BenchLeader

Grok 4.20

推論エフォート
品質339中62位
58.3Index
上位4分の1
中央値比 +8.1
価格255中163位
$1.56100万トークンあたり
多くのモデルより高い
中央値の1.8倍
速度216中67位
111トークン/秒
中央値より上
中央値の1.4倍
コスパ255中160位
37.3ポイント/$
中央値より下
中央値の0.7倍

よりコスパが高いモデル: MiMo-V2.5 $0.138/MでIndex 56.3(11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8つあります:Gemini 3.7 Flash (62.1, $1.50)、Gemini 3.6 Flash (61.0, $1.50)、Gemini 3.8 Flash (60.2, $1.50)ほか5つ。

2026年11月16日時点で、Grok 4.20(SpaceXAI)のBenchLeader Indexは58.3です(ランク付け対象は608構成)。最も強いのは指示追従(79)、最も弱いのはエージェント・ツール(51)です。API料金は入力100万トークンあたり$1.25、出力100万トークンあたり$2.50(3:1のブレンドで$1.56)で、2026年11月16日時点の定価です。出力速度は約110トークン/秒です(Artificial Analysis)。2026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 4.20のAPI料金は入力100万トークンあたり$1.25、出力100万トークンあたり$2.50(3:1のブレンドで$1.56)です(定価、2026年11月16日)。
  • Grok 4.20の出力速度は約110トークン/秒です(Artificial Analysis、2026年11月16日)。
  • Grok 4.20は2026年2月17日にリリースされました(SpaceXAI)。

詳しく見ると:Grok 4.20はSpaceXAIのプロプライエタリな推論モデルです(2026年2月17日リリース)。最もスコアの高い構成(推論エフォート thinking)は、BenchLeader Indexで58.3 ±4.2を記録し、608構成中132位で上位半分に入ります。重要なのはこの「±」です。ほかに240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。カテゴリ別では指示追従が最も高く(79)、エージェント・ツールが最も低くなっています(51)。ブレンド価格は100万トークンあたり$1.56で、ランク付けされたモデルの多くより高価です。出力速度は111トークン/秒、回答開始まで12.1秒で、多くのモデルより高速です。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
$1.56/M
入力$1.25・出力$2.50
出典:Artificial Analysis
出力速度
111 tok/s
Artificial Analysisによる測定
回答開始
12 s
最初のトークン 0.60 s
コンテキスト
2M
出典:OpenRouter
回答完了まで
44 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
2026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Index58
  2. 推論61
  3. コーディング53
  4. エージェント・ツール51
  5. 数学54
  6. 知識53
  7. 指示追従79
  8. 人間の評価66
  9. マルチモーダル58
  10. 長文コンテキスト59

この順位を埋め込む

ほかのバッジスタイル
[![Grok 4.20 on BenchLeader: 総合 61位](https://www.benchleader.com/badge/grok-4-20.svg?style=compact)](https://www.benchleader.com/models/grok-4-20)

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 4.20thinkingこのページ2026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 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
推論なし––109 tok/s1.57 s$0.0013エージェント・ツール 48 · 指示追従 51 · 長文コンテキスト 35 · マルチモーダル 47
thinking最良58.3#132111 tok/s12 s$0.0013エージェント・ツール 51 · コーディング 53 · 人間の評価 66 · 指示追従 79 · 知識 53 · 長文コンテキスト 59 · 数学 54 · マルチモーダル 58 · 推論 61
未記載––84 tok/s0.60 s$0.0013エージェント・ツール 51 · コーディング 52 · 推論 42

Indexの推移

2026年9月9日〜2026年11月16日
505764

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。

推論

ベンチマーク推論なしthinking標準出典推移
GPQA Diamond–89.3%#61–Epoch AI Benchmarking Hub
Arena Hard Prompts–1489#53–Arena (LMArena)
GPQA Diamond (AA)Index対象外77.6%#22391.1%#50–Artificial Analysis
Humanity's Last Exam (AA)Index対象外27.9%#18534.5%#140–Artificial Analysis
GPQA Diamond (Vals)Index対象外–88.6%#33–Vals AI
Kagi LLM Benchmark–75.0%#1244.8%#96Kagi LLM Benchmark
ARC-AGI-1–89.5%#90–ARC Prize
ARC-AGI-2–65.1%#81–ARC Prize
ARC-AGI-3–0.1%#74–ARC Prize
CritPtIndex対象外0.3%#2916.6%#160–Artificial Analysis
Arena ExpertIndex対象外–1477#83–Arena (LMArena)
Chess PuzzlesIndex対象外–29.0%#73–Epoch AI Benchmarking Hub
CL-benchIndex対象外エフォート未記載––22.2%#3Epoch AI Benchmarking Hub
CL-bench LifeIndex対象外エフォート未記載––11.9%#12Epoch AI Benchmarking Hub
LMCAIndex対象外エフォート未記載––38.7%#118Epoch AI Benchmarking Hub
DTBenchIndex対象外エフォート未記載––90.1%#88Epoch AI Benchmarking Hub
ForecastBenchIndex対象外–64.1%#3063.1%#44ForecastBench

コーディング

ベンチマークthinking標準出典推移
WeirdMLエフォート未記載–52.3%#66WeirdML
Arena Coding1511#60–Arena (LMArena)
Arena WebDev1376#112–Arena (LMArena)
LiveCodeBench84.3%#39–Vals AI
SWE-bench (Vals)Index対象外72.2%#54–Vals AI
Code MigrationIndex対象外0.3%#77–Vals AI
Vibe Code Bench v1.1Index対象外4.1%#111–Vals AI
ALE-BenchIndex対象外エフォート未記載–1150.3#57Epoch AI Benchmarking Hub
Design Arena WebsiteIndex対象外1221#771211#84Design Arena

エージェント・ツール

ベンチマーク推論なしthinking標準出典推移
Terminal-Benchエフォート未記載––57.3%#26Terminal-Bench
Terminal-Bench Hard16.7%#18837.9%#62–Artificial Analysis
τ²-Bench Telecom (AA)Index対象外59.9%#18393.0%#46–Artificial Analysis
Terminal-Bench 2.1 (Vals)–44.2%#64–Vals AI
HiL-Benchエフォート未記載––20.0%#31Scale AI SEAL
APEX-Agents (AA)Index対象外–14.2%#26–Artificial Analysis
Finance Agent v2Index対象外–28.5%#74–Vals AI
Harvey's Legal Agent Benchmark v1Index対象外–0.0%#64–Vals AI
Legal Research BenchIndex対象外–13.9%#78–Vals AI
Tax Agent BenchIndex対象外–7.0%#75–Vals AI
Terminal-Bench 2.0 (Vals)Index対象外–40.5%#31–Vals AI
Vending-Bench 2Index対象外エフォート未記載––4662.9#39Andon Labs
Design Arena AgenticIndex対象外–1093#59–Design Arena

知識

ベンチマーク推論なしthinking出典推移
SimpleQA Verified–30.2%#76Epoch AI Benchmarking Hub
MMLU-Pro–86.3%#43Vals AI
LegalBench–77.7%#105Vals AI
CorpFin–63.7%#43Vals AI
TaxEval–74.1%#40Vals AI
MedQA–94.5%#16Vals AI
CaseLaw v2Index対象外–54.5%#38Vals AI
Excel Modeling BenchmarkIndex対象外–11.7%#73Vals AI
MedCodeIndex対象外–32.2%#88Vals AI
MedScribeIndex対象外–63.4%#100Vals AI
Global-MMLU-Lite (AA)Index対象外83.1%#5189.5%#18Artificial Analysis

指示追従

ベンチマーク推論なしthinking出典推移
IFBench49.3%#17981.2%#5Artificial Analysis
Arena Instruction FollowingIndex対象外–1448#71Arena (LMArena)

人間の評価

ベンチマークthinking標準出典推移
Arena Text1472#49–Arena (LMArena)
EQ-Bench Creative Writing v3Index対象外エフォート未記載–1574#51EQ-Bench
Arena Creative WritingIndex対象外1445#53–Arena (LMArena)
Arena Multi-turnIndex対象外1479#44–Arena (LMArena)
Arena Longer QueriesIndex対象外1466#69–Arena (LMArena)

マルチモーダル

ベンチマーク推論なしthinking標準出典推移
Arena Vision–1263#53–Arena (LMArena)
MMMU-Pro64.9%#19374.6%#122–Artificial Analysis
MMMU-Pro (Vals)Index対象外–83.5%#32–Vals AI
MortgageTaxIndex対象外–45.4%#83–Vals AI
Blueprint-Bench 2Index対象外エフォート未記載––0.0%#33Epoch AI Benchmarking Hub

長文コンテキスト

ベンチマーク推論なしthinking出典推移
AA-LCR v1.123.3%#44369.0%#249Artificial Analysis
Arena DocumentIndex対象外–1440#37Arena (LMArena)

総合

ベンチマーク推論なしthinking標準出典推移
Epoch Capabilities IndexIndex対象外エフォート未記載––152.3#58Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2Index対象外14.2#30725.7#167–Artificial Analysis
AA Progress Index v1Index対象外224.6#339281.9#170–Artificial Analysis
Vals Multimodal IndexIndex対象外–39.1%#32–Vals AI

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。

API料金:提供プロバイダー別

OpenRouter経由でこのモデルを提供しているすべてのプロバイダーです。スループットと最初のトークンまでのレイテンシは直近30分の実トラフィックで測定し、価格は各プロバイダー自身のものです。紫は各列の最良値を示します。

プロバイダー速度最初のトークン入力 $/M出力 $/Mコンテキスト量子化
SpaceXAI97 tok/s0.47 s$1.25$2.502M–
SpaceXAI81 tok/s0.52 s$1.25$2.502M–

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$1.65$3.30$4.95$6.6026年9月26年10月26年11月
入力 出力
現在:入力$1.25・出力$2.50

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100万トークンあたり$0.200の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$0.0013$0.000914.8 s
30ページのレポートを要約12,000 / 600$0.017$0.007117.5 s
コード編集6,000 / 1,500$0.011$0.006525.6 s
エージェント型コーディングセッション60,000 / 4,000$0.085$0.03848.1 s
構造化データの抽出2,000 / 200$0.0030$0.001413.9 s

SpaceXAIのほかのモデル

今月の新着

Grok 4.20と比較する

関連ページ

埋め込み・引用

Grok 4.20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 4.20 on BenchLeader: 総合 61位](https://www.benchleader.com/badge/grok-4-20.svg)](https://www.benchleader.com/models/grok-4-20)

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 4.20 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/grok-4-20

BibTeX:

@misc{benchleader_grok_4_20_20261116,
  author       = {{BenchLeader}},
  title        = {{Grok 4.20 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/grok-4-20}},
  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 4.20のベンチマークスコアは?
2026年11月16日時点で、Grok 4.20(推論エフォート thinking)のBenchLeader Indexは58.3 ±4.2です。最も強いのは指示追従(79)、最も弱いのはエージェント・ツール(51)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 4.20の順位は?
2026年11月16日時点で、Grok 4.20(推論エフォート thinking)はランク付けされた608構成中132位です。ほかに240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 4.20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 4.20の料金は入力100万トークンあたり$1.25、出力100万トークンあたり$2.50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$1.56です。定価が最後に変わったのは2026年10月18日です。
Grok 4.20はMuse Spark Open 816B A42Bより優れていますか?
2026年11月16日時点で、Grok 4.20(推論エフォート thinking)とMuse Spark Open 816B A42B(推論エフォート xhigh)の品質はほぼ互角です(BenchLeader Indexで58.3対58.1、±7.3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 4.20はいつリリースされましたか?
SpaceXAIが2026年2月17日にGrok 4.20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 4.20: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-4-20