Grok 4.5レビュー: ベンチマーク、価格、そして評価

Grok 4.5とは実際何なのか

Grok 4.5は、xAI自身の説明によれば "our flagship model for code and everything else: agentic tool calling, minimal hallucinations, configurable reasoning" であり、同社の言葉を借りれば "the most intelligent and fastest model we've built." である。2026年7月8日に一般公開され、その前には6月28日頃に始まったとされるSpaceXとTeslaでのプライベートベータがあった。

モデル自体、APIではgrok-4.5は、一部のラボが採用しているfast/mini/heavyの分割ではなく、設定可能な推論を備えた単一のSKUである。reasoning_effortをlow、medium、highのいずれかに設定でき(highがデフォルト)、モデルはそれに応じて速度と深さをトレードオフする。前モデルのGrok 4.3からの目玉のスペック向上は50万トークンのコンテキストウィンドウであり(Artificial AnalysisはこれをA4用紙にしておよそ750ページ分と表現している)、さらに自前の検索レイヤーを構築せずに呼び出せるウェブ検索、X検索、コード実行のサーバーサイドツールが組み込まれている。

実際にどこで出会うことになるか: 現在ではxAIのコーディングエージェントCLIであるGrok Buildのデフォルトモデルとなっており、すべてのCursorプランに搭載され、Word、PowerPoint、ExcelのMicrosoft Copilotスタイルのアドインの背後でもデフォルトモデルとなっている。xAIのコンソールを直接触りたくない場合は、OpenRouter、Vercel、Cloudflare、Snowflake、Databricks Mosaicでも利用可能だ。

ベンチマーク、独立検証済み

xAI自身のローンチページはスクレイピング用にレンダリングされなかった(JSを多用する発表ページによくある問題だ)ため、以下の数字は高推論設定でのGrok 4.5に関するArtificial Analysisの独立測定によるものであり、モデルを作った企業自身が採点したものではないという点で、いずれにせよより強力な引用元である。

このエージェント型ツール使用のスコアこそ、じっくり注目する価値がある。「トップ4」ではなく、掲載された中で文句なしに最高のスコアなのだ。Artificial Analysis自身の見解では、Grok 4.5は "amongst the leading models in intelligence and reasonably priced when comparing to other models of similar price" だとされ、クラス平均より速く、より簡潔でもある。Intelligence Indexのフルラン実行で6000万トークンを生成しており、これは平均の7200万トークンに対する数字だ。

慎重に扱うべき数字がひとつある。プライベートベータ期間中の報道では、マスク氏がGrok 4.5について "may match or exceed Anthropic's Opus model in performance" と述べたとされる。しかし独立した数字では、Opus 4.8(56)のわずかに下、Opus 4.7(54)とほぼ同水準に位置している。ローンチ時のマーケティングは、マーケティングとして読むべきだ。

Grok 4.5の価格

xAIのドキュメントとgrok-4.5モデルページで確認された、APIの完全な料金体系:

サーバーサイドツールはトークンとは別に課金される。ウェブ検索、X検索、コード実行はそれぞれ1,000回あたり5ドル、ファイル添付検索は1,000回あたり10ドル、コレクション/RAG検索は1,000回あたり2.50ドルだ。ストレージはファイルが1GiB/日あたり0.025ドル、コレクションが1GiB/日あたり0.10ドルとなる。1回のリクエストで20万トークンを超えると、xAIは異なる、より高い料金を課すが、正確な数字は執筆時点でドキュメントページに公開されていなかったため、定額だと想定せず予算を確保しておくべきだ。

消費者向けについては、階層名(Grok Free、SuperGrok、SuperGrok Heavy、X Premium+経由のバンドルアクセス)は確認されているが、xAIは実際にスクレイピング可能なページでSuperGrokのドル建て価格を公開していない。ウェブ上で引用されている月額約30ドルのSuperGrokと月額約300ドルのSuperGrok Heavyという数字は二次情報であり、一次情報源では確認されていないため、xAIが自社の価格ページに数字を掲載するまでは、絶対の正解としてではなく、おおよその目安として扱うべきだ。消費者向けアプリでのGrok 4.5への早期アクセスは、最初はSuperGrokおよびX Premium+の購読者に提供された。

これが他の分野と比べてどう位置づけられるかについては、xAI料金ガイドの全文をご覧いただきたい。

ローンチは実際どう受け止められたか

このレビュー時点でGrok 4.5はまだ登場してから数時間しか経っていないため、コミュニティの反応はRedditではなくHacker NewsとXに集中している。Redditは執筆時点で検索も直接取得もブロックされていた。そこにあるのは本当に賛否が分かれた反応であり、一方的な勝利ではない。

肯定的な面では、CursorのCEOであるMichael Truell氏が投稿したところによれば、Grok 4.5は "an Opus-class model that's fast and low cost… a significant step up over any model we've developed so far" であり、"become the daily driver for many on our team" になったという(なおCursorはこのモデルの共同ローンチを行っているため、これは中立的な第三者の声ではなく、ベンダーに近い立場からの支持であることには留意すべきだ)。X上のArtificial Analysisは、GDPval-AA v2のスコアを "at a cost of $0.49 per task" で達成したと指摘しており、コスト対性能のフロンティア上に明確に位置づけられている。

"Grok is not a serious AI, it's not suitable for professional work and has mediocre performance anyway."

13415, Hacker News

"I just don't think that I can ever trust an xAI model knowing that they are actively trying to shape its replies to fit a political narrative. How can you trust their models to be reliable in a business setting with the foreknowledge that their models are being nudged around in the backend?"

jesse_dot_id, Hacker News

この信頼をめぐるスレッドは、能力についてのどの議論よりも前面に出て、Hacker Newsのローンチ投稿における最も騒がしい単独のテーマだった。同じスレッドには反論も登場している。あるコメント投稿者が反発し、"Grok has in most of my testing been MORE politically correct than GPT and Gemini… on grok.com or in the app Grok is very tame." と述べた。両方の見方が同じコメント欄に生きており、この議論がどちらの方向にも決着していないことを物語っている。

純粋なコーディング能力については、ベンチマーク上は数字が強く見えても、実際には評価が分かれている。最も議論を呼んだハンズオン比較スレッドでは、誰かがGrok 4.5、GPT-5.5、Claudeに同じアプリを作らせており、あるコメント投稿者が指摘したように、"so strange to write a whole post with Claude giving the best results and Grok consistently the worst, but awarding Grok the winner because at least it did the worst fastest." という状況だった。別のコメントはそれを"pretty decent, comparable with some older Opus models, and fairly cheap per token"と評した。安くて速いというのは一貫したテーマだが、最高クラスの出力品質はそうではない。

Grok 4.5のメリットとデメリット

本当に優れている点:

• フロンティアに近い知能を得る最も安価な方法。 100万トークンあたり2ドル/6ドルという価格で、ClaudeやGPT-5.5クラスの出力に支払う金額を下回りながら、Intelligence Indexではそれらとわずか数点差に収まっている。
• 掲載中で最高のエージェント型ツール使用スコアであり、それだけの話であって、単なる「トップクラス」ではない。業務が文章作成ではなくツール呼び出しやアクションの実行であれば、これが最も重要な数字だ。
• 速い。 平均約73トークン/秒に対して85.6トークン/秒であり、同じタスクにおいて平均的なモデルより明らかに簡潔だ。
• 本当に大きなコンテキストウィンドウである50万トークンは、大量のチケット履歴、ドキュメント、コードを一度に視野に収める必要がある用途で有用だ。

足りない点:

• 利用可能な最も賢いモデルではない。 Intelligence Indexでは4位であり、Claude Fable 5、Claude Opus 4.8、GPT-5.5に次ぐ。純粋な推論品質だけを最適化しているなら、これは選ぶべきモデルではない。
• 信頼は現在進行形で未解決の懸念事項であり、コミュニティの反応の中で最も騒がしい単独テーマであって、脚注ではない。これはIDEでコードを書いているときよりも、モデルが顧客と対面するようになった途端にはるかに重要になる。
• ローンチ時点でバッチ割引がない。 非同期ワークロードで20%の割引を得ていた旧モデルgrok-4.3とは異なる。
• 消費者向け価格は実際には検証可能な形でどこにも公開されていない。 SuperGrokの月額約30ドルという数字はコミュニティによる報告であり、xAIの一次情報ページで確認されたものではない。

Grok 4.5はカスタマーサポートに適しているか?

ここでモデルとユースケースが乖離し始める。xAIは "minimal hallucinations" をGrok 4.5の目玉の特性と呼んでおり、独立した観点から見てもそれはもっともらしい。ハルシネーションが少ないことは、多いことより本当に良いことだからだ。しかし最小限であってもゼロではなく、サポートキューはまさに「たいてい正しい」では不十分な場所だ。誤った回答はベンチマーク表の中で見栄えが悪いだけでなく、実際の顧客のもとに届いてしまうからだ。

私はこの正確な失敗モードを間近で見てきた。eesel自身の初期のロールアウトでは、ナレッジベース検索が失敗した際の厳格なフォールバックを持たないボットが、知らないと言う代わりに、訓練で見た何かから回答をでっち上げることが時々あった。ある印象的な例では、まったく無関係なサポートの質問に対し、周期表からそのまま持ってきた「酸素」と回答したことがある。検索結果が空だったのに、モデルがそれでも空白を埋めてしまったからだ。これはGrok特有の問題ではなく、何も推測を妨げるものがない場合に、能力のあるモデルがデフォルトで行うことだ。これはまさに営業の商談で耳にする類の懸念でもある。バイヤーは、AIが実際に確信を持てるチケットにだけ回答し、それ以外は黙って人間に任せてくれることを望んでいる。すべてに答えようとして、顧客の目に見えるところで時々間違えるようなAIではなく。

それこそが「強力なモデル」と「安全なサポート体制」の間にあるギャップだ。eeselはモデルをあなた自身のヘルプ文書と過去のチケットに限定し、確信度のしきい値を下回るものはすべて推測する代わりに人間へルーティングし、何かがライブになる前に過去のチケット全体に対してフルシミュレーションを実行する。そのため、実際の過去の事例に対してモデルが何と答えたであろうかを、たった一人の顧客がその回答を目にする前に、正確に確認できる。これは背後にあるモデルがGrok 4.5であれ、GPTであれ、Claudeであれ、同じように機能する。なぜなら本当の安全レイヤーはラッパーであり、モデルの選択ではないからだ。

評価

エージェント型でツールを多用する業務向けにモデルを選んでいて、コストが重要なら、Grok 4.5は本当に強力な選択肢であり、その特定の業務に関しては現時点で市場最高の価格対性能オプションとも言えるだろう。オープンエンドな推論のために単純に最も賢いモデルが必要なら、Claude Fable 5、Claude Opus 4.8、GPT-5.5がより高い価格ながらも依然として上回る。そして顧客対応の何かのためにこれを検討しているなら、モデルの品質はそもそも真のボトルネックではなかった。ボトルネックなのは信頼をめぐる懸念と、自信満々の誤答に対する厳格な歯止めの欠如であり、これはモデルの問題というよりむしろ体制の問題だ。

eeselを試す

今月どのフロンティアモデルが勝とうと、Grok 4.5であれGPT-5.5であれ、次に何が登場しようと、AIサポートの難しい部分は最も賢いLLMを選ぶことでは決してなかった。難しいのは、モデルが実際に知っていることにだけ答え、それ以外はきれいに引き継ぐようにすることだ。eeselはZendesk、Freshdesk、Gorgias、HubSpot、Frontといった既存のヘルプデスクの上に構築され、初日からあなたの実際のチケット履歴から学習し、過去のチケットに対してフルシミュレーションを実行することで、ライブの会話に触れる前に正確なカバレッジを確認できる。料金は使用量ベースで、解決済みチケット1件あたり0.40ドルであり、席数料金もプラットフォーム最低料金もない。つまりモデルのベンチマークスコアに対して支払うのではなく、実際にクローズしたチケットに対して支払うということだ。