Grok 4.7 vs Claude Opus 5：ベンチマーク、タスク単価、コーディング適性
Claude Opus 5は独立したベンチマークでより高いスコアを出し、Grok 4.7の定価はトークン単価で半分未満、同じテストスイートの実行コストは約3分の1安くなっています。 Artificial AnalysisのIntelligence IndexではOpus 5が51、Grok 4.7が46で、最も差が大きいのはTerminal-Bench 4.0です。このインデックスの実行コストはOpus 5で$7,275、Grok 4.7で$4,967でした。どちらのモデルもEvoLinkで稼働しています。
これがこの判断の形です。測定された品質差と測定されたコスト差があり、答えはワークロード次第です。このガイドでは、数値、仕様、タスク単価の算出方法、ワークロード別の読み取りを示します。EvoLinkのベンチマークを報告するものではありません。
なぜこの組み合わせなのか
仕様と料金
| 判断材料 | Claude Opus 5 | Grok 4.7 |
|---|---|---|
| 提供元のモデルID | claude-opus-5 | grok-4.7 |
| リリース日 | 2026年7月24日 | 2026年9月21日 |
| コンテキストウィンドウ | 1,000,000トークン | 500,000トークン |
| 最大出力 | 128,000トークン | xAIは未公表。EvoLinkはプロダクトページにルートの上限を表示 |
| モダリティ | テキストと画像からテキストへ | テキストと画像からテキストへ |
| 推論の制御 | 適応型思考がデフォルトでオン。effortのデフォルトはhigh | reasoning_effort：low、medium、high（デフォルト）、xhigh |
| 100万トークンあたりの提供元定価 | 入力$5、出力$25、キャッシュ読み取り$0.50、5分キャッシュ書き込み$6.25 | 入力$2、出力$6、キャッシュ入力$0.50 |
| 長文コンテキストのルール | モデル概要には記載なし。Anthropicの料金ページを確認 | プロンプト200,000トークン以上：すべてのトークンを2倍で課金（$4 / $1 / $12） |
| 高速バリアント | Fastモード（リサーチプレビュー、別料金） | Grok 4.7 Fast：速度2倍、価格2倍。CursorとGrok Build限定で、公開APIにもEvoLinkのルートにもなし |
| サーバーサイドツール | Anthropicのtool useとホスト型ツール | xAIのWeb検索、X検索、コード実行、添付ファイル検索とコレクション検索。別途従量課金 |
| EvoLinkのルート | 稼働中 | 2026年9月22日から稼働中 |
以下のすべてを左右する行が2つあります。Opus 5のコンテキストは2倍の大きさで、1回のリクエストで500,000トークン超を必要とする場合の答えを決めます。そして、Grok 4.7の長文コンテキストのルールでは、プロンプトが200,000トークンに達するとリクエスト全体の単価が2倍になるため、長いコンテキストの業務では価格差が縮まります。その階層では、Grokの入力$4、出力$12が、Opusの$5、$25と向き合うことになります。
ベンチマーク：第三者テストが示すもの
xhigh、Claude Opus 5を適応型推論の最大effortで実行しています。2026年9月22日時点の結果は次のとおりです。| 指標 | Claude Opus 5 | Grok 4.7（xhigh） |
|---|---|---|
| Intelligence Index v4.3.2 | 51 | 46 |
| Terminal-Bench 4.0 | 49% | 26% |
| Humanity's Last Exam | 55% | 43% |
| AutomationBench-AA | 57% | 66% |
| インデックス実行の出力トークン | 140M | 240M |
| インデックス実行のコスト | $7,275 | $4,967 |
| 出力速度 | 56トークン/秒 | 39トークン/秒 |
| 最初のトークンまでの時間 | 49.25秒 | 0.85秒 |
4つの読み取りができます。Opus 5はインデックスと、最も難しい2つの指標でリードしており、自律的なエージェント業務に最も近い代理指標であるTerminal-Benchで差が最大になります。Grok 4.7は、職場の自動化タスクを集めたAutomationBenchで9ポイント上回っています。Grok 4.7は同じスイートを完了するのに70%多い出力トークンを書きましたが、出力単価がOpusの約4分の1であるため、スイート全体のコストは3分の1安く済んでいます。そしてレイテンシーの特性は正反対です。最大effortのOpus 5は最初のトークンまで約49秒かかり、Grok 4.7は1秒未満です。これは対話型の用途で重要です。
トークン単価ではなく、タスク単価
定価では、Grok 4.7の入力はOpus 5より2.5倍、出力は約4.2倍安くなります。Artificial Analysisのスイートは、そのうちどれだけが実際のワークロードで残るかを示しています。Opus 5が1億4,000万出力トークンで済んだところ、Grok 4.7は2億4,000万出力トークンを必要としたため、スイートで実現した節約は76%ではなく約32%でした。これが予想すべきパターンです。単価の低いモデルは、同じ合格結果に到達するまでに、より多くのトークン、場合によってはより多くの試行を使うことがあります。
合格タスクあたりのAPIコスト = 評価で請求されたすべての課金 / 合格タスク数実際に使うチャネルで請求された使用量を使ってください。入力、出力、キャッシュ、ツールの区分は見える形で残します。合格した結果が1件もなければ、ゼロではなく、評価が失敗したことを報告してください。
以下は例示計算であり、GrokやClaudeの測定結果ではありません。Opusがあるタスクのバッチに$40を使い、80件の結果が合格したとします。1件あたり$0.50です。Grokはより低い単価ながらトークン使用量が多く、$27を使って72件が合格したとします。1件あたり$0.375です。Grokは合格タスクあたりでは安いものの、失敗が8件多く残ります。失敗1件につき$2の人による再試行がかかるとすると、Opusは$40＋$40、Grokは$27＋$56となり、納品タスク1件あたりでは順位が逆転し、Opusが$0.80、Grokが$0.83になります。失敗1件のコストが答えを決めます。
ここに切り替えの作業を加えます。Grokによって合格タスク1件あたり$0.125の節約になり、ワークフローの適応に$500かかるとすると、損益分岐点は合格タスク4,000件です。利用量の多いプロダクトなら数日で到達しますが、利用量の少ない社内ツールでは永遠に到達しないかもしれません。
キャッシュの挙動は、両方で測る価値があります。Opus 5は5分キャッシュの書き込みを100万トークンあたり$6.25で課金し、読み取りは$0.50です。xAIは公開されている料金表では、別途の書き込み課金なしにキャッシュ入力を$0.50で課金します。それぞれの実効的な入力単価は、あなたのヒット率で決まります。
どのワークロードにどのモデルか
| ワークロード | 証拠からの読み取り | 自分のタスクで確認すること |
|---|---|---|
| 長時間動くコーディングエージェント | Opus 5がTerminal-Benchで23ポイントリード。Opusを選ぶ最も強い根拠 | 各モデルのデフォルトeffortでの、合格パッチ率と合格タスクあたりのコスト |
| 範囲の決まった大量タスク（抽出、分類、下書き） | トークン使用量が予測しやすい場面で、Grok 4.7の単価の優位が最大になる | mediumまたはhighのeffortでの、スキーマの妥当性とタスクあたりのコスト |
| レイテンシー予算のある対話型ツール | AAのテストでGrok 4.7は1秒未満で最初のトークンを返し、最大effortのOpus 5は約49秒かかる | プロダクトに必要なeffortでの、エンドツーエンドの完了時間 |
| 職場の自動化フロー | Grok 4.7がAutomationBench-AAで9ポイントリード | ベンチマークのタスクの形が自分のものと一致するか |
| 500,000トークン超の単一リクエスト | Opus 5だけがそのリクエストを受け付けられる | 同じ受け入れテストに合格するチャンク分割の戦略 |
| 200,000〜500,000トークンのリクエスト | Grokの長文コンテキストの階層で、価格の優位が半分になる | 見出しの単価ではなく、階層適用後のGrokの単価で比較する |
これらは第三者の結果の読み取りであり、保証ではありません。両モデルとも、テキストと画像の入力、function calling、構造化出力がドキュメントに記載されているため、すべてのカテゴリを両方でテストできます。
公平な評価の進め方
effortで調整する適応型思考を使い、Grok 4.7は4段階の名前付きreasoning_effortを使います。最初の一巡は各モデルのデフォルトで実行し、消費した推論トークンと出力トークンを記録してください。2回目の一巡では、固定したエンジニアリング予算の中で各モデルを調整できます。調整前と調整後の結果は、分けて報告してください。ツール呼び出しの回数ではなく、タスクの結果を採点してください。コーディングエージェントでは、計画と実装を分けます。あるモデルは優れた計画を説明しても、パッチを未完成のまま残すかもしれません。両方の出力に同じ評価者を使い、人間または実行可能なバリデーターで抜き取り確認を行い、主観的なレビューではモデル名を伏せてください。
ゲートウェイが簡単にすること、それでも自分で適応が必要なこと
EvoLinkは、同じアカウント、キー、OpenAI互換のエンドポイントを通じて両モデルを提供するため、モデルIDは設定値になります。ただし、モデル固有の機能がそのまま移植できるようになるわけではありません。
| 統合の領域 | 洗い出す作業 | アダプターの準備ができたことを示す証拠 |
|---|---|---|
| メッセージとシステム指示 | ロール、コンテンツブロック、保持される制約 | 代表的な会話で、意図した挙動が保たれる |
| 推論の制御 | ワークロードごとにeffortと適応型思考をreasoning_effortに対応づける。同等だと想定しない | 両方で、設定ごとの推論トークン使用量を記録済み |
| ツール | 定義、権限、結果の形式。Grokのサーバーツールとアプリケーション側ツールの違い | 有効な引数、安全なアクション、復旧可能なエラー |
| 構造化された結果 | 必須フィールドと下流のバリデーター | 合格した出力が、同じアプリケーションのチェックに通る |
| ストリーミング | 部分的なイベント、中断、完了の処理 | UIとバックエンドが、すべての終了パターンを処理できる |
| コストの報告 | 使用量のフィールド、キャッシュのフィールド、タスクと試行の対応関係 | 各ルートで、合計が実際の請求と一致する |
| コンテキストの予算 | Grokで200Kに近づくリクエスト、あるいはそもそも500Kを超えるリクエスト | 受け入れセットに対してテスト済みの、圧縮またはチャンク分割のルール |
両方のモデルを持ち続けるのが正解なのは、どんなときか
証拠が支持しているのは、全面的な切り替えよりも分割です。範囲の決まった大量の業務は、合格するならGrok 4.7にルーティングし、Opus 5は長時間動くエージェントのタスクと、500,000トークン超を必要とするリクエストのために残します。トラフィックを割り当てる前に、入力のカテゴリ、合格基準、エスカレーションの条件を定義してください。
フォールバックについては、状態の管理をアプリケーション側の責任にします。ツールがすでにファイルを書き込んだり、外部へのアクションを実行したりしている場合、2つ目のモデルには、更新後の状態と明確な続行ルールが必要です。これはあなたのアプリケーションのための展開設計であり、EvoLinkがワークロードを自動的に分類したり、モデル間で状態を引き継いだりするという約束ではありません。
EvoLinkで行う、実務的な最初の評価
grok-4.7に送り、合格した結果と請求された使用量を並べて比較します。Claude Opus 5のページとGrok 4.7のページには、各ルートの現在の料金と設定が掲載されています。よくある質問
Grok 4.7はClaude Opus 5と同じくらい優れていますか？
独立したベンチマークでは同等ではありません。Artificial AnalysisのIntelligence IndexではOpus 5が51、Grok 4.7が46で、Terminal-Bench 4.0（49%対26%）とHumanity's Last ExamでもOpus 5が先行しています。Grok 4.7はAutomationBench-AA（66%対57%）でリードしています。
コーディングにはGrok 4.7とOpus 5のどちらが向いていますか？
長時間動くエージェント型コーディングでは、Terminal-Benchの差がOpus 5に有利です。出力が予測しやすい、範囲の決まったコーディングタスクでは、Grok 4.7の低い単価が合格タスクあたりのコストで勝つことがあります。自分のリポジトリのタスクを、各モデルのデフォルトeffortでテストしてください。
Grok 4.7はOpus 5よりどのくらい安いですか？
定価では、入力で2.5倍、出力で約4.2倍です。Artificial Analysisのフルスイートで実現した節約は約32%でした。Grok 4.7が70%多い出力トークンを使ったためです。EvoLinkでの両モデルの現在の料金は、それぞれのプロダクトページにあります。
コンテキストウィンドウが大きいのはどちらですか？
Opus 5です。1,000,000トークンに対し、Grok 4.7は500,000トークンです。Opus 5は128,000トークンの最大出力もドキュメントに記載しています。
速いのはどちらですか？
Artificial Analysisのテストでは、Grok 4.7は最初のトークンを0.85秒で返し、最大effortのOpus 5は49秒かかりました。一方、Opus 5は開始後のストリーミング出力が速く、56対39トークン/秒でした。
推論の制御項目は互換性がありますか？
effortで調整する適応型思考を使い、Grok 4.7は4段階の名前付きreasoning_effortを使います。最初の一巡は各モデルのデフォルトで実行し、実際の推論トークン使用量を記録してください。現時点で、両方のモデルをEvoLinkで評価できますか？
claude-opus-5とgrok-4.7です。両方のモデルを持ち続ける価値があるのは、どんなときですか？
それぞれに測定可能な役割があるときです。Grok 4.7は合格する範囲の決まった大量の業務に、Opus 5は長時間動くエージェントと500,000トークン超のリクエストに使います。
