BenchLeader

Grok 4.6 vs Grok 4.7

詳しいプロフィール:Grok 4.6(SpaceXAI)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 · 12件の情報源のデータ

2026年11月16日時点で、Grok 4.6とGrok 4.7の品質は互角です(BenchLeader Indexで60.6 対 57.4、±4.3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$3.00 対 $3.00)。両方を測定できるすべてのカテゴリでGrok 4.6がリードしています。

要点(2026年11月16日時点)

  • BenchLeader IndexはGrok 4.6が60.6、Grok 4.7が57.4です(BenchLeader、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)。
  • 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54件のベンチマークのうち、Grok 4.7が31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 4.6が1618、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
コーディングどちらでもカテゴリスコア61 対 61;Arena WebDev 1618 対 1641どちらでも
エージェント・ツール利用Grok 4.6カテゴリスコア59 対 57;Terminal-Bench 2.1 (Vals) 78.3% 対 73.4%中
数学Grok 4.6カテゴリスコア63 対 56;Arena Maths 1445 対 1447高
推論Grok 4.6カテゴリスコア64 対 56;GPQA Diamond 94.0% 対 92.7%高
知識どちらでもカテゴリスコア60 対 60;SimpleQA Verified 49.3% 対 56.0%どちらでも
長い文書Grok 4.6カテゴリスコア65 対 63;AA-LCR v1.1 80.3% 対 76.7%中
画像などのメディアGrok 4.6カテゴリスコア60 対 56;Arena Vision 1264 対 1230中
チャットの質(人間の評価)Grok 4.6Arenaの投票で64 対 63中
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$3.00 対 $3.00;エージェント型コーディングセッション$0.144 対 $0.144–
回答開始の速さGrok 4.6最初の回答トークンまで28.6秒(Grok 4.6 (high))対 55.9秒(Grok 4.7 (xhigh))–
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 4.6 (high)とGrok 4.7 (xhigh)の品質は互角です(60.6 対 57.4、±4.3の誤差範囲内)。
  • Grok 4.6 (high)はエージェント・ツール、コーディング、人間の評価、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 4.7 (xhigh)は知識で優れています。
  • 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Grok 4.6Grok 4.7
プロバイダーSpaceXAISpaceXAI
リリース日2026年8月11日2026年9月21日
コンテキストウィンドウ(トークン)500,000500,000
比較した構成Grok 4.6 (high)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)$2.00 / $6.00 / $0.500$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Grok 4.6 (high)Grok 4.7 (xhigh)トップ
推論63.555.6Grok 4.6
コーディング61.160.9互角
エージェント・ツール59.256.9Grok 4.6
数学63.455.8Grok 4.6
知識59.559.9互角
人間の評価64.162.5Grok 4.6
マルチモーダル60.055.5Grok 4.6
長文コンテキスト64.862.9Grok 4.6
総合–52.8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。

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人間の評価Grok 4.6, 推論: 63.5Grok 4.6, コーディング: 61.1Grok 4.6, エージェント・ツール: 59.2Grok 4.6, 数学: 63.4Grok 4.6, 知識: 59.5Grok 4.6, 長文コンテキスト: 64.8Grok 4.6, マルチモーダル: 60.0Grok 4.6, 人間の評価: 64.1Grok 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: 55.5Grok 4.7, 人間の評価: 62.5

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。

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54件のベンチマークのうち、Grok 4.6のリードが23件、Grok 4.7のリードが31件です。第三者の総合指標でも評価が分かれ、Grok 4.6はArena Textで、Grok 4.7はAA Intelligence Index v5.0.1でリードしています。

総合IndexGrok 4.6 (high)Grok 4.7 (xhigh)トップ
BenchLeader Index60.657.4互角
AA Intelligence Index v5.0.131.0†35.5Grok 4.7
Arena Text14571443Grok 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Grok 4.6 (high)Grok 4.7 (xhigh)
100万トークンあたりのブレンド価格$3.00$3.00
100万トークンあたりの入力/出力$2.00 / $6.00$2.00 / $6.00
100万トークンあたりのキャッシュ入力$0.500$0.500
タスクあたりの価格:チャットの返答$0.0026$0.0026
タスクあたりの価格:30ページのレポートを要約$0.028$0.028
タスクあたりの価格:コード編集$0.021$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$0.144$0.144
タスクあたりの価格:構造化データの抽出$0.0052$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)$0.076$0.076
ベンチマークのタスクあたりのコスト(AA Index)–$7.77
タスクあたりの出力トークン(AA Index)–105k
うち推論–69k
タスクあたりの時間(AA Index)–26 min
出力速度73 tok/s68 tok/s
回答開始までの時間28.6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)62.7秒145.5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 4.6 (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)。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

167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 4.6 (high)Grok 4.7 (xhigh)
BenchLeader IndexBenchLeader60.657.4
エージェント・ツールスコアBenchLeader59.256.9
コーディングスコアBenchLeader61.160.9
人間の評価スコアBenchLeader64.162.5
知識スコアBenchLeader59.559.9
長文コンテキストスコアBenchLeader64.862.9
数学スコアBenchLeader63.455.8
マルチモーダルスコアBenchLeader60.055.5
推論スコアBenchLeader63.555.6
総合スコアBenchLeader–52.8
ブレンド価格($/100万トークン)BenchLeader$3.00$3.00
出力速度BenchLeader73 tok/s68 tok/s
回答開始までの時間BenchLeader28.6秒55.9秒
コンテキストウィンドウBenchLeader500,000トークン500,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub94.0%92.7%
SimpleBenchSimpleBench75.9%†–
Arena Hard PromptsArena (LMArena)14811466
LiveBench 2.0 ReasoningLiveBench91.2%†82.7%
LiveBench 1.0 ReasoningLiveBench90.5%†82.7%
GPQA Diamond (AA)Artificial Analysis95.0%–
Humanity's Last Exam (AA)Artificial Analysis42.9%43.1%
HLE-Diamond (AA)Artificial Analysis21.5%†23.2%
GPQA Diamond (Vals)Vals AI94.7%–
ARC-AGI-1ARC Prize87.0%89.5%
ARC-AGI-2ARC Prize65.1%61.4%
ARC-AGI-3ARC Prize2.1%†7.0%
CritPtArtificial Analysis17.1%17.7%
CritPt v2 hard subset (AA)Artificial Analysis40.0%†33.5%
MysteryMechanismVals AI30.6%25.2%
HLE-Diamond (Scale)Scale AI SEAL–23.4%†
Arena ExpertArena (LMArena)14961478
Chess PuzzlesEpoch AI Benchmarking Hub33.0%41.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub34.0%†29.0%
LMCAEpoch AI Benchmarking Hub48.5%†49.4%
DTBenchEpoch AI Benchmarking Hub97.3%†96.0%
ForecastBenchForecastBench65.4%†–
コーディング
SciCodeSciCode56.5%57.4%
WeirdMLWeirdML67.3%–
FrontierCodeCognition48.0%†47.6%†
167件のベンチマークをすべて表示
指標公開元Grok 4.6 (high)Grok 4.7 (xhigh)
コーディング
Arena CodingArena (LMArena)15081493
Arena WebDevArena (LMArena)16181641
LiveBench 2.0 CodingLiveBench76.7%†73.1%
LiveBench 1.0 CodingLiveBench76.8%†77.2%
LiveCodeBenchVals AI88.2%–
IOIVals AI47.6%57.7%
SWE-bench (Vals)Vals AI95.6%–
Code MigrationVals AI44.6%44.8%
Code Migration v1.1Vals AI–53.2%
ProgramBenchVals AI1.0%0.5%
SWE-bench MultimodalVals AI–42.9%
Vibe Code Bench 1-100Vals AI14.8%–
Vibe Code Bench v1.1Vals AI76.2%86.2%
Vibe Code Bench 1-100 v1.1Vals AI–26.4%
SWE Atlas v1.1Scale AI SEAL–62.1%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–73.4%†
SWE Atlas v1.1: Test WritingScale AI SEAL–64.4%†
SWE Atlas v1.1: RefactoringScale AI SEAL–48.6%†
MirrorCodeEpoch AI Benchmarking Hub41.1%†54.4%
DeepSWE v1.1Epoch AI Benchmarking Hub65.2%–
CursorBenchCursor40.4%46.3%
ALE-BenchEpoch AI Benchmarking Hub1508.1†1545.8
FrontierSWEEpoch AI Benchmarking Hub25.3%†29.5%
WeirdML v3WeirdML–8.4%
Terminal-Bench 4.0 (AA)Artificial Analysis21.2%25.8%
Terminal-Bench 2.1 (AA)Artificial Analysis88.4%–
Startrise FrontendStartrise72.1%†75.9%†
GameBench 2 OverallDuelLab GameBench 259.4†63.6†
GameBench 2 by reasoning settingDuelLab GameBench 268.7†71.2
Design Arena WebsiteDesign Arena1277†1244†
FrontierCode 1.1 (AA)Artificial Analysis–33.8%
FrontierCode 2.0 (AA)Artificial Analysis19.8%†28.7%
エージェント・ツール
Terminal-BenchTerminal-Bench19.7%38.8%
APEX-AgentsMercor65.3%†54.6%†
Arena AgentArena (LMArena)-0.2†2.6
LiveBench Long AgenticLiveBench18.7%†45.3%
LiveBench BrowserLiveBench49.4%†49.3%
LiveBench Agentic CodingLiveBench57.0%†54.0%
Terminal-Bench 2.1 (Vals)Vals AI78.3%73.4%
GDPval-AA v2.1, normalised scoreArtificial Analysis–60.7%
GDPval-AA v2.1Artificial Analysis16271717
τ³-Banking (AA)Artificial Analysis50.7%–
ITBench SRE (AA)Artificial Analysis–42.1%
Analyst Agent (AA)Artificial Analysis41.3%52.5%
CyberBenchVals AI67.7%69.5%
Finance Agent v2Vals AI53.7%52.3%
Finance Agent v2.1Vals AI–60.6%
Harvey's Legal Agent Benchmark v1.1Vals AI–18.3%
Harvey's Legal Agent Benchmark v1Vals AI15.8%12.5%
Legal Research BenchVals AI48.1%47.1%
Robo-benchVals AI–0.2%
SkillsBenchVals AI55.8%–
SREBenchVals AI–3.8%
Tax Agent BenchVals AI33.7%35.8%
Terminal-Bench 4.0 (Vals)Vals AI17.2%28.8%
Terminal-Bench ScienceVals AI11.4%10.0%
Time Horizon Index: KSPVals AI5.8%–
Arena Agent Task CompletionArena (LMArena)-2.6†5.1
Vending-Bench 2Andon Labs9047.0†10536.8†
AutomationBenchArtificial Analysis66.7%65.6%
GDP.pdf (AA)Artificial Analysis17.0%20.0%
Harvey LAB-AA v1.1Harvey–9.4%
EnterpriseOps-GymArtificial Analysis48.3%–
AA-Briefcase v1.1Artificial Analysis15261636
GDPxGDPx by SemiAnalysis–3.9%
Design Arena AgenticDesign Arena1239†1277†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis6.2%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 Analysis–40.1%
FACTS SearchGoogle87.9%†85.6%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub66.0%†53.0%
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%†17.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub97.8%98.1%
ProofBenchVals AI51.0%†26.0%†
LiveBench MathematicsLiveBench92.6%†95.7%
Arena MathsArena (LMArena)14451447
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub49.3%56.0%
LiveBench 2.0 Data AnalysisLiveBench75.3%†76.9%
LiveBench ResearchLiveBench88.8%†89.5%
LiveBench 1.0 Data AnalysisLiveBench73.9%†76.9%
AA-Omniscience v1.1Artificial Analysis24.9†31.2
MMLU-ProVals AI89.4%–
LegalBenchVals AI86.3%84.4%
CorpFinVals AI66.2%–
TaxEvalVals AI71.1%–
PRBench LegalScale AI SEAL–47.6%
BioMysteryBenchVals AI72.2%69.3%
Excel Modeling BenchmarkVals AI62.7%67.0%
Excel Modeling Benchmark v1.1Vals AI–71.5%
MedCodeVals AI44.7%49.5%
MedScribeVals AI86.5%89.4%
Public Benefits Bench v1.1Vals AI66.8%65.6%
Access to Justice BenchmarkVals AI71.3%73.7%
Financial Coaching BenchVals AI–74.1%
Immigration BenchVals AI66.0%68.0%
EBR-benchEpoch AI Benchmarking Hub30.5%†–
GDP.pdfEpoch AI Benchmarking Hub16.0%22.8%
AA-Omniscience v1.1: accuracyArtificial Analysis46.2%†42.7%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis60.3%†80.0%
HealthBench Professional (AA)OpenAI–55.8%
FACTS ParametricGoogle44.5%†54.3%†
指示追従
LiveBench LanguageLiveBench83.7%†80.1%
LiveBench Instruction FollowingLiveBench71.9%†75.3%
Arena Instruction FollowingArena (LMArena)14511435
人間の評価
Arena TextArena (LMArena)14571443
EQ-Bench Creative Writing v3EQ-Bench–2012†
Arena Creative WritingArena (LMArena)14421421
Arena Multi-turnArena (LMArena)14491435
Arena Longer QueriesArena (LMArena)14761454
マルチモーダル
Arena VisionArena (LMArena)12641230
LiveBench DesignLiveBench76.3%†75.0%
MMMU-ProArtificial Analysis–78.2%†
MortgageTaxVals AI64.2%–
SAGEVals AI–88.7%
GeoBenchGeoBench–61.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub33.2%†32.5%†
Furniture AssemblyEpoch AI Benchmarking Hub40.0%†20.8%
VIALS-AAHandshake AI–37.9%
Code2Video-AAArtificial Analysis–1127
AA-3DArtificial Analysis–992
FACTS MultimodalGoogle39.3%†40.9%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis80.3%76.7%
Arena DocumentArena (LMArena)1450–
MLCRArtificial Analysis15.6%20.0%
FACTS GroundingGoogle66.5%†68.6%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.8†156.2†
LiveBench 2.0LiveBench63.5%†67.9%
LiveBench 1.0LiveBench78.0%†77.4%
AA Intelligence Index v5.0.1Artificial Analysis31.0†35.5
AA Intelligence Index v4.3.2Artificial Analysis44.346.5
AA Progress Index v1Artificial Analysis321.5322.7
Vals IndexVals AI–58.6
Vals Finance IndexVals AI–58.8%
Vals RSI IndexVals AI25.5%†20.2%
Vals Science IndexVals AI38.1%34.8%
Vals Router IndexVals AI–58.6%†
Vals Legal IndexVals AI–72.7%
AA Cyber IndexArtificial Analysis–56.4
安全性・誠実さ
DistressBenchScale AI SEAL–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。
  • Grok 4.7 (xhigh):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • 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。
  • 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)。
  • Grok 4.6 (high):スコアの改訂2件。
  • Grok 4.7 (xhigh):スコアの改訂2件。
  • Grok 4.6 (high):スコアの改訂1件。
  • Grok 4.7 (xhigh):スコアの改訂2件。

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 4.6 vs Grok 4.7:よくある質問

Grok 4.6はGrok 4.7より優れていますか?
Grok 4.6 (high)とGrok 4.7 (xhigh)の品質は互角です(60.6 対 57.4、±4.3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 4.6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?
価格は同じで、100万トークンあたりのブレンド価格は$3.00です。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 4.6とGrok 4.7のどちらが向いていますか?
コーディングでは互角です(カテゴリ指標で61 対 61)。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 4.6が1618、Grok 4.7が1641です。
Grok 4.6とGrok 4.7はどちらが速いですか?
Grok 4.6の方が出力が速くなっています(出力73 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Grok 4.6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 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、Grok 4.6が19.7%、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Grok 4.6の方がスコアが高くなっています(65 対 63)。どちらも500,000トークンのコンテキストに対応しています。
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 4.6です。Artificial Analysisの測定では、最初の回答トークンまで28.6秒 対 55.9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。
Grok 4.6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54件のベンチマークのうち、Grok 4.6のリードが23件、Grok 4.7のリードが31件です。第三者の総合指標でも評価が分かれ、Grok 4.6はArena Textで、Grok 4.7はAA Intelligence Index v5.0.1でリードしています。
Grok 4.7はいつリリースされましたか?
Grok 4.7は2026年9月21日にリリースされました。