DEV Community

Cover image for Grok 4.6とは？機能、ベンチマーク、料金、APIアクセスを徹底解説
Akira
Akira

Posted on Originally published at apidog.com

Grok 4.6とは？機能、ベンチマーク、料金、APIアクセスを徹底解説

Grok 4.6は、xAIが2026年8月12日にリリースした最先端の言語モデルです。Grok 4.5を基盤に、長時間稼働するエージェント、エージェントによるコーディング、インタラクティブ／視覚的な作業を重視しています。コンテキストウィンドウは50万トークン、料金は入力100万トークンあたり2ドル、出力100万トークンあたり6ドルです。Artificial Analysis Intelligence Indexでは61点を獲得し、OpenAIのGPT-5.6 Solと同スコア、AnthropicのClaude Fable 5とは1点差です。現在の最先端モデルのなかでは、最も低価格な選択肢の1つです。

今すぐApidogを試す

この記事では、Grok 4.5からの変更点、ベンチマークの読み方、利用可能な場所、そしてLLM APIを実装・評価する際の進め方を解説します。複数のモデルを比較するなら、Apidogを使うと、専用クライアントを先に実装せずにLLM APIリクエストを設計、テスト、モックできます。

要約

  • リリース日: 2026年8月12日、xAIより。
  • 焦点: 長期エージェント、多段階コーディング、インタラクティブ／視覚的作業。xAIによると、実行中に自己テストや作業検証をより頻繁に行います。
  • 仕様: 50万トークンのコンテキストウィンドウ、知識カットオフは2026年2月1日。
  • 価格: 入力100万トークンあたり2ドル、出力100万トークンあたり6ドル。高速版は2倍の料金です。
  • ベンチマーク: Intelligence Indexは61点。DeepSWEは54から65.9、APEX-Agentsは47.1から57.5へ向上しました。
  • 利用可能場所: xAI API、Grok Build、Cursor、OpenRouter、Vercel、Cloudflare。

Grok 4.6の概要

仕様 Grok 4.6
開発元 xAI
リリース日 2026年8月12日
コンテキストウィンドウ 500,000トークン
知識カットオフ 2026年2月1日
入力／出力価格 100万トークンあたり2ドル／6ドル
高速版 2倍の価格
インテリジェンスインデックス 61（GPT-5.6 Sol: 61、Claude Fable 5: 62）
利用可能場所 xAI API、Cursor、Grok Build、OpenRouter、Vercel、Cloudflare

Grok 4.5と比較して実際に新しい点

Grok 4.6は、アーキテクチャの公開というよりトレーニング改善を中心としたリリースです。xAIによると、Grok 4.5より長い追加トレーニングを実施しており、主な要素は次の3つです。

  1. 推論や高度な技術概念を対象にした、厳選済みのモデル生成データ
  2. 実際の開発セッションに基づく、コーディング重視の高品質なエンジニアリングデータセット
  3. 推論・ドメイン固有タスク向けに再生成された教師ありファインチューニング軌跡、改善済みオプティマイザ、トレーニングレシピ

開発者が評価で確認すべき変化は、自己検証の頻度です。長時間のエージェント実行では、次のような動作が期待されています。

  • 未検証の前提のまま次のステップへ進まない
  • 生成・修正したテストを実行する
  • 編集したファイルを再読み込みする
  • 中間成果を確認してから後続の操作へ進む

インタラクティブまたは視覚的なプロジェクトでも、最初の試行の品質改善が報告されています。ダッシュボード、小規模アプリ、UI実装を対象にする場合は、初回出力だけでなく、修正ループに入るまでの回数も比較してください。

Grok 4.5の開発者向けトレーニング背景については、Cursorセッショントレーニングが開発者にとって何を意味したかも参照してください。

ベンチマーク: 数値をどう読むか

ベンダー発表のベンチマークは、独立評価と区別して扱う必要があります。ただし、Grok 4.5から4.6への改善幅は実用上も確認する価値があります。

Grok 4.6のベンチマーク比較

注目すべき点は3つです。

  • エージェント性能の差が縮小: APEX-Agentsで10.4ポイント上昇し、Fable 5 Maxとの差は1.7ポイントまで縮まりました。GPT-5.6 Sol Maxの56.7%もわずかに上回っています。
  • リポジトリ規模のコーディングが改善: DeepSWEは約12ポイント上昇しました。複数ファイル変更を伴うタスクでの改善を示しますが、Sol Maxはこのベンチマークで依然として大きくリードしています。
  • 独立指標も一定の裏付けを提供: Artificial Analysisは、エージェント評価におけるタスクあたり平均コストを0.84ドル、専門知識ワークにおけるGDPval-AA v2のEloスコアを1753としています。

ベンチマークを実務判断に使う場合は、スコアだけで採用を決めず、自分のリポジトリ、ツール定義、失敗許容度で評価してください。Grok 4.5ベンチマーク分析では、前世代にも共通する注意点を解説しています。

価格: 最先端モデルのバリュープレイ

Grok 4.6はGrok 4.5と同じ価格です。

モデル 出力価格／100万トークン
Grok 4.6 $6
Claude Opus 4.8 $25
GPT-5.6 Sol $30

Intelligence IndexでGPT-5.6 Solと同スコアのモデルを、出力トークン単価では約5分の1で利用できる計算です。

ただし、トークン単価が低いだけではタスク単価も低いとは限りません。レビュー、再実行、修正が必要な結果では、モデル料金以上の運用コストが発生します。評価では次の指標を同時に記録してください。

  • 成功率
  • 再試行回数
  • 人手レビュー時間
  • 入出力トークン数
  • エンドツーエンドのレイテンシー
  • タスク完了あたりの総コスト

高速版は入力100万トークンあたり4ドル、出力100万トークンあたり12ドルで、レイテンシーが重要なインタラクティブ用途向けです。8月19日までは、Grok BuildとCursorでモデルを試すための2倍の利用量が含まれます。

今日Grok 4.6を利用できる場所

  • xAI API: console.x.aiから利用できます。OpenAI互換APIのため、Grok 4.5 APIガイドの構成をベースに、モデル名を変更して評価できます。
  • Cursor: モデルオプションとして利用できます。
  • Grok Build: xAIのエージェントワークスペースです。ローンチ週には2倍利用のボーナスがあります。
  • OpenRouter、Vercel、Cloudflare: 複数モデルを単一ゲートウェイ経由でルーティングするチーム向けです。OpenRouterではx-ai/grok-4.6として掲載されています。

開発者が最短で評価するなら、APIまたはすでに対応しているIDEから始めるのが実用的です。

API評価を始める手順

OpenAI互換の既存クライアントを利用している場合は、まず接続先をhttps://api.x.ai/v1へ切り替え、モデル名をx-ai/grok-4.6相当の利用環境で指定して比較します。

評価対象は、一般的なチャットではなく本番に近いタスクにしてください。たとえば、次のように評価ケースを固定します。

評価ケース:
- 複数ファイルにまたがるバグ修正
- 既存テストを維持したリファクタリング
- ツール呼び出しを含むエージェントタスク
- 長い仕様書またはログを含む分析
- UIまたはダッシュボードの初期実装
Enter fullscreen mode Exit fullscreen mode

各ケースで、少なくとも以下を比較します。

比較対象:
- 出力品質
- テスト通過率
- ツール呼び出しペイロードの妥当性
- レスポンス時間
- 入力／出力トークン数
- 再試行を含む総コスト
Enter fullscreen mode Exit fullscreen mode

制限事項と未解決の疑問

リリース直後の評価では、強みと同時に制約も確認すべきです。

  • ベンチマークの多くはベンダー報告: Artificial Analysisによる独立スコアは概ね一致していますが、DeepSWE、FrontierCode、CursorBenchなどの具体的なコーディング数値はxAIのローンチテーブルに基づきます。Grok 4.5でも、ローンチ時の数値が独立テストで部分的にしか維持されなかったため、実環境での再検証が必要です。
  • コンテキストウィンドウは競合より小さい: 50万トークンは多くのワークロードをカバーしますが、GPT-5.6 Solは105万、Claude Fable 5は100万トークンを提供します。モノレポ全体や巨大なドキュメントセットを1回の呼び出しで扱う用途では差が出ます。
  • 最難関のリポジトリ規模コーディングではSolが優位: DeepSWEで約7ポイントの差があり、大規模な既存コードベースでの完全自律作業ではGPT-5.6 Sol Maxが依然として強力です。
  • エコシステムの成熟度: xAIのバッチ処理、プロンプトキャッシュ、利用量制御は、OpenAIやAnthropicの同等機能より歴史が浅い状態です。OpenAI互換性は移行コストを下げますが、機能差をなくすものではありません。

これらは採用を否定する材料ではなく、Grok 4.6を評価すべき条件を示しています。評判だけでデフォルト採用するモデルではなく、価格性能比を実測する価値が高い選択肢です。

API開発者にとっての意味

Grok 4.6の重要な点は、最先端クラスの性能に対して価格競争が生まれたことです。出力100万トークンあたり6ドルという価格は、エージェントループのように呼び出し回数が増えるワークロードで特に影響します。

たとえば、1タスクあたり40回のモデル呼び出しを行うエージェントでは、出力単価の差がそのまま運用コストに反映されます。ただし、最終的な判断は単価ではなく、完了率と総コストで行うべきです。

Apidogを使うと、GPT-5.6、Claude、Grok 4.6のリクエストを1つのプロジェクトで管理できます。プロバイダー別に環境を分け、出力品質、トークン使用量、レイテンシーを確認するアサーションを定義してから、本番ワークロードを移行してください。

特にツール呼び出しを使う場合は、生成テキストだけでなく、モデルが返すペイロードを検証対象にします。

ツール呼び出しで確認する項目:
- 必須フィールドが存在するか
- JSONスキーマに準拠しているか
- 引数の型が正しいか
- 許可されていない操作を要求していないか
- 再試行時に同じ操作を重複実行しないか
Enter fullscreen mode Exit fullscreen mode

よくある質問

Grok 4.6を一言で表すと？

xAIが2026年8月に発表した最先端モデルで、長時間稼働エージェントとコーディングに重点を置き、50万トークンのコンテキストウィンドウと最先端級のベンチマークスコアを持ち、競合モデルの出力価格の約5分の1で提供されます。

Grok 4.6はGPT-5.6より優れていますか？

Artificial Analysis Intelligence Indexでは両者とも61点です。GPT-5.6 Sol Maxはリポジトリ規模のコーディングで優位ですが、Grok 4.6はAPEX-Agentsでわずかに高く、出力トークン単価は約5分の1です。

Grok 4.5と4.6の違いは何ですか？

価格とAPIは同じですが、モデル性能は改善されています。DeepSWEで+11.9ポイント、APEX-Agentsで+10.4ポイント向上し、長時間タスク中に自己検証する傾向が強化されています。

Grok 4.6を無料で試すことはできますか？

Grok BuildとCursorでは、ローンチ週に2倍の使用量が含まれます。また、Grok 4.5を無料で利用するためのガイドに記載された方法の多くは、Grok 4.6にも適用できます。

Top comments (0)