 対 56;Arena Vision 1269 対 1230 | 中 |
| チャットの質(人間の評価) | GPT-5.6 Terra | Arenaの投票で66 対 63 | 中 |
| 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 $4.50;エージェント型コーディングセッション$0.144 対 $0.168 | – |
| 回答開始の速さ | GPT-5.6 Terra | 最初の回答トークンまで19.2秒(GPT-5.6 Terra (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-5.6 Terra (xhigh)とGrok 4.7 (xhigh)の品質は互角です(60.1 対 57.4、±4.8の誤差範囲内)。
- GPT-5.6 Terra (xhigh)はエージェント・ツール、人間の評価、長文コンテキスト、数学、マルチモーダルで優れています。
- Grok 4.7 (xhigh)はコーディング、知識、推論で優れています。
- Grok 4.7 (xhigh)の方が1.5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 $4.50)。
- GPT-5.6 Terra (xhigh)の方が出力が1.4倍速くなっています(97 対 68トークン/秒)。
概要
| 仕様 | GPT-5.6 Terra | Grok 4.7 |
|---|---|---|
| プロバイダー | OpenAI | SpaceXAI |
| リリース日 | 2026年7月9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-5.6 Terra (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) | $2.00 / $12.00 / $0.200 | $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-5.6 Terra (xhigh) | Grok 4.7 (xhigh) | トップ |
|---|---|---|---|
| 推論 | 54.8 | 55.6 | 互角 |
| コーディング | 59.1 | 60.9 | Grok 4.7 |
| エージェント・ツール | 63.1 | 56.9 | GPT-5.6 Terra |
| 数学 | 65.7 | 55.8 | GPT-5.6 Terra |
| 知識 | 53.0 | 59.9 | Grok 4.7 |
| 指示追従 | 65.6 | – | 比較不可 |
| 人間の評価 | 65.5 | 62.5 | GPT-5.6 Terra |
| マルチモーダル | 61.2 | 55.5 | GPT-5.6 Terra |
| 長文コンテキスト | 64.1 | 62.9 | GPT-5.6 Terra |
| 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。
情報源で評価が分かれる点
両方に結果がある37件のベンチマークのうち、GPT-5.6 Terraのリードが17件、Grok 4.7のリードが20件です。第三者の総合指標でも評価が分かれ、GPT-5.6 TerraはArena Textで、Grok 4.7はAA Intelligence Index v5.0.1でリードしています。
| 総合Index | GPT-5.6 Terra (xhigh) | Grok 4.7 (xhigh) | トップ |
|---|---|---|---|
| BenchLeader Index | 60.1 | 57.4 | 互角 |
| AA Intelligence Index v5.0.1 | 32.3† | 35.5 | Grok 4.7 |
| Arena Text | 1468 | 1443 | GPT-5.6 Terra |
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-5.6 Terra (xhigh) | Grok 4.7 (xhigh) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $4.50 | $3.00 |
| 100万トークンあたりの入力/出力 | $2.00 / $12.00 | $2.00 / $6.00 |
| 100万トークンあたりのキャッシュ入力 | $0.200 | $0.500 |
| タスクあたりの価格:チャットの返答 | $0.0044 | $0.0026 |
| タスクあたりの価格:30ページのレポートを要約 | $0.031 | $0.028 |
| タスクあたりの価格:コード編集 | $0.030 | $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 | $0.168 | $0.144 |
| タスクあたりの価格:構造化データの抽出 | $0.0064 | $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) | $0.087 | $0.076 |
| ベンチマークのタスクあたりのコスト(AA Index) | – | $7.77 |
| タスクあたりの出力トークン(AA Index) | – | 105k |
| うち推論 | – | 69k |
| タスクあたりの時間(AA Index) | – | 26 min |
| 出力速度 | 97 tok/s | 68 tok/s |
| 回答開始までの時間 | 19.2秒 | 55.9秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 84.0秒 | 145.5秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-5.6 Terra (xhigh)のスコアは60.1、最初の回答トークンまで19秒。GPT-5.6 Terra (max)は59.5(73秒)、GPT-5.6 Terra (high)は56.8(6秒)。Grok 4.7 (xhigh)のスコアは57.4、最初の回答トークンまで56秒。Grok 4.7 (high)は56.9(35秒)、Grok 4.7 (low)は55.4(10秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
177件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-5.6 Terra (xhigh) | Grok 4.7 (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 60.1 | 57.4 |
| エージェント・ツールスコア | BenchLeader | 63.1 | 56.9 |
| コーディングスコア | BenchLeader | 59.1 | 60.9 |
| 人間の評価スコア | BenchLeader | 65.5 | 62.5 |
| 指示追従スコア | BenchLeader | 65.6 | – |
| 知識スコア | BenchLeader | 53.0 | 59.9 |
| 長文コンテキストスコア | BenchLeader | 64.1 | 62.9 |
| 数学スコア | BenchLeader | 65.7 | 55.8 |
| マルチモーダルスコア | BenchLeader | 61.2 | 55.5 |
| 推論スコア | BenchLeader | 54.8 | 55.6 |
| 総合スコア | BenchLeader | – | 52.8 |
| ブレンド価格($/100万トークン) | BenchLeader | $4.50 | $3.00 |
| 出力速度 | BenchLeader | 97 tok/s | 68 tok/s |
| 回答開始までの時間 | BenchLeader | 19.2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% |
| SimpleBench | SimpleBench | 48.9% | – |
| Arena Hard Prompts | Arena (LMArena) | 1491 | 1466 |
| LiveBench 2.0 Reasoning | LiveBench | 90.6%† | 82.7% |
| LiveBench 1.0 Reasoning | LiveBench | 90.6%† | 82.7% |
| GPQA Diamond (AA) | Artificial Analysis | 90.8% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 41.9% | 43.1% |
| HLE-Diamond (AA) | Artificial Analysis | 24.7% | 23.2% |
| GPQA Diamond (Vals) | Vals AI | 90.9% | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 51.3%† | – |
| ARC-AGI-1 | ARC Prize | 94.0% | 89.5% |
| ARC-AGI-2 | ARC Prize | 74.2% | 61.4% |
| ARC-AGI-3 | ARC Prize | 0.7% | 7.0% |
| CritPt | Artificial Analysis | 27.1% | 17.7% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 50.5%† | 33.5% |
| MysteryMechanism | Vals AI | – | 25.2% |
| HLE-Diamond (Scale) | Scale AI SEAL | – | 23.4%† |
| Arena Expert | Arena (LMArena) | 1507 | 1478 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 47.0%† | 41.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 35.0%† | 29.0% |
| LMCA | Epoch AI Benchmarking Hub | 52.2% | 49.4% |
| DTBench | Epoch AI Benchmarking Hub | 92.5% | 96.0% |
| コーディング | |||
| SciCode | SciCode | 52.3% | 57.4% |
| WeirdML | WeirdML | 78.3%† | – |
| FrontierCode | Cognition | 41.3%† | 47.6%† |
177件のベンチマークをすべて表示
| 指標 | 公開元 | GPT-5.6 Terra (xhigh) | Grok 4.7 (xhigh) |
|---|---|---|---|
| コーディング | |||
| Arena Coding | Arena (LMArena) | 1517 | 1493 |
| Arena WebDev | Arena (LMArena) | 1520 | 1641 |
| LiveBench 2.0 Coding | LiveBench | 84.2%† | 73.1% |
| LiveBench 1.0 Coding | LiveBench | 78.3%† | 77.2% |
| LiveCodeBench | Vals AI | 85.9% | – |
| IOI | Vals AI | 87.6%† | 57.7% |
| SWE-bench (Vals) | Vals AI | 95.4%† | – |
| Code Migration | Vals AI | 47.8%† | 44.8% |
| Code Migration v1.1 | Vals AI | – | 53.2% |
| ProgramBench | Vals AI | 0.5%† | 0.5% |
| SWE-bench Multimodal | Vals AI | – | 42.9% |
| Vibe Code Bench 1-100 | Vals AI | 14.8%† | – |
| Vibe Code Bench v1.1 | Vals AI | 74.6%† | 86.2% |
| Vibe Code Bench 1-100 v1.1 | Vals AI | – | 26.4% |
| 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%† |
| SWE-Bench Pro V2 | Scale AI SEAL | 92.4% | – |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | 86.3% | – |
| MirrorCode | Epoch AI Benchmarking Hub | 41.1%† | 54.4% |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | 83.8% | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 60.2% | – |
| CursorBench | Cursor | 33.6% | 46.3% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1951.4† | 1545.8 |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 29.5% |
| WeirdML v3 | WeirdML | – | 8.4% |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 10.1% | 25.8% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 80.2% | – |
| Startrise Frontend | Startrise | 66.9%† | 75.9%† |
| GameBench 2 Overall | DuelLab GameBench 2 | 45.6† | 63.6† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 53.5 | 71.2 |
| Design Arena Website | Design Arena | 1260† | 1244† |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 33.8% |
| FrontierCode 2.0 (AA) | Artificial Analysis | 23.9%† | 28.7% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 21.5%† | 38.8% |
| APEX-Agents | Mercor | 58.2%† | 54.6%† |
| Arena Agent | Arena (LMArena) | -1.8 | 2.6 |
| LiveBench Long Agentic | LiveBench | 25.9%† | 45.3% |
| LiveBench Browser | LiveBench | 70.3%† | 49.3% |
| LiveBench Agentic Coding | LiveBench | 55.0%† | 54.0% |
| Terminal-Bench Hard | Artificial Analysis | 62.9% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 80.4% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 77.5%† | 73.4% |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 47.4% | 60.7% |
| GDPval-AA v2.1 | Artificial Analysis | 1456 | 1717 |
| τ³-Banking (AA) | Artificial Analysis | 29.7% | – |
| ITBench SRE (AA) | Artificial Analysis | 51.0%† | 42.1% |
| Analyst Agent (AA) | Artificial Analysis | – | 52.5% |
| APEX-Agents (AA) | Artificial Analysis | 38.9%† | – |
| CyberBench | Vals AI | 72.1%† | 69.5% |
| Finance Agent v2 | Vals AI | 54.4%† | 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 | 0.8%† | 12.5% |
| Legal Research Bench | Vals AI | 41.4%† | 47.1% |
| Robo-bench | Vals AI | – | 0.2% |
| SkillsBench | Vals AI | 58.9%† | – |
| SREBench | Vals AI | 9.5%† | 3.8% |
| Tax Agent Bench | Vals AI | 30.0%† | 35.8% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 22.7%† | 28.8% |
| Terminal-Bench Science | Vals AI | 10.0%† | 10.0% |
| Arena Agent Task Completion | Arena (LMArena) | -7.2 | 5.1 |
| BALROG | BALROG | 53.2%† | – |
| Vending-Bench 2 | Andon Labs | 7343.2† | 10536.8† |
| AutomationBench | Artificial Analysis | 47.1% | 65.6% |
| GDP.pdf (AA) | Artificial Analysis | 24.6% | 20.0% |
| Harvey LAB-AA v1.1 | Harvey | – | 9.4% |
| EnterpriseOps-Gym | Artificial Analysis | 38.5%† | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1332 | 1636 |
| GDPx | GDPx by SemiAnalysis | – | 3.9% |
| Design Arena Agentic | Design Arena | 1089† | 1277† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 13.8%† | 11.4% |
| CWE-Bench (AA) | Artificial Analysis | – | 68.3% |
| DeepSec-Bench (AA) | Artificial Analysis | 25.1%† | 26.9% |
| CyberGym end-to-end (AA) | Artificial Analysis | – | 74.0% |
| MKA (AA) | Artificial Analysis | – | 40.1% |
| FACTS Search | 87.0%† | 85.6%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 86.0%† | 53.0% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 70.7%† | 17.1% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 99.7%† | 98.1% |
| ProofBench | Vals AI | 74.0% | 26.0%† |
| LiveBench Mathematics | LiveBench | 94.9%† | 95.7% |
| Arena Maths | Arena (LMArena) | 1478 | 1447 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | – | 0.0% |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 43.2%† | 56.0% |
| LiveBench 2.0 Data Analysis | LiveBench | 79.3%† | 76.9% |
| LiveBench Research | LiveBench | 79.7%† | 89.5% |
| LiveBench 1.0 Data Analysis | LiveBench | 79.3%† | 76.9% |
| AA-Omniscience v1.1 | Artificial Analysis | -11.5 | 31.2 |
| MMLU-Pro | Vals AI | 86.7% | – |
| LegalBench | Vals AI | 85.1%† | 84.4% |
| CorpFin | Vals AI | 65.3% | – |
| TaxEval | Vals AI | 76.2% | – |
| PRBench Legal | Scale AI SEAL | – | 47.6% |
| BioMysteryBench | Vals AI | – | 69.3% |
| Excel Modeling Benchmark | Vals AI | 66.2%† | 67.0% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 71.5% |
| MedCode | Vals AI | 43.4% | 49.5% |
| MedScribe | Vals AI | 82.9% | 89.4% |
| Public Benefits Bench v1.1 | Vals AI | 62.4%† | 65.6% |
| Access to Justice Benchmark | Vals AI | – | 73.7% |
| Financial Coaching Bench | Vals AI | 71.0%† | 74.1% |
| Immigration Bench | Vals AI | – | 68.0% |
| GDP.pdf | Epoch AI Benchmarking Hub | 24.7%† | 22.8% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 41.3% | 42.7% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 9.9% | 80.0% |
| HealthBench Professional (AA) | OpenAI | – | 55.8% |
| FACTS Parametric | 57.6%† | 54.3%† | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 82.9%† | 80.1% |
| LiveBench Instruction Following | LiveBench | 64.6%† | 75.3% |
| IFBench | Artificial Analysis | 66.3% | – |
| Arena Instruction Following | Arena (LMArena) | 1463 | 1435 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1468 | 1443 |
| EQ-Bench 4 | EQ-Bench | 1220† | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1856† | 2012† |
| Arena Creative Writing | Arena (LMArena) | 1430 | 1421 |
| Arena Multi-turn | Arena (LMArena) | 1475 | 1435 |
| Arena Longer Queries | Arena (LMArena) | 1469 | 1454 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1269 | 1230 |
| LiveBench Design | LiveBench | 70.9%† | 75.0% |
| MMMU-Pro | Artificial Analysis | 79.5% | 78.2%† |
| MMMU-Pro (Vals) | Vals AI | 86.5%† | – |
| MortgageTax | Vals AI | 67.3% | – |
| SAGE | Vals AI | 87.0%† | 88.7% |
| Humanity's Sixth Sense | Scale AI SEAL | 22.7%† | – |
| GeoBench | GeoBench | – | 61.0%† |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 30.8%† | 32.5%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 54.2%† | 20.8% |
| VIALS-AA | Handshake AI | – | 37.9% |
| Code2Video-AA | Artificial Analysis | – | 1127 |
| AA-3D | Artificial Analysis | – | 992 |
| FACTS Multimodal | 39.9%† | 40.9%† | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 79.0% | 76.7% |
| Arena Document | Arena (LMArena) | 1474 | – |
| MLCR | Artificial Analysis | 22.8% | 20.0% |
| FACTS Grounding | 60.5%† | 68.6%† | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 160.7† | 156.2† |
| LiveBench 2.0 | LiveBench | 67.2%† | 67.9% |
| LiveBench 1.0 | LiveBench | 77.9%† | 77.4% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 32.3† | 35.5 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 38.0 | 46.5 |
| AA Progress Index v1 | Artificial Analysis | 312 | 322.7 |
| Vals Index | Vals AI | – | 58.6 |
| Vals Finance Index | Vals AI | – | 58.8% |
| Vals RSI Index | Vals AI | – | 20.2% |
| Vals Science Index | Vals AI | – | 34.8% |
| Vals Multimodal Index | Vals AI | 65.1% | – |
| 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 | |||
| DistressBench | Scale AI SEAL | 76.4%† | 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-5.6 Terra (xhigh):新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
- 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-5.6 Terra (xhigh):スコアの改訂1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-5.6 Terra (xhigh):スコアの改訂1件。
関連する比較
- GPT-5.6 Terra 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
- GPT-5.5 vs Grok 4.7
- GPT-5.6 Terra vs Claude Fable 5.1
- GPT-5.6 Terra 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
GPT-5.6 Terra vs Grok 4.7:よくある質問
- GPT-5.6 TerraはGrok 4.7より優れていますか?
- GPT-5.6 Terra (xhigh)とGrok 4.7 (xhigh)の品質は互角です(60.1 対 57.4、±4.8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-5.6 Terra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 $4.50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。
- コーディングにはGPT-5.6 Terra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 59。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Arena WebDevでは、GPT-5.6 Terraが1520、Grok 4.7が1641です。
- GPT-5.6 TerraとGrok 4.7はどちらが速いですか?
- GPT-5.6 Terraの方が出力が速くなっています(出力97 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-5.6 Terra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-5.6 Terra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)。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Arena Agentでは、GPT-5.6 Terraが-1.8、Grok 4.7が2.6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GPT-5.6 Terraの方がスコアが高くなっています(64 対 63)。コンテキストはGPT-5.6 Terra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-5.6 Terraです。Artificial Analysisの測定では、最初の回答トークンまで19.2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-5.6 Terra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37件のベンチマークのうち、GPT-5.6 Terraのリードが17件、Grok 4.7のリードが20件です。第三者の総合指標でも評価が分かれ、GPT-5.6 TerraはArena Textで、Grok 4.7はAA Intelligence Index v5.0.1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。