GPT-6 Astra vs Grok 4.20
詳しいプロフィール:GPT-6 Astra(OpenAI)とGrok 4.20(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-6 AstraがGrok 4.20を上回ります(BenchLeader Indexで67.3 対 58.3)。ただし、価格はGrok 4.20の方が13倍安く、100万トークンあたりのブレンド価格で$1.56 対 $20.00です。両方を測定できるすべてのカテゴリでGPT-6 Astraがリードしています。Grok 4.20の方が出力が約2倍速いです。
要点(2026年11月16日時点)
- BenchLeader IndexはGPT-6 Astraが67.3、Grok 4.20が58.3です(BenchLeader、2026年11月16日)。
- GPT-6 Astraの100万トークンあたりのブレンド価格は$20.00です(定価、2026年11月16日)。
- Grok 4.20の100万トークンあたりのブレンド価格は$1.56です(定価、2026年11月16日)。
- Grok 4.20はGPT-6 Astraより出力が約2倍速いです(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38件のベンチマークのうち、GPT-6 Astra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 Astraが1764、Grok 4.20が1376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 Astra | カテゴリスコア73 対 53;Arena WebDev 1764 対 1376 | 高 |
| エージェント・ツール利用 | GPT-6 Astra | カテゴリスコア64 対 51;Terminal-Bench 2.1 (Vals) 87.3% 対 44.2% | 高 |
| 数学 | GPT-6 Astra | カテゴリスコア71 対 54;FrontierMath Tiers 1–3 93.7% 対 44.9% | 高 |
| 推論 | GPT-6 Astra | カテゴリスコア72 対 61;GPQA Diamond 95.8% 対 89.3% | 高 |
| 知識 | GPT-6 Astra | カテゴリスコア72 対 53;SimpleQA Verified 75.6% 対 30.2% | 高 |
| 長い文書 | GPT-6 Astra | カテゴリスコア65 対 59;AA-LCR v1.1 80.7% 対 69.0% | 中 |
| 画像などのメディア | GPT-6 Astra | カテゴリスコア66 対 58;Arena Vision 1279 対 1263 | 中 |
| チャットの質(人間の評価) | どちらでも | Arenaの投票で66 対 66 | どちらでも |
| 最低コスト | Grok 4.20 | 100万トークンあたりブレンド価格$1.56 対 $20.00;エージェント型コーディングセッション$0.085 対 $0.800 | – |
| 回答開始の速さ | Grok 4.20 | 最初の回答トークンまで12.1秒(Grok 4.20 (thinking))対 198.4秒(GPT-6 Astra (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 Astra (max)がリードしています:67.3 対 58.3。
- GPT-6 Astra (max)はエージェント・ツール、コーディング、人間の評価、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。
- Grok 4.20 (thinking)の方が13倍安くなっています(100万トークンあたりブレンド価格$1.56 対 $20.00)。
- Grok 4.20 (thinking)の方が出力が2.7倍速くなっています(111 対 41トークン/秒)。
概要
| 仕様 | GPT-6 Astra | Grok 4.20 |
|---|---|---|
| プロバイダー | OpenAI | SpaceXAI |
| リリース日 | 2026年9月2日 | 2026年2月17日 |
| コンテキストウィンドウ(トークン) | 1,050,000 | 2,000,000 |
| 比較した構成 | GPT-6 Astra (max) | Grok 4.20 (thinking) |
| 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) | $10.00 / $50.00 / $1.00 | $1.25 / $2.50 / $0.200 |
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 Astra (max) | Grok 4.20 (thinking) | トップ |
|---|---|---|---|
| 推論 | 72.4 | 60.5 | GPT-6 Astra |
| コーディング | 73.2 | 53.3 | GPT-6 Astra |
| エージェント・ツール | 63.9 | 50.5 | GPT-6 Astra |
| 数学 | 70.8 | 53.7 | GPT-6 Astra |
| 知識 | 72.3 | 53.0 | GPT-6 Astra |
| 指示追従 | – | 78.7 | 比較不可 |
| 人間の評価 | 66.2 | 66.0 | 互角 |
| マルチモーダル | 65.6 | 58.3 | GPT-6 Astra |
| 長文コンテキスト | 65.0 | 58.9 | GPT-6 Astra |
| 総合 | 71.3 | – | 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38件のベンチマークのうち、GPT-6 Astraのリードが38件、Grok 4.20のリードが0件です。両方を評価しているすべての総合指標で、GPT-6 Astraが上回っています。
| 総合Index | GPT-6 Astra (max) | Grok 4.20 (thinking) | トップ |
|---|---|---|---|
| BenchLeader Index | 67.3 | 58.3 | GPT-6 Astra |
| Arena Text | 1474 | 1472 | GPT-6 Astra |
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 Astra (max) | Grok 4.20 (thinking) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $20.00 | $1.56 |
| 100万トークンあたりの入力/出力 | $10.00 / $50.00 | $1.25 / $2.50 |
| 100万トークンあたりのキャッシュ入力 | $1.00 | $0.200 |
| タスクあたりの価格:チャットの返答 | $0.019 | $0.0013 |
| タスクあたりの価格:30ページのレポートを要約 | $0.150 | $0.017 |
| タスクあたりの価格:コード編集 | $0.135 | $0.011 |
| 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 | $0.800 | $0.085 |
| タスクあたりの価格:構造化データの抽出 | $0.030 | $0.0030 |
| 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) | $0.395 | $0.038 |
| ベンチマークのタスクあたりのコスト(AA Index) | $6.24 | – |
| タスクあたりの出力トークン(AA Index) | 52k | – |
| うち推論 | 36k | – |
| タスクあたりの時間(AA Index) | 21 min | – |
| 出力速度 | 41 tok/s | 111 tok/s |
| 回答開始までの時間 | 198.4秒 | 12.1秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 533.7秒 | 43.8秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-6 Astra (max)のスコアは67.3、最初の回答トークンまで198秒。GPT-6 Astraは66.4(5秒)、GPT-6 Astra (high)は66.3(49秒)。Grok 4.20 (thinking)のスコアは58.3、最初の回答トークンまで12秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
193件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-6 Astra (max) | Grok 4.20 (thinking) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 67.3 | 58.3 |
| エージェント・ツールスコア | BenchLeader | 63.9 | 50.5 |
| コーディングスコア | BenchLeader | 73.2 | 53.3 |
| 総合スコア | BenchLeader | 71.3 | – |
| 人間の評価スコア | BenchLeader | 66.2 | 66.0 |
| 知識スコア | BenchLeader | 72.3 | 53.0 |
| 長文コンテキストスコア | BenchLeader | 65.0 | 58.9 |
| 数学スコア | BenchLeader | 70.8 | 53.7 |
| マルチモーダルスコア | BenchLeader | 65.6 | 58.3 |
| 推論スコア | BenchLeader | 72.4 | 60.5 |
| 指示追従スコア | BenchLeader | – | 78.7 |
| ブレンド価格($/100万トークン) | BenchLeader | $20.00 | $1.56 |
| 出力速度 | BenchLeader | 41 tok/s | 111 tok/s |
| 回答開始までの時間 | BenchLeader | 198.4秒 | 12.1秒 |
| コンテキストウィンドウ | BenchLeader | 1,050,000トークン | 2,000,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 95.8% | 89.3% |
| Humanity's Last Exam | Scale AI / CAIS | 54.8%† | – |
| SimpleBench | SimpleBench | 83.6%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1500 | 1489 |
| LiveBench 2.0 Reasoning | LiveBench | 92.7% | – |
| LiveBench 1.0 Reasoning | LiveBench | 92.7% | – |
| GPQA Diamond (AA) | Artificial Analysis | 96.1% | 91.1% |
| Humanity's Last Exam (AA) | Artificial Analysis | 54.7% | 34.5% |
| HLE-Diamond (AA) | Artificial Analysis | 63.8% | – |
| GPQA Diamond (Vals) | Vals AI | – | 88.6% |
| Kagi LLM Benchmark | Kagi LLM Benchmark | – | 75.0% |
| ARC-AGI-1 | ARC Prize | 97.5% | 89.5% |
| ARC-AGI-2 | ARC Prize | 95.0% | 65.1% |
| ARC-AGI-3 | ARC Prize | 98.6% | 0.1% |
| CritPt | Artificial Analysis | 31.7% | 6.6% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 70.5% | – |
| MysteryMechanism | Vals AI | 53.1% | – |
| HLE-Diamond (Scale) | Scale AI SEAL | 60.6%† | – |
| Arena Expert | Arena (LMArena) | 1517 | 1477 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 74.0% | 29.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 84.0% | – |
| CL-bench | Epoch AI Benchmarking Hub | – | 22.2%† |
| CL-bench Life | Epoch AI Benchmarking Hub | – | 11.9%† |
| LMCA | Epoch AI Benchmarking Hub | 64.1%† | 38.7%† |
| DTBench | Epoch AI Benchmarking Hub | 97.1%† | 90.1%† |
193件のベンチマークをすべて表示
| 指標 | 公開元 | GPT-6 Astra (max) | Grok 4.20 (thinking) |
|---|---|---|---|
| 推論 | |||
| ForecastBench | ForecastBench | 66.6%† | 64.1% |
| BTF-3 | Epoch AI Benchmarking Hub | 13.5%† | – |
| コーディング | |||
| SciCode | SciCode | 56.5% | – |
| WeirdML | WeirdML | 93.3% | 52.3%† |
| FrontierCode | Cognition | 53.3% | – |
| GSO-Bench | GSO-Bench | 79.4%† | – |
| Arena Coding | Arena (LMArena) | 1548 | 1511 |
| Arena WebDev | Arena (LMArena) | 1764 | 1376 |
| LiveBench 2.0 Coding | LiveBench | 87.5% | – |
| LiveBench 1.0 Coding | LiveBench | 80.4% | – |
| LiveCodeBench | Vals AI | – | 84.3% |
| IOI | Vals AI | 100.0% | – |
| SWE-bench (Vals) | Vals AI | – | 72.2% |
| Code Migration | Vals AI | 67.7% | 0.3% |
| Code Migration v1.1 | Vals AI | 80.6% | – |
| ProgramBench | Vals AI | 5.5% | – |
| SWE-bench Multimodal | Vals AI | 43.3% | – |
| Vibe Code Bench 1-100 | Vals AI | 27.6% | – |
| Vibe Code Bench v1.1 | Vals AI | 89.6% | 4.1% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 59.1%† | – |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 59.0%† | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 50.7%† | – |
| SWE Atlas v1.1 | Scale AI SEAL | 69.4%† | – |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 70.2%† | – |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 66.7%† | – |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 71.4%† | – |
| SWE-Bench Pro V2 | Scale AI SEAL | 96.9%† | – |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | 90.2%† | – |
| MirrorCode | Epoch AI Benchmarking Hub | 60.0% | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 73.2% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 2951.3 | 1150.3† |
| FrontierSWE | Epoch AI Benchmarking Hub | 65.5% | – |
| WeirdML v3 | WeirdML | 42.2%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 59.1% | – |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 88.4% | – |
| Startrise Frontend | Startrise | 79.9%† | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 88.8† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 94.3† | – |
| Design Arena Website | Design Arena | 1338 | 1221 |
| FrontierCode 1.1 (AA) | Artificial Analysis | 47.0% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 42.4% | – |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 60.3% | 57.3%† |
| Remote Labor Index | Scale AI / CAIS | 20.8%† | – |
| APEX-Agents | Mercor | 64.7%† | – |
| Arena Agent | Arena (LMArena) | 14.5 | – |
| LiveBench Long Agentic | LiveBench | 75.6% | – |
| LiveBench Browser | LiveBench | 91.3% | – |
| LiveBench Agentic Coding | LiveBench | 57.3% | – |
| Terminal-Bench Hard | Artificial Analysis | – | 37.9% |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 93.0% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 87.3% | 44.2% |
| HiL-Bench | Scale AI SEAL | 65.3%† | 20.0%† |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 53.7% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1587 | – |
| τ³-Banking (AA) | Artificial Analysis | 41.4% | – |
| ITBench SRE (AA) | Artificial Analysis | 48.6% | – |
| Analyst Agent (AA) | Artificial Analysis | 51.3% | – |
| APEX-Agents (AA) | Artificial Analysis | – | 14.2% |
| CUA-bench | Vals AI | 19.2% | – |
| CyberBench | Vals AI | 41.1% | – |
| Finance Agent v2 | Vals AI | 53.5% | 28.5% |
| Finance Agent v2.1 | Vals AI | 60.4% | – |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 7.1% | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 5.4% | 0.0% |
| Legal Research Bench | Vals AI | 39.4% | 13.9% |
| Robo-bench | Vals AI | 23.3% | – |
| SREBench | Vals AI | 56.9% | – |
| Tax Agent Bench | Vals AI | 20.7% | 7.0% |
| Terminal-Bench 2.0 (Vals) | Vals AI | – | 40.5% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 59.6% | – |
| Terminal-Bench Science | Vals AI | 62.9% | – |
| Time Horizon Index: KSP | Vals AI | 90.5% | – |
| Arena Search | Arena (LMArena) | 1245 | – |
| Arena Agent Task Completion | Arena (LMArena) | 14 | – |
| BALROG | BALROG | 68.3% | – |
| PostTrainBench | Epoch AI Benchmarking Hub | 41.9% | – |
| Vending-Bench 2 | Andon Labs | 15514.7† | 4662.9† |
| SpireClimb | Epoch AI Benchmarking Hub | 34.0% | – |
| AutomationBench | Artificial Analysis | 68.5% | – |
| GDP.pdf (AA) | Artificial Analysis | 31.0% | – |
| Harvey LAB-AA v1.1 | Harvey | 8.6% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1569 | – |
| GDPx | GDPx by SemiAnalysis | 9.6% | – |
| Design Arena Agentic | Design Arena | 1405 | 1093 |
| RoboDojo (LLM as robot policy) | RoboDojo | 29.0† | – |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 63.3% | – |
| CWE-Bench (AA) | Artificial Analysis | 63.3% | – |
| DeepSec-Bench (AA) | Artificial Analysis | 36.9% | – |
| CyberGym end-to-end (AA) | Artificial Analysis | 0.0% | – |
| MKA (AA) | Artificial Analysis | 50.2% | – |
| FACTS Search | 93.3%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 93.7% | 44.9% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 97.6% | 17.1% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | 92.2% |
| ProofBench | Vals AI | 99.0%† | 14.0% |
| LiveBench Mathematics | LiveBench | 96.8% | – |
| AIME (Vals) | Vals AI | – | 96.5% |
| Arena Maths | Arena (LMArena) | 1481 | 1464 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 2.9% | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 75.6% | 30.2% |
| LiveBench 2.0 Data Analysis | LiveBench | 83.0% | – |
| LiveBench Research | LiveBench | 90.6% | – |
| LiveBench 1.0 Data Analysis | LiveBench | 83.0% | – |
| AA-Omniscience v1.1 | Artificial Analysis | 42.4 | – |
| MMLU-Pro | Vals AI | – | 86.3% |
| LegalBench | Vals AI | – | 77.7% |
| CorpFin | Vals AI | – | 63.7% |
| TaxEval | Vals AI | – | 74.1% |
| MedQA | Vals AI | – | 94.5% |
| PRBench Finance | Scale AI SEAL | 47.5%† | – |
| PRBench Legal | Scale AI SEAL | 48.4%† | – |
| BioMysteryBench | Vals AI | 79.3% | – |
| CaseLaw v2 | Vals AI | – | 54.5% |
| Excel Modeling Benchmark | Vals AI | 71.7% | 11.7% |
| Excel Modeling Benchmark v1.1 | Vals AI | 72.7% | – |
| MedCode | Vals AI | 48.5% | 32.2% |
| MedScribe | Vals AI | 87.9% | 63.4% |
| Financial Coaching Bench | Vals AI | 67.5% | – |
| Immigration Bench | Vals AI | 67.7% | – |
| DrugDiscoveryBench | Scale AI SEAL | 68.7% | – |
| EBR-bench | Epoch AI Benchmarking Hub | 76.2% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 34.2% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 61.6% | – |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 50.2% | – |
| Global-MMLU-Lite (AA) | Artificial Analysis | – | 89.5% |
| HealthBench Professional (AA) | OpenAI | 66.0% | – |
| FACTS Parametric | 83.8%† | – | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 89.4% | – |
| LiveBench Instruction Following | LiveBench | 75.6% | – |
| IFBench | Artificial Analysis | – | 81.2% |
| Arena Instruction Following | Arena (LMArena) | 1474 | 1448 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1474 | 1472 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 2177† | 1574† |
| Arena Creative Writing | Arena (LMArena) | 1451 | 1445 |
| Arena Multi-turn | Arena (LMArena) | 1483 | 1479 |
| Arena Longer Queries | Arena (LMArena) | 1485 | 1466 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1279 | 1263 |
| LiveBench Design | LiveBench | 80.0% | – |
| MMMU-Pro | Artificial Analysis | 86.9% | 74.6% |
| MMMU-Pro (Vals) | Vals AI | – | 83.5% |
| MortgageTax | Vals AI | – | 45.4% |
| Humanity's Sixth Sense | Scale AI SEAL | 53.6% | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 49.7%† | 0.0%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 80.0% | – |
| VIALS-AA | Handshake AI | 62.7% | – |
| Code2Video-AA | Artificial Analysis | 1427 | – |
| AA-3D | Artificial Analysis | 1168 | – |
| FACTS Multimodal | 55.2%† | – | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 80.7% | 69.0% |
| Arena Document | Arena (LMArena) | 1474 | 1440 |
| MLCR | Artificial Analysis | 41.7% | – |
| FACTS Grounding | 80.1%† | – | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 169† | 152.3† |
| LiveBench 2.0 | LiveBench | 84.5% | – |
| LiveBench 1.0 | LiveBench | 82.2% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 56.9 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 52.7 | 25.7 |
| AA Progress Index v1 | Artificial Analysis | 349.6 | 281.9 |
| Vals Index | Vals AI | 65.0 | – |
| Vals Finance Index | Vals AI | 55.6% | – |
| Vals RSI Index | Vals AI | 27.1% | – |
| Vals Science Index | Vals AI | 65.1% | – |
| Vals Multimodal Index | Vals AI | – | 39.1% |
| Vals Router Index | Vals AI | 65.0%† | – |
| Vals Legal Index | Vals AI | 68.4% | – |
| AA Cyber Index | Artificial Analysis | 33.4 | – |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 12.1%† | – |
| DistressBench | Scale AI SEAL | 74.3%† | – |
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-6 Astra (max):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
- Grok 4.20 (thinking):スコアの改訂1件。
- GPT-6 Astra (max):スコアの改訂1件。
- GPT-6 Astra (max):新しい結果1件(PostTrainBench)、スコアの改訂2件。
- GPT-6 Astra (max):新しい結果1件(MirrorCode)、スコアの改訂1件。
- GPT-6 Astra (max):BenchLeader Index 68.1 → 67.4。
- GPT-6 Astra (max):スコアの改訂2件。
- GPT-6 Astra (max):スコアの改訂1件。
- GPT-6 Astra (max):スコアの改訂1件。
- GPT-6 Astra (max):スコアの改訂1件。
関連する比較
- GPT-6 Astra vs Claude Fable 5.2
- GPT-6 Astra vs Gemini 4 Carbon
- GPT-6 Astra vs Claude Opus 5.5
- GPT-6 Astra vs Claude Fable 5.1
- Grok 4.20 vs Gemini 4 Carbon
- GPT-6 Astra vs Grok 4
- GPT-6 Astra vs GPT-6.1 Sol
- GPT-6 Astra vs Claude Fable 5
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 Astra vs Grok 4.20:よくある質問
- GPT-6 AstraはGrok 4.20より優れていますか?
- 品質ではGPT-6 Astra (max)がリードしています:67.3 対 58.3。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 Astra (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 AstraとGrok 4.20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 4.20の方が安く、100万トークンあたり$1.56 対 $20.00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 AstraとGrok 4.20のどちらが向いていますか?
- コーディングではGPT-6 Astraの方がスコアが高くなっています(カテゴリ指標で73 対 53。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 Astraが1764、Grok 4.20が1376です。
- GPT-6 AstraとGrok 4.20はどちらが速いですか?
- Grok 4.20の方が出力が約2倍速くなっています(出力111 対 41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 AstraとGrok 4.20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 Astraの方がスコアが高くなっています(カテゴリ指標で64 対 51。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 2.1 (Vals)では、GPT-6 Astraが87.3%、Grok 4.20が44.2%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 Astraの方がスコアが高くなっています(65 対 59)。コンテキストはGrok 4.20の方が長く、2,000,000トークンです(GPT-6 Astraは1,050,000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 4.20です。Artificial Analysisの測定では、最初の回答トークンまで12.1秒 対 198.4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 AstraとGrok 4.20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38件のベンチマークのうち、GPT-6 Astraのリードが38件、Grok 4.20のリードが0件です。両方を評価しているすべての総合指標で、GPT-6 Astraが上回っています。
- GPT-6 Astraはいつリリースされましたか?
- GPT-6 Astraは2026年9月2日にリリースされました。