Grok 4.6が正式リリース：性能はトップモデル級へ、価格は大幅に引き下げ
最近、人工知能分野では大きな動きが相次いでいます。
アリババはQwen3.8-2.4T-A95Bモデルをオープンソース化し、DeepSeek V4 Proの正式版も同時に発表。さらに、イーロン・マスク氏率いるチームはGrok 4.6を公開しました。3社が同じ日に重要な発表を行ったことで、AI業界全体が大きな注目を集めています。
多くのテスターが次々とレビューを公開し、SNS上にはさまざまなベンチマーク結果や比較チャートが投稿され、情報は一気に増加しました。
その中でも特に注目を集めているのがGrok 4.6です。
わずか3か月前、Grokはランキングで17位に位置していました。しかし今回のアップデートによって、一気にトップクラスのモデルと競えるレベルへと到達しました。
では、Grok 4.6の実力は実際どの程度なのでしょうか。
まずは客観的なデータを確認してみましょう。
Artificial Analysisが公開した知能指数（AAII）テストでは、Grok 4.6は61点を獲得し、OpenAIのGPT-5.6 Sol Maxと同じスコアを記録しました。
一方、前世代モデルであるGrok 4.5のスコアは56点で、わずか1か月で5ポイント向上しています。また、Claude Fable 5 Maxは62点を獲得しています。
つまり、Grokはこれまで追随する立場だったモデルから、トップクラスのAIモデルと肩を並べる存在へと成長したと言えます。この進化速度は非常に印象的です。
新モデルの発表から2時間以内に、マスク氏はX上でGrok 4.6を高く評価する投稿を約10件リポストしました。
マスク氏はこれまでも自社製品について強気な発言をすることで知られています。しかし今回は、その評価を裏付けるだけの実際のデータも存在しているようです。
ただし、本当に注目すべき点はベンチマークスコアでトップモデルに追いついたことだけではありません。
より重要なのは、Grok 4.6が実際のタスク処理能力においてどのような進化を遂げたかという点です。
これまで多くの大規模言語モデルは、基本的に質問へ回答するチャット形式を中心に発展してきました。膨大な知識を持つ一方で、複雑な課題を自律的に計画し、最後まで完遂する能力には一定の限界がありました。
しかし、Grok 4.6はこの部分で大きな変化を見せています。
ユーザーが「アプリケーションを開発してほしい」といった、やや曖昧な製品要件を提示するだけで、Grok 4.6は関連分野の知識を自律的に調査し、システムアーキテクチャを設計、コードを作成、テストを実行し、問題を発見・修正した上で、最終的に実行可能な初期バージョンを提供することができます。
この一連のプロセスでは、ユーザーが途中で細かく指示を出す必要はありません。
開発元はこの能力を「長時間自律稼働型AIエージェント」と表現しています。これは、モデルが独立して継続的に複雑なタスクチェーンを処理し、ユーザーによる途中のモデル切り替えや人間による介入の必要性を大幅に減らせることを意味します。
エージェント型知識作業能力を評価する「GDPVal-AA v2」テストでは、Grok 4.6は1753点を獲得し、Claude Fable 5の1741点、GPT-5.6 Solの1728点を上回りました。
また、法律分野における「Harvey LAB」テストでは、Grok 4.6は15.8％のスコアを記録し、GPT-5.6 Solの2.5％を大きく上回っています。
一方で、ソフトウェアエンジニアリング能力を測定する「DeepSWE」テストでは、Grok 4.6のスコアは65.9％となり、GPT-5.6 Solの73％には届きませんでした。
さらに、ターミナル操作能力を評価する「Terminal-Bench」では26％にとどまり、他モデルの平均約34％を下回っています。
この結果から、Grok 4.6はコード生成や開発支援では高い能力を発揮する一方、ターミナル操作など一部の専門的なタスクでは、まだ改善の余地があることがわかります。
では、マスク氏率いるチームは、どのようにしてわずか3か月でGrokをランキング17位から現在のトップレベルまで引き上げたのでしょうか。
その答えは、基盤モデルのアーキテクチャを大幅に変更したのではなく、事後トレーニング（ポストトレーニング）段階に重点を置いて最適化を進めたことにあります。
Grok 4.6は、Grok 4.5が採用していた1.5兆パラメータの基本アーキテクチャを継承しています。
今回の性能向上は、より長期間にわたる追加トレーニング、より高品質な教師付きファインチューニングデータ、さらにプログラミング、知識作業、カーネル最適化、Web開発、CAD設計などの分野における強化学習によって実現されています。
つまり、モデルの基本構造そのものを大きく変えなくても、トレーニング方法を改善することで処理能力を大幅に高められることを示しています。
特に注目すべき点は、同日に発表されたDeepSeek V4 Proも、同様の技術的方向性を採用していることです。
これは、2026年半ばのAI業界における競争軸が、単純なパラメータ数の拡大から、既存パラメータをいかに効率的に活用するかという方向へ移行していることを示しています。
価格面でも、Grok 4.6は性能を大きく向上させながら、低価格を維持しています。
API料金は、入力トークン100万個あたり2ドル、出力トークン100万個あたり6ドルに設定されています。
これに対して、GPT-5.6 Solは入力5ドル・出力30ドル、Claude Opus 5は入力5ドル・出力25ドルです。
つまり、Grok 4.6の価格は同クラスのモデルと比較して、6割以上低く設定されています。
一部の投資家による試算では、Grok 4.6はFable 5 Maxとほぼ同等の性能を持ちながら、入力トークン価格は約80％、出力トークン価格は約88％低いとされています。
効率面では、その差はさらに明確に表れています。
Artificial Analysisのデータによると、Grok 4.6は長時間にわたる複雑なタスクを1件完了するために、平均でわずか53回の対話と5億トークンの入力しか必要としません。
一方、Claude Opus 5 Maxでは、同じ規模のタスクを完了するために103回の対話と20億トークンが必要です。
比較すると、Grok 4.6は必要な対話回数を半分近くまで削減し、トークン消費量も約75％削減しています。
この数値をもとに計算すると、1タスクあたりの平均コストは約0.84ドルとなり、Kimi K3に近い価格帯でありながら、知能評価スコアではより高い性能を示しています。
現在、Grok 4.6はCursorおよびGrok Buildプラットフォーム上で利用可能となっており、リリース初週には通常の2倍の利用枠が提供されています。
また、APIもすでに公開されており、OpenRouter、Vercel、Cloudflareなどの主要な協力プラットフォームに対応しています。
本モデルは50万トークンのコンテキストウィンドウをサポートし、画像・テキストを扱うマルチモーダル入力機能を搭載。さらに、4段階の調整可能な推論強度設定も提供しています。
今年6月、SpaceXは600億ドル規模の全株式取引によってCursorを買収しました。
マスク氏は以前から、自社のAI事業にはプログラミング能力の面で不足があると公言しており、それに伴って関連チームの体制変更も進めていました。
関係者によれば、Grok 4.5のトレーニング過程では、数兆トークン規模のCursor実開発データが活用されたとされています。
この事例は、十分な資金投入と実際の開発データの組み合わせが、AIモデルの性能向上に大きな影響を与えることを示す一例と言えます。
総合的に見ると、現在の人工知能分野ではアップデートのスピードが非常に速く、各モデルのランキングは頻繁に変化し、ベンチマークスコアも絶えず更新されています。
しかし、多くの一般ユーザーにとって、本当に重要なのは細かな数値の変化そのものではありません。
注目すべきポイントは主に2つあります。
1つ目は、同じ、あるいはより低いコストで、より優れた成果を得られるかどうか。
2つ目は、そのツールが、これまで個人の力だけでは達成が難しかったタスクを実際に完了する助けになるかどうかです。
この2つの観点から見ると、Grok 4.6は明確な進歩を遂げています。
トップレベルの性能を維持しながら価格を大幅に抑え、さらに複雑なタスクを自律的に完了する能力を備えたことは、ユーザーが実際に体感できる大きな変化です。
