BenchLeader

Grok 4.7 vs Muse Spark 1.1

詳しいプロフィール:Grok 4.7(SpaceXAI)とMuse Spark 1.1(Meta)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 14件の情報源のデータ

2026年11月16日時点で、Grok 4.7とMuse Spark 1.1の品質は互角です(BenchLeader Indexで57.4 対 62.2、±6.2の誤差範囲内)。価格はMuse Spark 1.1の方が1.5倍安く、100万トークンあたりのブレンド価格で$2.00 対 $3.00です。エージェント・ツール(57 対 51)を重視するならGrok 4.7、推論(68 対 56)、知識(69 対 60)、マルチモーダル(64 対 56)を重視するならMuse Spark 1.1が向いています。回答開始までの時間はMuse Spark 1.1の方が短く、1.8秒 対 55.9秒です。Muse Spark 1.1は出力が約2倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGrok 4.7が57.4、Muse Spark 1.1が62.2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)。
  • Muse Spark 1.1の100万トークンあたりのブレンド価格は$2.00です(定価、2026年11月16日)。
  • Muse Spark 1.1はGrok 4.7より出力が約2倍速いです(Artificial Analysis、7日間の中央値、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、Muse Spark 1.1が12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 4.7が1641、Muse Spark 1.1が1542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Muse Spark 1.1カテゴリスコア66 対 61;SciCode 58.8% 対 57.4%中
エージェント・ツール利用Grok 4.7カテゴリスコア57 対 51;Arena Agent 2.6 対 -8中
数学Muse Spark 1.1カテゴリスコア61 対 56;Arena Maths 1493 対 1447中
推論Muse Spark 1.1カテゴリスコア68 対 56;Arena Hard Prompts 1511 対 1466高
知識Muse Spark 1.1カテゴリスコア69 対 60;SimpleQA Verified 57.8% 対 56.0%高
画像などのメディアMuse Spark 1.1カテゴリスコア64 対 56;Arena Vision 1292 対 1230高
チャットの質(人間の評価)Muse Spark 1.1Arenaの投票で65 対 63中
最低コストMuse Spark 1.1100万トークンあたりブレンド価格$2.00 対 $3.00;エージェント型コーディングセッション$0.092 対 $0.144–
回答開始の速さMuse Spark 1.1最初の回答トークンまで1.8秒(Muse Spark 1.1)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Muse Spark 1.1の品質は互角です(57.4 対 62.2、±6.2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。
  • Muse Spark 1.1はコーディング、人間の評価、知識、数学、マルチモーダル、推論で優れています。
  • Muse Spark 1.1の方が1.5倍安くなっています(100万トークンあたりブレンド価格$2.00 対 $3.00)。
  • Muse Spark 1.1の方が出力が2.8倍速くなっています(193 対 68トークン/秒)。

概要

仕様Grok 4.7Muse Spark 1.1
プロバイダーSpaceXAIMeta
リリース日2026年9月21日2026年7月9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)Muse Spark 1.1
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$1.25 / $4.25 / $0.150

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)Muse Spark 1.1トップ
推論55.667.8Muse Spark 1.1
コーディング60.965.8Muse Spark 1.1
エージェント・ツール56.950.9Grok 4.7
数学55.861.3Muse Spark 1.1
知識59.969.2Muse Spark 1.1
指示追従–70.4比較不可
人間の評価62.564.5Muse Spark 1.1
マルチモーダル55.563.6Muse Spark 1.1
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推論コーディングエージェント・ツール数学知識マルチモーダル人間の評価Grok 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, マルチモーダル: 55.5Grok 4.7, 人間の評価: 62.5Muse Spark 1.1, 推論: 67.8Muse Spark 1.1, コーディング: 65.8Muse Spark 1.1, エージェント・ツール: 50.9Muse Spark 1.1, 数学: 61.3Muse Spark 1.1, 知識: 69.2Muse Spark 1.1, マルチモーダル: 63.6Muse Spark 1.1, 人間の評価: 64.5

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, 長文コンテキスト。

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 4.7のリードが4件、Muse Spark 1.1のリードが12件です。両方を評価しているすべての総合指標で、Muse Spark 1.1が上回っています。

総合IndexGrok 4.7 (xhigh)Muse Spark 1.1トップ
BenchLeader Index57.462.2互角
Arena Text14431491Muse Spark 1.1

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)Muse Spark 1.1
100万トークンあたりのブレンド価格$3.00$2.00
100万トークンあたりの入力/出力$2.00 / $6.00$1.25 / $4.25
100万トークンあたりのキャッシュ入力$0.500$0.150
タスクあたりの価格:チャットの返答$0.0026$0.0018
タスクあたりの価格:30ページのレポートを要約$0.028$0.018
タスクあたりの価格:コード編集$0.021$0.014
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$0.092
タスクあたりの価格:構造化データの抽出$0.0052$0.0034
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$0.043
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/s193 tok/s
回答開始までの時間55.9秒1.8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)。Muse Spark 1.1のスコアは62.2、最初の回答トークンまで2秒。Muse Spark 1.1 (xhigh)は59.5(13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

177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)Muse Spark 1.1
BenchLeader IndexBenchLeader57.462.2
エージェント・ツールスコアBenchLeader56.950.9
コーディングスコアBenchLeader60.965.8
総合スコアBenchLeader52.8–
人間の評価スコアBenchLeader62.564.5
知識スコアBenchLeader59.969.2
長文コンテキストスコアBenchLeader62.9–
数学スコアBenchLeader55.861.3
マルチモーダルスコアBenchLeader55.563.6
推論スコアBenchLeader55.667.8
指示追従スコアBenchLeader–70.4
ブレンド価格($/100万トークン)BenchLeader$3.00$2.00
出力速度BenchLeader68 tok/s193 tok/s
回答開始までの時間BenchLeader55.9秒1.8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%–
Arena Hard PromptsArena (LMArena)14661511
LiveBench 2.0 ReasoningLiveBench82.7%–
LiveBench 1.0 ReasoningLiveBench82.7%87.7%†
GPQA Diamond (AA)Artificial Analysis–89.8%†
Humanity's Last Exam (AA)Artificial Analysis43.1%46.2%†
HLE-Diamond (AA)Artificial Analysis23.2%–
GPQA Diamond (Vals)Vals AI–91.2%†
ARC-AGI-1ARC Prize89.5%–
ARC-AGI-2ARC Prize61.4%–
ARC-AGI-3ARC Prize7.0%–
CritPtArtificial Analysis17.7%15.1%†
CritPt v2 hard subset (AA)Artificial Analysis33.5%–
MysteryMechanismVals AI25.2%–
HLE-Diamond (Scale)Scale AI SEAL23.4%†–
Arena ExpertArena (LMArena)14781504
Chess PuzzlesEpoch AI Benchmarking Hub41.0%34.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub29.0%–
LMCAEpoch AI Benchmarking Hub49.4%49.9%†
DTBenchEpoch AI Benchmarking Hub96.0%94.4%†
コーディング
SciCodeSciCode57.4%58.8%
FrontierCodeCognition47.6%†–
Arena CodingArena (LMArena)14931533
Arena WebDevArena (LMArena)16411542
LiveBench 2.0 CodingLiveBench73.1%–
177件のベンチマークをすべて表示
指標公開元Grok 4.7 (xhigh)Muse Spark 1.1
コーディング
LiveBench 1.0 CodingLiveBench77.2%77.2%†
LiveCodeBenchVals AI–85.9%†
IOIVals AI57.7%–
SWE-bench (Vals)Vals AI–82.0%†
SWE-Bench ProScale AI SEAL–61.5%
Code MigrationVals AI44.8%31.1%†
Code Migration v1.1Vals AI53.2%–
ProgramBenchVals AI0.5%0.0%†
SWE-bench MultimodalVals AI42.9%–
Vibe Code Bench v1.1Vals AI86.2%72.2%†
Vibe Code Bench 1-100 v1.1Vals AI26.4%–
SWE-Bench Pro (private)Scale AI SEAL–51.5%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–42.2%†
SWE Atlas v1.0: Test WritingScale AI SEAL–41.5%†
SWE Atlas v1.1Scale AI SEAL62.1%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL73.4%†–
SWE Atlas v1.1: Test WritingScale AI SEAL64.4%†–
SWE Atlas v1.1: RefactoringScale AI SEAL48.6%†–
MirrorCodeEpoch AI Benchmarking Hub54.4%–
Surface Evolver BenchEpoch AI Benchmarking Hub–52.5%†
DeepSWE v1.1Epoch AI Benchmarking Hub–53.3%
CursorBenchCursor46.3%–
ALE-BenchEpoch AI Benchmarking Hub1545.8–
FrontierSWEEpoch AI Benchmarking Hub29.5%–
WeirdML v3WeirdML8.4%–
Terminal-Bench 4.0 (AA)Artificial Analysis25.8%6.1%†
Terminal-Bench 2.1 (AA)Artificial Analysis–77.9%†
Startrise FrontendStartrise75.9%†–
GameBench 2 OverallDuelLab GameBench 263.6†–
GameBench 2 by reasoning settingDuelLab GameBench 271.2–
Design Arena WebsiteDesign Arena1244†1263
FrontierCode 1.1 (AA)Artificial Analysis33.8%–
FrontierCode 2.0 (AA)Artificial Analysis28.7%–
エージェント・ツール
Terminal-BenchTerminal-Bench38.8%–
APEX-AgentsMercor54.6%†31.8%
Arena AgentArena (LMArena)2.6-8
LiveBench Long AgenticLiveBench45.3%–
LiveBench BrowserLiveBench49.3%–
LiveBench Agentic CodingLiveBench54.0%58.5%†
Terminal-Bench 2.1 (Vals)Vals AI73.4%69.3%†
MCP AtlasScale AI SEAL–88.1%
τ³-bench Bankingτ²-bench–40.5%†
GDPval-AA v2.1, normalised scoreArtificial Analysis60.7%–
GDPval-AA v2.1Artificial Analysis17171216†
τ³-Banking (AA)Artificial Analysis–31.8%†
ITBench SRE (AA)Artificial Analysis42.1%–
Analyst Agent (AA)Artificial Analysis52.5%–
CyberBenchVals AI69.5%–
Finance Agent v2Vals AI52.3%57.2%†
Finance Agent v2.1Vals AI60.6%–
Harvey's Legal Agent Benchmark v1.1Vals AI18.3%–
Harvey's Legal Agent Benchmark v1Vals AI12.5%20.0%†
Legal Research BenchVals AI47.1%38.0%†
Robo-benchVals AI0.2%–
SkillsBenchVals AI–59.2%†
SREBenchVals AI3.8%–
Tax Agent BenchVals AI35.8%–
Terminal-Bench 4.0 (Vals)Vals AI28.8%–
Terminal-Bench ScienceVals AI10.0%–
Time Horizon Index: KSPVals AI–1.7%†
Arena Agent Task CompletionArena (LMArena)5.1-6.5
GBAEvalEpoch AI Benchmarking Hub–7.9%
Vending-Bench 2Andon Labs10536.8†6520.5
AutomationBenchArtificial Analysis65.6%38.9%†
GDP.pdf (AA)Artificial Analysis20.0%14.4%†
Harvey LAB-AA v1.1Harvey9.4%–
AA-Briefcase v1.1Artificial Analysis1636851†
GDPxGDPx by SemiAnalysis3.9%–
Design Arena AgenticDesign Arena1277†1172
Terminal-Bench-Science 0.1 (AA)Artificial Analysis11.4%–
CWE-Bench (AA)Artificial Analysis68.3%–
DeepSec-Bench (AA)Artificial Analysis26.9%–
CyberGym end-to-end (AA)Artificial Analysis74.0%–
MKA (AA)Artificial Analysis40.1%–
FACTS SearchGoogle85.6%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub53.0%–
FrontierMath Tier 4Epoch AI Benchmarking Hub17.1%–
OTIS Mock AIMEEpoch AI Benchmarking Hub98.1%–
ProofBenchVals AI26.0%†39.0%
LiveBench MathematicsLiveBench95.7%87.1%†
Arena MathsArena (LMArena)14471493
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub56.0%57.8%
LiveBench 2.0 Data AnalysisLiveBench76.9%–
LiveBench ResearchLiveBench89.5%–
LiveBench 1.0 Data AnalysisLiveBench76.9%72.5%†
AA-Omniscience v1.1Artificial Analysis31.2–
MMLU-ProVals AI–88.7%†
LegalBenchVals AI84.4%85.0%†
CorpFinVals AI–71.3%†
TaxEvalVals AI–79.7%†
PRBench FinanceScale AI SEAL–55.0%
PRBench LegalScale AI SEAL47.6%57.0%
MultiNRCScale AI SEAL–65.6%
BioMysteryBenchVals AI69.3%–
Excel Modeling BenchmarkVals AI67.0%56.4%†
Excel Modeling Benchmark v1.1Vals AI71.5%–
MedCodeVals AI49.5%–
MedScribeVals AI89.4%88.9%†
Public Benefits Bench v1.1Vals AI65.6%61.3%†
Access to Justice BenchmarkVals AI73.7%–
Financial Coaching BenchVals AI74.1%–
Immigration BenchVals AI68.0%–
GDP.pdfEpoch AI Benchmarking Hub22.8%15.0%
AA-Omniscience v1.1: accuracyArtificial Analysis42.7%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis80.0%–
HealthBench Professional (AA)OpenAI55.8%–
FACTS ParametricGoogle54.3%†–
指示追従
LiveBench LanguageLiveBench80.1%74.3%†
LiveBench Instruction FollowingLiveBench75.3%69.6%†
MultiChallengeScale AI SEAL–75.3%
Arena Instruction FollowingArena (LMArena)14351473
人間の評価
Arena TextArena (LMArena)14431491
EQ-Bench 4EQ-Bench–1244
EQ-Bench Creative Writing v3EQ-Bench2012†1928
Arena Creative WritingArena (LMArena)14211443
Arena Multi-turnArena (LMArena)14351497
Arena Longer QueriesArena (LMArena)14541481
マルチモーダル
Arena VisionArena (LMArena)12301292
LiveBench DesignLiveBench75.0%–
MMMU-ProArtificial Analysis78.2%†–
MMMU-Pro (Vals)Vals AI–86.6%†
MortgageTaxVals AI–66.1%†
SAGEVals AI88.7%–
VTBScale AI SEAL–44.8%
GeoBenchGeoBench61.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub32.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub20.8%–
VIALS-AAHandshake AI37.9%–
Code2Video-AAArtificial Analysis1127–
AA-3DArtificial Analysis992–
FACTS MultimodalGoogle40.9%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis76.7%77.7%†
Arena DocumentArena (LMArena)–1480
MLCRArtificial Analysis20.0%7.2%†
FACTS GroundingGoogle68.6%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.2†154.9
LiveBench 2.0LiveBench67.9%–
LiveBench 1.0LiveBench77.4%75.3%†
AA Intelligence Index v5.0.1Artificial Analysis35.5–
AA Intelligence Index v4.3.2Artificial Analysis46.533.7†
AA Progress Index v1Artificial Analysis322.7302.7†
Vals IndexVals AI58.6–
Vals Finance IndexVals AI58.8%–
Vals RSI IndexVals AI20.2%–
Vals Science IndexVals AI34.8%–
Vals Multimodal IndexVals AI–66.7%†
Vals Router IndexVals AI58.6%†–
Vals Legal IndexVals AI72.7%–
AA Cyber IndexArtificial Analysis56.4–
安全性・誠実さ
FORTRESSScale AI SEAL–12.4%
DistressBenchScale AI SEAL52.4%†–

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 4.7 (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。
  • Muse Spark 1.1:スコアの改訂1件。
  • Grok 4.7 (xhigh):スコアの改訂2件。
  • Grok 4.7 (xhigh):スコアの改訂2件。
  • Grok 4.7 (xhigh):スコアの改訂1件。
  • Muse Spark 1.1: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 4.7 vs Muse Spark 1.1:よくある質問

Grok 4.7はMuse Spark 1.1より優れていますか?
Grok 4.7 (xhigh)とMuse Spark 1.1の品質は互角です(57.4 対 62.2、±6.2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Muse Spark 1.1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Muse Spark 1.1の方が安く、100万トークンあたり$2.00 対 $3.00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Muse Spark 1.1のどちらが向いていますか?
コーディングではMuse Spark 1.1の方がスコアが高くなっています(カテゴリ指標で66 対 61。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 4.7が1641、Muse Spark 1.1が1542です。
Grok 4.7とMuse Spark 1.1はどちらが速いですか?
Muse Spark 1.1の方が出力が約2倍速くなっています(出力193 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Muse Spark 1.1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 51。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Arena Agentでは、Grok 4.7が2.6、Muse Spark 1.1が-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?
コンテキストはMuse Spark 1.1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Muse Spark 1.1です。Artificial Analysisの測定では、最初の回答トークンまで1.8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Muse Spark 1.1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 4.7のリードが4件、Muse Spark 1.1のリードが12件です。両方を評価しているすべての総合指標で、Muse Spark 1.1が上回っています。
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。