AI BENCHY Compare
Anthropic: Claude Sonnet 4.6 vs xAI: Grok 4.20 Beta
ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-03-12
| 指標 | Claude Sonnet 4.6 Claude Sonnet 4.6 none | Grok 4.20 Beta Grok 4.20 Beta medium |
|---|---|---|
| 順位 | #27 | #24 |
| 平均スコア | 6.8 | 7.0 |
| 一貫性 | 9.6 | 9.0 |
| 結果あたりのコスト | 2.504 | 5.989 |
| 合計コスト | $0.251 | $0.599 |
| 正解テスト | ||
| 試行ごとの合格率 | 66.7% | 70.8% |
| 不安定なテスト | 1 | 2 |
| 総実行回数 | 48 | 48 |
| 出力トークン | 6,895 | 1,481 |
| 推論トークン | 0 | 86,628 |
| 応答時間（平均） | 5.57s | 8.89s |
| 応答時間（最大） | 23.84s | 24.21s |
| 応答時間（合計） | 50.12s | 142.18s |
スコア vs 総コスト
応答時間（平均）
平均スコア vs 応答時間（平均）
合計出力トークン
平均スコア vs 合計出力トークン
カテゴリ内訳
| 反AIトリック | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 4.0 | 10.0 | 33.3% | 0 | 4.83s | 1,199 | 0 | |
| Grok 4.20 Beta | 7.0 | 7.2 | 88.9% | 1 | 3.19s | 262 | 6,289 |
| 複合 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 9.0 | 10.0 | 100.0% | 0 | 23.84s | 3,766 | 0 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 100.0% | 0 | 20.93s | 227 | 12,212 |
| データ解析と抽出 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 9.9 | 10.0 | 100.0% | 0 | 3.43s | 252 | 0 | |
| Grok 4.20 Beta | 9.9 | 10.0 | 100.0% | 0 | 4.01s | 180 | 5,281 |
| ドメイン特化 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 7.0 | 10.0 | 66.7% | 0 | 3.54s | 413 | 0 | |
| Grok 4.20 Beta | 4.0 | 10.0 | 33.3% | 0 | 21.33s | 251 | 40,255 |
| 汎用知能 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 5.0 | 3.1 | 66.7% | 1 | 2.56s | 192 | 0 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 100.0% | 0 | 5.78s | 72 | 3,440 |
| 指示追従 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 5.5 | 10.0 | 50.0% | 0 | 1.96s | 90 | 0 | |
| Grok 4.20 Beta | 9.0 | 10.0 | 50.0% | 0 | 4.97s | 57 | 7,107 |
| Puzzle Solving | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 7.0 | 10.0 | 66.7% | 0 | 2.92s | 536 | 0 | |
| Grok 4.20 Beta | 7.0 | 7.2 | 88.9% | 1 | 3.85s | 249 | 6,660 |
| ツール呼び出し | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 10.0 | 10.0 | 100.0% | 0 | 4.11s | 447 | 0 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 0.0% | 0 | 12.39s | 183 | 5,384 |
クイック比較
比較ペアを切り替え
Gemini 3.1 Flash Lite PreviewnonevsGrok 4.20 BetamediumClaude Sonnet 4.6nonevsQwen3.5-FlashmediumClaude Sonnet 4.6nonevsSeed-2.0-MinimediumGemini 3 Flash PreviewnonevsGrok 4.20 BetamediumClaude Sonnet 4.6nonevsGPT-5.2mediumGPT-5.3 ChatnonevsGrok 4.20 BetamediumGemini 3.1 Flash Lite PreviewlowvsGrok 4.20 BetamediumClaude Sonnet 4.6nonevsKimi K2.5mediumClaude Sonnet 4.6nonevsMiMo-V2-FlashmediumGPT-5.2 ChatnonevsGrok 4.20 BetamediumClaude Sonnet 4.6nonevsDeepSeek V3.2mediumClaude Sonnet 4.6nonevsGemini 3.1 Flash Lite Previewlow