メインコンテンツへスキップ
見出し画像

梁文鋒氏がイーロン・マスク氏に挑む　DeepSeek V4 ProがGrok 4.6と対決、初回テストで大反響

    Trans-N

    【ポイント】

    • 梁文鋒氏のDeepSeek V4 Proとイーロン・マスク氏のGrok 4.6が同時期に登場し、AIモデル競争が一段と激化

    • DeepSeek V4 ProはCyberGymやAutomationBenchで首位、DeepSWEでも大幅改善し、Fable 5やOpus 4.8など上位モデルに迫る性能を示した

    • Grok 4.6は総合能力やコーディングでGPT-5.6を上回り、ナレッジワーク系評価ではFable 5やGPT-5.6を抑えて首位を獲得

    • 価格面ではDeepSeekが出力100万トークンあたり0.87ドルと突出して安く、Grok 4.6も6ドルで、既存の高額な最上位モデルに対して強い価格競争力を示した

    • 実測レビューでは、DeepSeekは3D地球、Webサイト生成、3Dゲーム、Flappy Birdなどで高い完成度を見せ、Grok 4.6も一部デザイン生成で優位に立つなど、両者はほぼ同水準と評価された

    • 一方でDeepSeek V4 Proは一部タスクで方向ミスや、Three.jsによる桜の木生成でGPT-5.6 SolやClaude Opus 5に劣る場面もあり、万能ではない

    • 記事は、DeepSeekとGrokの登場により「高性能AIは高額」という従来の構図が崩れ、OpenAIやAnthropicを含む次の競争がさらに加速すると指摘している

    【本文】

    今日は、あまりにも現実離れした展開である。

    一方では、梁文鋒（リャン・ウェンフォン）がついに未明、DeepSeek V4 Proの正式版を公開した。

    もう一方では、イーロン・マスクが次世代フラッグシップモデルのGrok 4.6を投入し、低コストかつ高性能を前面に打ち出している。

    二大巨頭が同じタイミングで発表し、一気に火花を散らす展開となった。

    両者が狙っているのは、ほぼ同じである——

    モデルが長時間にわたるタスクの中で継続的にツールを呼び出し、コードを修正し、結果を検証し、最終的に実用に耐える完成品を納品できるようにすることだ。

    DeepSeek V4 Pro登場

    マスクのGrok 4.6が参戦

    DeepSeek V4 Pro正式版で最も目を引く成果は、2つのベンチマークで圧倒的な首位を獲得し、Fable 5を一気に逆転したことである。

    画像

    サイバーセキュリティ・エージェントテスト「CyberGym」では83.3点を獲得し、Fable 5の83.1点、Opus 4.8の78.3点を上回った。

    自動化タスク「AutomationBench」では31.8点を記録し、Fable 5の29.1点とOpus 4.8の27.2点をいずれも上回った。

    最も接戦となったのは「Terminal-Bench 2.1」である。

    DeepSeekは87.9点を獲得し、Opus 4.8の85.0点を上回り、Fable 5の88.0点までわずか0.1点差に迫った。

    そのほかの高難度エージェントテストでも、DeepSeekはOpus 4.8を完全に上回った。

    ツール使用ありの「人類最後の試験」では60.0点を取り、Opus 4.8の57.9点を逆転した。Fable 5の63.0点にもさらに接近している。

    さらに、これまで最大の弱点とされていたソフトウェアエンジニアリング・エージェント「DeepSWE」でも、プレビュー版の12.8点から62.7点へと急上昇し、約4.9倍に伸びた。

    この成績はOpus 4.8の58.0点を上回るだけでなく、Fable 5の70.0点との差も残り7.3点にまで縮めている。 同じタイミングで、マスク氏はFable 5とGPT-5.6 Solも窮地に追い込んだ。

    Grok 4.6はまず総合能力でGPT-5.6に並び、さらにコーディングテストで相次いで逆転した。

    画像

    総合知能指数では61点を獲得し、Fable 5の62点まであと1点に迫った。

    CursorBenchでは69.9%を記録し、GPT-5.6の67.2%を上回った。Fable 5の70.5%との差はわずか0.6ポイントである。

    FrontierCodeでは61.3%を獲得し、GPT-5.6の60.6%を上回り、Fable 5の63.6%を引き続き猛追している。

    より実際の職場での成果物に近いナレッジワークでは、Grok 4.6が一気に形勢を逆転し、3つの評価すべてで首位を獲得した。

    GDPval-AA v2では1753 Eloを記録し、Fable 5の1741、GPT-5.6の1728を上回った。

    AA-Briefcaseでも1577 Eloを獲得し、Fable 5の1574とGPT-5.6の1502を抑えた。

    専門的な法律タスクであるHarvey LABでは15.8%を記録した。Fable 5は11.3%にとどまり、GPT-5.6に至ってはわずか2.5%だった。

    さらに強烈なのは、DeepSeek V4 ProとGrok 4.6が性能面でOpenAIとAnthropicの最上位モデルに肉薄しているだけでなく、先端AIの価格をともに押し下げたことである。

    画像

    出力100万トークンあたりの料金は、Grok 4.6が6ドル、GPT-5.6 Solが30ドル、Claude Opus 5が25ドル、Fable 5が50ドルである。

    一方、DeepSeekはわずか0.87ドルである。

    画像

    Grok 4.6の約7分の1、GPT-5.6 Solの約35分の1、Claude Opus 5の約29分の1、Fable 5の約57分の1である。

    ネット最速レビュー

    DeepSeek対Grok

    現在、第1弾の実測結果がすでに出そろった。DeepSeek V4 ProとGrok 4.6も、ついにベンチマークランキングから実際のタスクの現場へと踏み込んだ。

    画像

    第1ラウンドでは、いきなりDeepSeekに高負荷のタスクを課した。

    たった1つのプロンプトだけで、ブラウザ上にゼロから完成度の高い3Dインタラクティブ地球を構築した。

    ドラッグ、回転、ズームといった基本操作はすべて利用可能である。さらに、グローバルなデータフロー、動的な航路、位置マーカーも、地球表面にきちんと配置されていた。

    細部を見ても、大気散乱、雲のレンダリング、昼夜の光と影、さらにはUI全体まで、ひと通りそろっている。

    続いて、2つのモデルを同じ条件で直接比較した。

    AIブロガーの「向阳乔木」は、まずDeepSeek V4 Proで3つの小タスクを連続実行し、その後、そのうち2問について同じプロンプトをGrok 4.6に入力して、最終的な成果物を直接比較した。

    最初のタスクは、3つのスキルを呼び出してウェブサイトを開発・デプロイするというものだった。

    DeepSeekは一連のプロセスをスムーズに完了し、ページデザインと完成度の面から見ても、全体的に非常に安定したパフォーマンスを示した。

    2つ目のタスクは、60種類のデザインスタイルを再現し、Bentoカード一式を生成してまとめて表示するというものだった。

    このラウンドでは、DeepSeekはフォント、配色、レイアウトに明確な違いを出しており、全体的なビジュアル効果もかなり優れていた。

    最後のタスクは、ゼロから3Dブロック崩しゲームを生成するというものだった。

    ゲームはそのまますぐにプレイできるだけでなく、立体的なシーン、BGM、動的な効果音も追加されており、操作時のフィードバックもゲーム性も十分に備わっていた。

    左右にスワイプして表示

    その後、同じプロンプトがGrok 4.6にも入力された。

    3Dブロック崩しの対決では、2つのモデルはほぼ互角だった。

    Grokが生成したゲームも同様に質感が高く、ビジュアル、シーンの完成度、ゲーム性のいずれにおいても、DeepSeek V4 Proに引けを取らなかった。

    60種類のBentoデザインの対決では、Grok 4.6が1点を取り返した。 生成された一部のページは、レイアウト、配色、視覚的な階層構造の面でより洗練されており、最終的な仕上がりもいっそう美しいものになっていた。

    より熾烈な対決の舞台となったのは、Flappy Bird であった。

    画像

    開発者の Jun Song はまったく同じプロンプトを与え、DeepSeek V4 Pro と Grok 4.6 にそれぞれゼロからゲームを作らせた。

    その結果、2つのモデルはまったく異なるアプローチを取った。

    DeepSeek V4 Pro は2万トークン以上を消費したが、コストはわずか 0.019ドル だった。一方、Grok 4.6 は約5000トークンしか使用しなかったにもかかわらず、コストは 0.03ドル に達した。

    しかし最終的な成果物を見ると、この勝負では DeepSeek が明らかに一枚上手だった。

    ゲーム内には山々の遠景や重なり合う雲が描かれているだけでなく、パイプにもグラデーションと立体感が加えられている。キャラクターがパイプを通過すると、画面には「+1」が浮かび上がるアニメーションまで表示される。

    シーンの奥行きから操作時のフィードバックまで、細部は徹底して作り込まれており、ゼロから構築された作品としての完成度は Grok 4.6 を明らかに上回っていた。

    開発者 Hamza が実施した別のフロントエンドテストでも、DeepSeek V4 Pro は再び Grok 4.6 を上回った。

    ページの完成度においても、最終的なビジュアル表現においても、V4 Pro が提出した成果物のほうが優れていた。

    ただし、V4 Pro がすべての場面で圧倒的だったわけではない。

    ペリカンを題材にしたある比較テストでは、Flash版と比べて V4 Pro の全体的な画面完成度は高く、ゾウの造形もより美しく仕上がっていた。

    唯一の問題は――ペリカンの移動方向が、完全に逆向きに描かれていたことだった。

    さらに難易度を上げ、DeepSeek V4 Pro、GPT-5.6 Sol、Claude Opus 5 に Three.js を使って同じ桜の木を生成させると、その差はより明確になった。

    画像
    画像

    幹や枝葉のディテール、光と影、被写界深度、全体の雰囲気のいずれを見ても、V4 Pro は他の2つのトップモデルには及ばなかった。

    DeepSeek V4 Pro、GPT-5.6 Sol、Claude Opus 5

    数回にわたる実測を見る限り、DeepSeek V4 ProとGrok 4.6は確かに同じ水準に達しており、優劣をつけがたい。

    2大AIが同じ日に

    OpenAIとAnthropicに追いついた

    この2つのモデルが同時にブレイクスルーを遂げたことについて、著名なリック・デ・オリベイラ氏は「強力で、しかも手頃だ」と評価している。

    DeepSeek V4 ProとGrok 4.6の登場によって、通常は両立しにくいこの2つの言葉が、今日、初めて本当の意味で結びついたのである。

    サイバーセキュリティ、知識集約型タスク、さらにはエージェントによる自律的な問題解決に至るまで、これらのモデルは複数の領域で、より低いコストによって最先端能力の限界を直接押し広げている。

    今日繰り広げられた、この驚異的ともいえるAIモデル同士の「撃ち合い」を振り返ると、DeepSeekとGrokはいずれも、あるゲームのルールを書き換えた。

    トップレベルの知能は、もはや手の届かない存在ではない。

    これまで開発者はしばしば、「高すぎて使えない」か「性能が足りない」かの間で、苦しい選択を迫られてきた。

    しかし今日、DeepSeekは最先端モデルの数十分の一にすぎない価格で状況をひっくり返し、Grokも極めて高いコストパフォーマンスでそれに続いた。

    この「高性能・低価格」による正面からの衝撃は、すでに旧秩序に亀裂を入れている。

    そして、この戦いはまだ終わっていない。

    イーロン・マスク氏はすでに、Grok 4.7がまもなく登場し、すべてのトップAIを超えることを目標にしていると予告している。OpenAIとAnthropicの反撃も、必ず相次いでやって来るだろう。

    「時間」単位で進化するこの時代において、知能はもはや一部の巨大企業だけの特権ではない。すべての人に向けたアプリケーションの大爆発は、まだ始まったばかりである。

    参考資料

    https://api-docs.deepseek.com/zh-cn/quick_start/pricing/

    • https://x.ai/news/grok-4-6

    • https://x.com/vista8/status/2087577905081823559

    • https://x.com/vista8/status/2087566666477744620

    • https://x.com/jun_song/status/2087602149979254914

    【元記事】

    https://mp.weixin.qq.com/s/TuDqrVAmiNQyyVSeTCvp_Q?nwr_flag=1#wechat_redirect

    あなたへのおすすめ