BenchLeader

Grok 3 mini

推論エフォート
品質339中134位
52.6Index
中央値より上
中央値比 +2.4

2026年11月16日時点で、Grok 3 mini(SpaceXAI)のBenchLeader Indexは52.6です(ランク付け対象は608構成)。最も強いのは数学(59)、最も弱いのはコーディング(49)です。2025年4月9日にリリースされました。

要点(2026年11月16日時点)

  • Grok 3 miniは2025年4月9日にリリースされました(SpaceXAI)。

詳しく見ると:Grok 3 miniはSpaceXAIのプロプライエタリな推論モデルです(2025年4月9日リリース)。最もスコアの高い構成(推論エフォート high)は、BenchLeader Indexで52.6 ±3.4を記録し、608構成中274位で上位半分に入ります。重要なのはこの「±」です。ほかに265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。カテゴリ別では数学が最も高く(59)、コーディングが最も低くなっています(49)。5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
–
出力速度
–
回答開始
–
コンテキスト
–
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4月9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Index53
  2. 推論54
  3. コーディング49
  4. 数学59
  5. 人間の評価53

この順位を埋め込む

ほかのバッジスタイル
[![Grok 3 mini on BenchLeader: 総合 134位](https://www.benchleader.com/badge/grok-3-mini.svg?style=compact)](https://www.benchleader.com/models/grok-3-mini)

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2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 3 minihighこのページ2025年4月9日52.6#274
Grok 2 Mini–––

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
low47.6#401–––コーディング 41 · 数学 58 · 推論 40
medium–––––長文コンテキスト 56
high最良52.6#274–––コーディング 49 · 人間の評価 53 · 数学 59 · 推論 54
thinking–––––エージェント・ツール 49 · 指示追従 48 · 長文コンテキスト 52
未記載52.0#293–––コーディング 50 · 人間の評価 52 · 指示追従 58 · 数学 49 · 推論 54

Indexの推移

2026年9月8日〜2026年11月16日
445157
  • high
  • 標準
  • low

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。

メタデータ

ベンチマークthinking出典推移
AA Openness IndexIndex対象外11.1#292Artificial Analysis

推論

ベンチマークlowhighthinking標準出典推移
GPQA Diamond76.3%#15475.5%#161––Epoch AI Benchmarking Hub
Arena Hard Prompts–1378#197–1370#205Arena (LMArena)
GPQA Diamond (AA)Index対象外––79.1%#205–Artificial Analysis
Humanity's Last Exam (AA)Index対象外––11.0%#323–Artificial Analysis
Kagi LLM Benchmarkエフォート未記載–––61.3%#47Kagi LLM Benchmark
GPQA Diamond (HELM)Index対象外エフォート未記載–––67.5%#14HELM Capabilities
ARC-AGI-116.5%#234–––ARC Prize
ARC-AGI-20.4%#248–––ARC Prize
CritPtIndex対象外––0.6%#274–Artificial Analysis
Arena ExpertIndex対象外–1407#163–1383#192Arena (LMArena)

コーディング

ベンチマークlowhighthinking標準出典推移
WeirdML–42.6%#93––WeirdML
Arena Coding–1393#207–1386#215Arena (LMArena)
Aider Polyglot34.7%#4549.3%#35––Aider polyglot leaderboard
Design Arena WebsiteIndex対象外エフォート未記載–––921#181Design Arena
LiveCodeBench (AA)Index対象外––69.6%#67–Artificial Analysis

エージェント・ツール

ベンチマークthinking標準出典推移
Terminal-Bench Hard17.4%#182–Artificial Analysis
τ²-Bench Telecom (AA)Index対象外90.3%#65–Artificial Analysis
BrowseCompIndex対象外エフォート未記載–1.7%#11OpenAI

数学

ベンチマークlowhighthinking標準出典推移
OTIS Mock AIME62.2%#17177.8%#133––Epoch AI Benchmarking Hub
MATH Level 590.9%#2088.1%#24––Epoch AI Benchmarking Hub
Omni-MATH (HELM)エフォート未記載–––31.8%#41HELM Capabilities
Arena Maths–1389#170–1370#186Arena (LMArena)
AIME 2025 (AA)Index対象外––84.7%#46–Artificial Analysis

知識

ベンチマーク標準出典推移
MMLU-Pro (HELM)Index対象外79.9%#19HELM Capabilities

指示追従

ベンチマークhighthinking標準出典推移
IFBench–45.9%#201–Artificial Analysis
IFEval (HELM)エフォート未記載––95.1%#1HELM Capabilities
WildBench (HELM)エフォート未記載––65.1%#65HELM Capabilities
Arena Instruction FollowingIndex対象外1360#189–1353#195Arena (LMArena)

人間の評価

ベンチマークlowhigh標準出典推移
Arena Text–1364#1951358#201Arena (LMArena)
Arena Creative WritingIndex対象外–1332#1951336#190Arena (LMArena)
Arena Multi-turnIndex対象外–1350#2021345#206Arena (LMArena)
Arena Longer QueriesIndex対象外–1377#1891367#198Arena (LMArena)
Lech Mazur Creative WritingIndex対象外73.5%#29––Lech Mazur

長文コンテキスト

ベンチマークmediumthinking出典推移
Fiction.LiveBench 120k65.6%#10–Fiction.live
AA-LCR v1.1–55.3%#318Artificial 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–139.9#116Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2Index対象外14.6#303–Artificial Analysis
AA Progress Index v1Index対象外236#300–Artificial Analysis
HELM Capabilities meanIndex対象外エフォート未記載–67.9%#26HELM Capabilities

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 mini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 mini on BenchLeader: 総合 134位](https://www.benchleader.com/badge/grok-3-mini.svg)](https://www.benchleader.com/models/grok-3-mini)

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

BibTeX:

@misc{benchleader_grok_3_mini_20261116,
  author       = {{BenchLeader}},
  title        = {{Grok 3 mini on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/grok-3-mini}},
  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 miniのベンチマークスコアは?
2026年11月16日時点で、Grok 3 mini(推論エフォート high)のBenchLeader Indexは52.6 ±3.4です。最も強いのは数学(59)、最も弱いのはコーディング(49)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 miniの順位は?
2026年11月16日時点で、Grok 3 mini(推論エフォート high)はランク付けされた608構成中274位です。ほかに265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 miniはいつリリースされましたか?
SpaceXAIが2025年4月9日にGrok 3 miniをリリースしました。BenchLeaderには5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 mini: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-mini