Grok 4.7 vs GLM-5.3

ポジ 12 ／ ネガ 4 ／ 中立 1

ポジ 6 ／ ネガ 7 ／ 中立 0

2026-09-21 公開、Grok 4.6 の後継（API は grok-4.7）。SpaceXAI は「Grok 4.6 より大きい新しい土台のモデル」を使い、完了まで何時間もかかる難しい問題に重みを置いて追加学習を延ばしたと説明している。料金は入力 $2／出力 $6、キャッシュ済み入力 $0.50 で Grok 4.6 と同じ。ただしプロンプトが20万トークンに達したリクエストは、そのリクエストの全トークンが倍額（入力 $4／キャッシュ $1／出力 $12）になる。本表の $2/$6 は20万トークン未満のときの値。一度に読める量は50万トークン、1回の出力に上限は設けられていない。知識は2026年5月まで。考える機能は切れず、段階は low・medium・high・xhigh の4つで既定は high。出力速度が2倍・料金も2倍の高速版は、Cursor と自社のコーディングツール Grok Build でだけ使える。第三者機関 Artificial Analysis の AA Intelligence Index は 46（v4.3.2・xhigh 設定／2026-09-23 確認。high 設定でも 46）で、同じ指標の Grok 4.6（high 設定）は 44。公式の比較表（Grok 4.7 は xHigh、Grok 4.6 は High、GPT-5.6 Sol と Claude Fable 5.1 は Max での測定）では、コマンド操作の Terminal-Bench 4.0 が 37.6%（Grok 4.6 は 20.3%）、CursorBench 4.0 が 46.3%、DeepSWE v1.1 が 71.0%（この1項目だけ high 設定）、電気工学の EEBench が 64.0%、法務の Harvey Legal Agent Benchmark が 19.6%。なお同じ表は Claude Fable 5.1 の Terminal-Bench 4.0 を 57.9% としているが、Anthropic 自身の公表値は 55.8%。Artificial Analysis 自身の測定（共通の足回り）では、Grok 4.7 の Terminal-Bench 4.0 は 25.8% だった。本表の SWE-bench Verified・MMLU・GPQA・AIME・HLE は公式も第三者も数値を出しておらず「—」（DeepSWE や SWE-bench Pro の値を、別のテストである SWE-bench Verified の欄には入れません）。前世代 Grok 4.6（2026-08-12 公開）は料金も一度に読める量も同じで、知能スコアは 44（v4.3.2・high 設定）。

中国の Z.ai が 2026-08-14（米国時間）に発表した同社の旗艦モデル（API のモデル名は glm-5.3、API の提供開始は 2026-08-18）。 土台は前世代 GLM-5.2 と同じで、公開後の追加学習だけで性能を伸ばしたと公式が明記しています。 考える機能は常にオンで、考える量は low / high / max の3段階（指定しない場合は max）。 入力はテキストのみで、画像・音声には対応しません。一度に読める量は100万トークン、 一度に書ける量は最大12万8千トークン（2026-08-28 に公式ドキュメントで確認）。 第三者測定の Artificial Analysis Intelligence Index は 45（v4.3.2・max 設定・2026-09-23 確認）で、本表では Kimi K3 の 44 をわずかに上回り、2026-09-21 公開の Grok 4.7（xhigh 設定で 46）に1ポイント届かない（v4.2 では 49 対 Kimi 50 で下だったので、指標が v4.3 に上がって順番が入れ替わった）。 コードを直す力は、誰でも見られる DeepSWE v1.1 の公式ランキング（113課題・ハーネスは mini-swe-agent・ max 設定／2026-09-03 更新・既定の表示は登録28モデルのうち21モデル）で 69%（誤差 ±3）・21モデル中6位（2026-09-10 確認）。 Grok 4.6（67%）・GPT-5.6 Luna（67%）・Gemini 3.7 Flash（65%）・DeepSeek V4-Pro（63%）を上回り、 Kimi K3（69%・誤差 ±5）とは同率です。上には GPT-6 Astra（74%）・Gemini 3.8 Flash（74%）・Claude Opus 5（74%）・ GPT-5.6 Sol（73%）・Claude Fable 5（70%）の5本がいます。 2026-08-26 更新版では 25モデル中5位で、Kimi K3（68.5%）にも競り勝っていましたが、 9月3日の更新でランキングの表示が整数に丸められ、Kimi K3 と並びました。 1課題あたりの平均費用は $3.99 で、Opus 5 の $11.84 の約3分の1です。 Z.ai 自身の発表値は同じベンチで 66.9 ですが、公式ランキングの 69%（誤差 ±3）の範囲に収まっています。 同社が公表している他のベンチは Terminal Bench 3.0 が 28.3、Agents' Last Exam が 28.5、 ソフトウェアの弱点を見つける CyberGym が 84.5%。Z.ai Code Bench（max 設定で 34.5%、前世代比 50%向上）は 名前に自社名が入る自社製のテストなので参考程度に見てください。 SWE-bench Verified・MMLU・GPQA・AIME は公式・第三者とも数値を公表しておらず本表では「—」です （名前の似た別のテストの値では埋めていません）。 【重みの公開について】GLM-5.3 本体の重みは 2026-08-28（米国時間）に Hugging Face の zai-org/GLM-5.3 で公開されました （重みファイルの合計は約753B、公式表記は 744B-A40B）。ただしライセンスは MIT ではなく独自の「GLM-5.3 License」で、 モデル提供（MaaS）事業を営み売上が100億ドルを超える事業者は商用利用の前に Z.ai の審査が必要という条件がつきます（2026-09-04 確認）。 【廉価版について】GLM-5.3-Flash（2026-08-26 公開・MIT ライセンス・AA Index は v4.3.2 で 42）は、 公開時に付いていた50%オフ（入力 $0.075 / 出力 $0.25）が 2026-09-09 24時（シンガポール時間・UTC+8）で終了し、 2026-09-10 から定価の入力 $0.15 / 出力 $0.50 になりました（2026-09-10 に公式料金ページで確認）。 値段が確定したので、本表には GLM-5.3-Flash 行として別に掲載しています。 中国製のため業務利用は規約とデータの取り扱いを確認してください。

• → SpaceXAI：Introducing Grok 4.7（2026-09-21・公式の比較表）
• → xAI Docs：Grok 4.7（知識カットオフ 2026年5月・出力上限なし）
• → xAI Docs：Models（grok-4.7・一度に読める量 50万トークン）
• → xAI Docs：料金（20万トークン以上で倍額の段差料金・高速版の料金）
• → Artificial Analysis：Grok 4.7（Intelligence Index v4.3.2 で 46・xhigh 設定・2026-09-23 確認）
• → Artificial Analysis：Benchmarking Grok 4.7（2026-09-21・xhigh 設定で評価）
• → Anthropic：Claude Fable 5.1 発表（Terminal-Bench 4.0 は 55.8%）
• → Artificial Analysis：Grok 4.6（前世代・v4.3.2 で 44・high 設定）

• → Z.ai 公式ドキュメント：GLM-5.3（仕様・考える量の3段階・100万トークン・出力12万8千トークン）
• → Z.ai 公式 X：GLM-5.3 発表ポスト（2026-08-14 米国時間）
• → Z.ai 公式リリースノート（GLM-5.3 の API 提供開始は 2026-08-18）
• → Hugging Face API：zai-org/GLM-5.3（本体の重み・ライセンスは独自の glm-5.3・2026-08-28 公開）
• → Z.ai 公式料金ページ（GLM-5.3 は入力 $1.4 / 出力 $4.4）
• → DeepSWE 公式ランキング v1.1（glm-5.3 は 69%・21モデル中6位・1課題あたり $3.99・2026-09-03 更新／2026-09-10 確認）
• → Artificial Analysis：GLM-5.3（Intelligence Index v4.3.2 で 45・168モデル中28位・max 設定・2026-09-23 確認）