Grok 4.6とは：長時間のエージェント業務に振ったモデル
Grok 4.6はSpaceXAIが提供するモデルです。まず企業の背景に一言触れておきます。この1〜2年で大きく変わったためです。Grokはもともとイーロン・マスク氏のAI企業xAIが開発していました。2026年2月にSpaceXがxAIを丸ごと取り込み、6月12日にSpaceXはティッカーSPCXで上場（詳しくはSpaceX企業分析）、7月6日にxAIは正式にSpaceXAIへ改称しました。
公式の一言での位置づけは、前世代を土台に「長時間走るエージェント」と「より野心的なインタラクティブ・ビジュアル成果物」を重点強化した、というものです。この2つを平易に言い換えます。
- エージェント：AIが自らツールを使い、多数のステップを連続して仕事を終わらせること。コードを読み、複数ファイルを修正し、テストを走らせ、失敗すれば自分で直す。その間、こちらが一手ずつ指示する必要がありません。
- インタラクティブ・ビジュアル成果物：単なる文章ではなく、クリックでき、見られる、レイアウトまで整ったものを直接作ること。小さなサイト、ダッシュボード、体裁の整った文書などです。
つまり目標が「答えが正確かどうか」から「自力で仕事を終わらせられるかどうか」へ移っています。この位置づけが強みと弱みの両方を決めており、以下はすべてこの一点をめぐる話になります。
公式のローンチ動画は文章よりも訴求が分かりやすく、46秒で見終わります。
動画：SpaceXAI公式ローンチ動画（出典：x.ai/news/grok-4-6、読み込みのため圧縮済み）
仕様は表一枚で足ります。
| 仕様 | 内容 |
|---|---|
| 一度に読み込める量 | 500,000トークン（前世代と同じ） |
| 入出力 | テキスト＋画像を理解し、出力はテキストのみ。出力長の上限なし |
| 思考の強度 | 低・中・高（デフォルト）・極高の4段階 |
| モデルID | grok-4.6 |
| 発表日 | 2026年8月12日 |
（出典：SpaceXAI開発者ドキュメントと公式リリースノート。トークンはモデルがテキストを分割し課金する単位で、同じ文章でも内容により消費量は変わります。）
Grok 4.6の強み：「答える」から「やり切る」へ
この世代の公式ナラティブの中心は、モデルが長く持ちこたえることです。
これは単なる宣伝文句ではなく、公表された数値も同じ方向を向いています。前世代からの伸び幅を並べると、伸びが大きい3項目はいずれも多数のステップを連続させる課題です。
このグラフの実用的な読み方はこうです。質問や短文作成にしか使わないなら体感差はほとんどありません。差が出るのは「一つの仕事を渡して最後までやらせる」使い方です。
公式の学習に関する説明とも整合します。この世代では前世代より長い補助学習を行い、旧モデルである4.5を使って学習用のデモンストレーションデータを再生成したうえで、問題のある記録をモデルで自動的に除外しています。強化学習の段階では、カーネル最適化、Web開発、CADなど多数のエージェント環境が与えられました。要するに、前世代を教師役に立てて、長い仕事をやり切る方法をこの世代に教え込んだということです。
公式はもう一つ興味深い観察を挙げています。長めの作業では、モデルが先に自分で検証してから次に進む様子が見られ始めた、というものです。1ステップ終えるごとに正しいか確認してから続ける挙動です。ここはエージェント業務で最もコストがかかり、最も失敗しやすい部分なので、自力で収束できるなら節約できるのは時間だけではありません。
実務上の訴求は3つに分かれます。
1つ目：使っているツールとチームの動き方をより理解する。
2つ目：具体的で細かく、専門的な文脈を伴うエンジニアリング作業の処理。 公式動画にはスキル名が例として並びます。いずれも実務で経験がものを言う細かい仕事です。
3つ目：出てくるものが完成品に近い。 公式の主張は、具体的な製品アイデアを与えれば、アプリケーションの構造とビジュアル言語を一度で立ち上げられ、何度も調整し直す必要がないというものです。動画で示された成果物がこちらです。
ここは一点補足が必要です。これは公式が選び抜いたデモ画面であり、無作為抽出ではありません。「モデルがその水準に到達できる」ことは示しますが、「毎回その水準が得られる」ことは意味しません。
スコアの読み方：公式自身の表がいちばん正直
まず独立した数値から。9つの評価を合成したArtificial Analysisの総合知能指数で、Grok 4.6は61点、掲載183モデル中6位です。
この数字には2つ言うべきことがあります。1つ目は公式の主張を裏づけている点です。公式発表は「この指数でGPT-5.6 Solと並んだ」と書いており、独立評価でも実際に61対61です。2つ目は、4モデルを同じグラフに並べると本当の話が見えることです。要するに団子状態です。
1位と3位の差は1点です。一般利用者の体感ではこの差はほぼ分かりません。実際に効いてくるのは価格、速度、そして自分が使うインターフェースで提供されているかどうかです。
次に公式自身の表です。こちらは発表本文よりずいぶん正直です。SpaceXAIは10項目の比較表を掲載し、慣例どおり各項目の最高得点を太字にしています。その太字を数えてみます。
ベンダー自身が選んだベンチマークの組み合わせでさえ、10分の3しか取れていません。これは覚えておく価値があります。ベンダーの発表は通常、自社に有利なテストを選ぶものですが、その表ですら首位は競合なのです。
詳しく見たい方向けに、数値の全体を載せておきます。
| 評価項目 | Grok 4.6 | Grok 4.5 | GPT-5.6 Sol | Claude Fable 5 |
|---|---|---|---|---|
| 総合知能（AA Index） | 61 | 56 | 61 | 62 |
| 実務アウトプット（GDPVal-AA v2） | 1753 | 1526 | 1728 | 1741 |
| エディタ実戦（CursorBench v3.2） | 69.9% | 66.7% | 67.2% | 70.5% |
| 長時間のバグ修正（DeepSWE v1.1） | 65.9% | 54% | 73% | 70% |
| 先端コーディング（FrontierCode v1.1） | 61.3% | 56.6% | 60.6% | 63.6% |
| エージェント業務（APEX-Agents） | 57.5% | 47.1% | 56.7% | 59.2% |
| 長時間の端末操作（Terminal-Bench v3.0） | 26% | 15.7% | 34.6% | 34.1% |
| ソフトウェア工学（APEX-SWE） | 56.4% | 53.6% | 記載なし | 58.8% |
| ナレッジワーク（AA-Briefcase） | 1577 | 1313 | 1502 | 1574 |
| 長文法務（Harvey LAB） | 15.8% | 12.9% | 2.5% | 11.3% |
（太字は各項目の最高得点。出典：SpaceXAI公式発表。公式注記：競合のスコアは各社の自己申告または公開結果のうち最良値。GDPVal-AAとAA-BriefcaseはEloスコアで、数値が大きいほど良く、パーセンテージとは尺度が異なります。）
2つのパターンが見えます。Grok 4.6が勝った3項目（実務アウトプット、ナレッジワーク、長文法務）はいずれも文書とナレッジワーク寄りです。最も差をつけられた長時間の端末操作は、「コンピュータの前で長時間ひたすら操作し続ける」という最も純粋な形の課題です。ここは長時間エージェントを謳うナラティブとやや緊張関係にあります。伸び幅が最大なのは事実ですが、伸びが大きいことと追いついたことは別です。15.7%から26%まで来た一方、競合は34%前後にいます。
弱み：自分で埋めるべき2つの空欄
スコア表の差以外に、データが見つからないという性質のものが2つあります。悪い数字が見つかったわけではありません。この区別は重要なので、楽観にも悲観にも寄せずに書きます。
1つ目、2世代連続で安全性レポートがない。 公式発表には「安全性と能力」の項があり、3文が並びます。防護は能力に合わせて調整済み、安全機構は正当な用途を妨げないよう設計、展開前テストは過去最大規模、というものです。3文とも数値がなく、モデルカード（安全性評価文書）へのリンクもありません。前世代のGrok 4.5も未公開でした。発表当日に完全な安全性レポートを添えるAnthropicやOpenAIと比べると、これは実質的な欠落です。
2つ目、ハルシネーション率の独立数値がない。 ハルシネーションは業界用語で、平易に言えば「堂々と間違ったことを言う」ことです。前世代ではこれが大きな問題で、Grok 4.5は独立評価で54%、さらに前の世代の2倍以上でした。4.6の同項目は本記事のファクトチェック時点では見つからず、Artificial Analysisの該当欄も「データなし」のままです。
同様に、日本語や中国語の専門スコア、実測の出力速度、レイテンシの数値もありません。独立評価で揃っているのは知能指数と価格だけです。つまり「Grok 4.6はハルシネーションが改善した」「言語能力が上がった」といった主張は、独立した数値が出るまで根拠がないということです。最新の状況を確認するなら、Artificial Analysisのページを見るのが最短です。
小さな観察をもう一つ。Cursorのブログ記事はSpaceXAIとの共同発表で、本文はほぼ一字一句同じです。前世代のときはCursorが独自のベンチマーク表も公表し、脚注で自社コードの古いスナップショットが学習データに混入したことを正直に認めていました。今回それがありません。クロスチェックの材料が一つ減っています。
料金：表示価格は安いが、見落としやすい一行がある
フロンティア級のモデルとしては安価な部類に位置し、しかも前世代から据え置きです。
| 項目 | Grok 4.5 | Grok 4.6 |
|---|---|---|
| 入力 | $2 | $2 |
| 出力 | $6 | $6 |
| キャッシュ入力 | $0.30 | $0.50 |
| 20万トークン超（入力／キャッシュ／出力） | $4／$0.60／$12 | $4／$1／$12 |
（単位は100万トークンあたり米ドル。出典：Grok 4.6ドキュメントとGrok 4.5ドキュメント。）
世代間で唯一値上がりしたのはキャッシュ入力で、0.3ドルから0.5ドル、およそ3分の2の上昇です。キャッシュ入力とは同じ内容を繰り返し読ませるときの割引価格で、コードベースやシステムプロンプトのように毎回読み直すものが該当します。一般利用者にはこの行は見えませんが、実際にエージェント業務を回す人にとっては最も使用量が多い行です。20ステップ連続で走らせれば、直前19ステップ分の文脈が毎ステップ読み直されるからです。
言い換えれば、値上げはこの世代が主軸に据えた使い方に乗っています。安価という位置づけを覆すものではなく、事前に計算しておく価値のある細部です。
前世代から引き継いだ注意点がもう2つあります。1回のリクエストが20万トークンに達するとリクエスト全体が2倍料金になり、それ以前の分もまとめて高くなります。また公式は、速度の速い派生版が2倍の価格で提供されていることに触れています。
Grok 4.6はどこで使えるか
提供開始時のチャネルは次のとおりです。
| チャネル | 説明 |
|---|---|
| Cursor | コードエディタ。SpaceXAIと共同で提供開始 |
| Grok Build | SpaceXAI自社の開発者向けインターフェース |
| SpaceXAI API | 従量課金の開発者向けインターフェース。モデルIDはgrok-4.6 |
| OpenRouter／Vercel／Cloudflare | 第三者プラットフォーム経由 |
grok.com、X、Grokモバイルアプリの提供時期は公式発表で示されておらず、この世代のローンチの重心が開発者側にあるのは明らかです。消費者向けの状況は時間とともに変わるため、自分のアカウントが現在どのバージョンを使えるかはSpaceXAI公式発表とアプリ内の案内でご確認ください。
Grok 4.6とGPT-5.6・Claudeの使い分け
ここまでの根拠を一つの表にまとめます。
| 状況 | おすすめ |
|---|---|
| 複数ファイルにまたがるコード修正、量をこなす | Grok 4.6が割安。表示価格は安い側 |
| 一つの仕事を渡して最後までやらせる | 主戦場。ただし端末系の長時間課題は約8ポイント差で後れを取る |
| 文書、レポート、ナレッジワーク | 最も成績が良い領域。1位の3項目はすべてここ |
| 文章品質やインターフェースの趣味が問われる | Claudeが引き続き品質の門番 |
| リスクの高い内容、対外公開する文章 | ClaudeかGPTを推奨。2世代続けて公開の安全性レポートがなく、ハルシネーションの新数値もない |
GPT-5.6についてはChatGPT 5.6とは、より広い比較はClaude vs ChatGPTをご覧ください。
一言でまとめると、監督なしで終わらせたい力仕事は任せ、品質と安全性が要る仕事はClaudeかGPTに預け、その比率は予算で決めるということです。
まとめ：売っているのは「やり切る力」
Grok 4.6は一貫しています。能力は長時間の作業へ振り、ローンチはまず開発者チャネルへ、値上げはエージェント業務が最も使う行に乗せる。誰に向けて話しているのかを分かっているモデルです。
価値があるかどうかの判断は、ベンチマークの高低よりも自分の使い方で決まります。質問と短文中心なら、この世代が与えてくれるものはごくわずかです。仕事をまるごと渡して終わらせてもらう使い方なら、伸びが最大の領域がまさにそこにあります。
そして2つの空欄も忘れないでください。2世代続けて安全性レポートがなく、ハルシネーションの独立数値もまだありません。これらの欄は悪いのではなく空です。重要な出力は自分でもう一度確認する。これが現時点で最も現実的な自衛策です。