Grok 4.7 vs Qwen3.8 Max
詳しいプロフィール:Grok 4.7(SpaceXAI)とQwen3.8 Max(Alibaba)。すべてのベンチマーク、価格、順位を掲載しています。
更新 · 15件の情報源のデータ
2026年11月16日時点で、Grok 4.7とQwen3.8 Maxの品質は互角です(BenchLeader Indexで57.4 対 58.7、±4.3の誤差範囲内)。価格はほぼ同じです(100万トークンあたりのブレンド価格で$3.00 対 $3.00)。推論(56 対 52)、知識(60 対 58)を重視するならGrok 4.7、マルチモーダル(66 対 56)、数学(65 対 56)、人間の評価(68 対 63)を重視するならQwen3.8 Maxが向いています。回答開始までの時間はGrok 4.7の方が短く、55.9秒 対 119.6秒です。
要点(2026年11月16日時点)
- BenchLeader IndexはGrok 4.7が57.4、Qwen3.8 Maxが58.7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)。
- Qwen3.8 Max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81件のベンチマークのうち、Grok 4.7が45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、Qwen3.8 Maxが1676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 | どちらでも | カテゴリスコア61 対 62;Arena WebDev 1641 対 1676 | どちらでも |
| エージェント・ツール利用 | Qwen3.8 Max | カテゴリスコア59 対 57;Terminal-Bench 27.0% 対 38.8% | 中 |
| 数学 | Qwen3.8 Max | カテゴリスコア65 対 56;Arena Maths 1505 対 1447 | 高 |
| 推論 | Grok 4.7 | カテゴリスコア56 対 52;CritPt v2 hard subset (AA) 33.5% 対 29.5% | 中 |
| 知識 | Grok 4.7 | カテゴリスコア60 対 58;AA-Omniscience v1.1 31.2 対 10.5 | 中 |
| 長い文書 | Qwen3.8 Max | カテゴリスコア65 対 63;AA-LCR v1.1 80.3% 対 76.7% | 中 |
| 画像などのメディア | Qwen3.8 Max | カテゴリスコア66 対 56;Arena Vision 1312 対 1230 | 高 |
| チャットの質(人間の評価) | Qwen3.8 Max | Arenaの投票で68 対 63 | 中 |
| 最低コスト | どちらでも | 100万トークンあたりブレンド価格$3.00 対 $3.00;エージェント型コーディングセッション$0.144 対 $0.144 | – |
| 回答開始の速さ | Grok 4.7 | 最初の回答トークンまで55.9秒(Grok 4.7 (xhigh))対 119.6秒(Qwen3.8 Max (max)) | – |
| 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Qwen3.8 Max (max)の品質は互角です(57.4 対 58.7、±4.3の誤差範囲内)。
- Grok 4.7 (xhigh)は総合、知識、推論で優れています。
- Qwen3.8 Max (max)はエージェント・ツール、コーディング、人間の評価、長文コンテキスト、数学、マルチモーダルで優れています。
- 価格はほぼ同じです(100万トークンあたりブレンド価格$3.00)。
概要
| 仕様 | Grok 4.7 | Qwen3.8 Max |
|---|---|---|
| プロバイダー | SpaceXAI | Alibaba |
| リリース日 | 2026年9月21日 | 2026年8月3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) | Qwen3.8 Max (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 | $2.00 / $6.00 / $0.250 |
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) | Qwen3.8 Max (max) | トップ |
|---|---|---|---|
| 推論 | 55.6 | 51.5 | Grok 4.7 |
| コーディング | 60.9 | 61.6 | 互角 |
| エージェント・ツール | 56.9 | 58.5 | Qwen3.8 Max |
| 数学 | 55.8 | 65.2 | Qwen3.8 Max |
| 知識 | 59.9 | 58.0 | Grok 4.7 |
| 人間の評価 | 62.5 | 67.5 | Qwen3.8 Max |
| マルチモーダル | 55.5 | 65.7 | Qwen3.8 Max |
| 長文コンテキスト | 62.9 | 64.8 | Qwen3.8 Max |
| 総合 | 52.8 | 45.0 | Grok 4.7 |
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):指示追従。
情報源で評価が分かれる点
両方に結果がある81件のベンチマークのうち、Grok 4.7のリードが45件、Qwen3.8 Maxのリードが36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で、Qwen3.8 MaxはArena Textでリードしています。
| 総合Index | Grok 4.7 (xhigh) | Qwen3.8 Max (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 57.4 | 58.7 | 互角 |
| AA Intelligence Index v5.0.1 | 35.5 | 33.6 | Grok 4.7 |
| Arena Text | 1443 | 1484 | Qwen3.8 Max |
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) | Qwen3.8 Max (max) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $3.00 | $3.00 |
| 100万トークンあたりの入力/出力 | $2.00 / $6.00 | $2.00 / $6.00 |
| 100万トークンあたりのキャッシュ入力 | $0.500 | $0.250 |
| タスクあたりの価格:チャットの返答 | $0.0026 | $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 | $0.028 |
| タスクあたりの価格:コード編集 | $0.021 | $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 | $0.144 |
| タスクあたりの価格:構造化データの抽出 | $0.0052 | $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 | $0.065 |
| ベンチマークのタスクあたりのコスト(AA Index) | $7.77 | $10.02 |
| タスクあたりの出力トークン(AA Index) | 105k | 171k |
| うち推論 | 69k | 120k |
| タスクあたりの時間(AA Index) | 26 min | 48 min |
| 出力速度 | 68 tok/s | 59 tok/s |
| 回答開始までの時間 | 55.9秒 | 119.6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 | 294.1秒 |
トークン単価とタスクあたりのコストは別物です。Artificial AnalysisのIntelligence Indexの平均的なタスクにかかったコストは、Grok 4.7 (xhigh)で$7.77、Qwen3.8 Max (max)で$10.02でした。同じ作業でQwen3.8 Max (max)は1.6倍の出力トークンを書いています。これはトークン単価だけでは見えない差です。
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Grok 4.7 (xhigh)のスコアは57.4、最初の回答トークンまで56秒。Grok 4.7 (high)は56.9(35秒)、Grok 4.7 (low)は55.4(10秒)。Qwen3.8 Max (max)のスコアは58.7、最初の回答トークンまで120秒。Qwen3.8 Max (xhigh)は56.6(3秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
167件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Grok 4.7 (xhigh) | Qwen3.8 Max (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 57.4 | 58.7 |
| エージェント・ツールスコア | BenchLeader | 56.9 | 58.5 |
| コーディングスコア | BenchLeader | 60.9 | 61.6 |
| 総合スコア | BenchLeader | 52.8 | 45.0 |
| 人間の評価スコア | BenchLeader | 62.5 | 67.5 |
| 知識スコア | BenchLeader | 59.9 | 58.0 |
| 長文コンテキストスコア | BenchLeader | 62.9 | 64.8 |
| 数学スコア | BenchLeader | 55.8 | 65.2 |
| マルチモーダルスコア | BenchLeader | 55.5 | 65.7 |
| 推論スコア | BenchLeader | 55.6 | 51.5 |
| ブレンド価格($/100万トークン) | BenchLeader | $3.00 | $3.00 |
| 出力速度 | BenchLeader | 68 tok/s | 59 tok/s |
| 回答開始までの時間 | BenchLeader | 55.9秒 | 119.6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% | 92.7%† |
| Arena Hard Prompts | Arena (LMArena) | 1466 | 1507 |
| LiveBench 2.0 Reasoning | LiveBench | 82.7% | 88.2% |
| LiveBench 1.0 Reasoning | LiveBench | 82.7% | 88.2% |
| GPQA Diamond (AA) | Artificial Analysis | – | 92.8% |
| Humanity's Last Exam (AA) | Artificial Analysis | 43.1% | 43.1% |
| HLE-Diamond (AA) | Artificial Analysis | 23.2% | 24.0% |
| GPQA Diamond (Vals) | Vals AI | – | 93.7% |
| 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% | 20.0% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 33.5% | 29.5% |
| MysteryMechanism | Vals AI | 25.2% | 23.9% |
| HLE-Diamond (Scale) | Scale AI SEAL | 23.4%† | – |
| Arena Expert | Arena (LMArena) | 1478 | 1514 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 41.0% | 46.0%† |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 29.0% | 38.0%† |
| LMCA | Epoch AI Benchmarking Hub | 49.4% | 46.2%† |
| DTBench | Epoch AI Benchmarking Hub | 96.0% | 92.0%† |
| コーディング | |||
| SciCode | SciCode | 57.4% | 53.2% |
| FrontierCode | Cognition | 47.6%† | – |
| Arena Coding | Arena (LMArena) | 1493 | 1523 |
| Arena WebDev | Arena (LMArena) | 1641 | 1676 |
| LiveBench 2.0 Coding | LiveBench | 73.1% | 60.9% |
167件のベンチマークをすべて表示
| 指標 | 公開元 | Grok 4.7 (xhigh) | Qwen3.8 Max (max) |
|---|---|---|---|
| コーディング | |||
| LiveBench 1.0 Coding | LiveBench | 77.2% | 72.9% |
| LiveCodeBench | Vals AI | – | 87.8% |
| IOI | Vals AI | 57.7% | 68.9% |
| SWE-bench (Vals) | Vals AI | – | 85.6% |
| Code Migration | Vals AI | 44.8% | 24.0% |
| Code Migration v1.1 | Vals AI | 53.2% | – |
| ProgramBench | Vals AI | 0.5% | 0.0% |
| SWE-bench Multimodal | Vals AI | 42.9% | 42.5% |
| Vibe Code Bench 1-100 | Vals AI | – | 12.8% |
| Vibe Code Bench v1.1 | Vals AI | 86.2% | 64.7% |
| Vibe Code Bench 1-100 v1.1 | Vals AI | 26.4% | – |
| SWE Atlas v1.1 | Scale AI SEAL | 62.1%† | 64.4% |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 73.4%† | 81.5% |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 64.4%† | 58.9% |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 48.6%† | 52.9% |
| MirrorCode | Epoch AI Benchmarking Hub | 54.4% | 52.2%† |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 57.5%† |
| CursorBench | Cursor | 46.3% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1545.8 | 1679.1† |
| FrontierSWE | Epoch AI Benchmarking Hub | 29.5% | 17.8%† |
| WeirdML v3 | WeirdML | 8.4% | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 25.8% | 38.9% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 88.8% |
| Startrise Frontend | Startrise | 75.9%† | 71.3% |
| GameBench 2 Overall | DuelLab GameBench 2 | 63.6† | 54.2† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 71.2 | 69.6† |
| Design Arena Website | Design Arena | 1244† | 1269 |
| FrontierCode 1.1 (AA) | Artificial Analysis | 33.8% | 43.2% |
| FrontierCode 2.0 (AA) | Artificial Analysis | 28.7% | 23.4% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 38.8% | 27.0% |
| APEX-Agents | Mercor | 54.6%† | 63.3% |
| Arena Agent | Arena (LMArena) | 2.6 | 0.1 |
| LiveBench Long Agentic | LiveBench | 45.3% | 26.6% |
| LiveBench Browser | LiveBench | 49.3% | 49.4% |
| LiveBench Agentic Coding | LiveBench | 54.0% | 64.7% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 73.4% | 67.4% |
| τ³-bench Banking | τ²-bench | – | 55.1%† |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 60.7% | 58.3% |
| GDPval-AA v2.1 | Artificial Analysis | 1717 | 1674 |
| τ³-Banking (AA) | Artificial Analysis | – | 51.3% |
| ITBench SRE (AA) | Artificial Analysis | 42.1% | 40.3% |
| Analyst Agent (AA) | Artificial Analysis | 52.5% | 45.0% |
| APEX-Agents (AA) | Artificial Analysis | – | 42.4% |
| CyberBench | Vals AI | 69.5% | 28.6% |
| Finance Agent v2 | Vals AI | 52.3% | 50.6% |
| Finance Agent v2.1 | Vals AI | 60.6% | – |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 18.3% | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 12.5% | 10.4% |
| Legal Research Bench | Vals AI | 47.1% | 47.6% |
| Robo-bench | Vals AI | 0.2% | – |
| SkillsBench | Vals AI | – | 42.0% |
| SREBench | Vals AI | 3.8% | – |
| Tax Agent Bench | Vals AI | 35.8% | 32.1% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 28.8% | 34.3% |
| Terminal-Bench Science | Vals AI | 10.0% | 12.9% |
| Arena Search | Arena (LMArena) | – | 1227 |
| Arena Agent Task Completion | Arena (LMArena) | 5.1 | 4.5 |
| Vending-Bench 2 | Andon Labs | 10536.8† | – |
| AutomationBench | Artificial Analysis | 65.6% | 56.2% |
| GDP.pdf (AA) | Artificial Analysis | 20.0% | 22.8% |
| Harvey LAB-AA v1.1 | Harvey | 9.4% | – |
| EnterpriseOps-Gym | Artificial Analysis | – | 47.6% |
| AA-Briefcase v1.1 | Artificial Analysis | 1636 | 1604 |
| GDPx | GDPx by SemiAnalysis | 3.9% | 3.5% |
| Design Arena Agentic | Design Arena | 1277† | 1264 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 11.4% | 11.9% |
| 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% | 37.4% |
| FACTS Search | 85.6%† | 85.0% | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 53.0% | 74.7%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 17.1% | 46.3%† |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 98.1% | 100.0%† |
| ProofBench | Vals AI | 26.0%† | 58.0% |
| LiveBench Mathematics | LiveBench | 95.7% | 91.3% |
| Arena Maths | Arena (LMArena) | 1447 | 1505 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 0.0% | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 56.0% | 47.3%† |
| LiveBench 2.0 Data Analysis | LiveBench | 76.9% | 78.4% |
| LiveBench Research | LiveBench | 89.5% | 72.8% |
| LiveBench 1.0 Data Analysis | LiveBench | 76.9% | 78.4% |
| AA-Omniscience v1.1 | Artificial Analysis | 31.2 | 10.5 |
| MMLU-Pro | Vals AI | – | 88.6% |
| LegalBench | Vals AI | 84.4% | 83.6% |
| CorpFin | Vals AI | – | 65.8% |
| TaxEval | Vals AI | – | 75.5% |
| PRBench Legal | Scale AI SEAL | 47.6% | – |
| BioMysteryBench | Vals AI | 69.3% | – |
| Excel Modeling Benchmark | Vals AI | 67.0% | 60.1% |
| Excel Modeling Benchmark v1.1 | Vals AI | 71.5% | 66.0% |
| MedCode | Vals AI | 49.5% | 40.7% |
| MedScribe | Vals AI | 89.4% | 85.0% |
| Public Benefits Bench v1.1 | Vals AI | 65.6% | 67.1% |
| Access to Justice Benchmark | Vals AI | 73.7% | 76.4% |
| Financial Coaching Bench | Vals AI | 74.1% | 75.6% |
| Immigration Bench | Vals AI | 68.0% | 70.1% |
| GDP.pdf | Epoch AI Benchmarking Hub | 22.8% | 23.2%† |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 42.7% | 29.5% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 80.0% | 72.9% |
| HealthBench Professional (AA) | OpenAI | 55.8% | – |
| FACTS Parametric | 54.3%† | 30.8% | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 80.1% | 79.7% |
| LiveBench Instruction Following | LiveBench | 75.3% | 74.1% |
| Arena Instruction Following | Arena (LMArena) | 1435 | 1478 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1443 | 1484 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 2012† | – |
| Arena Creative Writing | Arena (LMArena) | 1421 | 1472 |
| Arena Multi-turn | Arena (LMArena) | 1435 | 1495 |
| Arena Longer Queries | Arena (LMArena) | 1454 | 1496 |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1230 | 1312 |
| LiveBench Design | LiveBench | 75.0% | 76.6% |
| MMMU-Pro | Artificial Analysis | 78.2%† | 82.8% |
| MMMU-Pro (Vals) | Vals AI | – | 88.0% |
| MortgageTax | Vals AI | – | 64.0% |
| SAGE | Vals AI | 88.7% | 81.8% |
| Humanity's Sixth Sense | Scale AI SEAL | – | 33.0% |
| GeoBench | GeoBench | 61.0%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 32.5%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 20.8% | 20.0%† |
| VIALS-AA | Handshake AI | 37.9% | 31.7% |
| Code2Video-AA | Artificial Analysis | 1127 | 1021 |
| AA-3D | Artificial Analysis | 992 | 954 |
| FACTS Multimodal | 40.9%† | 51.5% | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 76.7% | 80.3% |
| MLCR | Artificial Analysis | 20.0% | 26.1% |
| FACTS Grounding | 68.6%† | 73.8% | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 156.2† | 157.6 |
| LiveBench 2.0 | LiveBench | 67.9% | 60.9% |
| LiveBench 1.0 | LiveBench | 77.4% | 78.5% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 35.5 | 33.6 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 46.5 | 45.4 |
| AA Progress Index v1 | Artificial Analysis | 322.7 | 323.7 |
| Vals Index | Vals AI | 58.6 | – |
| Vals Finance Index | Vals AI | 58.8% | – |
| Vals RSI Index | Vals AI | 20.2% | 21.8% |
| Vals Science Index | Vals AI | 34.8% | – |
| Vals Multimodal Index | Vals AI | – | 65.4% |
| Vals Router Index | Vals AI | 58.6%† | – |
| Vals Legal Index | Vals AI | 72.7% | – |
| AA Cyber Index | Artificial Analysis | 56.4 | – |
| 安全性・誠実さ | |||
| DistressBench | Scale AI SEAL | 52.4%† | 77.6% |
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…)。
- Qwen3.8 Max (max):スコアの改訂1件。
- Qwen3.8 Max (max):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。
- Qwen3.8 Max (max):スコアの改訂6件。
- Qwen3.8 Max (max):スコアの改訂1件。
- Qwen3.8 Max (max):新しい結果1件(FACTS Search)、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
- Grok 4.7 vs GPT-6.1 Sol
- Qwen3.8 Max vs GPT-6 Astra
- Grok 4.7 vs Qwen3.6 Max
- Grok 4.7 vs Claude Fable 5
- Grok 4.7 vs Gemini 4 Argon
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 Qwen3.8 Max:よくある質問
- Grok 4.7はQwen3.8 Maxより優れていますか?
- Grok 4.7 (xhigh)とQwen3.8 Max (max)の品質は互角です(57.4 対 58.7、±4.3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Qwen3.8 Maxはどちらが安いですか?今後変わる予定はありますか?
- 価格は同じで、100万トークンあたりのブレンド価格は$3.00です。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Qwen3.8 Max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Arena WebDevでは、Grok 4.7が1641、Qwen3.8 Maxが1676です。
- Grok 4.7とQwen3.8 Maxはどちらが速いですか?
- Grok 4.7の方が出力が速くなっています(出力68 対 59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Qwen3.8 Max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Qwen3.8 Maxの方がスコアが高くなっています(カテゴリ指標で59 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Terminal-Benchでは、Grok 4.7が38.8%、Qwen3.8 Maxが27.0%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?
- 長文コンテキストのベンチマークではQwen3.8 Maxの方がスコアが高くなっています(65 対 63)。コンテキストはQwen3.8 Maxの方が長く、1,000,000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Grok 4.7です。Artificial Analysisの測定では、最初の回答トークンまで55.9秒 対 119.6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Qwen3.8 Max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81件のベンチマークのうち、Grok 4.7のリードが45件、Qwen3.8 Maxのリードが36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で、Qwen3.8 Max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。