BenchLeader

Grok 4.7 vs Muse Wonder Full

詳しいプロフィール:Grok 4.7(SpaceXAI)とMuse Wonder Full(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 · 12件の情報源のデータ

2026年11月16日時点で、品質ではMuse Wonder FullがGrok 4.7を上回ります(BenchLeader Indexで61.7 対 57.4)。両方を測定できるすべてのカテゴリでMuse Wonder Fullがリードしています。

要点(2026年11月16日時点)

  • BenchLeader IndexはGrok 4.7が57.4、Muse Wonder Fullが61.7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)。
  • 両モデルに結果がある57件のベンチマークのうち、Muse Wonder Fullが52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 Wonder Fullが1724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 Wonder Fullカテゴリスコア70 対 61;Arena WebDev 1724 対 1641高
エージェント・ツール利用Muse Wonder Fullカテゴリスコア64 対 57;Arena Agent 9 対 2.6中
推論Muse Wonder Fullカテゴリスコア66 対 56;HLE-Diamond (AA) 48.5% 対 23.2%高
知識Muse Wonder Fullカテゴリスコア62 対 60;LegalBench 87.4% 対 84.4%中
長い文書Muse Wonder Fullカテゴリスコア67 対 63;AA-LCR v1.1 83.7% 対 76.7%中
チャットの質(人間の評価)–Arenaの評価があるのはGrok 4.7のみです(カテゴリスコア63)比較不可
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

  • 品質ではMuse Wonder Full (max)がリードしています:61.7 対 57.4。
  • Muse Wonder Full (max)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、推論で優れています。

概要

仕様Grok 4.7Muse Wonder Full
プロバイダーSpaceXAIMeta
リリース日2026年9月21日2026年10月12日
コンテキストウィンドウ(トークン)500,0001,000,000
比較した構成Grok 4.7 (xhigh)Muse Wonder Full (max)
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–

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 Wonder Full (max)トップ
推論55.665.8Muse Wonder Full
コーディング60.969.9Muse Wonder Full
エージェント・ツール56.963.6Muse Wonder Full
数学55.8–比較不可
知識59.962.3Muse Wonder Full
人間の評価62.5–比較不可
マルチモーダル55.5–比較不可
長文コンテキスト62.966.6Muse Wonder Full
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・ツール知識長文コンテキスト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, 知識: 59.9Grok 4.7, 長文コンテキスト: 62.9Muse Wonder Full, 推論: 65.8Muse Wonder Full, コーディング: 69.9Muse Wonder Full, エージェント・ツール: 63.6Muse Wonder Full, 知識: 62.3Muse Wonder Full, 長文コンテキスト: 66.6

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, マルチモーダル, 人間の評価。

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57件のベンチマークのうち、Grok 4.7のリードが4件、Muse Wonder Fullのリードが52件、同点が1件です。両方を評価しているすべての総合指標で、Muse Wonder Fullが上回っています。

総合IndexGrok 4.7 (xhigh)Muse Wonder Full (max)トップ
BenchLeader Index57.461.7Muse Wonder Full
AA Intelligence Index v5.0.135.550.1Muse Wonder Full
Vals Index58.666.8Muse Wonder Full

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 Wonder Full (max)
100万トークンあたりのブレンド価格$3.00–
100万トークンあたりの入力/出力$2.00 / $6.00– / –
100万トークンあたりのキャッシュ入力$0.500–
タスクあたりの価格:チャットの返答$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–
タスクあたりの価格:コード編集$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–
タスクあたりの価格:構造化データの抽出$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–
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)105k88k
うち推論69k55k
タスクあたりの時間(AA Index)26 min–
出力速度68 tok/s–
回答開始までの時間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)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 Wonder Full (max)のスコアは61.7。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

149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 Wonder Full (max)
BenchLeader IndexBenchLeader57.461.7
エージェント・ツールスコアBenchLeader56.963.6
コーディングスコアBenchLeader60.969.9
総合スコアBenchLeader52.8–
人間の評価スコアBenchLeader62.5–
知識スコアBenchLeader59.962.3
長文コンテキストスコアBenchLeader62.966.6
数学スコアBenchLeader55.8–
マルチモーダルスコアBenchLeader55.5–
推論スコアBenchLeader55.665.8
ブレンド価格($/100万トークン)BenchLeader$3.00–
出力速度BenchLeader68 tok/s–
回答開始までの時間BenchLeader55.9秒–
コンテキストウィンドウBenchLeader500,000トークン1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub92.7%–
Arena Hard PromptsArena (LMArena)1466–
LiveBench 2.0 ReasoningLiveBench82.7%–
LiveBench 1.0 ReasoningLiveBench82.7%–
Humanity's Last Exam (AA)Artificial Analysis43.1%53.6%
HLE-Diamond (AA)Artificial Analysis23.2%48.5%
ARC-AGI-1ARC Prize89.5%–
ARC-AGI-2ARC Prize61.4%–
ARC-AGI-3ARC Prize7.0%–
CritPtArtificial Analysis17.7%32.9%
CritPt v2 hard subset (AA)Artificial Analysis33.5%56.5%
MysteryMechanismVals AI25.2%35.1%
HLE-Diamond (Scale)Scale AI SEAL23.4%†–
Arena ExpertArena (LMArena)1478–
Chess PuzzlesEpoch AI Benchmarking Hub41.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub29.0%–
LMCAEpoch AI Benchmarking Hub49.4%–
DTBenchEpoch AI Benchmarking Hub96.0%–
コーディング
SciCodeSciCode57.4%–
FrontierCodeCognition47.6%†–
Arena CodingArena (LMArena)1493–
Arena WebDevArena (LMArena)16411724
LiveBench 2.0 CodingLiveBench73.1%–
LiveBench 1.0 CodingLiveBench77.2%–
SciCode (AA)Artificial Analysis57.4%62.6%
149件のベンチマークをすべて表示
指標公開元Grok 4.7 (xhigh)Muse Wonder Full (max)
コーディング
IOIVals AI57.7%79.8%
Code MigrationVals AI44.8%61.0%
Code Migration v1.1Vals AI53.2%62.8%
ProgramBenchVals AI0.5%0.5%
SWE-bench MultimodalVals AI42.9%47.3%
Vibe Code Bench 1-100Vals AI–34.0%
Vibe Code Bench v1.1Vals AI86.2%86.0%
Vibe Code Bench 1-100 v1.1Vals AI26.4%–
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%–
CursorBenchCursor46.3%–
ALE-BenchEpoch AI Benchmarking Hub1545.8–
FrontierSWEEpoch AI Benchmarking Hub29.5%–
WeirdML v3WeirdML8.4%–
Terminal-Bench 4.0 (AA)Artificial Analysis25.8%57.1%
Startrise FrontendStartrise75.9%†–
GameBench 2 OverallDuelLab GameBench 263.6†–
GameBench 2 by reasoning settingDuelLab GameBench 271.2–
Design Arena WebsiteDesign Arena1244†–
FrontierCode 1.1 (AA)Artificial Analysis33.8%44.9%
FrontierCode 2.0 (AA)Artificial Analysis28.7%37.8%
エージェント・ツール
Terminal-BenchTerminal-Bench38.8%–
APEX-AgentsMercor54.6%†–
Arena AgentArena (LMArena)2.69
LiveBench Long AgenticLiveBench45.3%–
LiveBench BrowserLiveBench49.3%–
LiveBench Agentic CodingLiveBench54.0%–
Terminal-Bench 2.1 (Vals)Vals AI73.4%–
GDPval-AA v2.1, normalised scoreArtificial Analysis60.7%67.8%
GDPval-AA v2.1Artificial Analysis17171857
ITBench SRE (AA)Artificial Analysis42.1%–
Analyst Agent (AA)Artificial Analysis52.5%–
CyberBenchVals AI69.5%73.6%
Finance Agent v2Vals AI52.3%59.1%
Finance Agent v2.1Vals AI60.6%67.6%
Harvey's Legal Agent Benchmark v1.1Vals AI18.3%23.3%
Harvey's Legal Agent Benchmark v1Vals AI12.5%21.7%
Legal Research BenchVals AI47.1%53.4%
Robo-benchVals AI0.2%10.4%
SREBenchVals AI3.8%11.8%
Tax Agent BenchVals AI35.8%43.0%
Terminal-Bench 4.0 (Vals)Vals AI28.8%58.1%
Terminal-Bench ScienceVals AI10.0%37.1%
Arena Agent Task CompletionArena (LMArena)5.111.1
Vending-Bench 2Andon Labs10536.8†–
AutomationBenchArtificial Analysis65.6%71.3%
GDP.pdf (AA)Artificial Analysis20.0%32.6%
Harvey LAB-AA v1.1Harvey9.4%13.1%
AA-Briefcase v1.1Artificial Analysis16361729
GDPxGDPx by SemiAnalysis3.9%9.0%
Design Arena AgenticDesign Arena1277†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis11.4%37.1%
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%†–
LiveBench MathematicsLiveBench95.7%–
Arena MathsArena (LMArena)1447–
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub56.0%–
LiveBench 2.0 Data AnalysisLiveBench76.9%–
LiveBench ResearchLiveBench89.5%–
LiveBench 1.0 Data AnalysisLiveBench76.9%–
AA-Omniscience v1.1Artificial Analysis31.230.6
LegalBenchVals AI84.4%87.4%
PRBench LegalScale AI SEAL47.6%–
BioMysteryBenchVals AI69.3%73.3%
Excel Modeling BenchmarkVals AI67.0%71.9%
Excel Modeling Benchmark v1.1Vals AI71.5%75.0%
MedCodeVals AI49.5%49.9%
MedScribeVals AI89.4%89.3%
Public Benefits Bench v1.1Vals AI65.6%73.8%
Access to Justice BenchmarkVals AI73.7%74.7%
Financial Coaching BenchVals AI74.1%75.0%
Immigration BenchVals AI68.0%71.2%
GDP.pdfEpoch AI Benchmarking Hub22.8%–
AA-Omniscience v1.1: accuracyArtificial Analysis42.7%41.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis80.0%82.4%
HealthBench Professional (AA)OpenAI55.8%–
FACTS ParametricGoogle54.3%†–
指示追従
LiveBench LanguageLiveBench80.1%–
LiveBench Instruction FollowingLiveBench75.3%–
Arena Instruction FollowingArena (LMArena)1435–
人間の評価
Arena TextArena (LMArena)1443–
EQ-Bench Creative Writing v3EQ-Bench2012†–
Arena Creative WritingArena (LMArena)1421–
Arena Multi-turnArena (LMArena)1435–
Arena Longer QueriesArena (LMArena)1454–
マルチモーダル
Arena VisionArena (LMArena)1230–
LiveBench DesignLiveBench75.0%–
MMMU-ProArtificial Analysis78.2%†–
SAGEVals AI88.7%–
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%83.7%
MLCRArtificial Analysis20.0%22.2%
FACTS GroundingGoogle68.6%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.2†–
LiveBench 2.0LiveBench67.9%–
LiveBench 1.0LiveBench77.4%–
AA Intelligence Index v5.0.1Artificial Analysis35.550.1
AA Intelligence Index v4.3.2Artificial Analysis46.555.8
AA Progress Index v1Artificial Analysis322.7343.2
Vals IndexVals AI58.666.8
Vals Finance IndexVals AI58.8%64.5%
Vals RSI IndexVals AI20.2%24.4%
Vals Science IndexVals AI34.8%48.5%
Vals Router IndexVals AI58.6%†66.8%†
Vals Legal IndexVals AI72.7%77.9%
AA Cyber IndexArtificial Analysis56.4–
安全性・誠実さ
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…)。
  • Muse Wonder Full (max):BenchLeader Index 62.6 → 61.7。
  • 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。
  • Grok 4.7 (xhigh):スコアの改訂2件。
  • Muse Wonder Full (max):スコアの改訂1件。
  • Grok 4.7 (xhigh):スコアの改訂2件。
  • Muse Wonder Full (max):スコアの改訂1件。

ランキング: 総合ベストLLM · コーディングに最適なLLM · エージェントに最適なLLM · 安くて優秀なLLM

Grok 4.7 vs Muse Wonder Full:よくある質問

Muse Wonder FullはGrok 4.7より優れていますか?
品質ではMuse Wonder Full (max)がリードしています:61.7 対 57.4。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日時点では総合でMuse Wonder Full (max)が上回っていますが、用途に合わせてカテゴリ別のスコアも確認してください。
コーディングにはGrok 4.7とMuse Wonder Fullのどちらが向いていますか?
コーディングではMuse Wonder Fullの方がスコアが高くなっています(カテゴリ指標で70 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 Wonder Fullが1724です。
エージェントやツール利用にはGrok 4.7とMuse Wonder Full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Muse Wonder Fullの方がスコアが高くなっています(カテゴリ指標で64 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Arena Agentでは、Grok 4.7が2.6、Muse Wonder Fullが9です。
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Muse Wonder Fullの方がスコアが高くなっています(67 対 63)。コンテキストはMuse Wonder Fullの方が長く、1,000,000トークンです(Grok 4.7は500,000トークン)。
Grok 4.7とMuse Wonder Full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57件のベンチマークのうち、Grok 4.7のリードが4件、Muse Wonder Fullのリードが52件、同点が1件です。両方を評価しているすべての総合指標で、Muse Wonder Fullが上回っています。
ほかの質問(1件)
Muse Wonder Fullはいつリリースされましたか?
Muse Wonder Fullは2026年10月12日にリリースされました。