BenchLeader

GPT-6.1 Terra vs Grok 4.7

詳しいプロフィール:GPT-6.1 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、品質ではGPT-6.1 TerraがGrok 4.7を上回ります(BenchLeader Indexで64.1 対 57.4)。価格はGPT-6.1 Terra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$2.00 対 $3.00です。両方を測定できるすべてのカテゴリでGPT-6.1 Terraがリードしています。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-6.1 Terraが64.1、Grok 4.7が57.4です(BenchLeader、2026年11月16日)。
  • GPT-6.1 Terraの100万トークンあたりのブレンド価格は$2.00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)。
  • 両モデルに結果がある52件のベンチマークのうち、GPT-6.1 Terraが38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-6.1 Terraが1678、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GPT-6.1 Terraカテゴリスコア69 対 61;Arena WebDev 1678 対 1641高
エージェント・ツール利用GPT-6.1 Terraカテゴリスコア63 対 57;Terminal-Bench 53.3% 対 38.8%中
数学GPT-6.1 Terraカテゴリスコア72 対 56;FrontierMath Tiers 1–3 90.9% 対 53.0%高
推論GPT-6.1 Terraカテゴリスコア68 対 56;GPQA Diamond 94.3% 対 92.7%高
知識GPT-6.1 Terraカテゴリスコア61 対 60;SimpleQA Verified 57.3% 対 56.0%中
長い文書GPT-6.1 Terraカテゴリスコア66 対 63;AA-LCR v1.1 82.7% 対 76.7%中
画像などのメディアGPT-6.1 Terraカテゴリスコア67 対 56;LiveBench Design 79.7% 対 75.0%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GPT-6.1 Terra100万トークンあたりブレンド価格$2.00 対 $3.00;エージェント型コーディングセッション$0.080 対 $0.144–
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 150.9秒(GPT-6.1 Terra (max))–
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-6.1 Terra (max)がリードしています:64.1 対 57.4。
  • GPT-6.1 Terra (max)はエージェント・ツール、コーディング、総合、知識、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。
  • GPT-6.1 Terra (max)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$2.00 対 $3.00)。

概要

仕様GPT-6.1 TerraGrok 4.7
プロバイダーOpenAISpaceXAI
リリース日2026年10月26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-6.1 Terra (max)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)$1.00 / $5.00 / $0.050$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-6.1 Terra (max)Grok 4.7 (xhigh)トップ
推論68.455.6GPT-6.1 Terra
コーディング69.360.9GPT-6.1 Terra
エージェント・ツール63.456.9GPT-6.1 Terra
数学71.755.8GPT-6.1 Terra
知識61.459.9GPT-6.1 Terra
人間の評価–62.5比較不可
マルチモーダル67.255.5GPT-6.1 Terra
長文コンテキスト66.062.9GPT-6.1 Terra
総合65.052.8GPT-6.1 Terra

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推論コーディングエージェント・ツール数学知識長文コンテキストマルチモーダルGPT-6.1 Terra, 推論: 68.4GPT-6.1 Terra, コーディング: 69.3GPT-6.1 Terra, エージェント・ツール: 63.4GPT-6.1 Terra, 数学: 71.7GPT-6.1 Terra, 知識: 61.4GPT-6.1 Terra, 長文コンテキスト: 66.0GPT-6.1 Terra, マルチモーダル: 67.2Grok 4.7, 推論: 55.6Grok 4.7, コーディング: 60.9Grok 4.7, エージェント・ツール: 56.9Grok 4.7, 数学: 55.8Grok 4.7, 知識: 59.9Grok 4.7, 長文コンテキスト: 62.9Grok 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):指示追従, 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52件のベンチマークのうち、GPT-6.1 Terraのリードが38件、Grok 4.7のリードが14件です。両方を評価しているすべての総合指標で、GPT-6.1 Terraが上回っています。

総合IndexGPT-6.1 Terra (max)Grok 4.7 (xhigh)トップ
BenchLeader Index64.157.4GPT-6.1 Terra
AA Intelligence Index v5.0.151.335.5GPT-6.1 Terra
Vals Index60.558.6GPT-6.1 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-6.1 Terra (max)Grok 4.7 (xhigh)
100万トークンあたりのブレンド価格$2.00$3.00
100万トークンあたりの入力/出力$1.00 / $5.00$2.00 / $6.00
100万トークンあたりのキャッシュ入力$0.050$0.500
タスクあたりの価格:チャットの返答$0.0019$0.0026
タスクあたりの価格:30ページのレポートを要約$0.015$0.028
タスクあたりの価格:コード編集$0.013$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$0.080$0.144
タスクあたりの価格:構造化データの抽出$0.0030$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)$0.037$0.076
ベンチマークのタスクあたりのコスト(AA Index)$0.961$7.77
タスクあたりの出力トークン(AA Index)60k105k
うち推論39k69k
タスクあたりの時間(AA Index)14 min26 min
出力速度72 tok/s68 tok/s
回答開始までの時間150.9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)375.7秒145.5秒

トークン単価とタスクあたりのコストは別物です。Artificial AnalysisのIntelligence Indexの平均的なタスクにかかったコストは、GPT-6.1 Terra (max)で$0.961、Grok 4.7 (xhigh)で$7.77でした。同じ作業でGrok 4.7 (xhigh)は1.7倍の出力トークンを書いています。これはトークン単価だけでは見えない差です。

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-6.1 Terra (max)のスコアは64.1、最初の回答トークンまで151秒。GPT-6.1 Terra (xhigh)は60.0(30秒)、GPT-6.1 Terra (high)は59.6(10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

153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-6.1 Terra (max)Grok 4.7 (xhigh)
BenchLeader IndexBenchLeader64.157.4
エージェント・ツールスコアBenchLeader63.456.9
コーディングスコアBenchLeader69.360.9
総合スコアBenchLeader65.052.8
知識スコアBenchLeader61.459.9
長文コンテキストスコアBenchLeader66.062.9
数学スコアBenchLeader71.755.8
マルチモーダルスコアBenchLeader67.255.5
推論スコアBenchLeader68.455.6
人間の評価スコアBenchLeader–62.5
ブレンド価格($/100万トークン)BenchLeader$2.00$3.00
出力速度BenchLeader72 tok/s68 tok/s
回答開始までの時間BenchLeader150.9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 Hub94.3%92.7%
SimpleBenchSimpleBench72.2%†–
Arena Hard PromptsArena (LMArena)–1466
LiveBench 2.0 ReasoningLiveBench88.7%82.7%
LiveBench 1.0 ReasoningLiveBench–82.7%
Humanity's Last Exam (AA)Artificial Analysis46.3%43.1%
HLE-Diamond (AA)Artificial Analysis47.3%23.2%
ARC-AGI-1ARC Prize–89.5%
ARC-AGI-2ARC Prize–61.4%
ARC-AGI-3ARC Prize–7.0%
CritPtArtificial Analysis28.0%17.7%
CritPt v2 hard subset (AA)Artificial Analysis68.0%33.5%
MysteryMechanismVals AI–25.2%
HLE-Diamond (Scale)Scale AI SEAL35.7%†23.4%†
Arena ExpertArena (LMArena)–1478
Chess PuzzlesEpoch AI Benchmarking Hub–41.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub74.0%29.0%
LMCAEpoch AI Benchmarking Hub–49.4%
DTBenchEpoch AI Benchmarking Hub–96.0%
コーディング
SciCodeSciCode55.1%57.4%
FrontierCodeCognition–47.6%†
Arena CodingArena (LMArena)–1493
Arena WebDevArena (LMArena)16781641
LiveBench 2.0 CodingLiveBench89.2%73.1%
LiveBench 1.0 CodingLiveBench–77.2%
153件のベンチマークをすべて表示
指標公開元GPT-6.1 Terra (max)Grok 4.7 (xhigh)
コーディング
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 AI84.0%86.2%
Vibe Code Bench 1-100 v1.1Vals AI–26.4%
SWE Atlas v1.1Scale AI SEAL57.7%†62.1%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL54.0%†73.4%†
SWE Atlas v1.1: Test WritingScale AI SEAL63.3%†64.4%†
SWE Atlas v1.1: RefactoringScale AI SEAL55.7%†48.6%†
MirrorCodeEpoch AI Benchmarking Hub76.7%54.4%
CursorBenchCursor–46.3%
ALE-BenchEpoch AI Benchmarking Hub2608.81545.8
FrontierSWEEpoch AI Benchmarking Hub–29.5%
WeirdML v3WeirdML28.1%†8.4%
Terminal-Bench 4.0 (AA)Artificial Analysis55.6%25.8%
Startrise FrontendStartrise–75.9%†
GameBench 2 OverallDuelLab GameBench 281.2†63.6†
GameBench 2 by reasoning settingDuelLab GameBench 285.8†71.2
Design Arena WebsiteDesign Arena1286†1244†
FrontierCode 1.1 (AA)Artificial Analysis36.0%33.8%
FrontierCode 2.0 (AA)Artificial Analysis42.3%28.7%
エージェント・ツール
Terminal-BenchTerminal-Bench53.3%38.8%
APEX-AgentsMercor68.3%54.6%†
Arena AgentArena (LMArena)122.6
LiveBench Long AgenticLiveBench56.2%45.3%
LiveBench BrowserLiveBench93.1%49.3%
LiveBench Agentic CodingLiveBench–54.0%
Terminal-Bench 2.1 (Vals)Vals AI–73.4%
HiL-BenchScale AI SEAL68.0%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–60.7%
GDPval-AA v2.1Artificial Analysis14761717
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 AI56.0%60.6%
Harvey's Legal Agent Benchmark v1.1Vals AI1.7%18.3%
Harvey's Legal Agent Benchmark v1Vals AI–12.5%
Legal Research BenchVals AI26.0%47.1%
Robo-benchVals AI–0.2%
SREBenchVals AI–3.8%
Tax Agent BenchVals AI17.1%35.8%
Terminal-Bench 4.0 (Vals)Vals AI49.5%28.8%
Terminal-Bench ScienceVals AI–10.0%
Arena Agent Task CompletionArena (LMArena)9.75.1
Vending-Bench 2Andon Labs9107.5†10536.8†
SpireClimbEpoch AI Benchmarking Hub22.3%–
AutomationBenchArtificial Analysis60.2%65.6%
GDP.pdf (AA)Artificial Analysis28.6%20.0%
Harvey LAB-AA v1.1Harvey–9.4%
AA-Briefcase v1.1Artificial Analysis14011636
GDPxGDPx by SemiAnalysis8.5%3.9%
Design Arena AgenticDesign Arena1192†1277†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis57.6%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 Analysis43.8%40.1%
FACTS SearchGoogle92.7%†85.6%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.9%53.0%
FrontierMath Tier 4Epoch AI Benchmarking Hub92.7%17.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%98.1%
ProofBenchVals AI–26.0%†
LiveBench MathematicsLiveBench–95.7%
Arena MathsArena (LMArena)–1447
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub57.3%56.0%
LiveBench 2.0 Data AnalysisLiveBench82.3%76.9%
LiveBench ResearchLiveBench79.1%89.5%
LiveBench 1.0 Data AnalysisLiveBench–76.9%
AA-Omniscience v1.1Artificial Analysis29.631.2
LegalBenchVals AI–84.4%
PRBench LegalScale AI SEAL–47.6%
BioMysteryBenchVals AI–69.3%
Excel Modeling BenchmarkVals AI–67.0%
Excel Modeling Benchmark v1.1Vals AI73.3%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%
EBR-benchEpoch AI Benchmarking Hub78.1%–
GDP.pdfEpoch AI Benchmarking Hub–22.8%
AA-Omniscience v1.1: accuracyArtificial Analysis47.6%42.7%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis65.5%80.0%
HealthBench Professional (AA)OpenAI–55.8%
FACTS ParametricGoogle70.8%†54.3%†
指示追従
LiveBench LanguageLiveBench–80.1%
LiveBench Instruction FollowingLiveBench–75.3%
MultiChallengeScale AI SEAL74.2%†–
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 DesignLiveBench79.7%75.0%
MMMU-ProArtificial Analysis84.7%78.2%†
SAGEVals AI–88.7%
GeoBenchGeoBench–61.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub42.1%†32.5%†
Furniture AssemblyEpoch AI Benchmarking Hub79.2%20.8%
VIALS-AAHandshake AI60.3%37.9%
Code2Video-AAArtificial Analysis–1127
AA-3DArtificial Analysis–992
FACTS MultimodalGoogle48.8%†40.9%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.7%76.7%
MLCRArtificial Analysis30.6%20.0%
FACTS GroundingGoogle84.2%†68.6%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub167.7†156.2†
LiveBench 2.0LiveBench78.8%67.9%
LiveBench 1.0LiveBench–77.4%
AA Intelligence Index v5.0.1Artificial Analysis51.335.5
AA Intelligence Index v4.3.2Artificial Analysis48.146.5
AA Progress Index v1Artificial Analysis345.2322.7
Vals IndexVals AI60.558.6
Vals Finance IndexVals AI53.3%58.8%
Vals RSI IndexVals AI–20.2%
Vals Science IndexVals AI–34.8%
Vals Router IndexVals AI–58.6%†
Vals Legal IndexVals AI58.8%72.7%
AA Cyber IndexArtificial Analysis–56.4
安全性・誠実さ
FORTRESSScale AI SEAL18.2%†–
DistressBenchScale AI SEAL65.9%†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。
  • GPT-6.1 Terra (max):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8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • GPT-6.1 Terra (max):BenchLeader Index 64.7 → 64.1。
  • GPT-6.1 Terra (max):新しい結果1件(Terminal-Bench)。
  • GPT-6.1 Terra (max):BenchLeader Index 65.2 → 64.7。
  • GPT-6.1 Terra (max):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)。
  • GPT-6.1 Terra (max):スコアの改訂1件。

ランキング: 総合ベストLLM · コーディングに最適なLLM · エージェントに最適なLLM · 安くて優秀なLLM

GPT-6.1 Terra vs Grok 4.7:よくある質問

GPT-6.1 TerraはGrok 4.7より優れていますか?
品質ではGPT-6.1 Terra (max)がリードしています:64.1 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-6.1 Terra (max)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-6.1 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GPT-6.1 Terraの方が安く、100万トークンあたり$2.00 対 $3.00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-6.1 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GPT-6.1 Terraの方がスコアが高くなっています(カテゴリ指標で69 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Arena WebDevでは、GPT-6.1 Terraが1678、Grok 4.7が1641です。
GPT-6.1 TerraとGrok 4.7はどちらが速いですか?
GPT-6.1 Terraの方が出力が速くなっています(出力72 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-6.1 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-6.1 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Terminal-Benchでは、GPT-6.1 Terraが53.3%、Grok 4.7が38.8%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-6.1 Terra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-6.1 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 150.9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-6.1 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52件のベンチマークのうち、GPT-6.1 Terraのリードが38件、Grok 4.7のリードが14件です。両方を評価しているすべての総合指標で、GPT-6.1 Terraが上回っています。
GPT-6.1 Terraはいつリリースされましたか?
GPT-6.1 Terraは2026年10月26日にリリースされました。