Grok 4
よりコスパが高いモデル: MiMo-V2.5 $0.138/MでIndex 56.3(43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41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38つ。
2026年11月16日時点で、Grok 4(SpaceXAI)のBenchLeader Indexは58.1です(ランク付け対象は608構成)。最も強いのは長文コンテキスト(68)、最も弱いのはマルチモーダル(52)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。出力速度は約69トークン/秒です(Artificial Analysis)。2025年7月9日にリリースされました。
要点(2026年11月16日時点)
- Grok 4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 4の出力速度は約69トークン/秒です(Artificial Analysis、2026年11月16日)。
- Grok 4は2025年7月9日にリリースされました(SpaceXAI)。
詳しく見ると:Grok 4はSpaceXAIのプロプライエタリな推論モデルです(2025年7月9日リリース)。最もスコアの高い構成は、BenchLeader Indexで58.1 ±3.1を記録し、608構成中136位で上位半分に入ります。重要なのはこの「±」です。ほかに229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。カテゴリ別では長文コンテキストが最も高く(68)、マルチモーダルが最も低くなっています(52)。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。出力速度は69トークン/秒、回答開始まで17.5秒で、多くのモデルより低速です。3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
- 69 tok/s
- Artificial Analysisによる測定
- 回答開始
- 18 s
- コンテキスト
- 256k
- 出典:Artificial Analysis
- 回答完了まで
- 43 s
- 最終測定2026年11月13日
- 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7月9日
- 総合Index58
- 推論60
- コーディング56
- エージェント・ツール59
- 数学58
- 知識56
- 指示追従63
- 人間の評価59
- マルチモーダル52
- 長文コンテキスト68
この順位を埋め込む
ほかのバッジスタイル[](https://www.benchleader.com/models/grok-4)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。
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 4.7xhigh | 2026年9月21日 | 57.4 | #154 |
| Grok 4.6high | 2026年8月11日 | 60.6 | #74 |
| Grok 4.5 | 2026年7月8日 | 59.3 | #109 |
| Grok 4.3high | 2026年4月17日 | 56.5 | #180 |
| Grok 4.2high | 2026年3月10日 | – | – |
| Grok 4.20thinking | 2026年2月17日 | 58.3 | #132 |
| Grok 4.1 | 2025年11月17日 | 57.1 | #160 |
| Grok 4このページ | 2025年7月9日 | 58.1 | #136 |
| Grok 3 | 2025年2月17日 | 50.9 | #326 |
| Grok 2 | 2024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。
Indexの推移
2026年9月8日〜2026年11月16日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 | 標準 | 出典 | 推移 |
|---|---|---|---|
| AA Openness IndexIndex対象外 | 5.6#307 | Artificial Analysis |
推論
| ベンチマーク | thinking | 標準 | 出典 | 推移 |
|---|---|---|---|---|
| GPQA Diamondエフォート未記載 | – | 87.0%#87 | Epoch AI Benchmarking Hub | |
| SimpleBenchエフォート未記載 | – | 60.5%#45 | SimpleBench | |
| Arena Hard Promptsエフォート未記載 | – | 1421#152 | Arena (LMArena) | |
| GPQA Diamond (AA)Index対象外エフォート未記載 | – | 87.7%#97 | Artificial Analysis | |
| Humanity's Last Exam (AA)Index対象外エフォート未記載 | – | 26.7%#195 | Artificial Analysis | |
| GPQA Diamond (Vals)Index対象外エフォート未記載 | – | 88.1%#34 | Vals AI | |
| Kagi LLM Benchmarkエフォート未記載 | – | 73.6%#17 | Kagi LLM Benchmark | |
| GPQA Diamond (HELM)Index対象外エフォート未記載 | – | 72.6%#7 | HELM Capabilities | |
| ARC-AGI-1 | 66.7%#158 | – | ARC Prize | |
| ARC-AGI-2 | 16.0%#158 | – | ARC Prize | |
| CritPtIndex対象外エフォート未記載 | – | 2.0%#220 | Artificial Analysis | |
| Arena ExpertIndex対象外エフォート未記載 | – | 1429#145 | Arena (LMArena) | |
| ForecastBenchIndex対象外エフォート未記載 | – | 64.7%#19 | ForecastBench |
コーディング
| ベンチマーク | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|
| WeirdMLエフォート未記載 | – | 45.7%#83 | WeirdML | |
| Arena Codingエフォート未記載 | – | 1435#171 | Arena (LMArena) | |
| LiveCodeBenchエフォート未記載 | – | 83.3%#49 | Vals AI | |
| SWE-bench (Vals)Index対象外エフォート未記載 | – | 57.8%#77 | Vals AI | |
| Aider Polyglot | 79.6%#7 | – | Aider polyglot leaderboard | |
| Design Arena WebsiteIndex対象外エフォート未記載 | – | 1006#169 | Design Arena | |
| LiveCodeBench (AA)Index対象外エフォート未記載 | – | 81.9%#23 | Artificial Analysis |
エージェント・ツール
| ベンチマーク | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|
| Terminal-Benchエフォート未記載 | – | 27.2%#76 | Terminal-Bench | |
| GDPval | 21.1%#10 | – | OpenAI | |
| Cybenchエフォート未記載 | – | 43.0%#4 | Cybench | |
| Terminal-Bench Hardエフォート未記載 | – | 37.9%#62 | Artificial Analysis | |
| τ²-Bench Telecom (AA)Index対象外エフォート未記載 | – | 74.8%#141 | Artificial Analysis | |
| BFCL Overallエフォート未記載 | – | 63.0%#8 | Berkeley Function Calling Leaderboard | |
| Terminal-Bench 2.0 (Vals)Index対象外エフォート未記載 | – | 28.1%#46 | Vals AI | |
| Arena SearchIndex対象外エフォート未記載 | – | 1123#40 | Arena (LMArena) | |
| BALROGIndex対象外エフォート未記載 | – | 43.6%#9 | BALROG | |
| DeepResearch BenchIndex対象外エフォート未記載 | – | 47.3%#25 | DeepResearch Bench | |
| METR Time HorizonsIndex対象外エフォート未記載 | – | 66.6%#14 | METR |
数学
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| OTIS Mock AIME | 84.0%#115 | Epoch AI Benchmarking Hub | |
| AIME (Vals) | 90.6%#27 | Vals AI | |
| MGSM | 90.9%#31 | Vals AI | |
| IMO 2025 | 21.4%#3 | MathArena | |
| MathArena Apex | 2.1%#29 | MathArena | |
| Omni-MATH (HELM) | 60.3%#9 | HELM Capabilities | |
| MATH 500Index対象外 | 96.2%#2 | Vals AI | |
| Arena Maths | 1425#115 | Arena (LMArena) | |
| AIME 2025 (AA)Index対象外 | 92.7%#16 | Artificial Analysis |
知識
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| MMLU-Pro | 85.3%#57 | Vals AI | |
| LegalBench | 83.2%#57 | Vals AI | |
| CorpFin | 66.0%#24 | Vals AI | |
| TaxEval | 65.1%#113 | Vals AI | |
| MedQA | 92.5%#31 | Vals AI | |
| MMLU-Pro (HELM)Index対象外 | 85.1%#8 | HELM Capabilities | |
| CaseLaw v2Index対象外 | 65.8%#9 | Vals AI | |
| MedCodeIndex対象外 | 38.1%#70 | Vals AI | |
| MedScribeIndex対象外 | 78.2%#64 | Vals AI | |
| Global-MMLU-Lite (AA)Index対象外 | 89.5%#17 | Artificial Analysis |
指示追従
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| IFBench | 53.7%#157 | Artificial Analysis | |
| IFEval (HELM) | 94.9%#2 | HELM Capabilities | |
| WildBench (HELM) | 79.7%#36 | HELM Capabilities | |
| Arena Instruction FollowingIndex対象外 | 1396#151 | Arena (LMArena) |
人間の評価
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| Arena Text | 1411#147 | Arena (LMArena) | |
| Arena Creative WritingIndex対象外 | 1394#117 | Arena (LMArena) | |
| Arena Multi-turnIndex対象外 | 1413#145 | Arena (LMArena) | |
| Arena Longer QueriesIndex対象外 | 1416#146 | Arena (LMArena) | |
| Lech Mazur Creative WritingIndex対象外 | 76.9%#22 | Lech Mazur |
マルチモーダル
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| Arena Vision | 1210#87 | Arena (LMArena) | |
| MMMU-Pro | 68.8%#174 | Artificial Analysis | |
| MMMU-Pro (Vals)Index対象外 | 76.3%#53 | Vals AI | |
| MortgageTaxIndex対象外 | 44.5%#84 | Vals AI | |
| GeoBenchIndex対象外 | 45.0%#40 | GeoBench |
長文コンテキスト
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| Fiction.LiveBench 120k | 96.9%#2 | Fiction.live | |
| AA-LCR v1.1 | 68.0%#255 | Artificial Analysis |
総合
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| Epoch Capabilities IndexIndex対象外 | 146.9#82 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2Index対象外 | 22.5#208 | Artificial Analysis | |
| AA Progress Index v1Index対象外 | 262.3#236 | Artificial Analysis | |
| HELM Capabilities meanIndex対象外 | 78.5%#7 | HELM Capabilities |
強みのあるベンチマーク
測定されたすべての構成の中で、この構成が上位5位以内に入っているベンチマークです。
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。
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 | – | 21.9 s |
| 30ページのレポートを要約 | 12,000 / 600 | $0.045 | – | 26.2 s |
| コード編集 | 6,000 / 1,500 | $0.041 | – | 39.3 s |
| エージェント型コーディングセッション | 60,000 / 4,000 | $0.240 | – | 1.3 min |
| 構造化データの抽出 | 2,000 / 200 | $0.0090 | – | 20.4 s |
Grok 4と比較する
関連ページ
埋め込み・引用
Grok 4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。
[](https://www.benchleader.com/models/grok-4)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 4 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/grok-4
BibTeX:
@misc{benchleader_grok_4_20261116,
author = {{BenchLeader}},
title = {{Grok 4 on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/grok-4}},
note = {Data as of 2026-11-16}
}よくある質問
- Grok 4のベンチマークスコアは?
- 2026年11月16日時点で、Grok 4のBenchLeader Indexは58.1 ±3.1です。最も強いのは長文コンテキスト(68)、最も弱いのはマルチモーダル(52)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 4の順位は?
- 2026年11月16日時点で、Grok 4はランク付けされた608構成中136位です。ほかに229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 4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 4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9月9日です。
- Grok 4はMuse Spark 1.3より優れていますか?
- 2026年11月16日時点で、Grok 4とMuse Spark 1.3の品質はほぼ互角です(BenchLeader Indexで58.1対61.6、±8.8の誤差の範囲内)。価格と速度、重視するカテゴリで選んでください。ベンチマークごとの詳細は比較ページにあります。
- Grok 4はいつリリースされましたか?
- SpaceXAIが2025年7月9日にGrok 4をリリースしました。BenchLeaderには3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 4: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-4