BenchLeader

Grok 4

推論エフォート
品質339中65位
58.1Index
上位4分の1
中央値比 +7.9
価格255中224位
$6.00100万トークンあたり
高い方から4分の1
中央値の7.1倍
速度216中136位
69トークン/秒
中央値より下
中央値の0.8倍
コスパ255中222位
9.7ポイント/$
下位4分の1
中央値の0.2倍

よりコスパが高いモデル: 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
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Index58
  2. 推論60
  3. コーディング56
  4. エージェント・ツール59
  5. 数学58
  6. 知識56
  7. 指示追従63
  8. 人間の評価59
  9. マルチモーダル52
  10. 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
[![Grok 4 on BenchLeader: 総合 64位](https://www.benchleader.com/badge/grok-4.svg?style=compact)](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。

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 4このページ2025年7月9日58.1#136
Grok 32025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
high––69 tok/s18 s$0.0057エージェント・ツール 34 · コーディング 69
thinking––69 tok/s18 s$0.0057推論 43
未記載最良58.1#13669 tok/s18 s$0.0057エージェント・ツール 59 · コーディング 56 · 人間の評価 59 · 指示追従 63 · 知識 56 · 長文コンテキスト 68 · 数学 58 · マルチモーダル 52 · 推論 60

Indexの推移

2026年9月8日〜2026年11月16日
545862

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#307Artificial 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%#87Epoch AI Benchmarking Hub
SimpleBenchエフォート未記載–60.5%#45SimpleBench
Arena Hard Promptsエフォート未記載–1421#152Arena (LMArena)
GPQA Diamond (AA)Index対象外エフォート未記載–87.7%#97Artificial Analysis
Humanity's Last Exam (AA)Index対象外エフォート未記載–26.7%#195Artificial Analysis
GPQA Diamond (Vals)Index対象外エフォート未記載–88.1%#34Vals AI
Kagi LLM Benchmarkエフォート未記載–73.6%#17Kagi LLM Benchmark
GPQA Diamond (HELM)Index対象外エフォート未記載–72.6%#7HELM Capabilities
ARC-AGI-166.7%#158–ARC Prize
ARC-AGI-216.0%#158–ARC Prize
CritPtIndex対象外エフォート未記載–2.0%#220Artificial Analysis
Arena ExpertIndex対象外エフォート未記載–1429#145Arena (LMArena)
ForecastBenchIndex対象外エフォート未記載–64.7%#19ForecastBench

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%#83WeirdML
Arena Codingエフォート未記載–1435#171Arena (LMArena)
LiveCodeBenchエフォート未記載–83.3%#49Vals AI
SWE-bench (Vals)Index対象外エフォート未記載–57.8%#77Vals AI
Aider Polyglot79.6%#7–Aider polyglot leaderboard
Design Arena WebsiteIndex対象外エフォート未記載–1006#169Design Arena
LiveCodeBench (AA)Index対象外エフォート未記載–81.9%#23Artificial 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%#76Terminal-Bench
GDPval21.1%#10–OpenAI
Cybenchエフォート未記載–43.0%#4Cybench
Terminal-Bench Hardエフォート未記載–37.9%#62Artificial Analysis
τ²-Bench Telecom (AA)Index対象外エフォート未記載–74.8%#141Artificial Analysis
BFCL Overallエフォート未記載–63.0%#8Berkeley Function Calling Leaderboard
Terminal-Bench 2.0 (Vals)Index対象外エフォート未記載–28.1%#46Vals AI
Arena SearchIndex対象外エフォート未記載–1123#40Arena (LMArena)
BALROGIndex対象外エフォート未記載–43.6%#9BALROG
DeepResearch BenchIndex対象外エフォート未記載–47.3%#25DeepResearch Bench
METR Time HorizonsIndex対象外エフォート未記載–66.6%#14METR

知識

ベンチマーク標準出典推移
MMLU-Pro85.3%#57Vals AI
LegalBench83.2%#57Vals AI
CorpFin66.0%#24Vals AI
TaxEval65.1%#113Vals AI
MedQA92.5%#31Vals AI
MMLU-Pro (HELM)Index対象外85.1%#8HELM Capabilities
CaseLaw v2Index対象外65.8%#9Vals AI
MedCodeIndex対象外38.1%#70Vals AI
MedScribeIndex対象外78.2%#64Vals AI
Global-MMLU-Lite (AA)Index対象外89.5%#17Artificial Analysis

指示追従

人間の評価

ベンチマーク標準出典推移
Arena Text1411#147Arena (LMArena)
Arena Creative WritingIndex対象外1394#117Arena (LMArena)
Arena Multi-turnIndex対象外1413#145Arena (LMArena)
Arena Longer QueriesIndex対象外1416#146Arena (LMArena)
Lech Mazur Creative WritingIndex対象外76.9%#22Lech Mazur

マルチモーダル

ベンチマーク標準出典推移
Arena Vision1210#87Arena (LMArena)
MMMU-Pro68.8%#174Artificial Analysis
MMMU-Pro (Vals)Index対象外76.3%#53Vals AI
MortgageTaxIndex対象外44.5%#84Vals AI
GeoBenchIndex対象外45.0%#40GeoBench

長文コンテキスト

ベンチマーク標準出典推移
Fiction.LiveBench 120k96.9%#2Fiction.live
AA-LCR v1.168.0%#255Artificial Analysis

総合

ベンチマーク標準出典推移
Epoch Capabilities IndexIndex対象外146.9#82Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2Index対象外22.5#208Artificial Analysis
AA Progress Index v1Index対象外262.3#236Artificial Analysis
HELM Capabilities meanIndex対象外78.5%#7HELM 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。

$0.00$4.13$8.25$12.38$16.5026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$0.0057–21.9 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

SpaceXAIのほかのモデル

今月の新着

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。

[![Grok 4 on BenchLeader: 総合 64位](https://www.benchleader.com/badge/grok-4.svg)](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}
}

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 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