BenchLeader

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 K3Arenaの投票で69 対 63中
最低コストGrok 4.7100万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 4.7Kimi K3
プロバイダーSpaceXAIMoonshot 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)500,0001,048,576
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60.961.8互角
エージェント・ツール56.953.5Grok 4.7
数学55.871.5Kimi K3
知識59.966.1Kimi K3
人間の評価62.568.6Kimi 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。

2550 avg75コーディングエージェント・ツール数学知識人間の評価Grok 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, 人間の評価: 62.5Kimi K3, コーディング: 61.8Kimi K3, エージェント・ツール: 53.5Kimi K3, 数学: 71.5Kimi K3, 知識: 66.1Kimi K3, 人間の評価: 68.6

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。

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IndexGrok 4.7 (xhigh)Kimi K3トップ
BenchLeader Index57.460.7互角
AA Intelligence Index v5.0.135.517.4†Grok 4.7
Vals Index58.653.0†Grok 4.7
Arena Text14431487†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/s76 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 IndexBenchLeader57.460.7
エージェント・ツールスコアBenchLeader56.953.5
コーディングスコアBenchLeader60.961.8
総合スコアBenchLeader52.8–
人間の評価スコアBenchLeader62.568.6
知識スコアBenchLeader59.966.1
長文コンテキストスコアBenchLeader62.9–
数学スコアBenchLeader55.871.5
マルチモーダルスコアBenchLeader55.5–
推論スコアBenchLeader55.6–
ブレンド価格($/100万トークン)BenchLeader$3.00$6.00
出力速度BenchLeader68 tok/s76 tok/s
回答開始までの時間BenchLeader55.9秒0.8秒
コンテキストウィンドウBenchLeader500,000トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub92.7%93.1%†
SimpleBenchSimpleBench–60.7%†
Arena Hard PromptsArena (LMArena)14661516†
LiveBench 2.0 ReasoningLiveBench82.7%90.7%†
LiveBench 1.0 ReasoningLiveBench82.7%90.7%
GPQA Diamond (AA)Artificial Analysis–93.5%†
Humanity's Last Exam (AA)Artificial Analysis43.1%46.9%†
HLE-Diamond (AA)Artificial Analysis23.2%26.9%†
GPQA Diamond (Vals)Vals AI–92.9%
ARC-AGI-1ARC Prize89.5%94.5%†
ARC-AGI-2ARC Prize61.4%60.4%†
ARC-AGI-3ARC Prize7.0%–
CritPtArtificial Analysis17.7%23.4%†
CritPt v2 hard subset (AA)Artificial Analysis33.5%40.5%†
MysteryMechanismVals AI25.2%–
HLE-Diamond (Scale)Scale AI SEAL23.4%†22.2%
Arena ExpertArena (LMArena)14781528†
Chess PuzzlesEpoch AI Benchmarking Hub41.0%36.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub29.0%26.0%†
LMCAEpoch AI Benchmarking Hub49.4%52.7%†
DTBenchEpoch AI Benchmarking Hub96.0%91.2%†
ForecastBenchForecastBench–64.2%†
コーディング
SciCodeSciCode57.4%58.7%
WeirdMLWeirdML–82.6%†
FrontierCodeCognition47.6%†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 CodingArena (LMArena)14931538†
Arena WebDevArena (LMArena)16411658†
LiveBench 2.0 CodingLiveBench73.1%53.1%†
LiveBench 1.0 CodingLiveBench77.2%81.5%
SciCode (AA)Artificial Analysis57.4%59.5%†
LiveCodeBenchVals AI–87.2%†
IOIVals AI57.7%48.9%†
SWE-bench (Vals)Vals AI–93.4%
Code MigrationVals AI44.8%16.1%†
Code Migration v1.1Vals AI53.2%28.6%†
ProgramBenchVals AI0.5%2.0%
SWE-bench MultimodalVals AI42.9%44.2%†
Vibe Code Bench 1-100Vals AI–18.2%†
Vibe Code Bench v1.1Vals AI86.2%85.0%†
Vibe Code Bench 1-100 v1.1Vals AI26.4%–
SWE Atlas v1.1Scale AI SEAL62.1%†61.0%
SWE Atlas v1.1: Codebase QnAScale AI SEAL73.4%†65.3%
SWE Atlas v1.1: Test WritingScale AI SEAL64.4%†63.3%
SWE Atlas v1.1: RefactoringScale AI SEAL48.6%†54.3%
SWE-Bench Pro V2Scale AI SEAL–97.7%†
SWE-Bench Pro V2 HARDScale AI SEAL–88.2%†
MirrorCodeEpoch AI Benchmarking Hub54.4%54.4%†
Surface Evolver BenchEpoch AI Benchmarking Hub–95.0%
DeepSWE v1.1Epoch AI Benchmarking Hub–68.5%†
CursorBenchCursor46.3%–
ALE-BenchEpoch AI Benchmarking Hub1545.81524.5†
FrontierSWEEpoch AI Benchmarking Hub29.5%25.9%†
WeirdML v3WeirdML8.4%7.5%†
Terminal-Bench 4.0 (AA)Artificial Analysis25.8%12.6%†
Terminal-Bench 2.1 (AA)Artificial Analysis–85.0%†
Startrise FrontendStartrise75.9%†79.8%
GameBench 2 OverallDuelLab GameBench 263.6†48.0
GameBench 2 by reasoning settingDuelLab GameBench 271.245.7†
Design Arena WebsiteDesign Arena1244†1336
FrontierCode 1.1 (AA)Artificial Analysis33.8%43.6%†
FrontierCode 2.0 (AA)Artificial Analysis28.7%10.9%†
エージェント・ツール
Terminal-BenchTerminal-Bench38.8%23.0%†
APEX-AgentsMercor54.6%†47.8%
Arena AgentArena (LMArena)2.60.6†
LiveBench Long AgenticLiveBench45.3%36.0%†
LiveBench BrowserLiveBench49.3%75.2%†
LiveBench Agentic CodingLiveBench54.0%62.2%
Terminal-Bench 2.1 (Vals)Vals AI73.4%80.9%
MCP AtlasScale AI SEAL–82.3%†
HiL-BenchScale AI SEAL–42.7%
τ³-bench Bankingτ²-bench–37.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis60.7%–
GDPval-AA v2.1Artificial Analysis17171542†
τ³-Banking (AA)Artificial Analysis–46.0%†
ITBench SRE (AA)Artificial Analysis42.1%47.7%†
Analyst Agent (AA)Artificial Analysis52.5%38.8%†
APEX-Agents (AA)Artificial Analysis–41.3%†
CyberBenchVals AI69.5%75.2%†
Finance Agent v2Vals AI52.3%53.1%†
Finance Agent v2.1Vals AI60.6%60.0%†
Harvey's Legal Agent Benchmark v1.1Vals AI18.3%12.9%†
Harvey's Legal Agent Benchmark v1Vals AI12.5%12.9%†
Legal Research BenchVals AI47.1%46.1%†
Robo-benchVals AI0.2%–
SREBenchVals AI3.8%–
Tax Agent BenchVals AI35.8%33.4%†
Terminal-Bench 4.0 (Vals)Vals AI28.8%17.2%†
Terminal-Bench ScienceVals AI10.0%1.4%†
Time Horizon Index: KSPVals AI–10.5%†
Arena Agent Task CompletionArena (LMArena)5.13.4†
PostTrainBenchEpoch AI Benchmarking Hub–31.5%
GBAEvalEpoch AI Benchmarking Hub–48.4%
Vending-Bench 2Andon Labs10536.8†5165.0
AutomationBenchArtificial Analysis65.6%58.3%†
GDP.pdf (AA)Artificial Analysis20.0%22.0%†
Harvey LAB-AA v1.1Harvey9.4%5.3%†
EnterpriseOps-GymArtificial Analysis–45.3%†
AA-Briefcase v1.1Artificial Analysis16361497†
GDPxGDPx by SemiAnalysis3.9%3.7%†
Design Arena AgenticDesign Arena1277†1261
Terminal-Bench-Science 0.1 (AA)Artificial Analysis11.4%8.1%†
CWE-Bench (AA)Artificial Analysis68.3%53.3%†
DeepSec-Bench (AA)Artificial Analysis26.9%12.4%†
CyberGym end-to-end (AA)Artificial Analysis74.0%58.0%†
MKA (AA)Artificial Analysis40.1%–
FACTS SearchGoogle85.6%†90.3%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub53.0%72.2%†
FrontierMath Tier 4Epoch AI Benchmarking Hub17.1%39.0%†
OTIS Mock AIMEEpoch AI Benchmarking Hub98.1%97.2%†
ProofBenchVals AI26.0%†87.0%
LiveBench MathematicsLiveBench95.7%84.4%
AIME 2026MathArena–96.7%†
HMMT February 2026MathArena–97.0%†
MathArena ApexMathArena–65.6%†
Arena MathsArena (LMArena)14471502†
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%0.0%†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub56.0%50.6%†
LiveBench 2.0 Data AnalysisLiveBench76.9%78.7%†
LiveBench ResearchLiveBench89.5%79.8%†
LiveBench 1.0 Data AnalysisLiveBench76.9%78.7%
AA-Omniscience v1.1Artificial Analysis31.2-1.7†
MMLU-ProVals AI–88.0%†
LegalBenchVals AI84.4%86.2%†
CorpFinVals AI–71.6%
TaxEvalVals AI–75.7%
PRBench LegalScale AI SEAL47.6%–
BioMysteryBenchVals AI69.3%72.6%†
Excel Modeling BenchmarkVals AI67.0%66.7%†
Excel Modeling Benchmark v1.1Vals AI71.5%71.3%†
MedCodeVals AI49.5%49.4%†
MedScribeVals AI89.4%88.0%†
Public Benefits Bench v1.1Vals AI65.6%68.2%†
Access to Justice BenchmarkVals AI73.7%68.2%†
Financial Coaching BenchVals AI74.1%74.5%†
Immigration BenchVals AI68.0%68.3%†
GDP.pdfEpoch AI Benchmarking Hub22.8%19.0%†
AA-Omniscience v1.1: accuracyArtificial Analysis42.7%42.4%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis80.0%23.4%†
HealthBench Professional (AA)OpenAI55.8%53.2%†
FACTS ParametricGoogle54.3%†–
指示追従
LiveBench LanguageLiveBench80.1%85.5%
LiveBench Instruction FollowingLiveBench75.3%71.4%
Arena Instruction FollowingArena (LMArena)14351489†
人間の評価
Arena TextArena (LMArena)14431487†
EQ-Bench 4EQ-Bench–1319
EQ-Bench Creative Writing v3EQ-Bench2012†2083
Arena Creative WritingArena (LMArena)14211459†
Arena Multi-turnArena (LMArena)14351502†
Arena Longer QueriesArena (LMArena)14541500†
マルチモーダル
Arena VisionArena (LMArena)1230–
LiveBench DesignLiveBench75.0%72.5%†
MMMU-ProArtificial Analysis78.2%†80.5%†
MMMU-Pro (Vals)Vals AI–88.2%
MortgageTaxVals AI–66.3%
SAGEVals AI88.7%86.8%†
Humanity's Sixth SenseScale AI SEAL–25.5%†
GeoBenchGeoBench61.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub32.5%†29.5%
Furniture AssemblyEpoch AI Benchmarking Hub20.8%34.2%†
VIALS-AAHandshake AI37.9%–
Code2Video-AAArtificial Analysis11271041†
AA-3DArtificial Analysis992984†
FACTS MultimodalGoogle40.9%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis76.7%88.7%†
MLCRArtificial Analysis20.0%21.7%†
FACTS GroundingGoogle68.6%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.2†158.6
LiveBench 2.0LiveBench67.9%65.0%†
LiveBench 1.0LiveBench77.4%79.2%
AA Intelligence Index v5.0.1Artificial Analysis35.517.4†
AA Intelligence Index v4.3.2Artificial Analysis46.543.6†
AA Progress Index v1Artificial Analysis322.7319.9†
Vals IndexVals AI58.653.0†
Vals Finance IndexVals AI58.8%58.0%†
Vals RSI IndexVals AI20.2%20.9%†
Vals Science IndexVals AI34.8%–
Vals Multimodal IndexVals AI–73.4%
Vals Router IndexVals AI58.6%†53.0%
Vals Legal IndexVals AI72.7%71.7%†
AA Cyber IndexArtificial Analysis56.441.3†
安全性・誠実さ
FORTRESSScale AI SEAL–27.3%
DistressBenchScale AI SEAL52.4%†73.5%
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。

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)。

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。