Grok 4.6：機能、ベンチマーク、価格、比較

Grok 4.6 とは？

Grok 4.6 は SpaceXAI の独自推論モデルです。API と Cursor ではコンテキスト上限の公開値が一致せず、長文向けの高単価は API 上限に達するよりはるか前から適用されます。以下の表では、その制約を入力タイプ、ツール、そしてナレッジカットオフと並べて示します。

SpaceXAI は依然として、いずれのモデルについてもパラメータ数を公開していません。報道で見られる 1.5 兆という数字は SpaceXAI 発ではなく、確認済み仕様ではありません。

Grok 4.6 の新機能は？

SpaceXAI によれば、これはゼロから再学習した新モデルではありません。Grok 4.5 に追加学習を施し、とりわけ AI エージェントのタスクに注力したとのことです。公表された変更点は、エージェントの長時間実行、ビジュアル構築、ポストトレーニングに大別されます。

より長いエージェントタスク

SpaceXAI は、Grok 4.6 が調査、コードベース横断作業、アプリ構築といった複数ステップの長時間タスクで軌道を維持できると述べています。モデルは一度で全てを済ませるのではなく、途中でより頻繁に自己検証するとされています。

これはモデル評価の広い変化とも一致します。ツールを何度も呼び出した後に初期の判断を忘れてしまうなら、最初の回答の良さは重要度が下がります。GitHub の社内テストでも、Grok 4.6 はより長いタスクで推論とツール使用を継続できたと報告されています。

API にはその主張に紐づく機能があります。Grok 4.6 は推論サマリーのストリーミングが可能で、Grok 4.5 には公開されていません。また xAI は、長いエージェントループでの コンテキスト圧縮と粘着性のある prompt_cache_key の併用を推奨しています。圧縮は過去履歴を 1 項目に短縮しますが、トークンは消費し続け、圧縮が走る前にリクエストがコンテキストウィンドウに収まっている必要があります。

ビジュアルかつインタラクティブな Web 開発

SpaceXAI と Cursor の両方が、ビジュアル系プロジェクトで初回試行の質が向上したと報告しています。外部のあるテストでは、Grok 4.6 が旧 iPod Mini の商品ページを、カラーホイールとスクロールアニメーションが動作する 3D サイトとして再構築しました。デモは機能しましたが、1 つのテストだけで広範な主張を裏付けることはできません。

Grok 4.6 のポストトレーニング

ベンチマークと価格だけに関心がある場合は、この小節は飛ばしてください。上昇幅の出どころに関する SpaceXAI の説明です。

SpaceXAI は、Grok 4.5 のときより多くの追加学習を実施しました。AI 生成の推論例やエンジニアリング例を用い、モデルベースのチェックで質の低い例を除去したうえで、強化学習をコーディング、オフィスタスク、Web 開発、カーネルチューニング、コンピュータ設計に適用しました。さらに Grok 4.5 が、異なる推論設定やテーマにまたがる新しい学習例を生成したとも述べています。今回の向上は新しいアーキテクチャではなく、追加学習とより厳密なデータ選別に起因するとしています。

外部チームはこれらの詳細を検証できず、SpaceXAI も再現に足る情報を共有していません。あくまで同社の説明であり、第三者により検証された結果ではありません。

Grok 4.6 のベンチマーク：公式発表と独立検証

SpaceXAI のローンチ表はスコア上昇の箇所を示していますが、競合のスコアは「自己申告または公開情報のうち最良の値」です。単一チームが同一条件で全モデルを走らせたわけではありません。推論労力はスコアに影響するため、下でも併記しています。

Grok 4.6 は表の全項目で Grok 4.5 を上回ります。Sol との差が大きいのは DeepSWE と Terminal-Bench、一方で Fable は 3 行でリード。SpaceXAI 自身の表でも、単独の勝者は示されません。

独立ベンチマーク結果

Artificial Analysis は独自の Intelligence Index を、本比較の 6 モデルに対して実施しました。結果は SpaceXAI の数値に近いものの、完全には一致しません。

Grok 4.6 と 5 つのフロンティアモデルの比較。画像：筆者作成。

この図では、インテリジェンスは Grok と Sol が同等ですが、混合価格は Grok が大幅に低い位置です。Artificial Analysis は、キャッシュ済み入力：未キャッシュ入力：出力を 7:2:1 の比率で混合して価格を算出しています。インデックスタスク完了あたりのコストでも同様の差が見られ、Grok が $0.84、Sol が $1.23、Opus 5 が $2.34 でした。

初回回答トークンまでの時間は、Grok 4.5 の 14.62 秒から 40.44 秒へ上昇し、タスクあたりのコストも $0.36 から $0.84 に増加しました。Grok 4.6 は同じテストで出力トークンが約 20% 増えています。つまり、リスト価格が据え置きでも、タスクあたりの実コストは据え置きとは限りません。タスク完了あたりのコストは、追加の推論分を一部取り込むため、API の価格表だけを見るより実態を反映します。

GPT-5.6 Sol と Claude Sonnet 5 と比べると、Grok 4.6 は初回回答トークンの到達が速い側です。Sol（max 努力）は 213.52 秒、Sonnet 5 は 184.48 秒、Grok は 40.44 秒でした。Grok が遅く見えるのは、Gemini 3.7 Flash のような低レイテンシモデルと比較した場合に限られます。

これらのベンチマーク比較はどの程度信頼できるか？

相対的な強みを見つけるには有用ですが、モデル横断の厳密な順位付けとしては信頼できません。推論労力はスコアと応答時間を変えます。たとえば GPT-5.6 Sol は high で 57、max で 61。さらに、ベンチマーク名は版の違いを含み得るため、xAI の Terminal-Bench 3.0 と Artificial Analysis の Terminal-Bench 2.1 は比較不可です。

Grok 4.5 から何が変わったか？

Grok 4.5 の利用者にとって重要なのは、抽象的に 4.6 が「優れている」かではありません。スコア上昇が、レイテンシやトークン使用のプロファイル変化を相殺するかどうかです。下の表で、変更点を同一基準で示します。

ただし、「同じ価格」と言えるのは基本リスト単価に限られます。既存の Grok 4.5 利用者に効いてくるのがもう 1 点。キャッシュ済み入力が $0.30 から $0.50/100 万トークンへと 67% 上昇しました。この高いキャッシュ単価が、価格表とタスク完了コストの差をさらに広げます。

Grok 4.6 と競合モデルの比較

前世代との比較を確認したところで、OpenAI と Anthropic の最新モデルと Grok 4.6 を比べてみます。

Grok 4.6 vs GPT-5.6 Sol

総合指数の同点は、明確な分岐を覆い隠します。Sol は DeepSWE で 7.1 ポイント、Terminal-Bench で 8.6 ポイント Grok を上回り、ターミナル中心のコーディングに最も強みがあります。Grok は他の 3 行でより高いスコアです。

OpenAI 自身のテストでも、そのターミナル優位が Web ブラウジングやコンピュータ操作に広がるとされています。ベンダー選定の実例であり厳密比較ではありませんが、方向性は一致します。Sol はターミナル、ブラウザ、反復的なツール呼び出しに依存する作業で最も強みを示します。

また OpenAI は、最大 14 倍高速とする Sol の Ultrafast モードを予告しました。価格は未公表のため、コスト比較には含めません。

Grok 4.6 の開始単価は、入力 $2・出力 $6/100 万トークン。Sol の標準単価は入力 $5・出力 $30 で、出力は Grok の 5 倍です。272,000 トークン超では入力が 2 倍、出力は $45 に上がります。

とはいえ、Grok の全タスクが 5 倍安いわけではありません。推論トークンの使用量、キャッシュヒット、ターン数しだいで最終的な請求は変わります。トークン使用が読みやすい場合、Grok の価格優位は最も明瞭です。ターミナル中心の作業では、リスト価格差より Sol の高いベンチマークスコアが意味を持つかもしれません。

Grok 4.6 vs. Claude Sonnet 5

Sonnet 5 と Grok 4.6 は、ともに入力 $2/100 万トークンから始まるため比較は容易です。Sonnet 5 はデフォルトで 100 万トークンのコンテキストウィンドウ（Grok の 50 万の 2 倍）を持ち、長文プロンプトの追加料金はありません。出力は Grok の $6 に対して $10/100 万です。

Grok 4.6 の 2 日前、Anthropic は$2/$10 の価格を恒久化し、予定されていた $3/$15 への引き上げを撤回しました。古い価格表（当社の旧版を含む）と比較する際は注意が必要です。

Artificial Analysis のインデックスでは、Sonnet 5 は max 努力で 55 と、Grok 4.6 より 6 ポイント下回ります。テストに 3 億（300M）の出力トークンを使用し、Grok の 7,200 万（72M）と比べてタスクあたりコストは $1.72。トークナイザは同一テキストで Sonnet 4.6 より約 30% 多くトークン化するため、この 2 つの Sonnet 版同士の価格比較は難しくなります。なお Sonnet 5 は Anthropic の最上位モデルではありません。

Grok 4.6 vs Claude Opus 5 と Fable 5

Opus 5 は入力 $5・出力 $25 で、インデックス 63 でトップ。Fable 5 は入力 $10・出力 $50、スコア 62。Fable のインデックスには注意書きが必要で、Artificial Analysis は難問で安全性フォールバックを記録しました。つまり提供版としての挙動を反映したスコアであり、Anthropic が提供していない無制限版を評価したものではありません。

Artificial Analysis の AA-Briefcase（長時間エージェントタスク）では、Grok 4.6 は約 53 ターン・入力 5 億（0.5B）トークンで完了。Opus 5 は約 103 ターン・入力 20 億（2B）トークンでした。これは Grok が総合的に強いことを示すのではなく、このテストセット上では Grok がステップ数と入力トークンを抑えた一方、他のテストでは Claude がリードした、という事実を示します。

Grok 4.6 の料金

注目すべきは 200,000 トークンのプロンプト閾値です。ここを超えると、リクエスト内のすべてのトークンが高単価に移行します。優先処理とツール課金も表に含めます。

ツール課金はトークン課金と別です。Web 検索の後にコード実行も行うリクエストでは、最終的なテキストの課金前に両方のツール料金が発生し得ます。別個の grok-4.6-fast というモデル名はありません。直接の API には優先オプションがあり、応答で優先使用が確認された場合に 2 倍課金されます。Cursor では同じ 2 倍レートで「Grok 4.6（Fast）」が別項目として表示されます。

Cursor 内で Grok 4.6 Fast を選択。画像：筆者作成。

Grok 4.6 へのアクセス方法

Grok 4.6 は以下のファーストパーティ経路で利用可能です：

• SpaceXAI API
• Cursor
• Grok Build
• サードパーティゲートウェイ（OpenRouter、Vercel、Cloudflare、Google Cloud Vertex AI）
• その他のコーディングツール（GitHub Copilot、VS Code、JetBrains、Xcode、Eclipse）

提供範囲は Pro、Pro+、Max、Business、Enterprise プランです。Business と Enterprise では、既定でオフのため管理者が有効化する必要があります。Grok 4.6 は SpaceXAI の Batch API をサポートしていないため、バッチ割引はありません。

エンタープライズ向けの細則が 1 点あります。応答は既定でステートフルで、SpaceXAI によれば履歴は 30 日間保存されます。Zero Data Retention 適用時は、チームは保存済みの応答チェーンや遅延完了を使用できません。xAI は代替として暗号化された推論リプレイや WebSocket Responses を案内しています。各応答には ZDR の有効・無効を示すヘッダーが含まれます。

Grok 4.6 のローンチ週：モデル、Copilot、Cursor

この週で印象的だったのは、Grok 4.6 を中心にモデルの発表や流通の提携が一気に重なったことです。

ベンチマーク以外で見た Grok 4.6 のローンチ週。画像：筆者作成。

Grok Bot がモデル発表前に流れを作りました。アーリーベータのクラウドエージェントは、単体販売ではなく SuperGrok Heavy（月 $300）や Cursor Ultra（月 $200）に同梱され、プレミアムプランへの紐付けが図られました。続く Grok 4.6 は、API・Cursor・Grok Build に同じエージェント重視の路線を引き継ぎました。

同時期に Google は Gemini 3.7 Flash を、OpenAI は GPT-5.6 Sol Ultrafast の予告を行い、週はさらににぎやかに。これと並行して Copilot の展開と Cursor の SpaceX 加入が、Grok の流通を広げました。Cursor は、その過程を同年初の SpaceXAI との提携にさかのぼって説明し、モデルスコアではなく SpaceX の GPU へのアクセスを目的に据えました。このアクセスにより、より低コストでモデルを構築できると述べています。

この週をどう見るか。SpaceXAI は、Grok を人々がすでに使っているツールの中に組み込みたいのだと感じました。Grok 4.5 はCursor と共同学習されており、Grok 4.6 はほぼ直ちに Copilot に投入されました。パートナー経由の流通は、リリースの一部であり後付けではありません。

Grok 4.6 はいつ使うべきか？

Grok 4.6 は、API 価格や長時間のエージェントタスクが、初回トークンのレイテンシより重要な場面に適しています。Sol の高いターミナル系スコアや Sonnet 5 の大きなコンテキストウィンドウが要件に合う場合は弱くなります。

Grok 4.6 が適するケース：

• API 価格が主要な制約である。リスト価格とタスクあたりコストで、Sol・Opus 5・Fable 5 を下回る
• 長く多段のエージェントタスクで、AA-Briefcase における Opus 5 比のターン効率（少ないターンと入力トークン）が効く
• 知的労働や法的推論など、ベンチマーク表で優位なタスク
• 初回トークンのレイテンシが重要でない。長時間実行では立ち上がりの遅さは誤差でも、対話型チャットでは体験全体に影響

他の選択肢がより良い場合：

• ターミナル中心のコーディング → GPT-5.6 Sol（DeepSWE と Terminal-Bench が高スコア）
• 大きなコンテキストが必要 → Claude Sonnet 5（1M コンテキスト、長文追加料金なし）
• 対話用途で最低レイテンシを重視 → Gemini 3.7 Flash
• 最高水準のインテリジェンスだけで選ぶ → Opus 5（63）や Fable 5（62）がトップ

Grok 4.6 についての所感

Grok 4.6 は、やや扱いの難しい中間に着地しました。指数は 5 ポイント上がり、価格表では Sol と Opus 5 を下回る一方で、立ち上がりは遅く、計測タスクあたりのコストは Grok 4.5 より高くなりました。「同価格でより良いモデル」という言い方では半分しか語れません。

今も見たいのは、コードベース・ツール・指示が継続的に変化する数時間規模の実行です。Cursor と GitHub Copilot は、その環境をすでに提供しています。訂正率・失敗率がそこで低水準に保たれるなら、エージェント訓練の主張に固定テスト外の証拠が加わります。そうでなければ、5 ポイントの上昇はやはり 5 ポイントにとどまります。

xAI API を用いて開発する読者向けに、Grok 4 API チュートリアルでは Python クライアントとリクエストフローを解説しています。