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 4.7 | Muse Wonder Full |
|---|---|---|
| プロバイダー | SpaceXAI | Meta |
| 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) | 500,000 | 1,000,000 |
| 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 | 55.6 | 65.8 | Muse Wonder Full |
| コーディング | 60.9 | 69.9 | Muse Wonder Full |
| エージェント・ツール | 56.9 | 63.6 | Muse Wonder Full |
| 数学 | 55.8 | – | 比較不可 |
| 知識 | 59.9 | 62.3 | Muse 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 | 62.9 | 66.6 | Muse 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。
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。
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Index | Grok 4.7 (xhigh) | Muse Wonder Full (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 57.4 | 61.7 | Muse Wonder Full |
| AA Intelligence Index v5.0.1 | 35.5 | 50.1 | Muse Wonder Full |
| Vals Index | 58.6 | 66.8 | Muse 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) | $7.77 | – |
| タスクあたりの出力トークン(AA Index) | 105k | 88k |
| うち推論 | 69k | 55k |
| タスクあたりの時間(AA Index) | 26 min | – |
| 出力速度 | 68 tok/s | – |
| 回答開始までの時間 | 55.9秒 | – |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 145.5秒 | – |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Grok 4.7 (xhigh)のスコアは57.4、最初の回答トークンまで56秒。Grok 4.7 (high)は56.9(35秒)、Grok 4.7 (low)は55.4(10秒)。Muse Wonder Full (max)のスコアは61.7。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
149件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Grok 4.7 (xhigh) | Muse Wonder Full (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 57.4 | 61.7 |
| エージェント・ツールスコア | BenchLeader | 56.9 | 63.6 |
| コーディングスコア | BenchLeader | 60.9 | 69.9 |
| 総合スコア | BenchLeader | 52.8 | – |
| 人間の評価スコア | BenchLeader | 62.5 | – |
| 知識スコア | BenchLeader | 59.9 | 62.3 |
| 長文コンテキストスコア | BenchLeader | 62.9 | 66.6 |
| 数学スコア | BenchLeader | 55.8 | – |
| マルチモーダルスコア | BenchLeader | 55.5 | – |
| 推論スコア | BenchLeader | 55.6 | 65.8 |
| ブレンド価格($/100万トークン) | BenchLeader | $3.00 | – |
| 出力速度 | BenchLeader | 68 tok/s | – |
| 回答開始までの時間 | BenchLeader | 55.9秒 | – |
| コンテキストウィンドウ | BenchLeader | 500,000トークン | 1,000,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 92.7% | – |
| Arena Hard Prompts | Arena (LMArena) | 1466 | – |
| LiveBench 2.0 Reasoning | LiveBench | 82.7% | – |
| LiveBench 1.0 Reasoning | LiveBench | 82.7% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 43.1% | 53.6% |
| HLE-Diamond (AA) | Artificial Analysis | 23.2% | 48.5% |
| ARC-AGI-1 | ARC Prize | 89.5% | – |
| ARC-AGI-2 | ARC Prize | 61.4% | – |
| ARC-AGI-3 | ARC Prize | 7.0% | – |
| CritPt | Artificial Analysis | 17.7% | 32.9% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 33.5% | 56.5% |
| MysteryMechanism | Vals AI | 25.2% | 35.1% |
| HLE-Diamond (Scale) | Scale AI SEAL | 23.4%† | – |
| Arena Expert | Arena (LMArena) | 1478 | – |
| Chess Puzzles | Epoch AI Benchmarking Hub | 41.0% | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 29.0% | – |
| LMCA | Epoch AI Benchmarking Hub | 49.4% | – |
| DTBench | Epoch AI Benchmarking Hub | 96.0% | – |
| コーディング | |||
| SciCode | SciCode | 57.4% | – |
| FrontierCode | Cognition | 47.6%† | – |
| Arena Coding | Arena (LMArena) | 1493 | – |
| Arena WebDev | Arena (LMArena) | 1641 | 1724 |
| LiveBench 2.0 Coding | LiveBench | 73.1% | – |
| LiveBench 1.0 Coding | LiveBench | 77.2% | – |
| SciCode (AA) | Artificial Analysis | 57.4% | 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 | |||
| IOI | Vals AI | 57.7% | 79.8% |
| Code Migration | Vals AI | 44.8% | 61.0% |
| Code Migration v1.1 | Vals AI | 53.2% | 62.8% |
| ProgramBench | Vals AI | 0.5% | 0.5% |
| SWE-bench Multimodal | Vals AI | 42.9% | 47.3% |
| Vibe Code Bench 1-100 | Vals AI | – | 34.0% |
| Vibe Code Bench v1.1 | Vals AI | 86.2% | 86.0% |
| Vibe Code Bench 1-100 v1.1 | Vals AI | 26.4% | – |
| SWE Atlas v1.1 | Scale AI SEAL | 62.1%† | – |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 73.4%† | – |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 64.4%† | – |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 48.6%† | – |
| MirrorCode | Epoch AI Benchmarking Hub | 54.4% | – |
| CursorBench | Cursor | 46.3% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1545.8 | – |
| FrontierSWE | Epoch AI Benchmarking Hub | 29.5% | – |
| WeirdML v3 | WeirdML | 8.4% | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 25.8% | 57.1% |
| Startrise Frontend | Startrise | 75.9%† | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 63.6† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 71.2 | – |
| Design Arena Website | Design Arena | 1244† | – |
| FrontierCode 1.1 (AA) | Artificial Analysis | 33.8% | 44.9% |
| FrontierCode 2.0 (AA) | Artificial Analysis | 28.7% | 37.8% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 38.8% | – |
| APEX-Agents | Mercor | 54.6%† | – |
| Arena Agent | Arena (LMArena) | 2.6 | 9 |
| LiveBench Long Agentic | LiveBench | 45.3% | – |
| LiveBench Browser | LiveBench | 49.3% | – |
| LiveBench Agentic Coding | LiveBench | 54.0% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 73.4% | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 60.7% | 67.8% |
| GDPval-AA v2.1 | Artificial Analysis | 1717 | 1857 |
| ITBench SRE (AA) | Artificial Analysis | 42.1% | – |
| Analyst Agent (AA) | Artificial Analysis | 52.5% | – |
| CyberBench | Vals AI | 69.5% | 73.6% |
| Finance Agent v2 | Vals AI | 52.3% | 59.1% |
| Finance Agent v2.1 | Vals AI | 60.6% | 67.6% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 18.3% | 23.3% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 12.5% | 21.7% |
| Legal Research Bench | Vals AI | 47.1% | 53.4% |
| Robo-bench | Vals AI | 0.2% | 10.4% |
| SREBench | Vals AI | 3.8% | 11.8% |
| Tax Agent Bench | Vals AI | 35.8% | 43.0% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 28.8% | 58.1% |
| Terminal-Bench Science | Vals AI | 10.0% | 37.1% |
| Arena Agent Task Completion | Arena (LMArena) | 5.1 | 11.1 |
| Vending-Bench 2 | Andon Labs | 10536.8† | – |
| AutomationBench | Artificial Analysis | 65.6% | 71.3% |
| GDP.pdf (AA) | Artificial Analysis | 20.0% | 32.6% |
| Harvey LAB-AA v1.1 | Harvey | 9.4% | 13.1% |
| AA-Briefcase v1.1 | Artificial Analysis | 1636 | 1729 |
| GDPx | GDPx by SemiAnalysis | 3.9% | 9.0% |
| Design Arena Agentic | Design Arena | 1277† | – |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 11.4% | 37.1% |
| 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 Search | 85.6%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 53.0% | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 17.1% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 98.1% | – |
| ProofBench | Vals AI | 26.0%† | – |
| LiveBench Mathematics | LiveBench | 95.7% | – |
| Arena Maths | Arena (LMArena) | 1447 | – |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 0.0% | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 56.0% | – |
| LiveBench 2.0 Data Analysis | LiveBench | 76.9% | – |
| LiveBench Research | LiveBench | 89.5% | – |
| LiveBench 1.0 Data Analysis | LiveBench | 76.9% | – |
| AA-Omniscience v1.1 | Artificial Analysis | 31.2 | 30.6 |
| LegalBench | Vals AI | 84.4% | 87.4% |
| PRBench Legal | Scale AI SEAL | 47.6% | – |
| BioMysteryBench | Vals AI | 69.3% | 73.3% |
| Excel Modeling Benchmark | Vals AI | 67.0% | 71.9% |
| Excel Modeling Benchmark v1.1 | Vals AI | 71.5% | 75.0% |
| MedCode | Vals AI | 49.5% | 49.9% |
| MedScribe | Vals AI | 89.4% | 89.3% |
| Public Benefits Bench v1.1 | Vals AI | 65.6% | 73.8% |
| Access to Justice Benchmark | Vals AI | 73.7% | 74.7% |
| Financial Coaching Bench | Vals AI | 74.1% | 75.0% |
| Immigration Bench | Vals AI | 68.0% | 71.2% |
| GDP.pdf | Epoch AI Benchmarking Hub | 22.8% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 42.7% | 41.0% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 80.0% | 82.4% |
| HealthBench Professional (AA) | OpenAI | 55.8% | – |
| FACTS Parametric | 54.3%† | – | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 80.1% | – |
| LiveBench Instruction Following | LiveBench | 75.3% | – |
| Arena Instruction Following | Arena (LMArena) | 1435 | – |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1443 | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 2012† | – |
| Arena Creative Writing | Arena (LMArena) | 1421 | – |
| Arena Multi-turn | Arena (LMArena) | 1435 | – |
| Arena Longer Queries | Arena (LMArena) | 1454 | – |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1230 | – |
| LiveBench Design | LiveBench | 75.0% | – |
| MMMU-Pro | Artificial Analysis | 78.2%† | – |
| SAGE | Vals AI | 88.7% | – |
| GeoBench | GeoBench | 61.0%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 32.5%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 20.8% | – |
| VIALS-AA | Handshake AI | 37.9% | – |
| Code2Video-AA | Artificial Analysis | 1127 | – |
| AA-3D | Artificial Analysis | 992 | – |
| FACTS Multimodal | 40.9%† | – | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 76.7% | 83.7% |
| MLCR | Artificial Analysis | 20.0% | 22.2% |
| FACTS Grounding | 68.6%† | – | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 156.2† | – |
| LiveBench 2.0 | LiveBench | 67.9% | – |
| LiveBench 1.0 | LiveBench | 77.4% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 35.5 | 50.1 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 46.5 | 55.8 |
| AA Progress Index v1 | Artificial Analysis | 322.7 | 343.2 |
| Vals Index | Vals AI | 58.6 | 66.8 |
| Vals Finance Index | Vals AI | 58.8% | 64.5% |
| Vals RSI Index | Vals AI | 20.2% | 24.4% |
| Vals Science Index | Vals AI | 34.8% | 48.5% |
| Vals Router Index | Vals AI | 58.6%† | 66.8%† |
| Vals Legal Index | Vals AI | 72.7% | 77.9% |
| AA Cyber Index | Artificial Analysis | 56.4 | – |
| 安全性・誠実さ | |||
| DistressBench | Scale 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…)。
- 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。
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
- Muse Wonder Full vs Claude Fable 5.2
- Muse Wonder Full vs Gemini 4 Carbon
- Muse Wonder Full vs Claude Opus 5.5
- Muse Wonder Full vs GPT-6 Astra
- Grok 4.7 vs Muse Spark 1.3
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。