AI BENCHY Compare
Google: Gemini 3.1 Pro Preview vs xAI: Grok 4.20
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: 2026-04-02
| 指標 | Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium | Grok 4.20 Grok 4.20 medium |
|---|---|---|
| スコア | 9.6 | 7.1 |
| 順位 | #2 | #40 |
| 一貫性 | 10.0 | 8.2 |
| 正解テスト | ||
| 試行ごとの合格率 | 94.1% | 66.7% |
| 不安定なテスト | 0 | 4 |
| 総実行回数 | 51 | 51 |
| 結果あたりのコスト | 3.257 | 7.358 |
| 合計コスト | $0.522 | $0.663 |
| ???? | $2.000 / 1M | $2.000 / 1M |
| ???? | $12.000 / 1M | $6.000 / 1M |
| 出力トークン | 1,527 | 1,494 |
| 推論トークン | 36,341 | 97,078 |
| 応答時間（平均） | 15.56s | 9.50s |
| 応答時間（最大） | 40.61s | 29.87s |
| 応答時間（合計） | 155.64s | 161.54s |
スコア vs 総コスト
応答時間（平均）
スコア vs 応答時間（平均）
合計出力トークン
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 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 7.90s | 112 | 3,218 | |
| Grok 4.20 | 8.2 | 7.9 | 83.3% | 1 | 3.36s | 280 | 8,476 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 9.5 | 10.0 | 100.0% | 0 | 40.61s | 432 | 9,281 | |
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 17.40s | 232 | 9,556 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 7.72s | 279 | 3,904 | |
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 4.17s | 180 | 5,333 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 7.7 | 10.0 | 66.7% | 0 | 32.73s | 18 | 12,424 | |
| Grok 4.20 | 5.3 | 10.0 | 33.3% | 0 | 27.03s | 375 | 49,339 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 11.77s | 108 | 1,179 | |
| Grok 4.20 | 5.8 | 2.8 | 66.7% | 1 | 7.09s | 47 | 4,252 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 9.56s | 72 | 2,236 | |
| Grok 4.20 | 7.3 | 5.9 | 83.3% | 1 | 4.42s | 40 | 5,474 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 7.15s | 232 | 3,117 | |
| Grok 4.20 | 6.4 | 7.7 | 55.6% | 1 | 3.89s | 143 | 8,028 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 23.15s | 274 | 982 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 13.68s | 197 | 6,620 |
クイック比較
比較ペアを切り替え
Claude Sonnet 4.6nonevsGrok 4.20mediumQwen3.5 Plus 2026-02-15nonevsGrok 4.20mediumGemma 4 31BnonevsGrok 4.20mediumGrok 4.20mediumvsGLM 5noneGPT-5.3 ChatnonevsGrok 4.20mediumGrok 4.20mediumvsMiMo-V2-OmninoneGPT-5.2 ChatnonevsGrok 4.20mediumGemini 3.1 Flash Lite PreviewnonevsGrok 4.20mediumDeepSeek V3.2nonevsGrok 4.20mediumGemini 3 Flash PreviewnonevsGrok 4.20mediumGemini 3.1 Flash Lite PreviewlowvsGrok 4.20mediumQwen3.5-FlashnonevsGrok 4.20medium