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 4.20 | Arenaの投票で66 対 59 | 中 |
| 最低コスト | Inkling 2 Small | 100万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 4.20 | Inkling 2 Small |
|---|---|---|
| プロバイダー | SpaceXAI | Thinking 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) | 2,000,000 | 1,048,576 |
| 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 | 60.5 | 52.8 | Grok 4.20 |
| コーディング | 53.3 | 60.3 | Inkling 2 Small |
| エージェント・ツール | 50.5 | 61.1 | Inkling 2 Small |
| 数学 | 53.7 | – | 比較不可 |
| 知識 | 53.0 | 53.5 | 互角 |
| 指示追従 | 78.7 | – | 比較不可 |
| 人間の評価 | 66.0 | 58.6 | Grok 4.20 |
| マルチモーダル | 58.3 | 64.0 | Inkling 2 Small |
| 長文コンテキスト | 58.9 | 66.4 | Inkling 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。
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。
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Index | Grok 4.20 (thinking) | Inkling 2 Small | トップ |
|---|---|---|---|
| BenchLeader Index | 58.3 | 57.9 | 互角 |
| Arena Text | 1472 | 1412 | Grok 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) | – | $1.18 |
| タスクあたりの出力トークン(AA Index) | – | 150k |
| うち推論 | – | 88k |
| タスクあたりの時間(AA Index) | – | 25 min |
| 出力速度 | 111 tok/s | 100 tok/s |
| 回答開始までの時間 | 12.1秒 | 49.0秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 43.8秒 | 163.6秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Grok 4.20 (thinking)のスコアは58.3、最初の回答トークンまで12秒。Inkling 2 Smallのスコアは57.9、最初の回答トークンまで49秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
128件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Grok 4.20 (thinking) | Inkling 2 Small |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 58.3 | 57.9 |
| エージェント・ツールスコア | BenchLeader | 50.5 | 61.1 |
| コーディングスコア | BenchLeader | 53.3 | 60.3 |
| 人間の評価スコア | BenchLeader | 66.0 | 58.6 |
| 指示追従スコア | BenchLeader | 78.7 | – |
| 知識スコア | BenchLeader | 53.0 | 53.5 |
| 長文コンテキストスコア | BenchLeader | 58.9 | 66.4 |
| 数学スコア | BenchLeader | 53.7 | – |
| マルチモーダルスコア | BenchLeader | 58.3 | 64.0 |
| 推論スコア | BenchLeader | 60.5 | 52.8 |
| ブレンド価格($/100万トークン) | BenchLeader | $1.56 | $0.475 |
| 出力速度 | BenchLeader | 111 tok/s | 100 tok/s |
| 回答開始までの時間 | BenchLeader | 12.1秒 | 49.0秒 |
| コンテキストウィンドウ | BenchLeader | 2,000,000トークン | 1,048,576トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 89.3% | – |
| Arena Hard Prompts | Arena (LMArena) | 1489 | 1438 |
| GPQA Diamond (AA) | Artificial Analysis | 91.1% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 34.5% | 44.1% |
| HLE-Diamond (AA) | Artificial Analysis | – | 28.7% |
| GPQA Diamond (Vals) | Vals AI | 88.6% | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 75.0% | – |
| ARC-AGI-1 | ARC Prize | 89.5% | 96.5%† |
| ARC-AGI-2 | ARC Prize | 65.1% | 81.7%† |
| ARC-AGI-3 | ARC Prize | 0.1% | – |
| CritPt | Artificial Analysis | 6.6% | – |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 35.0% |
| MysteryMechanism | Vals AI | – | 25.2% |
| Arena Expert | Arena (LMArena) | 1477 | 1488 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 29.0% | – |
| CL-bench | Epoch AI Benchmarking Hub | 22.2%† | – |
| CL-bench Life | Epoch AI Benchmarking Hub | 11.9%† | – |
| LMCA | Epoch AI Benchmarking Hub | 38.7%† | – |
| DTBench | Epoch AI Benchmarking Hub | 90.1%† | – |
| ForecastBench | ForecastBench | 64.1% | – |
| コーディング | |||
| SciCode | SciCode | – | 52.3% |
| WeirdML | WeirdML | 52.3%† | – |
| Arena Coding | Arena (LMArena) | 1511 | 1485 |
| Arena WebDev | Arena (LMArena) | 1376 | 1647 |
| LiveCodeBench | Vals AI | 84.3% | – |
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 AI | 72.2% | – |
| Code Migration | Vals AI | 0.3% | – |
| ProgramBench | Vals AI | – | 0.5% |
| SWE-bench Multimodal | Vals AI | – | 43.1% |
| Vibe Code Bench v1.1 | Vals AI | 4.1% | 81.5% |
| SWE Atlas v1.1 | Scale AI SEAL | – | 61.9% |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 74.2% |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 58.1% |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 53.3% |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 97.7% |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 86.3% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1150.3† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 13.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 81.3% |
| Design Arena Website | Design Arena | 1221 | 1335 |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 25.4% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 57.3%† | 13.0%† |
| APEX-Agents | Mercor | – | 46.8% |
| Arena Agent | Arena (LMArena) | – | 2.5 |
| Terminal-Bench Hard | Artificial Analysis | 37.9% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 93.0% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 44.2% | – |
| MCP Atlas | Scale AI SEAL | – | 85.4% |
| HiL-Bench | Scale AI SEAL | 20.0%† | – |
| GDPval-AA v2.1 | Artificial Analysis | – | 1630 |
| τ³-Banking (AA) | Artificial Analysis | – | 40.4% |
| Analyst Agent (AA) | Artificial Analysis | – | 51.3% |
| APEX-Agents (AA) | Artificial Analysis | 14.2% | – |
| CyberBench | Vals AI | – | 72.7% |
| Finance Agent v2 | Vals AI | 28.5% | – |
| Finance Agent v2.1 | Vals AI | – | 67.5% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 21.7% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 0.0% | – |
| Legal Research Bench | Vals AI | 13.9% | 46.6% |
| SREBench | Vals AI | – | 1.9% |
| Tax Agent Bench | Vals AI | 7.0% | 38.9% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 40.5% | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 12.6% |
| Terminal-Bench Science | Vals AI | – | 2.9% |
| Arena Agent Task Completion | Arena (LMArena) | – | 3.3 |
| Vending-Bench 2 | Andon Labs | 4662.9† | – |
| AutomationBench | Artificial Analysis | – | 45.6% |
| GDP.pdf (AA) | Artificial Analysis | – | 25.2% |
| EnterpriseOps-Gym | Artificial Analysis | – | 46.8% |
| AA-Briefcase v1.1 | Artificial Analysis | – | 1527 |
| Design Arena Agentic | Design Arena | 1093 | 1315 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 5.7% |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 44.9% | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 17.1% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 92.2% | – |
| ProofBench | Vals AI | 14.0% | – |
| AIME (Vals) | Vals AI | 96.5% | – |
| ArXivMath | MathArena | – | 31.9% |
| BrokenArXiv | MathArena | – | 63.2% |
| Arena Maths | Arena (LMArena) | 1464 | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 30.2% | – |
| AA-Omniscience v1.1 | Artificial Analysis | – | 16.1 |
| 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% | – |
| BioMysteryBench | Vals AI | – | 70.0% |
| CaseLaw v2 | Vals AI | 54.5% | – |
| Excel Modeling Benchmark | Vals AI | 11.7% | – |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 69.5% |
| MedCode | Vals AI | 32.2% | – |
| MedScribe | Vals AI | 63.4% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 33.8% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 73.3% |
| Global-MMLU-Lite (AA) | Artificial Analysis | 89.5% | – |
| 指示追従 | |||
| IFBench | Artificial Analysis | 81.2% | – |
| Arena Instruction Following | Arena (LMArena) | 1448 | 1410 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1472 | 1412 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1574† | – |
| Arena Creative Writing | Arena (LMArena) | 1445 | 1345 |
| Arena Multi-turn | Arena (LMArena) | 1479 | 1415 |
| Arena Longer Queries | Arena (LMArena) | 1466 | 1410 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1263 | – |
| MMMU-Pro | Artificial Analysis | 74.6% | 81.6% |
| MMMU-Pro (Vals) | Vals AI | 83.5% | – |
| MortgageTax | Vals AI | 45.4% | – |
| SAGE | Vals AI | – | 88.6% |
| Humanity's Sixth Sense | Scale AI SEAL | – | 33.3% |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 0.0%† | – |
| VIALS-AA | Handshake AI | – | 42.9% |
| Code2Video-AA | Artificial Analysis | – | 1020 |
| AA-3D | Artificial Analysis | – | 1027 |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 69.0% | 83.3% |
| Arena Document | Arena (LMArena) | 1440 | – |
| MLCR | Artificial Analysis | – | 20.6% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 152.3† | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 30.6 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 25.7 | – |
| AA Progress Index v1 | Artificial Analysis | 281.9 | – |
| Vals Index | Vals AI | – | 56.1 |
| Vals Finance Index | Vals AI | – | 61.5% |
| Vals Science Index | Vals AI | – | 32.7% |
| Vals Multimodal Index | Vals AI | 39.1% | – |
| Vals Legal Index | Vals AI | – | 73.9% |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | – | 16.2% |
| DistressBench | Scale AI SEAL | – | 82.3% |
| メタデータ | |||
| AA Openness Index | Artificial 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)。
関連する比較
- Grok 4.20 vs Gemini 4 Carbon
- Grok 4.20 vs GPT-6 Astra
- Inkling 2 Small vs Gemini 4 Carbon
- Inkling 2 Small vs Claude Opus 5.5
- Inkling 2 Small vs GPT-6 Astra
- Inkling 2 Small vs Claude Fable 5.1
- Grok 4.20 vs GPT-6.1 Sol
- Grok 4.20 vs Gemini 4 Argon
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。