Tracks
AIの基礎
10時間
SpaceXAI は 2026 年 8 月 12 日に Grok 4.6 をリリースしました。OpenAI が 7 月 9 日に GPT-5.6 ファミリーを一般提供してから約 1 か月後です。両リリースの狙いはよく似ています。多段のタスクに継続して取り組む長時間稼働のエージェントと、対話的作業における初回出力の強化です。Grok 4.6 は、Artificial Analysis の Intelligence Index で GPT-5.6 Sol と同点だと主張して登場しました。出力単価 $6 のモデルが $20 のモデルと並び、差を見抜けるかどうかを問うかたちです。
本記事では、Grok 4.6 と GPT-5.6 Sol を、エージェント的コーディング、長期視点のナレッジワーク、コンテキスト処理、推論コントロール、価格の観点で比較し、同一のコーディングエージェント上で難易度の高いビルドタスクを 1 件ずつ走らせます。各モデル個別の詳細は、Grok 4.6 ガイド と GPT-5.6 Sol・Terra・Luna ガイド を参照してください。
要点
- 実力は拮抗：両モデルとも Artificial Analysis の Intelligence Index で 61。公開されているコーディング系ベンチマークではおおむね五分。
- 価格で差がつくが、単純な倍率ではない：Sol は入力 2 倍、出力は 3.3 倍高い。
- 両モデルとも長文プロンプトに割増があり、しきい値は Grok のほうが早く到達（Grok は 200,000 トークン、Sol は 272,000 トークン）。
- 実機ビルドテストでは両モデルとも正しく安定したシミュレーションを出力。Sol は 3 ターンで到達、Grok は 14 ターンを要した。
- 推論・生成が重いループなら Grok 4.6、1,050,000 トークンのウィンドウやターミナル中心の開発、最小ターンでの成果物重視なら GPT-5.6 Sol を選択。
Grok 4.6 とは？
Grok 4.6 は、2026 年 8 月 12 日にリリースされた SpaceXAI の最前線モデルで、コーディング、エージェント的タスク、ナレッジワークに向けられています。長時間稼働のエージェントや、より野心的な対話・ビジュアル作業に焦点を当てて Grok 4.5 を発展させ、複雑なタスクを多段で継続する（トピックの調査、コードベース全体での作業、アイデアを動作するアプリに仕上げるなど）と SpaceXAI は述べています。学習には、モデル生成の推論データの精選追加や、カーネル最適化、Web 開発、CAD にまたがるエージェント強化学習が含まれました。
特筆すべきは価格戦略です。Grok 4.6 は Grok 4.5 の見出し単価（入力 1M トークンあたり $2、出力 $6）を維持しつつ、Artificial Analysis の Intelligence Index で +5 ポイントを達成。Artificial Analysis は、最前線では性能向上に価格上昇が伴うのが通例だと指摘しています。
実際の動作は、Grok 4.6 API チュートリアル でツール使用エージェントの作り方を段階的に解説し、Grok Build チュートリアル ではコーディングエージェント内で機械学習プロジェクトを構築しています（デフォルトモデルは 4.6）。また、SpaceXAI のエージェントチームメイトは Grok Bot 記事 でも取り上げました。
GPT-5.6 Sol とは？
GPT-5.6 Sol は OpenAI の GPT-5.6 ファミリーの最上位モデルで、Terra（日常業務向け）、Luna（コスト効率重視）とともに 2026 年 7 月 9 日から一般提供されています。OpenAI は Sol を、生の性能だけでなく効率でも位置づけています。コーディング、ナレッジワーク、サイバーセキュリティ、サイエンスで最先端の結果を、より少ないトークンで達成。強化されたコンピュータ操作により、背後のコード生成に限らず、描画結果の検査と改良が可能です。
新しい能力ダイヤルが 2 つあります。max は xhigh より推論と推敲に時間を割き、ultra はデフォルトで 4 つのエージェントを並列協調し、トークン消費と引き換えに壁時計時間を短縮してスコアを高めます。Terminal-Bench 2.1 では、Sol Ultra が 91.9%、通常の Sol は 88.8% です。
このモデルを実際に使うには、Cursor エージェントモードのチュートリアル で GPT-5.6 Sol による REST API 構築を、ChatGPT Work ガイド で GPT-5.6 を用いたエンドツーエンドのデータサイエンスワークフローを解説しています。別の比較としては、Claude Opus 5 vs GPT-5.6 Sol も実施しました。
Grok 4.6 と GPT-5.6 Sol の比較：項目別の見解
要するに、能力は同格、価格は別世界です。
Intelligence Index で 61 の同点、コーディング系ベンチは分け合い、出力は Sol が 3.3 倍高い。
| 項目 | Grok 4.6 | GPT-5.6 Sol |
|---|---|---|
| リリース | August 12, 2026 | July 9, 2026 |
| AA Intelligence Index | 61 | 61 |
| 入力／出力（1M トークン） | $2 / $6 | $4 / $20 |
| コンテキストウィンドウ | 500,000 tokens | 1,050,000 tokens |
| 長文しきい値 | 200,000 tokens | 272,000 tokens |
| しきい値超の単価 | $4 / $12 | 2x input, 1.5x output |
| 推論設定 | Low, medium, high, xhigh | None through max, plus ultra |
| API モデル ID | grok-4.6 |
gpt-5.6-sol |
| 知識カットオフ | February 1, 2026 | February 16, 2026 |
コーディングとエージェント的ワークフロー
Cursor の表（Grok 4.6 は high、GPT-5.6 Sol は max）では優劣はつきません。Grok は CursorBench v3.2 で 69.9%（対 67.2%）、GDPval-AA v2 で 1753 Elo（対 1728）。Sol は DeepSWE v1.1 で 73%（対 65.9%）、Terminal-Bench v3.0 で 34.6%（対 26%）。
| ベンチマーク | Grok 4.6（high） | GPT-5.6 Sol（max） | 注記 |
|---|---|---|---|
| AA Intelligence Index | 61 | 61 | 9 指標の複合；同点 |
| CursorBench v3.2 | 69.9% | 67.2% | Cursor 独自のエージェントハーネス |
| DeepSWE v1.1 | 65.9% | 73% | 実コードベースでの長期作業 |
| Terminal-Bench v3.0 | 26% | 34.6% | 両者低め；OpenAI 記事の v2.1 とは別版 |
| FrontierCode v1.1 Extended | 61.3% | 60.6% | 誤差範囲 |
| APEX-Agents | 57.5% | 56.7% | 誤差範囲 |
これらの差は割り引いて読むべきです。
- 努力設定が非対称：Grok は high、Sol は max。
- 外部の数値は自己申告や公開値のベストで、単一ハーネスの比較ではない。
- Cursor の Terminal-Bench v3.0 は、OpenAI の記事の Terminal-Bench 2.1（Sol は 88.8%）とは別物。
IDE 内のエージェントループでは Grok が強め。長期のリポジトリ作業やコマンドラインは Sol が優位です。
長期視点のエージェント的ナレッジワーク
Grok 4.6 は、Artificial Analysis の非公開スイート AA-Briefcase（長期ナレッジワーク）で Elo 1577 と、Sol の 1502 を上回ります。法務タスク評価の Harvey LAB では、公開値で 15.8% 対 2.5%。絶対値はどちらも低く、約 6 倍の差は「兆候」として捉えるべきでしょう。
また、Artificial Analysis のツール使用スイートの銀行ドメインで 50.7% を記録。Terminal-Bench v2.1 の 88.4% はトップモデルと同水準ですが、上表の v3.0 とは版が異なります。
コンテキストウィンドウと長文タスク
Sol はほぼ 2 倍のウィンドウを保持します。Grok 4.6 の 500,000 トークンに対して 1,050,000 トークン、さらに出力上限 128,000 トークン。SpaceXAI はテキストの出力上限を公開していません。500K 超では Grok の同等品はありません。
両者とも上限前に長文割増があり、Grok のしきい値が先です。
- Grok 4.6：200,000 トークン超で、リクエスト全体に入力・出力とも 2 倍。
- GPT-5.6 Sol：272,000 トークン超で、リクエスト全体に入力 2 倍・出力 1.5 倍。
200,000〜272,000 の間は、入力単価が両者とも $4 で一致。出力は Grok が依然安価ですが、見出しの差より縮みます。
推論努力のコントロール
Sol は none から max、さらに ultra とダイヤルが多彩。Grok 4.6 は low／medium／high に xhigh。安価な分類で Sol を none に落とすのは有用です。Ultra の Terminal-Bench 2.1 の上昇（88.8% → 91.9%）は実在しますが、いずれも出力単価は Grok の 3.3 倍です。
組み込みツール面
Grok 4.6 は関数呼び出し、ウェブ検索、X 検索、コード実行を提供。GPT-5.6 Sol はファイル検索、画像生成、コードインタプリタ、ホストシェル、パッチ適用、コンピュータ操作、Responses API 上のツール検索を追加します。
Sol には Programmatic Tool Calling もあります。モデルが小さなプログラムを書いて実行し、ツールを調整しながら中間結果をフィルタリングします。すべてのツール応答を逐一モデルに戻すのではありません。
価格：実際の支払い
最も明確な差は価格で、その形は単純な倍率ではありません。
トークン単価の並列表
| レート | Grok 4.6 | GPT-5.6 Sol |
|---|---|---|
| 入力（1M トークンあたり） | $2.00 | $4.00 |
| 出力（1M トークンあたり） | $6.00 | $20.00 |
| キャッシュ済み入力読み取り（1M トークンあたり） | $0.50 | $0.40 |
| 長文しきい値 | 200,000 prompt tokens | 272,000 input tokens |
| しきい値超の扱い | 入力・出力とも 2 倍 | 入力 2 倍、出力 1.5 倍 |
| 高速 variant の入力／出力 | $4.00 / $12.00 | Not applicable |
Sol は入力 2 倍、出力 3.3 倍で、モデルが書く量が増えるほど差が広がります。推論トークンは両者とも出力単価で課金。キャッシュ読み出しは僅差（$0.50 と $0.40）ですが、SpaceXAI は Responses API で prompt_cache_key がないと、キャッシュコールドなサーバではしばしば入力を満額払うことになると警告しています。詳しくは Grok 4.6 API チュートリアル を参照してください。
実作業のコスト
計算式は（ボリューム ÷ 1M）× 単価を、入力と出力で合算（標準単価）。
| ワークロード | Grok 4.6 | GPT-5.6 Sol | 差額 |
|---|---|---|---|
| 生成重視：1M 入力／4M 出力 | $26 | $84 | +$58（223%） |
| 検索（しきい値未満）：10M 入力／1M 出力 | $26 | $60 | +$34（131%） |
| 検索（しきい値超過）：10M 入力／1M 出力 | $52 | $110 | +$58（112%） |
生成重視では出力単価差が効きます。検索の 2 行はどちらも 10M 入力／1M 出力で、各リクエストが両しきい値を超えるかどうかだけが異なります。両者の差分が割増分です。Grok の請求は $26 → $52 に倍増。Sol は $60 → $110。相対プレミアムは 131% から 112% に縮む一方、ドル差は拡大します。共通ワークロードでのトークン数はベンダー未公開のため、ここでは請求額ではなく単価比較として扱ってください。
Grok 4.6 と GPT-5.6 Sol の実力検証
同一のコーディングエージェント上で、難易度の高いビルドタスクを両モデルに 1 回ずつ実行しました。
テスト内容
両ベンダーが対話・ビジュアル作業の強さを謳っているため、単一ファイルの物理シミュレーションの作成を課題にしました。プロンプトは完全同一のバイト列を、空のワークスペースの新規チャットに貼り付け。各 1 回、リトライなし、途中介入なし。
Build a single-file HTML page (inline CSS and JS, canvas, no build step, no external libraries, no network) that simulates a few dozen balls of varying sizes bouncing inside a slowly rotating square container, under gravity. The balls should collide with each other and with the container walls, and lose a little energy on each collision so the system settles rather than gaining energy over time. The container keeps rotating throughout, so the balls should slosh and re-pile as it turns.
Ship it as one working file named index.html that starts animating on load. Do not ask me clarifying questions, make reasonable assumptions and note them briefly in a comment at the top of the file.いずれも 2026 年 8 月 25 日に Cursor 内で実行。Grok 4.6 は high reasoning、GPT-5.6 Sol も high reasoning。結果は素のモデルではなく、エージェントとしての挙動を記述しています。ネットワークアクセスは両者とも拒否しました。
Grok 4.6 の出力
Grok は動作する index.html を出荷。単一ファイル、ロード時にアニメーション開始、未捕捉のコンソールエラーなし、30 秒後も動作継続という実行性要件を満たしました。容器の回転に合わせた内壁での拘束は成立し、球同士の衝突も見た目に妥当。系はエネルギーを失って収束し、加速していくことはありませんでした。
到達までに 14 ターンを要し、自己修正の往復を複数回実施。また、自身の出力確認のためブラウザアクセスを求めましたが、本テストの権限ルールにより却下しました。
結果
各軸 1〜5 点で採点。事前に作成したルーブリックに基づき、各シミュレーションを 30 秒間観察しました。
| 指標 | Grok 4.6（high） | GPT-5.6 Sol（high） |
|---|---|---|
| ターン数 | 14 | 3 |
| 実行性 | Pass | Pass |
| 物理の正しさ | 5 | 5 |
| 時間経過での安定性 | 5 | 5 |
| 視覚品質 | 4 | 5 |
| 総合 | 3.5 | 5 |
成果物としてはほぼ引き分けです。物理は両者正しく、安定性も十分。差は努力量にあり、Sol は 3 ターン、Grok は 14 ターンで、これが Grok の総合評価を 3.5 に下げました。
ただしこれは視覚ビルドでの n=1。単なる 1 データポイントであり、大規模コードベースや長い検索チェーンについては何も語りません。
Grok 4.6 と GPT-5.6 Sol の選び方
能力が近い以上、判断はワークロードの形、コンテキストの大きさ、ターン数とトークン単価のどちらを重視するかに帰着します。出力が安く、請求の大半を占めるなら Grok。より大きなウィンドウやターン数の少なさが要るなら Sol を選んでください。
こんな場合は Grok 4.6
- 大量に書くワークロード。 出力 1M トークン $6（Sol は $20）なら、生成重視の月間コストは $26 と $84。推論トークンも同じ出力単価です。
- プロンプトが 200,000 トークン未満。 Grok の $2／$6 がフル適用されます。
- エージェント作業が IDE 内で完結。 Grok は CursorBench v3.2 で 69.9% を記録し、Grok Build のデフォルトモデルです。
- ターン数よりトークン単価を重視。
こんな場合は GPT-5.6 Sol
- 500K トークン超のコンテキストが必要。 Sol の 1,050,000 トークンは Grok 4.6 に同等がありません。
- 実リポジトリで長期のエージェント作業。 DeepSWE v1.1 の 73%（Grok は 65.9%）は、双方の差で最大のコーディング系ギャップです。
- トークン単価よりターン数が重要。 物理ビルドは Sol が 3 ターン、Grok は 14 ターンでした。
- 努力量を細かく制御したい。 Sol は none〜max に加え
ultraを提供。
Grok 4.6 と GPT-5.6 Sol の始め方
すでに OpenAI 互換エンドポイントを呼び出しているなら、両モデルとも文字列を 1 つ差し替えるだけです。指定する文字列は grok-4.6 と gpt-5.6-sol。OpenAI は gpt-5.6 エイリアスも Sol にルーティングします。
| サーフェス | Grok 4.6 | GPT-5.6 Sol |
|---|---|---|
| ファーストパーティ API | xAI API | OpenAI API |
| コンシューマ向けアプリ | Grok アプリと Grok.com | ChatGPT |
| コーディングエージェント | Grok Build（デフォルトモデル）、Cursor（全プラン） | Codex、Cursor |
| モデルゲートウェイ | OpenRouter、Vercel、Cloudflare | OpenRouter、Vercel、Cloudflare |
| API モデル ID | grok-4.6 |
gpt-5.6-sol |
コーディングエージェントでの利用
Cursor では両モデルがピッカーに並んでおり、本テストもそこで実施しました。切り替えは設定ファイルではなくピッカー変更だけです。
API 経由でも、差し替えるのは 1 つの文字列。xAI は OpenAI 互換エンドポイントを提供しています。
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["XAI_API_KEY"],
base_url="https://api.x.ai/v1", # drop this line for gpt-5.6-sol
)
response = client.responses.create(
model="grok-4.6", # swap for "gpt-5.6-sol"
input="Find and fix the bug: function median(a){a.sort();return a[a.length/2]}",
)
print(response.output_text)セットアップの全体像は、Grok 4.6 API チュートリアル、Cursor エージェントモードのチュートリアル、Grok Build チュートリアル を参照してください。
まとめ
請求の大半が出力や推論トークンなら Grok 4.6 を。Intelligence Index で同点、出力単価は 3 分の 1 未満というのが最大の決め手です。100 万トークン級のウィンドウや長期のリポジトリ作業が必要なら GPT-5.6 Sol を選び、プレミアムを受け入れてください。切り替える前に、プロンプトが Grok の 200,000 トークン割増のどちら側にあるかを確認しましょう。
本テストでは、両モデルのリリース主張は裏付けられました。両者とも好結果でパス。ただし、Sol は Grok より大幅に速く、ターン数は Grok の約 20% に過ぎませんでした。この差は小さくありません。読むだけでなくエージェント内で実際に使いこなしたいなら、Software Development with Cursor コースをおすすめします。