BenchLeader

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 MaxArena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 4.7Qwen3.8 Max
プロバイダーSpaceXAIAlibaba
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)500,0001,000,000
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55.651.5Grok 4.7
コーディング60.961.6互角
エージェント・ツール56.958.5Qwen3.8 Max
数学55.865.2Qwen3.8 Max
知識59.958.0Grok 4.7
人間の評価62.567.5Qwen3.8 Max
マルチモーダル55.565.7Qwen3.8 Max
長文コンテキスト62.964.8Qwen3.8 Max
総合52.845.0Grok 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。

2550 avg75推論コーディングエージェント・ツール数学知識長文コンテキスト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, 長文コンテキスト: 62.9Grok 4.7, マルチモーダル: 55.5Grok 4.7, 人間の評価: 62.5Qwen3.8 Max, 推論: 51.5Qwen3.8 Max, コーディング: 61.6Qwen3.8 Max, エージェント・ツール: 58.5Qwen3.8 Max, 数学: 65.2Qwen3.8 Max, 知識: 58.0Qwen3.8 Max, 長文コンテキスト: 64.8Qwen3.8 Max, マルチモーダル: 65.7Qwen3.8 Max, 人間の評価: 67.5

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。

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IndexGrok 4.7 (xhigh)Qwen3.8 Max (max)トップ
BenchLeader Index57.458.7互角
AA Intelligence Index v5.0.135.533.6Grok 4.7
Arena Text14431484Qwen3.8 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)105k171k
うち推論69k120k
タスクあたりの時間(AA Index)26 min48 min
出力速度68 tok/s59 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 IndexBenchLeader57.458.7
エージェント・ツールスコアBenchLeader56.958.5
コーディングスコアBenchLeader60.961.6
総合スコアBenchLeader52.845.0
人間の評価スコアBenchLeader62.567.5
知識スコアBenchLeader59.958.0
長文コンテキストスコアBenchLeader62.964.8
数学スコアBenchLeader55.865.2
マルチモーダルスコアBenchLeader55.565.7
推論スコアBenchLeader55.651.5
ブレンド価格($/100万トークン)BenchLeader$3.00$3.00
出力速度BenchLeader68 tok/s59 tok/s
回答開始までの時間BenchLeader55.9秒119.6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%92.7%†
Arena Hard PromptsArena (LMArena)14661507
LiveBench 2.0 ReasoningLiveBench82.7%88.2%
LiveBench 1.0 ReasoningLiveBench82.7%88.2%
GPQA Diamond (AA)Artificial Analysis–92.8%
Humanity's Last Exam (AA)Artificial Analysis43.1%43.1%
HLE-Diamond (AA)Artificial Analysis23.2%24.0%
GPQA Diamond (Vals)Vals AI–93.7%
ARC-AGI-1ARC Prize89.5%–
ARC-AGI-2ARC Prize61.4%–
ARC-AGI-3ARC Prize7.0%–
CritPtArtificial Analysis17.7%20.0%
CritPt v2 hard subset (AA)Artificial Analysis33.5%29.5%
MysteryMechanismVals AI25.2%23.9%
HLE-Diamond (Scale)Scale AI SEAL23.4%†–
Arena ExpertArena (LMArena)14781514
Chess PuzzlesEpoch AI Benchmarking Hub41.0%46.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub29.0%38.0%†
LMCAEpoch AI Benchmarking Hub49.4%46.2%†
DTBenchEpoch AI Benchmarking Hub96.0%92.0%†
コーディング
SciCodeSciCode57.4%53.2%
FrontierCodeCognition47.6%†–
Arena CodingArena (LMArena)14931523
Arena WebDevArena (LMArena)16411676
LiveBench 2.0 CodingLiveBench73.1%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 CodingLiveBench77.2%72.9%
LiveCodeBenchVals AI–87.8%
IOIVals AI57.7%68.9%
SWE-bench (Vals)Vals AI–85.6%
Code MigrationVals AI44.8%24.0%
Code Migration v1.1Vals AI53.2%–
ProgramBenchVals AI0.5%0.0%
SWE-bench MultimodalVals AI42.9%42.5%
Vibe Code Bench 1-100Vals AI–12.8%
Vibe Code Bench v1.1Vals AI86.2%64.7%
Vibe Code Bench 1-100 v1.1Vals AI26.4%–
SWE Atlas v1.1Scale AI SEAL62.1%†64.4%
SWE Atlas v1.1: Codebase QnAScale AI SEAL73.4%†81.5%
SWE Atlas v1.1: Test WritingScale AI SEAL64.4%†58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL48.6%†52.9%
MirrorCodeEpoch AI Benchmarking Hub54.4%52.2%†
DeepSWE v1.1Epoch AI Benchmarking Hub–57.5%†
CursorBenchCursor46.3%–
ALE-BenchEpoch AI Benchmarking Hub1545.81679.1†
FrontierSWEEpoch AI Benchmarking Hub29.5%17.8%†
WeirdML v3WeirdML8.4%–
Terminal-Bench 4.0 (AA)Artificial Analysis25.8%38.9%
Terminal-Bench 2.1 (AA)Artificial Analysis–88.8%
Startrise FrontendStartrise75.9%†71.3%
GameBench 2 OverallDuelLab GameBench 263.6†54.2†
GameBench 2 by reasoning settingDuelLab GameBench 271.269.6†
Design Arena WebsiteDesign Arena1244†1269
FrontierCode 1.1 (AA)Artificial Analysis33.8%43.2%
FrontierCode 2.0 (AA)Artificial Analysis28.7%23.4%
エージェント・ツール
Terminal-BenchTerminal-Bench38.8%27.0%
APEX-AgentsMercor54.6%†63.3%
Arena AgentArena (LMArena)2.60.1
LiveBench Long AgenticLiveBench45.3%26.6%
LiveBench BrowserLiveBench49.3%49.4%
LiveBench Agentic CodingLiveBench54.0%64.7%
Terminal-Bench 2.1 (Vals)Vals AI73.4%67.4%
τ³-bench Bankingτ²-bench–55.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis60.7%58.3%
GDPval-AA v2.1Artificial Analysis17171674
τ³-Banking (AA)Artificial Analysis–51.3%
ITBench SRE (AA)Artificial Analysis42.1%40.3%
Analyst Agent (AA)Artificial Analysis52.5%45.0%
APEX-Agents (AA)Artificial Analysis–42.4%
CyberBenchVals AI69.5%28.6%
Finance Agent v2Vals AI52.3%50.6%
Finance Agent v2.1Vals AI60.6%–
Harvey's Legal Agent Benchmark v1.1Vals AI18.3%–
Harvey's Legal Agent Benchmark v1Vals AI12.5%10.4%
Legal Research BenchVals AI47.1%47.6%
Robo-benchVals AI0.2%–
SkillsBenchVals AI–42.0%
SREBenchVals AI3.8%–
Tax Agent BenchVals AI35.8%32.1%
Terminal-Bench 4.0 (Vals)Vals AI28.8%34.3%
Terminal-Bench ScienceVals AI10.0%12.9%
Arena SearchArena (LMArena)–1227
Arena Agent Task CompletionArena (LMArena)5.14.5
Vending-Bench 2Andon Labs10536.8†–
AutomationBenchArtificial Analysis65.6%56.2%
GDP.pdf (AA)Artificial Analysis20.0%22.8%
Harvey LAB-AA v1.1Harvey9.4%–
EnterpriseOps-GymArtificial Analysis–47.6%
AA-Briefcase v1.1Artificial Analysis16361604
GDPxGDPx by SemiAnalysis3.9%3.5%
Design Arena AgenticDesign Arena1277†1264
Terminal-Bench-Science 0.1 (AA)Artificial Analysis11.4%11.9%
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%37.4%
FACTS SearchGoogle85.6%†85.0%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub53.0%74.7%†
FrontierMath Tier 4Epoch AI Benchmarking Hub17.1%46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub98.1%100.0%†
ProofBenchVals AI26.0%†58.0%
LiveBench MathematicsLiveBench95.7%91.3%
Arena MathsArena (LMArena)14471505
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub56.0%47.3%†
LiveBench 2.0 Data AnalysisLiveBench76.9%78.4%
LiveBench ResearchLiveBench89.5%72.8%
LiveBench 1.0 Data AnalysisLiveBench76.9%78.4%
AA-Omniscience v1.1Artificial Analysis31.210.5
MMLU-ProVals AI–88.6%
LegalBenchVals AI84.4%83.6%
CorpFinVals AI–65.8%
TaxEvalVals AI–75.5%
PRBench LegalScale AI SEAL47.6%–
BioMysteryBenchVals AI69.3%–
Excel Modeling BenchmarkVals AI67.0%60.1%
Excel Modeling Benchmark v1.1Vals AI71.5%66.0%
MedCodeVals AI49.5%40.7%
MedScribeVals AI89.4%85.0%
Public Benefits Bench v1.1Vals AI65.6%67.1%
Access to Justice BenchmarkVals AI73.7%76.4%
Financial Coaching BenchVals AI74.1%75.6%
Immigration BenchVals AI68.0%70.1%
GDP.pdfEpoch AI Benchmarking Hub22.8%23.2%†
AA-Omniscience v1.1: accuracyArtificial Analysis42.7%29.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis80.0%72.9%
HealthBench Professional (AA)OpenAI55.8%–
FACTS ParametricGoogle54.3%†30.8%
指示追従
LiveBench LanguageLiveBench80.1%79.7%
LiveBench Instruction FollowingLiveBench75.3%74.1%
Arena Instruction FollowingArena (LMArena)14351478
人間の評価
Arena TextArena (LMArena)14431484
EQ-Bench Creative Writing v3EQ-Bench2012†–
Arena Creative WritingArena (LMArena)14211472
Arena Multi-turnArena (LMArena)14351495
Arena Longer QueriesArena (LMArena)14541496
マルチモーダル
Arena VisionArena (LMArena)12301312
LiveBench DesignLiveBench75.0%76.6%
MMMU-ProArtificial Analysis78.2%†82.8%
MMMU-Pro (Vals)Vals AI–88.0%
MortgageTaxVals AI–64.0%
SAGEVals AI88.7%81.8%
Humanity's Sixth SenseScale AI SEAL–33.0%
GeoBenchGeoBench61.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub32.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub20.8%20.0%†
VIALS-AAHandshake AI37.9%31.7%
Code2Video-AAArtificial Analysis11271021
AA-3DArtificial Analysis992954
FACTS MultimodalGoogle40.9%†51.5%
長文コンテキスト
AA-LCR v1.1Artificial Analysis76.7%80.3%
MLCRArtificial Analysis20.0%26.1%
FACTS GroundingGoogle68.6%†73.8%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.2†157.6
LiveBench 2.0LiveBench67.9%60.9%
LiveBench 1.0LiveBench77.4%78.5%
AA Intelligence Index v5.0.1Artificial Analysis35.533.6
AA Intelligence Index v4.3.2Artificial Analysis46.545.4
AA Progress Index v1Artificial Analysis322.7323.7
Vals IndexVals AI58.6–
Vals Finance IndexVals AI58.8%–
Vals RSI IndexVals AI20.2%21.8%
Vals Science IndexVals AI34.8%–
Vals Multimodal IndexVals AI–65.4%
Vals Router IndexVals AI58.6%†–
Vals Legal IndexVals AI72.7%–
AA Cyber IndexArtificial Analysis56.4–
安全性・誠実さ
DistressBenchScale AI SEAL52.4%†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。

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。