BenchLeader

Grok 4.6

推論エフォート
品質339中34位
60.6Index
上位10%
中央値比 +10.4
価格255中187位
$3.00100万トークンあたり
多くのモデルより高い
中央値の3.5倍
速度216中127位
73トークン/秒
中央値より下
中央値の0.9倍
コスパ255中186位
20.2ポイント/$
中央値より下
中央値の0.4倍

よりコスパが高いモデル: Qwen3.6 Plus $1.13/MでIndex 59.0(63%安い)。

より安価でスコアの高いランク付けモデルが7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4つ。

2026年11月16日時点で、Grok 4.6(SpaceXAI)のBenchLeader Indexは60.6です(ランク付けされた608構成中上位100位以内)。最も強いのは長文コンテキスト(65)、最も弱いのはエージェント・ツール(59)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73トークン/秒です(Artificial Analysis)。2026年8月11日にリリースされました。

要点(2026年11月16日時点)

  • Grok 4.6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 4.6の出力速度は約73トークン/秒です(Artificial Analysis、2026年11月16日)。
  • Grok 4.6は2026年8月11日にリリースされました(SpaceXAI)。

詳しく見ると:Grok 4.6はSpaceXAIのプロプライエタリな推論モデルです(2026年8月11日リリース)。最もスコアの高い構成(推論エフォート high)は、BenchLeader Indexで60.6 ±3.4を記録し、608構成中74位で上位半分に入ります。重要なのはこの「±」です。ほかに191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(65)、エージェント・ツールが最も低くなっています(59)。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73トークン/秒、回答開始まで28.6秒で、多くのモデルより低速です。5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:Artificial Analysis
出力速度
73 tok/s
Artificial Analysisによる測定
回答開始
29 s
最初のトークン 1.91 s
コンテキスト
500k
出典:models.dev
回答完了まで
63 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8月11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Index61
  2. 推論64
  3. コーディング61
  4. エージェント・ツール59
  5. 数学63
  6. 知識60
  7. 人間の評価64
  8. マルチモーダル60
  9. 長文コンテキスト65

この順位を埋め込む

ほかのバッジスタイル
[![Grok 4.6 on BenchLeader: 総合 34位](https://www.benchleader.com/badge/grok-4-6.svg?style=compact)](https://www.benchleader.com/models/grok-4-6)

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 4.6highこのページ2026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 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
low55.1#22277 tok/s13 s$0.0026エージェント・ツール 67 · コーディング 53 · 長文コンテキスト 65 · 推論 48
medium59.4#10772 tok/s19 s$0.0026エージェント・ツール 74 · コーディング 62 · 長文コンテキスト 65 · 推論 60
high最良60.6#7473 tok/s29 s$0.0026エージェント・ツール 59 · コーディング 61 · 人間の評価 64 · 知識 60 · 長文コンテキスト 65 · 数学 63 · マルチモーダル 60 · 推論 64
xhigh56.1#19270 tok/s37 s$0.0026エージェント・ツール 65 · コーディング 52 · 総合 48 · 知識 57 · 長文コンテキスト 65 · 数学 58 · 推論 56
未記載––65 tok/s1.91 s$0.0026エージェント・ツール 63 · コーディング 62 · 数学 54 · 推論 67

Indexの推移

2026年9月8日〜2026年11月16日
525966
  • high
  • medium
  • xhigh
  • low

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lowmediumhighxhigh標準出典推移
GPQA Diamond––94.0%#1593.2%#24–Epoch AI Benchmarking Hub
SimpleBenchエフォート未記載––––75.9%#18SimpleBench
Arena Hard Prompts––1481#65––Arena (LMArena)
LiveBench 2.0 ReasoningIndex対象外–––91.2%#7–LiveBench
LiveBench 1.0 ReasoningIndex対象外エフォート未記載––––90.5%#13LiveBench
GPQA Diamond (AA)Index対象外87.9%#9593.5%#1495.0%#493.5%#14–Artificial Analysis
Humanity's Last Exam (AA)Index対象外27.6%#19142.1%#8542.9%#7344.1%#62–Artificial Analysis
HLE-Diamond (AA)–––21.5%#74–Artificial Analysis
GPQA Diamond (Vals)Index対象外––94.7%#3––Vals AI
ARC-AGI-174.8%#14187.5%#10087.0%#10687.0%#106–ARC Prize
ARC-AGI-227.6%#14461.3%#8965.1%#8167.1%#76–ARC Prize
ARC-AGI-3–––2.1%#45–ARC Prize
CritPtIndex対象外5.7%#16317.7%#8517.1%#9219.7%#75–Artificial Analysis
CritPt v2 hard subset (AA)–––40.0%#59–Artificial Analysis
MysteryMechanismIndex対象外––30.6%#14––Vals AI
Arena ExpertIndex対象外––1496#53––Arena (LMArena)
Chess PuzzlesIndex対象外––33.0%#6533.0%#65–Epoch AI Benchmarking Hub
Mystery Game PuzzlesIndex対象外–––34.0%#29–Epoch AI Benchmarking Hub
LMCAIndex対象外–––48.5%#82–Epoch AI Benchmarking Hub
DTBenchIndex対象外–––97.3%#14–Epoch AI Benchmarking Hub
ForecastBenchIndex対象外–––65.4%#15–ForecastBench

コーディング

ベンチマークlowmediumhighxhigh標準出典推移
SciCode49.4%#12955.9%#5156.5%#4553.0%#92–SciCode
WeirdML––67.3%#37––WeirdML
FrontierCodeエフォート未記載––––48.0%#10Cognition
Arena Coding––1508#64––Arena (LMArena)
Arena WebDev––1618#32––Arena (LMArena)
LiveBench 2.0 CodingIndex対象外–––76.7%#16–LiveBench
LiveBench 1.0 CodingIndex対象外エフォート未記載––––76.8%#44LiveBench
SciCode (AA)Index対象外49.4%#13155.9%#5156.5%#4453.0%#91–Artificial Analysis
LiveCodeBench––88.2%#7––Vals AI
IOI––47.6%#29––Vals AI
SWE-bench (Vals)Index対象外––95.6%#4––Vals AI
Code MigrationIndex対象外––44.6%#20––Vals AI
ProgramBenchIndex対象外––1.0%#16––Vals AI
Vibe Code Bench 1-100Index対象外––14.8%#20––Vals AI
Vibe Code Bench v1.1Index対象外––76.2%#43––Vals AI
MirrorCodeIndex対象外–––41.1%#25–Epoch AI Benchmarking Hub
DeepSWE v1.1Index対象外41.6%#5567.5%#2065.2%#2866.7%#24–Epoch AI Benchmarking Hub
CursorBenchIndex対象外33.4%#6736.1%#6040.4%#5141.4%#48–Cursor
ALE-BenchIndex対象外–––1508.1#31–Epoch AI Benchmarking Hub
FrontierSWEIndex対象外–––25.3%#16–Epoch AI Benchmarking Hub
Terminal-Bench 4.0 (AA)Index対象外3.0%#14013.1%#10421.2%#8617.2%#92–Artificial Analysis
Terminal-Bench 2.1 (AA)Index対象外75.3%#6384.3%#3088.4%#1088.0%#12–Artificial Analysis
Startrise FrontendIndex対象外エフォート未記載––––72.1%#14Startrise
GameBench 2 OverallIndex対象外設定全体––––59.4#18DuelLab GameBench 2
GameBench 2 by reasoning settingIndex対象外43.9#11768.7#43–65.6#49–DuelLab GameBench 2
Design Arena WebsiteIndex対象外エフォート未記載––––1277#36Design Arena
FrontierCode 2.0 (AA)–––19.8%#69–Artificial Analysis

エージェント・ツール

ベンチマークlowmediumhighxhigh標準出典推移
Terminal-Bench––19.7%#87––Terminal-Bench
APEX-Agentsエフォート未記載––––65.3%#13Mercor
Arena Agent–––-0.2#33–Arena (LMArena)
LiveBench Long AgenticIndex対象外–––18.7%#26–LiveBench
LiveBench BrowserIndex対象外–––49.4%#21–LiveBench
LiveBench Agentic CodingIndex対象外エフォート未記載––––57.0%#24LiveBench
Terminal-Bench 2.1 (Vals)––78.3%#13––Vals AI
GDPval-AA v2.1Index対象外1420#841621#341627#331658#23–Artificial Analysis
τ³-Banking (AA)38.1%#3944.3%#1750.7%#243.3%#19–Artificial Analysis
Analyst Agent (AA)Index対象外––41.3%#23––Artificial Analysis
CyberBenchIndex対象外––67.7%#28––Vals AI
Finance Agent v2Index対象外––53.7%#33––Vals AI
Harvey's Legal Agent Benchmark v1Index対象外––15.8%#10––Vals AI
Legal Research BenchIndex対象外––48.1%#13––Vals AI
SkillsBenchIndex対象外––55.8%#13––Vals AI
Tax Agent BenchIndex対象外––33.7%#20––Vals AI
Terminal-Bench 4.0 (Vals)Index対象外––17.2%#40––Vals AI
Terminal-Bench ScienceIndex対象外––11.4%#16––Vals AI
Time Horizon Index: KSPIndex対象外––5.8%#12––Vals AI
Arena Agent Task CompletionIndex対象外–––-2.6#36–Arena (LMArena)
Vending-Bench 2Index対象外エフォート未記載––––9047.0#14Andon Labs
AutomationBenchIndex対象外53.5%#9163.1%#4366.7%#2867.0%#26–Artificial Analysis
GDP.pdf (AA)Index対象外15.8%#11817.8%#10217.0%#11217.2%#108–Artificial Analysis
EnterpriseOps-GymIndex対象外––48.3%#5––Artificial Analysis
AA-Briefcase v1.1Index対象外1285#961477#591526#411540#37–Artificial Analysis
Design Arena AgenticIndex対象外エフォート未記載––––1239#25Design Arena
Terminal-Bench-Science 0.1 (AA)Index対象外––6.2%#772.9%#96–Artificial Analysis
FACTS SearchIndex対象外エフォート未記載––––87.9%#11Google

数学

ベンチマークhighxhigh標準出典推移
FrontierMath Tiers 1–3–66.0%#38–Epoch AI Benchmarking Hub
FrontierMath Tier 4–31.7%#40–Epoch AI Benchmarking Hub
OTIS Mock AIME97.8%#3799.2%#22–Epoch AI Benchmarking Hub
ProofBenchエフォート未記載––51.0%#32Vals AI
LiveBench MathematicsIndex対象外エフォート未記載––92.6%#28LiveBench
Arena Maths1445#86––Arena (LMArena)

知識

ベンチマークhighxhigh標準出典推移
SimpleQA Verified49.3%#3348.9%#34–Epoch AI Benchmarking Hub
LiveBench 2.0 Data AnalysisIndex対象外–75.3%#21–LiveBench
LiveBench ResearchIndex対象外–88.8%#8–LiveBench
LiveBench 1.0 Data AnalysisIndex対象外エフォート未記載––73.9%#40LiveBench
AA-Omniscience v1.1–24.9#48–Artificial Analysis
MMLU-Pro89.4%#11––Vals AI
LegalBench86.3%#14––Vals AI
CorpFin66.2%#21––Vals AI
TaxEval71.1%#82––Vals AI
BioMysteryBenchIndex対象外72.2%#12––Vals AI
Excel Modeling BenchmarkIndex対象外62.7%#31––Vals AI
MedCodeIndex対象外44.7%#38––Vals AI
MedScribeIndex対象外86.5%#22––Vals AI
Public Benefits Bench v1.1Index対象外66.8%#17––Vals AI
Access to Justice BenchmarkIndex対象外71.3%#13––Vals AI
Immigration BenchIndex対象外66.0%#16––Vals AI
EBR-benchIndex対象外–30.5%#16–Epoch AI Benchmarking Hub
GDP.pdfIndex対象外16.0%#3817.2%#34–Epoch AI Benchmarking Hub
AA-Omniscience v1.1: accuracyIndex対象外–46.2%#48–Artificial Analysis
AA-Omniscience v1.1: non-hallucinationIndex対象外–60.3%#57–Artificial Analysis
FACTS ParametricIndex対象外エフォート未記載––44.5%#18Google

指示追従

ベンチマークhigh標準出典推移
LiveBench LanguageIndex対象外エフォート未記載–83.7%#18LiveBench
LiveBench Instruction FollowingIndex対象外エフォート未記載–71.9%#21LiveBench
Arena Instruction FollowingIndex対象外1451#65–Arena (LMArena)

人間の評価

ベンチマークhigh出典推移
Arena Text1457#69Arena (LMArena)
Arena Creative WritingIndex対象外1442#58Arena (LMArena)
Arena Multi-turnIndex対象外1449#90Arena (LMArena)
Arena Longer QueriesIndex対象外1476#55Arena (LMArena)

マルチモーダル

ベンチマークhighxhigh標準出典推移
Arena Vision1264#50––Arena (LMArena)
LiveBench DesignIndex対象外–76.3%#13–LiveBench
MortgageTaxIndex対象外64.2%#45––Vals AI
Blueprint-Bench 2Index対象外エフォート未記載––33.2%#15Epoch AI Benchmarking Hub
Furniture AssemblyIndex対象外–40.0%#21–Epoch AI Benchmarking Hub
FACTS MultimodalIndex対象外エフォート未記載––39.3%#19Google

長文コンテキスト

ベンチマークlowmediumhighxhigh標準出典推移
AA-LCR v1.180.7%#7481.0%#6980.3%#8181.0%#69–Artificial Analysis
Arena DocumentIndex対象外––1450#33––Arena (LMArena)
MLCRIndex対象外15.0%#8818.3%#6715.6%#8217.2%#75–Artificial Analysis
FACTS GroundingIndex対象外エフォート未記載––––66.5%#14Google

総合

ベンチマークlowmediumhighxhigh標準出典推移
Epoch Capabilities IndexIndex対象外エフォート未記載––––157.8#28Epoch AI Benchmarking Hub
LiveBench 2.0–––63.5%#21–LiveBench
LiveBench 1.0Index対象外エフォート未記載––––78.0%#18LiveBench
AA Intelligence Index v5.0.1Index対象外–––31.0#60–Artificial Analysis
AA Intelligence Index v4.3.2Index対象外35.1#9442.8#5244.3#4344.2#45–Artificial Analysis
AA Progress Index v1Index対象外304.7#112318.8#67321.5#55320.8#58–Artificial Analysis
Vals RSI IndexIndex対象外–––25.5%#10–Vals AI
Vals Science IndexIndex対象外––38.1%#14––Vals AI

GameBench 2 Overall: 59.4. GameBench 2, best reasoning setting (Medium): 68.7. 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.

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
SpaceXAI69 tok/s2.02 s$2.00$6.00500k–
SpaceXAI59 tok/s2.35 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$0.500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$0.002232.7 s
30ページのレポートを要約12,000 / 600$0.028$0.01436.8 s
コード編集6,000 / 1,500$0.021$0.01449.1 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$0.0761.4 min
構造化データの抽出2,000 / 200$0.0052$0.003031.3 s

このモデルを含むコーディングプラン

Grok 4.6を使えるサブスクリプションです。それぞれの利用上限と、タスクあたりのコストを掲載しています。

SpaceXAIのほかのモデル

今月の新着

Grok 4.6と比較する

関連ページ

埋め込み・引用

Grok 4.6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 4.6 on BenchLeader: 総合 34位](https://www.benchleader.com/badge/grok-4-6.svg)](https://www.benchleader.com/models/grok-4-6)

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 4.6 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/grok-4-6

BibTeX:

@misc{benchleader_grok_4_6_20261116,
  author       = {{BenchLeader}},
  title        = {{Grok 4.6 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/grok-4-6}},
  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 4.6のベンチマークスコアは?
2026年11月16日時点で、Grok 4.6(推論エフォート high)のBenchLeader Indexは60.6 ±3.4です(上位100位以内)。最も強いのは長文コンテキスト(65)、最も弱いのはエージェント・ツール(59)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 4.6の順位は?
2026年11月16日時点で、Grok 4.6(推論エフォート high)はランク付けされた608構成中74位です(上位100位以内)。ほかに191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 4.6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 4.6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 4.6はKimi K3より優れていますか?
2026年11月16日時点で、Grok 4.6(推論エフォート high)とKimi K3の品質はほぼ互角です(BenchLeader Indexで60.6対60.7、±6.9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 4.6はいつリリースされましたか?
SpaceXAIが2026年8月11日にGrok 4.6をリリースしました。BenchLeaderには5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 4.6: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-4-6