BenchLeader

Grok 4.20 vs Inkling 2 Small

詳しいプロフィール:Grok 4.20(SpaceXAI)とInkling 2 Small(Thinking Machines)。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、Grok 4.20とInkling 2 Smallの品質は互角です(BenchLeader Indexで58.3 対 57.9、±5.4の誤差範囲内)。価格はInkling 2 Smallの方が3.3倍安く、100万トークンあたりのブレンド価格で$0.475 対 $1.56です。推論(61 対 53)、人間の評価(66 対 59)を重視するならGrok 4.20、エージェント・ツール(61 対 51)、長文コンテキスト(66 対 59)、コーディング(60 対 53)を重視するならInkling 2 Smallが向いています。回答開始までの時間はGrok 4.20の方が短く、12.1秒 対 49.0秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはGrok 4.20が58.3、Inkling 2 Smallが57.9です(BenchLeader、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)。
  • Inkling 2 Smallの100万トークンあたりのブレンド価格は$0.475です(定価、2026年11月16日)。
  • 両モデルに結果がある16件のベンチマークのうち、Inkling 2 Smallが10件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はGrok 4.20が1376、Inkling 2 Smallが1647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Inkling 2 Smallカテゴリスコア60 対 53;Arena WebDev 1647 対 1376中
エージェント・ツール利用Inkling 2 Smallカテゴリスコア61 対 51;Legal Research Bench 46.6% 対 13.9%高
推論Grok 4.20カテゴリスコア61 対 53;Arena Hard Prompts 1489 対 1438高
知識どちらでもカテゴリスコア53 対 54どちらでも
長い文書Inkling 2 Smallカテゴリスコア66 対 59;AA-LCR v1.1 83.3% 対 69.0%高
画像などのメディアInkling 2 Smallカテゴリスコア64 対 58;MMMU-Pro 81.6% 対 74.6%中
チャットの質(人間の評価)Grok 4.20Arenaの投票で66 対 59中
最低コストInkling 2 Small100万トークンあたりブレンド価格$0.475 対 $1.56;エージェント型コーディングセッション$0.022 対 $0.085–
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 49.0秒(Inkling 2 Small)–
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

  • Grok 4.20 (thinking)とInkling 2 Smallの品質は互角です(58.3 対 57.9、±5.4の誤差範囲内)。
  • Grok 4.20 (thinking)は人間の評価、推論で優れています。
  • Inkling 2 Smallはエージェント・ツール、コーディング、知識、長文コンテキスト、マルチモーダルで優れています。
  • Inkling 2 Smallの方が3.3倍安くなっています(100万トークンあたりブレンド価格$0.475 対 $1.56)。

概要

仕様Grok 4.20Inkling 2 Small
プロバイダーSpaceXAIThinking Machines
リリース日2026年2月17日2026年11月5日
コンテキストウィンドウ(トークン)2,000,0001,048,576
比較した構成Grok 4.20 (thinking)Inkling 2 Small
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 / $2.50 / $0.200$0.300 / $1.00 / $0.030

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Grok 4.20 (thinking)Inkling 2 Smallトップ
推論60.552.8Grok 4.20
コーディング53.360.3Inkling 2 Small
エージェント・ツール50.561.1Inkling 2 Small
数学53.7–比較不可
知識53.053.5互角
指示追従78.7–比較不可
人間の評価66.058.6Grok 4.20
マルチモーダル58.364.0Inkling 2 Small
長文コンテキスト58.966.4Inkling 2 Small

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・ツール知識長文コンテキストマルチモーダル人間の評価Grok 4.20, 推論: 60.5Grok 4.20, コーディング: 53.3Grok 4.20, エージェント・ツール: 50.5Grok 4.20, 知識: 53.0Grok 4.20, 長文コンテキスト: 58.9Grok 4.20, マルチモーダル: 58.3Grok 4.20, 人間の評価: 66.0Inkling 2 Small, 推論: 52.8Inkling 2 Small, コーディング: 60.3Inkling 2 Small, エージェント・ツール: 61.1Inkling 2 Small, 知識: 53.5Inkling 2 Small, 長文コンテキスト: 66.4Inkling 2 Small, マルチモーダル: 64.0Inkling 2 Small, 人間の評価: 58.6

描画していないもの(測定済みのモデルが2つ未満):数学, 指示追従。

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16件のベンチマークのうち、Grok 4.20のリードが6件、Inkling 2 Smallのリードが10件です。両方を評価しているすべての総合指標で、Grok 4.20が上回っています。

総合IndexGrok 4.20 (thinking)Inkling 2 Smallトップ
BenchLeader Index58.357.9互角
Arena Text14721412Grok 4.20

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Grok 4.20 (thinking)Inkling 2 Small
100万トークンあたりのブレンド価格$1.56$0.475
100万トークンあたりの入力/出力$1.25 / $2.50$0.300 / $1.00
100万トークンあたりのキャッシュ入力$0.200$0.030
タスクあたりの価格:チャットの返答$0.0013$0.0004
タスクあたりの価格:30ページのレポートを要約$0.017$0.0042
タスクあたりの価格:コード編集$0.011$0.0033
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$0.085$0.022
タスクあたりの価格:構造化データの抽出$0.0030$0.0008
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)$0.038$0.0099
ベンチマークのタスクあたりのコスト(AA Index)–$1.18
タスクあたりの出力トークン(AA Index)–150k
うち推論–88k
タスクあたりの時間(AA Index)–25 min
出力速度111 tok/s100 tok/s
回答開始までの時間12.1秒49.0秒
回答が完了するまでの時間(最終測定2026年11月13日)43.8秒163.6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。Grok 4.20 (thinking)のスコアは58.3、最初の回答トークンまで12秒。Inkling 2 Smallのスコアは57.9、最初の回答トークンまで49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

128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Grok 4.20 (thinking)Inkling 2 Small
BenchLeader IndexBenchLeader58.357.9
エージェント・ツールスコアBenchLeader50.561.1
コーディングスコアBenchLeader53.360.3
人間の評価スコアBenchLeader66.058.6
指示追従スコアBenchLeader78.7–
知識スコアBenchLeader53.053.5
長文コンテキストスコアBenchLeader58.966.4
数学スコアBenchLeader53.7–
マルチモーダルスコアBenchLeader58.364.0
推論スコアBenchLeader60.552.8
ブレンド価格($/100万トークン)BenchLeader$1.56$0.475
出力速度BenchLeader111 tok/s100 tok/s
回答開始までの時間BenchLeader12.1秒49.0秒
コンテキストウィンドウBenchLeader2,000,000トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub89.3%–
Arena Hard PromptsArena (LMArena)14891438
GPQA Diamond (AA)Artificial Analysis91.1%–
Humanity's Last Exam (AA)Artificial Analysis34.5%44.1%
HLE-Diamond (AA)Artificial Analysis–28.7%
GPQA Diamond (Vals)Vals AI88.6%–
Kagi LLM BenchmarkKagi LLM Benchmark75.0%–
ARC-AGI-1ARC Prize89.5%96.5%†
ARC-AGI-2ARC Prize65.1%81.7%†
ARC-AGI-3ARC Prize0.1%–
CritPtArtificial Analysis6.6%–
CritPt v2 hard subset (AA)Artificial Analysis–35.0%
MysteryMechanismVals AI–25.2%
Arena ExpertArena (LMArena)14771488
Chess PuzzlesEpoch AI Benchmarking Hub29.0%–
CL-benchEpoch AI Benchmarking Hub22.2%†–
CL-bench LifeEpoch AI Benchmarking Hub11.9%†–
LMCAEpoch AI Benchmarking Hub38.7%†–
DTBenchEpoch AI Benchmarking Hub90.1%†–
ForecastBenchForecastBench64.1%–
コーディング
SciCodeSciCode–52.3%
WeirdMLWeirdML52.3%†–
Arena CodingArena (LMArena)15111485
Arena WebDevArena (LMArena)13761647
LiveCodeBenchVals AI84.3%–
128件のベンチマークをすべて表示
指標公開元Grok 4.20 (thinking)Inkling 2 Small
コーディング
SWE-bench (Vals)Vals AI72.2%–
Code MigrationVals AI0.3%–
ProgramBenchVals AI–0.5%
SWE-bench MultimodalVals AI–43.1%
Vibe Code Bench v1.1Vals AI4.1%81.5%
SWE Atlas v1.1Scale AI SEAL–61.9%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–74.2%
SWE Atlas v1.1: Test WritingScale AI SEAL–58.1%
SWE Atlas v1.1: RefactoringScale AI SEAL–53.3%
SWE-Bench Pro V2Scale AI SEAL–97.7%
SWE-Bench Pro V2 HARDScale AI SEAL–86.3%
ALE-BenchEpoch AI Benchmarking Hub1150.3†–
Terminal-Bench 4.0 (AA)Artificial Analysis–13.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–81.3%
Design Arena WebsiteDesign Arena12211335
FrontierCode 2.0 (AA)Artificial Analysis–25.4%
エージェント・ツール
Terminal-BenchTerminal-Bench57.3%†13.0%†
APEX-AgentsMercor–46.8%
Arena AgentArena (LMArena)–2.5
Terminal-Bench HardArtificial Analysis37.9%–
τ²-Bench Telecom (AA)Artificial Analysis93.0%–
Terminal-Bench 2.1 (Vals)Vals AI44.2%–
MCP AtlasScale AI SEAL–85.4%
HiL-BenchScale AI SEAL20.0%†–
GDPval-AA v2.1Artificial Analysis–1630
τ³-Banking (AA)Artificial Analysis–40.4%
Analyst Agent (AA)Artificial Analysis–51.3%
APEX-Agents (AA)Artificial Analysis14.2%–
CyberBenchVals AI–72.7%
Finance Agent v2Vals AI28.5%–
Finance Agent v2.1Vals AI–67.5%
Harvey's Legal Agent Benchmark v1.1Vals AI–21.7%
Harvey's Legal Agent Benchmark v1Vals AI0.0%–
Legal Research BenchVals AI13.9%46.6%
SREBenchVals AI–1.9%
Tax Agent BenchVals AI7.0%38.9%
Terminal-Bench 2.0 (Vals)Vals AI40.5%–
Terminal-Bench 4.0 (Vals)Vals AI–12.6%
Terminal-Bench ScienceVals AI–2.9%
Arena Agent Task CompletionArena (LMArena)–3.3
Vending-Bench 2Andon Labs4662.9†–
AutomationBenchArtificial Analysis–45.6%
GDP.pdf (AA)Artificial Analysis–25.2%
EnterpriseOps-GymArtificial Analysis–46.8%
AA-Briefcase v1.1Artificial Analysis–1527
Design Arena AgenticDesign Arena10931315
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–5.7%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub44.9%–
FrontierMath Tier 4Epoch AI Benchmarking Hub17.1%–
OTIS Mock AIMEEpoch AI Benchmarking Hub92.2%–
ProofBenchVals AI14.0%–
AIME (Vals)Vals AI96.5%–
ArXivMathMathArena–31.9%
BrokenArXivMathArena–63.2%
Arena MathsArena (LMArena)1464–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub30.2%–
AA-Omniscience v1.1Artificial Analysis–16.1
MMLU-ProVals AI86.3%–
LegalBenchVals AI77.7%–
CorpFinVals AI63.7%–
TaxEvalVals AI74.1%–
MedQAVals AI94.5%–
BioMysteryBenchVals AI–70.0%
CaseLaw v2Vals AI54.5%–
Excel Modeling BenchmarkVals AI11.7%–
Excel Modeling Benchmark v1.1Vals AI–69.5%
MedCodeVals AI32.2%–
MedScribeVals AI63.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis–33.8%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–73.3%
Global-MMLU-Lite (AA)Artificial Analysis89.5%–
指示追従
IFBenchArtificial Analysis81.2%–
Arena Instruction FollowingArena (LMArena)14481410
人間の評価
Arena TextArena (LMArena)14721412
EQ-Bench Creative Writing v3EQ-Bench1574†–
Arena Creative WritingArena (LMArena)14451345
Arena Multi-turnArena (LMArena)14791415
Arena Longer QueriesArena (LMArena)14661410
マルチモーダル
Arena VisionArena (LMArena)1263–
MMMU-ProArtificial Analysis74.6%81.6%
MMMU-Pro (Vals)Vals AI83.5%–
MortgageTaxVals AI45.4%–
SAGEVals AI–88.6%
Humanity's Sixth SenseScale AI SEAL–33.3%
Blueprint-Bench 2Epoch AI Benchmarking Hub0.0%†–
VIALS-AAHandshake AI–42.9%
Code2Video-AAArtificial Analysis–1020
AA-3DArtificial Analysis–1027
長文コンテキスト
AA-LCR v1.1Artificial Analysis69.0%83.3%
Arena DocumentArena (LMArena)1440–
MLCRArtificial Analysis–20.6%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub152.3†–
AA Intelligence Index v5.0.1Artificial Analysis–30.6
AA Intelligence Index v4.3.2Artificial Analysis25.7–
AA Progress Index v1Artificial Analysis281.9–
Vals IndexVals AI–56.1
Vals Finance IndexVals AI–61.5%
Vals Science IndexVals AI–32.7%
Vals Multimodal IndexVals AI39.1%–
Vals Legal IndexVals AI–73.9%
安全性・誠実さ
FORTRESSScale AI SEAL–16.2%
DistressBenchScale AI SEAL–82.3%
メタデータ
AA Openness IndexArtificial Analysis–38.9

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。

最近の変化

  • Grok 4.20 (thinking):スコアの改訂1件。
  • Inkling 2 Small:スコアの改訂1件、価格 $0.060/M → $0.030/M。
  • Inkling 2 Small:スコアの改訂1件。
  • Inkling 2 Small:BenchLeader Index 58.4 → 57.9。
  • Inkling 2 Small:新しい結果2件(FORTRESS, Design Arena Agentic)。
  • Inkling 2 Small:新しい結果2件(MysteryMechanism, Vals Science Index)、スコアの改訂1件。
  • Inkling 2 Small:新しい結果3件(SciCode, APEX-Agents, MLCR)。
  • Inkling 2 Small:新しい結果8件(Arena Text, Arena Hard Prompts, Arena Coding…)、スコアの改訂2件。
  • Inkling 2 Small:BenchLeader Index 57.5 → 58.4。
  • Inkling 2 Small:新しい結果1件(Arena WebDev)。

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

Grok 4.20 vs Inkling 2 Small:よくある質問

Grok 4.20はInkling 2 Smallより優れていますか?
Grok 4.20 (thinking)とInkling 2 Smallの品質は互角です(58.3 対 57.9、±5.4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。
Grok 4.20とInkling 2 Small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Inkling 2 Smallの方が安く、100万トークンあたり$0.475 対 $1.56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Grok 4.20とInkling 2 Smallのどちらが向いていますか?
コーディングではInkling 2 Smallの方がスコアが高くなっています(カテゴリ指標で60 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、Grok 4.20が1376、Inkling 2 Smallが1647です。
Grok 4.20とInkling 2 Smallはどちらが速いですか?
Grok 4.20の方が出力が速くなっています(出力111 対 100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Grok 4.20とInkling 2 Small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Inkling 2 Smallの方がスコアが高くなっています(カテゴリ指標で61 対 51。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Inkling 2 Smallの方がスコアが高くなっています(66 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(Inkling 2 Smallは1,048,576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 49.0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。
Grok 4.20とInkling 2 Small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16件のベンチマークのうち、Grok 4.20のリードが6件、Inkling 2 Smallのリードが10件です。両方を評価しているすべての総合指標で、Grok 4.20が上回っています。
Inkling 2 Smallはいつリリースされましたか?
Inkling 2 Smallは2026年11月5日にリリースされました。