Grok 4.7 vs Kimi K3
詳しいプロフィール:Grok 4.7(SpaceXAI)とKimi K3(Moonshot AI)。すべてのベンチマーク、価格、順位を掲載しています。
更新 · 16件の情報源のデータ
2026年11月16日時点で、Grok 4.7とKimi K3の品質は互角です(BenchLeader Indexで57.4 対 60.7、±6.5の誤差範囲内)。価格はGrok 4.7の方が2.0倍安く、100万トークンあたりのブレンド価格で$3.00 対 $6.00です。エージェント・ツール(57 対 54)を重視するならGrok 4.7、数学(72 対 56)、知識(66 対 60)、人間の評価(69 対 63)を重視するならKimi K3が向いています。回答開始までの時間はKimi K3の方が短く、0.8秒 対 55.9秒です。
要点(2026年11月16日時点)
- BenchLeader IndexはGrok 4.7が57.4、Kimi K3が60.7です(BenchLeader、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)。
- Kimi K3の100万トークンあたりのブレンド価格は$6.00です(定価、2026年11月16日)。
- 両モデルに結果がある11件のベンチマークのうち、Kimi K3が9件でリードしています(BenchLeader、2026年11月16日)。
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 62;SciCode 57.4% 対 58.7% | どちらでも |
| エージェント・ツール利用 | Grok 4.7 | カテゴリスコア57 対 54;Terminal-Bench 2.1 (Vals) 73.4% 対 80.9% | 中 |
| 数学 | Kimi K3 | カテゴリスコア72 対 56;LiveBench Mathematics 84.4% 対 95.7% | 高 |
| 知識 | Kimi K3 | カテゴリスコア66 対 60;LiveBench 1.0 Data Analysis 78.7% 対 76.9% | 中 |
| チャットの質(人間の評価) | Kimi K3 | Arenaの投票で69 対 63 | 中 |
| 最低コスト | Grok 4.7 | 100万トークンあたりブレンド価格$3.00 対 $6.00;エージェント型コーディングセッション$0.144 対 $0.240 | – |
| 回答開始の速さ | Kimi K3 | 最初の回答トークンまで0.8秒(Kimi K3)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 4.7 (xhigh)とKimi K3の品質は互角です(57.4 対 60.7、±6.5の誤差範囲内)。
- Grok 4.7 (xhigh)はエージェント・ツールで優れています。
- Kimi K3はコーディング、人間の評価、知識、数学で優れています。
- Grok 4.7 (xhigh)の方が2.0倍安くなっています(100万トークンあたりブレンド価格$3.00 対 $6.00)。
概要
| 仕様 | Grok 4.7 | Kimi K3 |
|---|---|---|
| プロバイダー | SpaceXAI | Moonshot AI |
| リリース日 | 2026年9月21日 | 2026年7月16日 |
| コンテキストウィンドウ(トークン) | 500,000 | 1,048,576 |
| 比較した構成 | Grok 4.7 (xhigh) | Kimi K3 |
| オープンウェイト | なし | あり |
| 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 | $3.00 / $15.00 / $0.300 |
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 4.7 (xhigh) | Kimi K3 | トップ |
|---|---|---|---|
| 推論 | 55.6 | – | 比較不可 |
| コーディング | 60.9 | 61.8 | 互角 |
| エージェント・ツール | 56.9 | 53.5 | Grok 4.7 |
| 数学 | 55.8 | 71.5 | Kimi K3 |
| 知識 | 59.9 | 66.1 | Kimi K3 |
| 人間の評価 | 62.5 | 68.6 | Kimi K3 |
| マルチモーダル | 55.5 | – | 比較不可 |
| 長文コンテキスト | 62.9 | – | 比較不可 |
| 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。
描画していないもの(測定済みのモデルが2つ未満):推論, 指示追従, 長文コンテキスト, マルチモーダル。
情報源で評価が分かれる点
両方に結果がある11件のベンチマークのうち、Grok 4.7のリードが2件、Kimi K3のリードが9件です。第三者の総合指標でも評価が分かれ、Grok 4.7はAA Intelligence Index v5.0.1、Vals Indexで、Kimi K3はArena Textでリードしています。
| 総合Index | Grok 4.7 (xhigh) | Kimi K3 | トップ |
|---|---|---|---|
| BenchLeader Index | 57.4 | 60.7 | 互角 |
| AA Intelligence Index v5.0.1 | 35.5 | 17.4† | Grok 4.7 |
| Vals Index | 58.6 | 53.0† | Grok 4.7 |
| Arena Text | 1443 | 1487† | Kimi K3 |
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 4.7 (xhigh) | Kimi K3 |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $3.00 | $6.00 |
| 100万トークンあたりの入力/出力 | $2.00 / $6.00 | $3.00 / $15.00 |
| 100万トークンあたりのキャッシュ入力 | $0.500 | $0.300 |
| タスクあたりの価格:チャットの返答 | $0.0026 | $0.0057 |
| タスクあたりの価格:30ページのレポートを要約 | $0.028 | $0.045 |
| タスクあたりの価格:コード編集 | $0.021 | $0.041 |
| 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 | $0.240 |
| タスクあたりの価格:構造化データの抽出 | $0.0052 | $0.0090 |
| 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 | $0.118 |
| ベンチマークのタスクあたりのコスト(AA Index) | $7.77 | – |
| タスクあたりの出力トークン(AA Index) | 105k | – |
| うち推論 | 69k | – |
| タスクあたりの時間(AA Index) | 26 min | – |
| 出力速度 | 68 tok/s | 76 tok/s |
| 回答開始までの時間 | 55.9秒 | 0.8秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 145.5秒 | – |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Grok 4.7 (xhigh)のスコアは57.4、最初の回答トークンまで56秒。Grok 4.7 (high)は56.9(35秒)、Grok 4.7 (low)は55.4(10秒)。Kimi K3のスコアは60.7、最初の回答トークンまで1秒。Kimi K3 (max)は60.2(55秒)、Kimi K3 (low)は53.6(8秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
183件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Grok 4.7 (xhigh) | Kimi K3 |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 57.4 | 60.7 |
| エージェント・ツールスコア | BenchLeader | 56.9 | 53.5 |
| コーディングスコア | BenchLeader | 60.9 | 61.8 |
| 総合スコア | BenchLeader | 52.8 | – |
| 人間の評価スコア | BenchLeader | 62.5 | 68.6 |
| 知識スコア | BenchLeader | 59.9 | 66.1 |
| 長文コンテキストスコア | BenchLeader | 62.9 | – |
| 数学スコア | BenchLeader | 55.8 | 71.5 |
| マルチモーダルスコア | BenchLeader | 55.5 | – |
| 推論スコア | BenchLeader | 55.6 | – |
| ブレンド価格($/100万トークン) | BenchLeader | $3.00 | $6.00 |
| 出力速度 | BenchLeader | 68 tok/s | 76 tok/s |
| 回答開始までの時間 | BenchLeader | 55.9秒 | 0.8秒 |
| コンテキストウィンドウ | BenchLeader | 500,000トークン | 1,048,576トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 92.7% | 93.1%† |
| SimpleBench | SimpleBench | – | 60.7%† |
| Arena Hard Prompts | Arena (LMArena) | 1466 | 1516† |
| LiveBench 2.0 Reasoning | LiveBench | 82.7% | 90.7%† |
| LiveBench 1.0 Reasoning | LiveBench | 82.7% | 90.7% |
| GPQA Diamond (AA) | Artificial Analysis | – | 93.5%† |
| Humanity's Last Exam (AA) | Artificial Analysis | 43.1% | 46.9%† |
| HLE-Diamond (AA) | Artificial Analysis | 23.2% | 26.9%† |
| GPQA Diamond (Vals) | Vals AI | – | 92.9% |
| ARC-AGI-1 | ARC Prize | 89.5% | 94.5%† |
| ARC-AGI-2 | ARC Prize | 61.4% | 60.4%† |
| ARC-AGI-3 | ARC Prize | 7.0% | – |
| CritPt | Artificial Analysis | 17.7% | 23.4%† |
| CritPt v2 hard subset (AA) | Artificial Analysis | 33.5% | 40.5%† |
| MysteryMechanism | Vals AI | 25.2% | – |
| HLE-Diamond (Scale) | Scale AI SEAL | 23.4%† | 22.2% |
| Arena Expert | Arena (LMArena) | 1478 | 1528† |
| Chess Puzzles | Epoch AI Benchmarking Hub | 41.0% | 36.0%† |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 29.0% | 26.0%† |
| LMCA | Epoch AI Benchmarking Hub | 49.4% | 52.7%† |
| DTBench | Epoch AI Benchmarking Hub | 96.0% | 91.2%† |
| ForecastBench | ForecastBench | – | 64.2%† |
| コーディング | |||
| SciCode | SciCode | 57.4% | 58.7% |
| WeirdML | WeirdML | – | 82.6%† |
| FrontierCode | Cognition | 47.6%† | 44.2% |
183件のベンチマークをすべて表示
| 指標 | 公開元 | Grok 4.7 (xhigh) | Kimi K3 |
|---|---|---|---|
| コーディング | |||
| Arena Coding | Arena (LMArena) | 1493 | 1538† |
| Arena WebDev | Arena (LMArena) | 1641 | 1658† |
| LiveBench 2.0 Coding | LiveBench | 73.1% | 53.1%† |
| LiveBench 1.0 Coding | LiveBench | 77.2% | 81.5% |
| SciCode (AA) | Artificial Analysis | 57.4% | 59.5%† |
| LiveCodeBench | Vals AI | – | 87.2%† |
| IOI | Vals AI | 57.7% | 48.9%† |
| SWE-bench (Vals) | Vals AI | – | 93.4% |
| Code Migration | Vals AI | 44.8% | 16.1%† |
| Code Migration v1.1 | Vals AI | 53.2% | 28.6%† |
| ProgramBench | Vals AI | 0.5% | 2.0% |
| SWE-bench Multimodal | Vals AI | 42.9% | 44.2%† |
| Vibe Code Bench 1-100 | Vals AI | – | 18.2%† |
| Vibe Code Bench v1.1 | Vals AI | 86.2% | 85.0%† |
| Vibe Code Bench 1-100 v1.1 | Vals AI | 26.4% | – |
| SWE Atlas v1.1 | Scale AI SEAL | 62.1%† | 61.0% |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 73.4%† | 65.3% |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 64.4%† | 63.3% |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 48.6%† | 54.3% |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 97.7%† |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 88.2%† |
| MirrorCode | Epoch AI Benchmarking Hub | 54.4% | 54.4%† |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | – | 95.0% |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 68.5%† |
| CursorBench | Cursor | 46.3% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1545.8 | 1524.5† |
| FrontierSWE | Epoch AI Benchmarking Hub | 29.5% | 25.9%† |
| WeirdML v3 | WeirdML | 8.4% | 7.5%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 25.8% | 12.6%† |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 85.0%† |
| Startrise Frontend | Startrise | 75.9%† | 79.8% |
| GameBench 2 Overall | DuelLab GameBench 2 | 63.6† | 48.0 |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 71.2 | 45.7† |
| Design Arena Website | Design Arena | 1244† | 1336 |
| FrontierCode 1.1 (AA) | Artificial Analysis | 33.8% | 43.6%† |
| FrontierCode 2.0 (AA) | Artificial Analysis | 28.7% | 10.9%† |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 38.8% | 23.0%† |
| APEX-Agents | Mercor | 54.6%† | 47.8% |
| Arena Agent | Arena (LMArena) | 2.6 | 0.6† |
| LiveBench Long Agentic | LiveBench | 45.3% | 36.0%† |
| LiveBench Browser | LiveBench | 49.3% | 75.2%† |
| LiveBench Agentic Coding | LiveBench | 54.0% | 62.2% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 73.4% | 80.9% |
| MCP Atlas | Scale AI SEAL | – | 82.3%† |
| HiL-Bench | Scale AI SEAL | – | 42.7% |
| τ³-bench Banking | τ²-bench | – | 37.1%† |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 60.7% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1717 | 1542† |
| τ³-Banking (AA) | Artificial Analysis | – | 46.0%† |
| ITBench SRE (AA) | Artificial Analysis | 42.1% | 47.7%† |
| Analyst Agent (AA) | Artificial Analysis | 52.5% | 38.8%† |
| APEX-Agents (AA) | Artificial Analysis | – | 41.3%† |
| CyberBench | Vals AI | 69.5% | 75.2%† |
| Finance Agent v2 | Vals AI | 52.3% | 53.1%† |
| Finance Agent v2.1 | Vals AI | 60.6% | 60.0%† |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 18.3% | 12.9%† |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 12.5% | 12.9%† |
| Legal Research Bench | Vals AI | 47.1% | 46.1%† |
| Robo-bench | Vals AI | 0.2% | – |
| SREBench | Vals AI | 3.8% | – |
| Tax Agent Bench | Vals AI | 35.8% | 33.4%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | 28.8% | 17.2%† |
| Terminal-Bench Science | Vals AI | 10.0% | 1.4%† |
| Time Horizon Index: KSP | Vals AI | – | 10.5%† |
| Arena Agent Task Completion | Arena (LMArena) | 5.1 | 3.4† |
| PostTrainBench | Epoch AI Benchmarking Hub | – | 31.5% |
| GBAEval | Epoch AI Benchmarking Hub | – | 48.4% |
| Vending-Bench 2 | Andon Labs | 10536.8† | 5165.0 |
| AutomationBench | Artificial Analysis | 65.6% | 58.3%† |
| GDP.pdf (AA) | Artificial Analysis | 20.0% | 22.0%† |
| Harvey LAB-AA v1.1 | Harvey | 9.4% | 5.3%† |
| EnterpriseOps-Gym | Artificial Analysis | – | 45.3%† |
| AA-Briefcase v1.1 | Artificial Analysis | 1636 | 1497† |
| GDPx | GDPx by SemiAnalysis | 3.9% | 3.7%† |
| Design Arena Agentic | Design Arena | 1277† | 1261 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 11.4% | 8.1%† |
| CWE-Bench (AA) | Artificial Analysis | 68.3% | 53.3%† |
| DeepSec-Bench (AA) | Artificial Analysis | 26.9% | 12.4%† |
| CyberGym end-to-end (AA) | Artificial Analysis | 74.0% | 58.0%† |
| MKA (AA) | Artificial Analysis | 40.1% | – |
| FACTS Search | 85.6%† | 90.3% | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 53.0% | 72.2%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 17.1% | 39.0%† |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 98.1% | 97.2%† |
| ProofBench | Vals AI | 26.0%† | 87.0% |
| LiveBench Mathematics | LiveBench | 95.7% | 84.4% |
| AIME 2026 | MathArena | – | 96.7%† |
| HMMT February 2026 | MathArena | – | 97.0%† |
| MathArena Apex | MathArena | – | 65.6%† |
| Arena Maths | Arena (LMArena) | 1447 | 1502† |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 0.0% | 0.0%† |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 56.0% | 50.6%† |
| LiveBench 2.0 Data Analysis | LiveBench | 76.9% | 78.7%† |
| LiveBench Research | LiveBench | 89.5% | 79.8%† |
| LiveBench 1.0 Data Analysis | LiveBench | 76.9% | 78.7% |
| AA-Omniscience v1.1 | Artificial Analysis | 31.2 | -1.7† |
| MMLU-Pro | Vals AI | – | 88.0%† |
| LegalBench | Vals AI | 84.4% | 86.2%† |
| CorpFin | Vals AI | – | 71.6% |
| TaxEval | Vals AI | – | 75.7% |
| PRBench Legal | Scale AI SEAL | 47.6% | – |
| BioMysteryBench | Vals AI | 69.3% | 72.6%† |
| Excel Modeling Benchmark | Vals AI | 67.0% | 66.7%† |
| Excel Modeling Benchmark v1.1 | Vals AI | 71.5% | 71.3%† |
| MedCode | Vals AI | 49.5% | 49.4%† |
| MedScribe | Vals AI | 89.4% | 88.0%† |
| Public Benefits Bench v1.1 | Vals AI | 65.6% | 68.2%† |
| Access to Justice Benchmark | Vals AI | 73.7% | 68.2%† |
| Financial Coaching Bench | Vals AI | 74.1% | 74.5%† |
| Immigration Bench | Vals AI | 68.0% | 68.3%† |
| GDP.pdf | Epoch AI Benchmarking Hub | 22.8% | 19.0%† |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 42.7% | 42.4%† |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 80.0% | 23.4%† |
| HealthBench Professional (AA) | OpenAI | 55.8% | 53.2%† |
| FACTS Parametric | 54.3%† | – | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 80.1% | 85.5% |
| LiveBench Instruction Following | LiveBench | 75.3% | 71.4% |
| Arena Instruction Following | Arena (LMArena) | 1435 | 1489† |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1443 | 1487† |
| EQ-Bench 4 | EQ-Bench | – | 1319 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 2012† | 2083 |
| Arena Creative Writing | Arena (LMArena) | 1421 | 1459† |
| Arena Multi-turn | Arena (LMArena) | 1435 | 1502† |
| Arena Longer Queries | Arena (LMArena) | 1454 | 1500† |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1230 | – |
| LiveBench Design | LiveBench | 75.0% | 72.5%† |
| MMMU-Pro | Artificial Analysis | 78.2%† | 80.5%† |
| MMMU-Pro (Vals) | Vals AI | – | 88.2% |
| MortgageTax | Vals AI | – | 66.3% |
| SAGE | Vals AI | 88.7% | 86.8%† |
| Humanity's Sixth Sense | Scale AI SEAL | – | 25.5%† |
| GeoBench | GeoBench | 61.0%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 32.5%† | 29.5% |
| Furniture Assembly | Epoch AI Benchmarking Hub | 20.8% | 34.2%† |
| VIALS-AA | Handshake AI | 37.9% | – |
| Code2Video-AA | Artificial Analysis | 1127 | 1041† |
| AA-3D | Artificial Analysis | 992 | 984† |
| FACTS Multimodal | 40.9%† | – | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 76.7% | 88.7%† |
| MLCR | Artificial Analysis | 20.0% | 21.7%† |
| FACTS Grounding | 68.6%† | – | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 156.2† | 158.6 |
| LiveBench 2.0 | LiveBench | 67.9% | 65.0%† |
| LiveBench 1.0 | LiveBench | 77.4% | 79.2% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 35.5 | 17.4† |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 46.5 | 43.6† |
| AA Progress Index v1 | Artificial Analysis | 322.7 | 319.9† |
| Vals Index | Vals AI | 58.6 | 53.0† |
| Vals Finance Index | Vals AI | 58.8% | 58.0%† |
| Vals RSI Index | Vals AI | 20.2% | 20.9%† |
| Vals Science Index | Vals AI | 34.8% | – |
| Vals Multimodal Index | Vals AI | – | 73.4% |
| Vals Router Index | Vals AI | 58.6%† | 53.0% |
| Vals Legal Index | Vals AI | 72.7% | 71.7%† |
| AA Cyber Index | Artificial Analysis | 56.4 | 41.3† |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | – | 27.3% |
| DistressBench | Scale AI SEAL | 52.4%† | 73.5% |
| 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。
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。
- Kimi K3:BenchLeader Index 59.1 → 60.7。
- Grok 4.7 (xhigh):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
- Kimi K3:スコアの改訂1件。
- 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 4.7 (xhigh):スコアの改訂2件。
- Kimi K3:スコアの改訂4件。
- Kimi K3:スコアの改訂1件。
- Kimi K3:新しい結果1件(FACTS Search)。
関連する比較
- Grok 4.7 vs Claude Opus 5.5
- Grok 4.7 vs GPT-6 Astra
- Grok 4.7 vs Claude Fable 5.1
- Grok 4.7 vs GPT-6.1 Sol
- Kimi K3 vs Claude Opus 5.5
- Grok 4.7 vs Claude Fable 5
- Grok 4.7 vs Gemini 4 Argon
- Grok 4.7 vs GPT-5.6 Sol
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 4.7 vs Kimi K3:よくある質問
- Grok 4.7はKimi K3より優れていますか?
- Grok 4.7 (xhigh)とKimi K3の品質は互角です(57.4 対 60.7、±6.5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 4.7とKimi K3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 4.7の方が安く、100万トークンあたり$3.00 対 $6.00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Grok 4.7とKimi K3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 62)。共通するコーディングベンチマークのうち最も重要なSciCodeでは、Grok 4.7が57.4%、Kimi K3が58.7%です。
- Grok 4.7とKimi K3はどちらが速いですか?
- Kimi K3の方が出力が速くなっています(出力76 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 4.7とKimi K3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 4.7の方がスコアが高くなっています(カテゴリ指標で57 対 54。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、Grok 4.7が73.4%、Kimi K3が80.9%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?
- コンテキストはKimi K3の方が長く、1,048,576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Kimi K3です。Artificial Analysisの測定では、最初の回答トークンまで0.8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 4.7とKimi K3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11件のベンチマークのうち、Grok 4.7のリードが2件、Kimi K3のリードが9件です。第三者の総合指標でも評価が分かれ、Grok 4.7はAA Intelligence Index v5.0.1、Vals Indexで、Kimi K3はArena Text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。