BenchLeader

Grok 3

推論エフォート
品質339中162位
50.9Index
中央値より上
中央値比 +0.7
価格255中224位
$6.00100万トークンあたり
高い方から4分の1
中央値の7.1倍
コスパ255中229位
8.5ポイント/$
下位4分の1
中央値の0.2倍

よりコスパが高いモデル: Ling 3.0 Flash $0.115/MでIndex 51.7(52分の1の価格)。

より安価でスコアの高いランク付けモデルが121つあります:Gemini 4 Carbon (68.9, $4.00)、GPT-6.1 Sol (66.6, $4.00)、Gemini 4 Argon (65.3, $4.00)ほか118つ。

2026年11月16日時点で、Grok 3(SpaceXAI)のBenchLeader Indexは50.9です(ランク付け対象は608構成)。最も強いのは人間の評価(59)、最も弱いのは推論(43)です。API料金は入力100万トークンあたり$3.00、出力100万トークンあたり$15.00(3:1のブレンドで$6.00)で、2026年11月16日時点の定価です。2025年2月17日にリリースされました。

要点(2026年11月16日時点)

  • Grok 3のAPI料金は入力100万トークンあたり$3.00、出力100万トークンあたり$15.00(3:1のブレンドで$6.00)です(定価、2026年11月16日)。
  • Grok 3は2025年2月17日にリリースされました(SpaceXAI)。

詳しく見ると:Grok 3はSpaceXAIのプロプライエタリなモデルです(2025年2月17日リリース)。最もスコアの高い構成は、BenchLeader Indexで50.9 ±3.6を記録し、608構成中326位で下位半分に入ります。重要なのはこの「±」です。ほかに267構成のスコアがこの範囲に入っており、品質だけでは区別できません。差がつくのは価格と速度です。カテゴリ別では人間の評価が最も高く(59)、推論が最も低くなっています(43)。ブレンド価格は100万トークンあたり$6.00で、ランク付けされたモデルの中で最も高価な部類です。2通りの推論エフォート設定で測定されています。この要約は最もスコアの高い設定について述べたもので、上のタブで切り替えられます。最終測定日:2026年11月11日。

ブレンド価格
$6.00/M
入力$3.00・出力$15.00
出典:Artificial Analysis
出力速度
–
回答開始
–
コンテキスト
1M
出典:Artificial Analysis
タスクあたりコスト
–
タスクあたりトークン数
–
リリース日
2025年2月17日
カテゴリ別のスコア破線=平均的なモデル(50)。15ポイントが標準偏差1つ分です。
  1. 総合Index51
  2. 推論43
  3. コーディング46
  4. エージェント・ツール44
  5. 数学55
  6. 知識53
  7. 指示追従57
  8. 人間の評価59
  9. 長文コンテキスト52

この順位を埋め込む

ほかのバッジスタイル
[![Grok 3 on BenchLeader: 総合 160位](https://www.benchleader.com/badge/grok-3.svg?style=compact)](https://www.benchleader.com/models/grok-3)

README.mdの冒頭、ほかのバッジの横に貼り付けてください。バッジはデータの更新ごとに描き直され、このページへリンクします。

SpaceXAIの新モデル公開をメールで通知

ランク入りしたときにもう1通、さらに毎週月曜に週刊レビューをお届けします。

プロバイダーとメールの種類を選ぶ

バージョン

SpaceXAIはこの名前で11つのモデルを公開しています。それぞれ自身の結果だけでランク付けされます。新しいバージョンはまだ結果が少ないことが多く、結果が増えるまではIndexが平均寄りになります。

モデルリリース日Index順位
Grok 4.7xhigh2026年9月21日57.4#154
Grok 4.6high2026年8月11日60.6#74
Grok 4.52026年7月8日59.3#109
Grok 4.3high2026年4月17日56.5#180
Grok 4.2high2026年3月10日––
Grok 4.20thinking2026年2月17日58.3#132
Grok 4.12025年11月17日57.1#160
Grok 42025年7月9日58.1#136
Grok 3このページ2025年2月17日50.9#326
Grok 22024年12月12日42.3#495
Grok 4.20 1–––

推論エフォート別の構成

同じモデルでも、どれだけ考えさせるかによって振る舞いが変わります。各行が1つの推論エフォート設定で、その設定で実行されたベンチマークだけで評価しています。「未記載」は、どの設定を使ったかを公開元が明記していない結果をまとめたものです。推論モデルの場合は思考モードであることが多いものの、そうとは仮定していません。ここかページ上部で設定を選ぶと、その価格、速度、カテゴリ別スコアを表示します。

エフォートIndex順位速度回答開始チャット返答のコストカテゴリ
thinking––––$0.0057
未記載最良50.9#326––$0.0057エージェント・ツール 44 · コーディング 46 · 人間の評価 59 · 指示追従 57 · 知識 53 · 長文コンテキスト 52 · 数学 55 · 推論 43

Indexの推移

2026年9月8日〜2026年11月16日
455056

Indexは毎日ゼロから計算し直すため、新しいベンチマーク結果が加わったとき、公開元がスコアを修正したとき、または正規化の基準となるモデルが変わったときに線が動きます。初期の変動は、スコアがまだ落ち着いていないことを示している場合がほとんどです。

ベンチマーク結果

LLMベンチマーク一覧を見る。列は推論エフォートごとです。順位は、そのベンチマークでのすべてのモデルのすべての構成の中での位置です。スコアにカーソルを合わせると、元になった実行が表示されます。

コーディング

ベンチマーク標準出典推移
WeirdML37.2%#120WeirdML
Arena Coding1442#162Arena (LMArena)
LiveCodeBench52.9%#112Vals AI
Aider Polyglot53.3%#31Aider polyglot leaderboard
Design Arena WebsiteIndex対象外1051#157Design Arena
LiveCodeBench (AA)Index対象外42.5%#158Artificial Analysis

エージェント・ツール

ベンチマーク標準出典推移
Terminal-Bench Hard11.4%#220Artificial Analysis
τ²-Bench Telecom (AA)Index対象外48.8%#203Artificial Analysis
BALROGIndex対象外29.5%#18BALROG
BrowseCompIndex対象外1.3%#14OpenAI

知識

ベンチマーク標準出典推移
MMLU-Pro80.0%#89Vals AI
LegalBench82.6%#67Vals AI
CorpFin59.7%#73Vals AI
TaxEval75.9%#10Vals AI
MedQA83.8%#61Vals AI
MMLU-Pro (HELM)Index対象外78.8%#22HELM Capabilities

指示追従

人間の評価

ベンチマーク標準出典推移
Arena Text1411#146Arena (LMArena)
EQ-Bench Creative Writing v3Index対象外1186#93EQ-Bench
Arena Creative WritingIndex対象外1398#112Arena (LMArena)
Arena Multi-turnIndex対象外1410#149Arena (LMArena)
Arena Longer QueriesIndex対象外1428#130Arena (LMArena)
Lech Mazur Creative WritingIndex対象外76.4%#24Lech Mazur

長文コンテキスト

ベンチマーク標準出典推移
Fiction.LiveBench 120k58.3%#19Fiction.live
AA-LCR v1.158.0%#308Artificial Analysis

総合

ベンチマークthinking標準出典推移
Epoch Capabilities IndexIndex対象外エフォート未記載–137.5#123Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2Index対象外10.4#38712.1#347Artificial Analysis
AA Progress Index v1Index対象外エフォート未記載–194.5#441Artificial Analysis
HELM Capabilities meanIndex対象外エフォート未記載–72.7%#17HELM Capabilities

価格の推移

上記の価格(100万トークンあたり)を、変更があった日ごとに示します。

$0.00$5.50$11.00$16.50$22.0026年9月26年10月26年11月
入力 出力
現在:入力$3.00・出力$15.00

タスクあたりのコスト

最もスコアの高い構成の定価、出力速度、回答開始までの時間から算出した推定値です。「キャッシュあり」は、入力の4分の3がプロンプトキャッシュから提供されると仮定しています。推論トークンは考慮していません。

ワークロード入力/出力トークンコストキャッシュあり時間
チャットの返答400 / 300$0.0057––
30ページのレポートを要約12,000 / 600$0.045––
コード編集6,000 / 1,500$0.041––
エージェント型コーディングセッション60,000 / 4,000$0.240––
構造化データの抽出2,000 / 200$0.0090––

SpaceXAIのほかのモデル

今月の新着

関連ページ

埋め込み・引用

Grok 3の順位をモデルカードやREADMEに表示できます。バッジは毎日の更新に合わせて描き直され、データの日付が入り、このページへリンクします。

[![Grok 3 on BenchLeader: 総合 160位](https://www.benchleader.com/badge/grok-3.svg)](https://www.benchleader.com/models/grok-3)

このページを引用する

ランキングは毎日変わるため、参考文献にはデータの日付を入れます。APAスタイル:

BenchLeader. (2026, November 16). Grok 3 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/grok-3

BibTeX:

@misc{benchleader_grok_3_20261116,
  author       = {{BenchLeader}},
  title        = {{Grok 3 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/grok-3}},
  note         = {Data as of 2026-11-16}
}

すべてのバッジスタイル、埋め込み用のトップ10ウィジェット、Indexの引用方法

よくある質問

Grok 3のベンチマークスコアは?
2026年11月16日時点で、Grok 3のBenchLeader Indexは50.9 ±3.6です。最も強いのは人間の評価(59)、最も弱いのは推論(43)です。この評価は第三者のベンチマーク結果だけに基づいており、このページのすべてのスコアに公開元へのリンクがあります。
Grok 3の順位は?
2026年11月16日時点で、Grok 3はランク付けされた608構成中326位です。ほかに267構成のスコアが誤差の範囲内にあるため、正確な順位よりも順位帯のほうが意味を持ちます。首位はClaude Fable 5.2(推論エフォート max)で、72.7です。
Grok 3の料金は100万トークンあたりいくらですか?
2026年11月16日時点で、Grok 3の料金は入力100万トークンあたり$3.00、出力100万トークンあたり$15.00で、ブレンド価格(出力1トークンにつき入力3トークン)は$6.00です。定価が最後に変わったのは2026年10月13日です。
Grok 3はいつリリースされましたか?
SpaceXAIが2025年2月17日にGrok 3をリリースしました。BenchLeaderには2通りの推論エフォート設定での結果があります。

2026年11月16日時点のデータです。 これらの構成を比較

引用表記:BenchLeader「Grok 3:ベンチマーク、料金、速度、順位」2026年11月16日時点のデータ、https://www.benchleader.com/ja/models/grok-3