GPT-5 vs Grok 4.6
詳しいプロフィール:GPT-5(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 · 11件の情報源のデータ
2026年11月16日時点で、GPT-5とGrok 4.6の品質は互角です(BenchLeader Indexで59.0 対 60.6、±6.4の誤差範囲内)。価格はほぼ同じです(100万トークンあたりのブレンド価格で$3.44 対 $3.00)。長文コンテキスト(70 対 65)、数学(65 対 63)を重視するならGPT-5、推論(64 対 48)、コーディング(61 対 57)、マルチモーダル(60 対 57)を重視するならGrok 4.6が向いています。
要点(2026年11月16日時点)
- BenchLeader IndexはGPT-5が59.0、Grok 4.6が60.6です(BenchLeader、2026年11月16日)。
- GPT-5の100万トークンあたりのブレンド価格は$3.44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12件のベンチマークのうち、Grok 4.6が11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が1417、Grok 4.6が1618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 4.6 | カテゴリスコア61 対 57;Arena WebDev 1618 対 1417 | 中 |
| エージェント・ツール利用 | Grok 4.6 | カテゴリスコア59 対 58;Terminal-Bench 19.7% 対 49.6% | 中 |
| 数学 | GPT-5 | カテゴリスコア65 対 63;OTIS Mock AIME 87.2% 対 97.8% | 中 |
| 推論 | Grok 4.6 | カテゴリスコア64 対 48;GPQA Diamond 94.0% 対 85.3% | 高 |
| 長い文書 | GPT-5 | カテゴリスコア70 対 65;AA-LCR v1.1 76.0% 対 80.3% | 中 |
| 画像などのメディア | Grok 4.6 | カテゴリスコア60 対 57 | 中 |
| 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 | どちらでも | 100万トークンあたりブレンド価格$3.44 対 $3.00;エージェント型コーディングセッション$0.115 対 $0.144 | – |
| 回答開始の速さ | どちらでも | 最初の回答トークンまで22.9秒(GPT-5 (medium))対 28.6秒(Grok 4.6 (high)) | – |
| 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 (medium)とGrok 4.6 (high)の品質は互角です(59.0 対 60.6、±6.4の誤差範囲内)。
- GPT-5 (medium)は長文コンテキスト、数学で優れています。
- Grok 4.6 (high)はエージェント・ツール、コーディング、マルチモーダル、推論で優れています。
- 価格はほぼ同じです(100万トークンあたりブレンド価格$3.00)。
概要
| 仕様 | GPT-5 | Grok 4.6 |
|---|---|---|
| プロバイダー | OpenAI | SpaceXAI |
| リリース日 | 2025年8月7日 | 2026年8月11日 |
| コンテキストウィンドウ(トークン) | 400,000 | 500,000 |
| 比較した構成 | GPT-5 (medium) | 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) | $1.25 / $10.00 / $0.125 | $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 (medium) | Grok 4.6 (high) | トップ |
|---|---|---|---|
| 推論 | 47.9 | 63.5 | Grok 4.6 |
| コーディング | 57.4 | 61.1 | Grok 4.6 |
| エージェント・ツール | 58.1 | 59.2 | Grok 4.6 |
| 数学 | 65.4 | 63.4 | GPT-5 |
| 知識 | – | 59.5 | 比較不可 |
| 指示追従 | 69.4 | – | 比較不可 |
| 人間の評価 | – | 64.1 | 比較不可 |
| マルチモーダル | 56.6 | 60.0 | Grok 4.6 |
| 長文コンテキスト | 70.4 | 64.8 | GPT-5 |
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):知識, 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12件のベンチマークのうち、GPT-5のリードが1件、Grok 4.6のリードが11件です。両方を評価しているすべての総合指標で、Grok 4.6が上回っています。
| 総合Index | GPT-5 (medium) | Grok 4.6 (high) | トップ |
|---|---|---|---|
| BenchLeader Index | 59.0 | 60.6 | 互角 |
| Arena Text | 1435† | 1457 | Grok 4.6 |
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 (medium) | Grok 4.6 (high) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $3.44 | $3.00 |
| 100万トークンあたりの入力/出力 | $1.25 / $10.00 | $2.00 / $6.00 |
| 100万トークンあたりのキャッシュ入力 | $0.125 | $0.500 |
| タスクあたりの価格:チャットの返答 | $0.0035 | $0.0026 |
| タスクあたりの価格:30ページのレポートを要約 | $0.021 | $0.028 |
| タスクあたりの価格:コード編集 | $0.022 | $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 | $0.115 | $0.144 |
| タスクあたりの価格:構造化データの抽出 | $0.0045 | $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) | $0.064 | $0.076 |
| 出力速度 | 82 tok/s | 73 tok/s |
| 回答開始までの時間 | 22.9秒 | 28.6秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 66.2秒 | 62.7秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-5 (medium)のスコアは59.0、最初の回答トークンまで23秒。GPT-5 (high)は58.2(49秒)、GPT-5は56.6(5秒)。Grok 4.6 (high)のスコアは60.6、最初の回答トークンまで29秒。Grok 4.6 (medium)は59.4(19秒)、Grok 4.6 (xhigh)は56.1(37秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
186件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-5 (medium) | Grok 4.6 (high) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 59.0 | 60.6 |
| エージェント・ツールスコア | BenchLeader | 58.1 | 59.2 |
| コーディングスコア | BenchLeader | 57.4 | 61.1 |
| 指示追従スコア | BenchLeader | 69.4 | – |
| 長文コンテキストスコア | BenchLeader | 70.4 | 64.8 |
| 数学スコア | BenchLeader | 65.4 | 63.4 |
| マルチモーダルスコア | BenchLeader | 56.6 | 60.0 |
| 推論スコア | BenchLeader | 47.9 | 63.5 |
| 人間の評価スコア | BenchLeader | – | 64.1 |
| 知識スコア | BenchLeader | – | 59.5 |
| ブレンド価格($/100万トークン) | BenchLeader | $3.44 | $3.00 |
| 出力速度 | BenchLeader | 82 tok/s | 73 tok/s |
| 回答開始までの時間 | BenchLeader | 22.9秒 | 28.6秒 |
| コンテキストウィンドウ | BenchLeader | 400,000トークン | 500,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 85.3% | 94.0% |
| Humanity's Last Exam | Scale AI / CAIS | 25.3%† | – |
| SimpleBench | SimpleBench | 56.7%† | 75.9%† |
| Arena Hard Prompts | Arena (LMArena) | 1449† | 1481 |
| LiveBench 2.0 Reasoning | LiveBench | – | 91.2%† |
| LiveBench 1.0 Reasoning | LiveBench | – | 90.5%† |
| GPQA Diamond (AA) | Artificial Analysis | 84.2% | 95.0% |
| Humanity's Last Exam (AA) | Artificial Analysis | 25.4% | 42.9% |
| HLE-Diamond (AA) | Artificial Analysis | – | 21.5%† |
| GPQA Diamond (Vals) | Vals AI | 85.6%† | 94.7% |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 72.7%† | – |
| GPQA Diamond (HELM) | HELM Capabilities | 79.1%† | – |
| ARC-AGI-1 | ARC Prize | 56.2% | 87.0% |
| ARC-AGI-2 | ARC Prize | 7.5% | 65.1% |
| ARC-AGI-3 | ARC Prize | – | 2.1%† |
| CritPt | Artificial Analysis | 0.0% | 17.1% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 11.5%† | 40.0%† |
| MysteryMechanism | Vals AI | – | 30.6% |
| Arena Expert | Arena (LMArena) | 1445† | 1496 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 32.0% | 33.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 15.0% | 34.0%† |
| LMCA | Epoch AI Benchmarking Hub | 40.0%† | 48.5%† |
| DTBench | Epoch AI Benchmarking Hub | 90.7%† | 97.3%† |
| ForecastBench | ForecastBench | 65.0%† | 65.4%† |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 71.5% | – |
186件のベンチマークをすべて表示
| 指標 | 公開元 | GPT-5 (medium) | Grok 4.6 (high) |
|---|---|---|---|
| コーディング | |||
| SciCode | SciCode | 42.9%† | 56.5% |
| WeirdML | WeirdML | 39.8%† | 67.3% |
| FrontierCode | Cognition | – | 48.0%† |
| GSO-Bench | GSO-Bench | 6.9%† | – |
| Arena Coding | Arena (LMArena) | 1462† | 1508 |
| Arena WebDev | Arena (LMArena) | 1417 | 1618 |
| LiveBench 2.0 Coding | LiveBench | – | 76.7%† |
| LiveBench 1.0 Coding | LiveBench | – | 76.8%† |
| SciCode (AA) | Artificial Analysis | – | 56.5% |
| LiveCodeBench | Vals AI | 85.9%† | 88.2% |
| IOI | Vals AI | – | 47.6% |
| SWE-bench (Vals) | Vals AI | 69.0%† | 95.6% |
| SWE-Bench Pro | Scale AI SEAL | 41.8%† | – |
| Aider Polyglot | Aider polyglot leaderboard | 86.7% | – |
| SWE-bench Verified (bash only) | SWE-bench | 65.0% | – |
| SWE-bench Verified (any scaffold) | SWE-bench | 74.4%† | – |
| Code Migration | Vals AI | – | 44.6% |
| ProgramBench | Vals AI | – | 1.0% |
| Vibe Code Bench 1-100 | Vals AI | – | 14.8% |
| Vibe Code Bench v1.1 | Vals AI | 20.1%† | 76.2% |
| SWE-Bench Pro (private) | Scale AI SEAL | 14.9%† | – |
| MirrorCode | Epoch AI Benchmarking Hub | 4.4%† | 41.1%† |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 65.2% |
| CursorBench | Cursor | – | 40.4% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1162.5† | 1508.1† |
| AlgoTune | AlgoTune | 1.7† | – |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 25.3%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 21.2% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 35.2%† | 88.4% |
| Startrise Frontend | Startrise | – | 72.1%† |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 59.4† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 38.0 | 68.7† |
| Design Arena Website | Design Arena | 1174† | 1277† |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 19.8%† |
| LiveCodeBench (AA) | Artificial Analysis | 70.3% | – |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 49.6% | 19.7% |
| GDPval | OpenAI | 34.8% | – |
| Remote Labor Index | Scale AI / CAIS | 1.7%† | – |
| APEX-Agents | Mercor | – | 65.3%† |
| Arena Agent | Arena (LMArena) | – | -0.2† |
| LiveBench Long Agentic | LiveBench | – | 18.7%† |
| LiveBench Browser | LiveBench | – | 49.4%† |
| LiveBench Agentic Coding | LiveBench | – | 57.0%† |
| Terminal-Bench Hard | Artificial Analysis | 37.9% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 86.5% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 78.3% |
| GDPval-AA v2.1 | Artificial Analysis | 925† | 1627 |
| τ³-Banking (AA) | Artificial Analysis | 22.1%† | 50.7% |
| Analyst Agent (AA) | Artificial Analysis | – | 41.3% |
| CyberBench | Vals AI | – | 67.7% |
| Finance Agent v2 | Vals AI | – | 53.7% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 15.8% |
| Legal Research Bench | Vals AI | – | 48.1% |
| Poker Agent | Vals AI | 1103.2%† | – |
| SkillsBench | Vals AI | – | 55.8% |
| Tax Agent Bench | Vals AI | – | 33.7% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 37.1%† | – |
| 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) | 1189† | – |
| Arena Agent Task Completion | Arena (LMArena) | – | -2.6† |
| BALROG | BALROG | 32.8%† | – |
| DeepResearch Bench | DeepResearch Bench | 48.6% | – |
| METR Time Horizons | METR | 69.6% | – |
| Vending-Bench 2 | Andon Labs | – | 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 | – | 1239† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 6.2% |
| BrowseComp-Plus | BrowseComp-Plus | 57.6%† | – |
| BrowseComp | OpenAI | 20.1%† | – |
| DeepSearchQA | 59.4%† | – | |
| FACTS Search | – | 87.9%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 55.4%† | 66.0%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 21.9%† | 31.7%† |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 87.2% | 97.8% |
| MATH Level 5 | Epoch AI Benchmarking Hub | 97.9% | – |
| ProofBench | Vals AI | 18.0%† | 51.0%† |
| LiveBench Mathematics | LiveBench | – | 92.6%† |
| AIME (Vals) | Vals AI | 93.4%† | – |
| MGSM | Vals AI | 92.8%† | – |
| IMO 2025 | MathArena | 38.1%† | – |
| MathArena Apex | MathArena | 1.0%† | – |
| Omni-MATH (HELM) | HELM Capabilities | 64.7%† | – |
| MATH 500 | Vals AI | 96.0%† | – |
| Arena Maths | Arena (LMArena) | 1411† | 1445 |
| AIME 2025 (AA) | Artificial Analysis | 91.7% | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 50.1%† | 49.3% |
| LiveBench 2.0 Data Analysis | LiveBench | – | 75.3%† |
| LiveBench Research | LiveBench | – | 88.8%† |
| LiveBench 1.0 Data Analysis | LiveBench | – | 73.9%† |
| AA-Omniscience v1.1 | Artificial Analysis | – | 24.9† |
| MMLU-Pro | Vals AI | 86.5%† | 89.4% |
| LegalBench | Vals AI | 86.0%† | 86.3% |
| CorpFin | Vals AI | 61.1%† | 66.2% |
| TaxEval | Vals AI | 73.4%† | 71.1% |
| MedQA | Vals AI | 96.3%† | – |
| PRBench Finance | Scale AI SEAL | 51.3%† | – |
| PRBench Legal | Scale AI SEAL | 49.0%† | – |
| MultiNRC | Scale AI SEAL | 52.1%† | – |
| MMLU-Pro (HELM) | HELM Capabilities | 86.3%† | – |
| BioMysteryBench | Vals AI | – | 72.2% |
| CaseLaw v2 | Vals AI | 66.5%† | – |
| Excel Modeling Benchmark | Vals AI | – | 62.7% |
| MedCode | Vals AI | 49.6%† | 44.7% |
| MedScribe | Vals AI | 83.7%† | 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 | 12.7%† | 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%† |
| Global-MMLU-Lite (AA) | Artificial Analysis | 90.4% | – |
| FACTS Parametric | – | 44.5%† | |
| 指示追従 | |||
| LiveBench Language | LiveBench | – | 83.7%† |
| LiveBench Instruction Following | LiveBench | – | 71.9%† |
| IFBench | Artificial Analysis | 70.6% | – |
| MultiChallenge | Scale AI SEAL | 63.2%† | – |
| TutorBench | Scale AI SEAL | 55.3%† | – |
| IFEval (HELM) | HELM Capabilities | 87.5%† | – |
| WildBench (HELM) | HELM Capabilities | 85.7%† | – |
| Arena Instruction Following | Arena (LMArena) | 1415† | 1451 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1427† | 1457 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1626† | – |
| Arena Creative Writing | Arena (LMArena) | 1389† | 1442 |
| Arena Multi-turn | Arena (LMArena) | 1449† | 1449 |
| Arena Longer Queries | Arena (LMArena) | 1435† | 1476 |
| Lech Mazur Creative Writing | Lech Mazur | 86.0% | – |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1232† | 1264 |
| LiveBench Design | LiveBench | – | 76.3%† |
| MMMU-Pro | Artificial Analysis | 74.3% | – |
| VISTA | Scale AI SEAL | 49.7%† | – |
| MMMU-Pro (Vals) | Vals AI | 81.5%† | – |
| MortgageTax | Vals AI | 65.5%† | 64.2% |
| VTB | Scale AI SEAL | 17.0%† | – |
| GeoBench | GeoBench | 81.0% | – |
| VPCT | Epoch AI Benchmarking Hub | 63.2% | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | – | 33.2%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | – | 40.0%† |
| FACTS Multimodal | – | 39.3%† | |
| 長文コンテキスト | |||
| Fiction.LiveBench 120k | Fiction.live | 96.9% | – |
| AA-LCR v1.1 | Artificial Analysis | 76.0% | 80.3% |
| Arena Document | Arena (LMArena) | – | 1450 |
| MLCR | Artificial Analysis | – | 15.6% |
| FACTS Grounding | – | 66.5%† | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 150† | 157.8† |
| LiveBench 2.0 | LiveBench | – | 63.5%† |
| LiveBench 1.0 | LiveBench | – | 78.0%† |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 31.0† |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 22.9 | 44.3 |
| AA Progress Index v1 | Artificial Analysis | 264.4 | 321.5 |
| HELM Capabilities mean | HELM Capabilities | 80.7%† | – |
| Vals RSI Index | Vals AI | – | 25.5%† |
| Vals Science Index | Vals AI | – | 38.1% |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 17.0%† | – |
| MASK | Scale AI SEAL | 79.3%† | – |
| メタデータ | |||
| AA Openness Index | Artificial Analysis | 5.6 | – |
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 (medium):BenchLeader Index 58.2 → 59.0。
- GPT-5 (medium):新しい結果1件(Aider Polyglot)。
- GPT-5 (medium):新しい結果2件(Global-MMLU-Lite (AA), AIME 2025 (AA))、スコアの改訂1件。
- 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 (medium):スコアの改訂1件。
- 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 (medium):スコアの改訂1件。
- GPT-5 (medium):スコアの改訂1件。
関連する比較
- GPT-5 vs Claude Opus 5.5
- Grok 4.6 vs GPT-6 Astra
- GPT-5 vs Grok 4.3
- GPT-5 vs GPT-5.4
- GPT-5 vs Claude Opus 4.6
- GPT-5 vs Muse Spark 1.3
- GPT-5 vs Claude Opus 4.8
- GPT-5 vs Gemini 3.8 Flash
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 vs Grok 4.6:よくある質問
- GPT-5はGrok 4.6より優れていますか?
- GPT-5 (medium)とGrok 4.6 (high)の品質は互角です(59.0 対 60.6、±6.4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 $3.44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とGrok 4.6のどちらが向いていますか?
- コーディングではGrok 4.6の方がスコアが高くなっています(カテゴリ指標で61 対 57。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が1417、Grok 4.6が1618です。
- GPT-5とGrok 4.6はどちらが速いですか?
- GPT-5の方が出力が速くなっています(出力82 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Grok 4.6の方がスコアが高くなっています(カテゴリ指標で59 対 58。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Terminal-Benchでは、GPT-5が49.6%、Grok 4.6が19.7%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GPT-5の方がスコアが高くなっています(70 対 65)。コンテキストはGrok 4.6の方が長く、500,000トークンです(GPT-5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です。Artificial Analysisの測定では、最初の回答トークンまで22.9秒 対 28.6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12件のベンチマークのうち、GPT-5のリードが1件、Grok 4.6のリードが11件です。両方を評価しているすべての総合指標で、Grok 4.6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。