BenchLeader

Grok 4.5

推論エフォート
品質339中47位
59.3Index
上位4分の1
中央値比 +9.1
価格255中187位
$3.00100万トークンあたり
多くのモデルより高い
中央値の3.5倍
速度216中169位
49トークン/秒
下位4分の1
中央値の0.6倍
コスパ255中187位
19.8ポイント/$
中央値より下
中央値の0.4倍

よりコスパが高いモデル: GLM 5.3 Flash $0.238/MでIndex 57.8(13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10つあります:GPT-6.1 Terra (64.1, $2.00)、Muse Spark 1.1 (62.2, $2.00)、Gemini 3.7 Flash (62.1, $1.50)ほか7つ。

2026年11月16日時点で、Grok 4.5(SpaceXAI)のBenchLeader Indexは59.3です(ランク付け対象は608構成)。最も強いのは推論(67)、最も弱いのはエージェント・ツール(55)です。API料金は入力100万トークンあたり$2.00、出力100万トークンあたり$6.00(3:1のブレンドで$3.00)で、2026年11月16日時点の定価です。出力速度は約49トークン/秒です(OpenRouter)。2026年7月8日にリリースされました。

要点(2026年11月16日時点)

  • Grok 4.5のAPI料金は入力100万トークンあたり$2.00、出力100万トークンあたり$6.00(3:1のブレンドで$3.00)です(定価、2026年11月16日)。
  • Grok 4.5の出力速度は約49トークン/秒です(OpenRouter、2026年11月16日)。
  • Grok 4.5は2026年7月8日にリリースされました(SpaceXAI)。

詳しく見ると:Grok 4.5はSpaceXAIのプロプライエタリな推論モデルです(2026年7月8日リリース)。最もスコアの高い構成は、BenchLeader Indexで59.3 ±4.1を記録し、608構成中109位で上位半分に入ります。重要なのはこの「±」です。ほかに225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。カテゴリ別では推論が最も高く(67)、エージェント・ツールが最も低くなっています(55)。ブレンド価格は100万トークンあたり$3.00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49トークン/秒、最初のトークンまで1.4秒で、最も遅い4分の1に入ります。4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
$3.00/M
入力$2.00・出力$6.00
出典:OpenRouter
出力速度
49 tok/s
OpenRouterのトラフィック(7日間の中央値)。Artificial Analysisによる測定はまだありません
回答開始
1.41 s
コンテキスト
500k
出典:OpenRouter
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7月8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Index59
  2. 推論67
  3. コーディング57
  4. エージェント・ツール55
  5. 数学65
  6. 人間の評価65
  7. マルチモーダル63

この順位を埋め込む

ほかのバッジスタイル
[![Grok 4.5 on BenchLeader: 総合 47位](https://www.benchleader.com/badge/grok-4-5.svg?style=compact)](https://www.benchleader.com/models/grok-4-5)

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 4.5このページ2026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 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
low––49 tok/s1.41 s$0.0026推論 48
medium––49 tok/s1.41 s$0.0026推論 53
high56.8#16765 tok/s10 s$0.0026エージェント・ツール 52 · コーディング 57 · 知識 60 · 長文コンテキスト 64 · 数学 53 · マルチモーダル 63 · 推論 57
未記載最良59.3#10949 tok/s1.41 s$0.0026エージェント・ツール 55 · コーディング 57 · 人間の評価 65 · 数学 65 · マルチモーダル 63 · 推論 67

Indexの推移

2026年9月8日〜2026年11月16日
495867
  • 標準
  • high

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lowmediumhigh標準出典推移
GPQA Diamond––93.4%#21–Epoch AI Benchmarking Hub
SimpleBenchエフォート未記載–––70.0%#27SimpleBench
Arena Hard Promptsエフォート未記載–––1488#55Arena (LMArena)
LiveBench 1.0 ReasoningIndex対象外エフォート未記載–––87.2%#29LiveBench
GPQA Diamond (AA)Index対象外––93.1%#24–Artificial Analysis
Humanity's Last Exam (AA)Index対象外––42.7%#75–Artificial Analysis
GPQA Diamond (Vals)Index対象外––92.9%#12–Vals AI
Kagi LLM Benchmarkエフォート未記載–––83.5%#6Kagi LLM Benchmark
ARC-AGI-179.2%#13087.2%#10485.7%#117–ARC Prize
ARC-AGI-233.1%#13452.6%#11252.6%#112–ARC Prize
ARC-AGI-30.3%#630.3%#630.3%#63–ARC Prize
CritPtIndex対象外––15.4%#100–Artificial Analysis
Arena ExpertIndex対象外エフォート未記載–––1489#64Arena (LMArena)
Chess PuzzlesIndex対象外––35.0%#61–Epoch AI Benchmarking Hub
LMCAIndex対象外––45.2%#95–Epoch AI Benchmarking Hub
DTBenchIndex対象外––96.5%#27–Epoch AI Benchmarking Hub
ForecastBenchIndex対象外––65.8%#8–ForecastBench

コーディング

ベンチマークlowmediumhigh標準出典推移
SciCode––55.0%#61–SciCode
WeirdMLエフォート未記載–––46.4%#79WeirdML
FrontierCodeエフォート未記載–––42.4%#21Cognition
Arena Codingエフォート未記載–––1514#50Arena (LMArena)
Arena WebDevエフォート未記載–––1553#51Arena (LMArena)
LiveBench 1.0 CodingIndex対象外エフォート未記載–––68.6%#64LiveBench
SciCode (AA)Index対象外––55.0%#64–Artificial Analysis
LiveCodeBench––87.3%#14–Vals AI
IOI––40.6%#35–Vals AI
SWE-bench (Vals)Index対象外––86.6%#13–Vals AI
Code MigrationIndex対象外––36.6%#35–Vals AI
ProgramBenchIndex対象外––0.0%#34–Vals AI
Vibe Code Bench v1.1Index対象外––69.0%#53–Vals AI
MirrorCodeIndex対象外––32.2%#33–Epoch AI Benchmarking Hub
Surface Evolver BenchIndex対象外––74.4%#10–Epoch AI Benchmarking Hub
DeepSWE v1.1Index対象外––53.8%#42–Epoch AI Benchmarking Hub
ALE-BenchIndex対象外––1309.3#39–Epoch AI Benchmarking Hub
Terminal-Bench 4.0 (AA)Index対象外––10.6%#116–Artificial Analysis
Terminal-Bench 2.1 (AA)Index対象外––81.7%#40–Artificial Analysis
Startrise FrontendIndex対象外エフォート未記載–––68.0%#21Startrise
GameBench 2 OverallIndex対象外設定全体–––56.7#23DuelLab GameBench 2
GameBench 2 by reasoning settingIndex対象外48.4#10560.3#6461.5#62–DuelLab GameBench 2
Design Arena WebsiteIndex対象外エフォート未記載–––1273#40Design Arena

エージェント・ツール

ベンチマークhigh標準出典推移
Terminal-Bench12.4%#97–Terminal-Bench
APEX-Agentsエフォート未記載–56.2%#24Mercor
LiveBench Agentic CodingIndex対象外エフォート未記載–56.5%#27LiveBench
Terminal-Bench 2.1 (Vals)67.8%#32–Vals AI
τ³-bench BankingIndex対象外47.9%#3–τ²-bench
GDPval-AA v2.1Index対象外1388#93–Artificial Analysis
τ³-Banking (AA)42.1%#23–Artificial Analysis
Analyst Agent (AA)Index対象外35.0%#30–Artificial Analysis
CyberBenchIndex対象外71.0%#20–Vals AI
Finance Agent v2Index対象外48.4%#51–Vals AI
Harvey's Legal Agent Benchmark v1Index対象外12.9%#12–Vals AI
Legal Research BenchIndex対象外38.0%#44–Vals AI
SkillsBenchIndex対象外66.0%#2–Vals AI
SREBenchIndex対象外0.8%#28–Vals AI
Tax Agent BenchIndex対象外24.9%#46–Vals AI
Terminal-Bench 4.0 (Vals)Index対象外8.6%#49–Vals AI
Time Horizon Index: KSPIndex対象外6.3%#11–Vals AI
Web Search IndexIndex対象外35.5%#5–Vals AI
Arena SearchIndex対象外エフォート未記載–1205#16Arena (LMArena)
PostTrainBenchIndex対象外22.6%#18–Epoch AI Benchmarking Hub
GBAEvalIndex対象外エフォート未記載–65.4%#4Epoch AI Benchmarking Hub
Vending-Bench 2Index対象外エフォート未記載–3887.4#45Andon Labs
AutomationBenchIndex対象外57.9%#67–Artificial Analysis
GDP.pdf (AA)Index対象外18.8%#94–Artificial Analysis
EnterpriseOps-GymIndex対象外40.8%#26–Artificial Analysis
AA-Briefcase v1.1Index対象外1277#99–Artificial Analysis
Design Arena AgenticIndex対象外エフォート未記載–1221#32Design Arena

数学

ベンチマークhigh標準出典推移
FrontierMath Tiers 1–357.2%#49–Epoch AI Benchmarking Hub
FrontierMath Tier 424.4%#54–Epoch AI Benchmarking Hub
OTIS Mock AIME97.8%#37–Epoch AI Benchmarking Hub
ProofBench31.0%#45–Vals AI
LiveBench MathematicsIndex対象外エフォート未記載–90.8%#34LiveBench
Arena Mathsエフォート未記載–1470#53Arena (LMArena)

知識

ベンチマークhigh標準出典推移
SimpleQA Verified48.3%#36–Epoch AI Benchmarking Hub
LiveBench 1.0 Data AnalysisIndex対象外エフォート未記載–73.0%#43LiveBench
MMLU-Pro89.2%#14–Vals AI
LegalBench86.0%#19–Vals AI
CorpFin67.4%#13–Vals AI
TaxEval71.7%#73–Vals AI
Excel Modeling BenchmarkIndex対象外52.9%#53–Vals AI
MedCodeIndex対象外43.3%#44–Vals AI
MedScribeIndex対象外86.9%#19–Vals AI
GDP.pdfIndex対象外14.0%#42–Epoch AI Benchmarking Hub
FACTS ParametricIndex対象外エフォート未記載–42.5%#20Google

指示追従

ベンチマーク標準出典推移
LiveBench LanguageIndex対象外82.8%#23LiveBench
LiveBench Instruction FollowingIndex対象外71.5%#23LiveBench
Arena Instruction FollowingIndex対象外1462#52Arena (LMArena)

人間の評価

ベンチマーク標準出典推移
Arena Text1466#55Arena (LMArena)
EQ-Bench Creative Writing v3Index対象外1576#50EQ-Bench
Arena Creative WritingIndex対象外1452#37Arena (LMArena)
Arena Multi-turnIndex対象外1472#59Arena (LMArena)
Arena Longer QueriesIndex対象外1480#49Arena (LMArena)

マルチモーダル

ベンチマークhigh標準出典推移
Arena Visionエフォート未記載–1288#29Arena (LMArena)
MMMU-Pro80.4%#58–Artificial Analysis
MMMU-Pro (Vals)Index対象外61.8%#81–Vals AI
MortgageTaxIndex対象外61.8%#57–Vals AI
Blueprint-Bench 2Index対象外エフォート未記載–27.3%#24Epoch AI Benchmarking Hub
Furniture AssemblyIndex対象外22.5%#35–Epoch AI Benchmarking Hub

長文コンテキスト

ベンチマークhigh標準出典推移
AA-LCR v1.179.3%#110–Artificial Analysis
Arena DocumentIndex対象外エフォート未記載–1466#24Arena (LMArena)
MLCRIndex対象外16.1%#79–Artificial Analysis

総合

ベンチマークhigh標準出典推移
Epoch Capabilities IndexIndex対象外エフォート未記載–155.0#45Epoch AI Benchmarking Hub
LiveBench 1.0Index対象外エフォート未記載–75.8%#35LiveBench
AA Intelligence Index v4.3.2Index対象外38.8#79–Artificial Analysis
AA Progress Index v1Index対象外312.3#87–Artificial Analysis
Vals Multimodal IndexIndex対象外63.4%#15–Vals AI

GameBench 2 Overall: 56.7. GameBench 2, best reasoning setting (High): 61.5. 参考値で、BenchLeader Indexには含まれません。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

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
SpaceXAI64 tok/s1.35 s$2.00$6.00500k–
SpaceXAI44 tok/s1.50 s$2.00$6.00500k–

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$0.300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$0.0026$0.00217.5 s
30ページのレポートを要約12,000 / 600$0.028$0.01213.7 s
コード編集6,000 / 1,500$0.021$0.01332.0 s
エージェント型コーディングセッション60,000 / 4,000$0.144$0.0681.4 min
構造化データの抽出2,000 / 200$0.0052$0.00275.5 s

SpaceXAIのほかのモデル

今月の新着

Grok 4.5と比較する

関連ページ

埋め込み・引用

Grok 4.5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 4.5 on BenchLeader: 総合 47位](https://www.benchleader.com/badge/grok-4-5.svg)](https://www.benchleader.com/models/grok-4-5)

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 4.5 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/grok-4-5

BibTeX:

@misc{benchleader_grok_4_5_20261116,
  author       = {{BenchLeader}},
  title        = {{Grok 4.5 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/grok-4-5}},
  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 4.5のベンチマークスコアは?
2026年11月16日時点で、Grok 4.5のBenchLeader Indexは59.3 ±4.1です。最も強いのは推論(67)、最も弱いのはエージェント・ツール(55)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 4.5の順位は?
2026年11月16日時点で、Grok 4.5はランク付けされた608構成中109位です。ほかに225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 4.5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 4.5の料金は入力100万トークンあたり$2.00、出力100万トークンあたり$6.00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$3.00です。
Grok 4.5はGLM 5.2より優れていますか?
2026年11月16日時点で、GLM 5.2(推論エフォート max)とGrok 4.5の品質はほぼ互角です(BenchLeader Indexで58.9対59.3、±5.7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 4.5はいつリリースされましたか?
SpaceXAIが2026年7月8日にGrok 4.5をリリースしました。BenchLeaderには4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 4.5: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-4-5