Grok 4.20
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
- 総合Index58
- 推論61
- コーディング53
- エージェント・ツール51
- 数学54
- 知識53
- 指示追従79
- 人間の評価66
- マルチモーダル58
- 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[](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。
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このページ | 2026年2月17日 | 58.3 | #132 |
| Grok 4.1 | 2025年11月17日 | 57.1 | #160 |
| Grok 4 | 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。
| 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/s | 1.57 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 | #132 | 111 tok/s | 12 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/s | 0.60 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%#223 | 91.1%#50 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)Index対象外 | 27.9%#185 | 34.5%#140 | – | Artificial Analysis | |
| GPQA Diamond (Vals)Index対象外 | – | 88.6%#33 | – | Vals AI | |
| Kagi LLM Benchmark | – | 75.0%#12 | 44.8%#96 | Kagi 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%#291 | 6.6%#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%#3 | Epoch AI Benchmarking Hub | |
| CL-bench LifeIndex対象外エフォート未記載 | – | – | 11.9%#12 | Epoch AI Benchmarking Hub | |
| LMCAIndex対象外エフォート未記載 | – | – | 38.7%#118 | Epoch AI Benchmarking Hub | |
| DTBenchIndex対象外エフォート未記載 | – | – | 90.1%#88 | Epoch AI Benchmarking Hub | |
| ForecastBenchIndex対象外 | – | 64.1%#30 | 63.1%#44 | ForecastBench |
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%#66 | WeirdML | |
| Arena Coding | 1511#60 | – | Arena (LMArena) | |
| Arena WebDev | 1376#112 | – | Arena (LMArena) | |
| LiveCodeBench | 84.3%#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#57 | Epoch AI Benchmarking Hub | |
| Design Arena WebsiteIndex対象外 | 1221#77 | 1211#84 | Design 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%#26 | Terminal-Bench | |
| Terminal-Bench Hard | 16.7%#188 | 37.9%#62 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)Index対象外 | 59.9%#183 | 93.0%#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%#31 | Scale 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#39 | Andon Labs | |
| Design Arena AgenticIndex対象外 | – | 1093#59 | – | Design Arena |
数学
| ベンチマーク | thinking | 出典 | 推移 |
|---|---|---|---|
| FrontierMath Tiers 1–3 | 44.9%#61 | Epoch AI Benchmarking Hub | |
| FrontierMath Tier 4 | 17.1%#60 | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME | 92.2%#75 | Epoch AI Benchmarking Hub | |
| ProofBench | 14.0%#66 | Vals AI | |
| AIME (Vals) | 96.5%#6 | Vals AI | |
| Arena Maths | 1464#62 | Arena (LMArena) |
知識
| ベンチマーク | 推論なし | thinking | 出典 | 推移 |
|---|---|---|---|---|
| SimpleQA Verified | – | 30.2%#76 | Epoch AI Benchmarking Hub | |
| MMLU-Pro | – | 86.3%#43 | Vals AI | |
| LegalBench | – | 77.7%#105 | Vals AI | |
| CorpFin | – | 63.7%#43 | Vals AI | |
| TaxEval | – | 74.1%#40 | Vals AI | |
| MedQA | – | 94.5%#16 | Vals AI | |
| CaseLaw v2Index対象外 | – | 54.5%#38 | Vals AI | |
| Excel Modeling BenchmarkIndex対象外 | – | 11.7%#73 | Vals AI | |
| MedCodeIndex対象外 | – | 32.2%#88 | Vals AI | |
| MedScribeIndex対象外 | – | 63.4%#100 | Vals AI | |
| Global-MMLU-Lite (AA)Index対象外 | 83.1%#51 | 89.5%#18 | Artificial Analysis |
指示追従
| ベンチマーク | 推論なし | thinking | 出典 | 推移 |
|---|---|---|---|---|
| IFBench | 49.3%#179 | 81.2%#5 | Artificial Analysis | |
| Arena Instruction FollowingIndex対象外 | – | 1448#71 | Arena (LMArena) |
人間の評価
| ベンチマーク | thinking | 標準 | 出典 | 推移 |
|---|---|---|---|---|
| Arena Text | 1472#49 | – | Arena (LMArena) | |
| EQ-Bench Creative Writing v3Index対象外エフォート未記載 | – | 1574#51 | EQ-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-Pro | 64.9%#193 | 74.6%#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%#33 | Epoch 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 v1.1 | 23.3%#443 | 69.0%#249 | Artificial Analysis | |
| Arena DocumentIndex対象外 | – | 1440#37 | Arena (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#58 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2Index対象外 | 14.2#307 | 25.7#167 | – | Artificial Analysis | |
| AA Progress Index v1Index対象外 | 224.6#339 | 281.9#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 |
|---|---|---|---|---|---|---|
| SpaceXAI | 97 tok/s | 0.47 s | $1.25 | $2.50 | 2M | – |
| SpaceXAI | 81 tok/s | 0.52 s | $1.25 | $2.50 | 2M | – |
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 | $0.0009 | 14.8 s |
| 30ページのレポートを要約 | 12,000 / 600 | $0.017 | $0.0071 | 17.5 s |
| コード編集 | 6,000 / 1,500 | $0.011 | $0.0065 | 25.6 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 | $0.038 | 48.1 s |
| 構造化データの抽出 | 2,000 / 200 | $0.0030 | $0.0014 | 13.9 s |
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。
[](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}
}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