Grok 4.6、ツールターン削減と定額API価格で長時間稼働エージェントを狙う
SpaceXAIのGrok 4.6は長期的なエージェントベンチマークを改善し、$2/$6の価格を維持しつつ、500,000トークンのAPIコンテキストを提供する。
SpaceXAIは8月12日、トピックの調査、コードベース横断での操作、ツールの利用、複数ステップにわたる作業の改善を行う長時間稼働エージェント向けにGrok 4.6をリリースした。このリリースは複数のエージェント評価でGrok 4.5を大幅に上回る一方、APIの主要価格である入力100万トークン当たり$2、出力100万トークン当たり$6を維持している。
最も特徴的な結果は、Artificial Analysisの長期的な知識労働向けAA-Briefcaseベンチマークによるものだ。Grok 4.6は評価全体で約53ターン、約5億入力トークンでタスクを完了した。これに対し、Claude Opus 5は最大推論努力で約103ターン、20億入力トークンを要した。この比較は具体的な効率性の主張を裏付ける。このベンチマークでは、Grokに必要なターン数は約半分、入力トークン数は約4分の1だった。
この知見は、Grok 4.6が「他の主要モデル」の半分のターン数を使うとする当初のソーシャルメディア上の説明より限定的である。Artificial Analysisが公開した詳細な比較対象はClaude Opus 5 Maxであり、すべての競合フロンティアモデルではない。それでも重要なのは、長いエージェントループではコンテキストが繰り返し再送または蓄積されるため、ステップ数がレイテンシーとコストの直接的な構成要素になるからだ。
一、Grok 4.6はGrok 4.5の訓練系統を拡張する
SpaceXAIはGrok 4.6を、新たに開示されたアーキテクチャではなく、Grok 4.5の継続として説明している。同社はこのリリースについて、パラメータ数、訓練計算量、詳細なアーキテクチャ仕様を公開していない。
このモデルには、Grok 4.5より長い追加訓練が実施された。SpaceXAIによれば、この段階では、推論と高度な技術概念向けにキュレーションされたモデル生成データ、高品質なエンジニアリングデータ、改善されたオプティマイザおよび訓練レシピが用いられた。
次にGrok 4.5を使用して、複数の推論努力設定、エージェントハーネス、STEM、ソフトウェアエンジニアリング、知識労働を含む領域にわたる教師ありファインチューニング軌跡を再生成した。モデルベースの検査で問題のある軌跡を除外した後、得られたチェックポイントは強化学習に進んだ。
強化学習環境は、一般的なコーディングと知識労働に加え、カーネル最適化、ウェブ開発、コンピュータ支援設計に関するより専門的なタスクを対象とした。SpaceXAIによれば、より長いテスト軌跡は、モデルが作業を続ける前に自らの成果をテスト・検証する事例も増やした。
Cursorのデータはこのモデル系統に含まれるが、利用可能な開示情報には慎重な表現が必要だ。Cursorは、Grok 4.5がCursorデータ数兆トークンを用い、Mixture-of-ExpertsモデルとしてSpaceXAIと共同訓練されたと述べている。このデータには、コードベースとのインタラクションと、開発者、エージェント、ソフトウェアツール間のやり取りの両方が含まれていた。
Grok 4.6の発表は、新モデルがGrok 4.5を基盤とし、追加のエンジニアリングデータを受けたと述べているが、4.6向けに新たにどれだけのCursorデータが追加されたかは定量化していない。Grok 4.6がCursorで訓練された基盤の恩恵を受けていると説明することは裏付けられる。一方、4.6の追加訓練で新たに開示されたCursorデータ量があると主張することはできない。
二、エージェントベンチマークは大幅な向上を示すが、全面勝利ではない
Grok 4.6はArtificial Analysis Intelligence Indexのバージョン4.1.1で61を記録し、Grok 4.5を5ポイント上回り、SpaceXAIのローンチ比較ではGPT-5.6 Sol Maxと同点だった。Fable 5 Maxは62を記録した。このインデックスは、エージェント作業、ターミナルタスク、科学、一般知識、推論を対象とする9つの評価を組み合わせている。
このリリースで最も明確な改善は、エージェント指向のテストに現れている。
| 評価 | Grok 4.6 High | Grok 4.5 High | GPT-5.6 Sol Max | Fable 5 Max |
|---|---|---|---|---|
| GDPVal-AA v2 | 1,753 | 1,526 | 1,728 | 1,741 |
| CursorBench v3.2 | 69.9% | 66.7% | 67.2% | 70.5% |
| DeepSWE v1.1 | 65.9% | 54.0% | 73.0% | 70.0% |
| FrontierCode v1.1 Extended | 61.3% | 56.6% | 60.6% | 63.6% |
| APEX-Agents | 57.5% | 47.1% | 56.7% | 59.2% |
| Terminal-Bench v3.0 | 26.0% | 15.7% | 34.6% | 34.1% |
| AA-Briefcase | 1,577 | 1,313 | 1,502 | 1,574 |
GDPVal-AA v2は、経済的価値のある専門職タスクを評価する。Artificial Analysisは独立して、Grok 4.6の結果はClaude Opus 5に次ぐものだったと報告した。また、信頼区間が重なったため、Fable 5およびQwen3.8 Maxとは統計的に区別できなかった。
AA-Briefcaseでは、同様の品質結果が得られた一方で、より特徴的な効率性プロファイルが示された。Grok 4.6はEloレーティング1,577に達し、SpaceXAIの表でFable 5 Maxに示された1,574をわずかに上回り、GPT-5.6 Sol Maxの1,502を大きく上回った。Artificial Analysisは、Grokの出力を、ルーブリック遵守、プレゼンテーション、分析品質の全体で一貫して競争力があると評価した。
この結果は、Grok 4.6がすべてのエージェントワークロードで最強のモデルであることを示すものではない。GPT-5.6 Sol MaxはDeepSWE v1.1で7.1パーセントポイント、Terminal-Bench v3.0で8.6ポイントGrokを上回った。Fable 5 Maxも、ローンチ表ではCursorBench、FrontierCode、APEX-Agents、Terminal-Bench、APEX-SWEで先行を維持した。
ベンチマーク条件はハーネスおよび推論設定によって異なり、SpaceXAIは競合モデルの数値をベンダー公開のシステムカードまたは公開リーダーボードから選定したと注記している。したがって、この表は複数環境における競争力の証拠であり、1つのモデルがすべてのエージェントシステムを支配するという統制された宣言ではない。
三、ターン数の削減がコスト計算を変える
Artificial Analysisは、Intelligence IndexでGrok 4.6を評価する際、タスク当たり平均$0.84のコストを測定した。このモデルは、そのインデックスに含まれる各エージェント評価でコストパフォーマンス・フロンティアに位置づけられた。
経済的な優位性は、2つの別個の要因に由来する。Grok 4.6は近接する複数のフロンティアモデルより公開トークン価格が低く、AA-Briefcaseの実行ではターン数が少ないため蓄積コンテキストも少なかった。長時間稼働エージェントは、各アクション後に指示、会話履歴、取得文書、ツール結果をモデルへ送り返す場合がある。そのため、最終回答が同様であっても、サイクル数を減らせば入力トークン消費を抑えられる可能性がある。
これは、すべてのGrok 4.6アプリケーションが$0.84で動作する、あるいはターン数が半分になることを意味しない。これらの数値はArtificial Analysisの評価設定を表す。実際のコストは、推論努力、ツール設計、プロンプトキャッシュ、コンテキストの増大、再試行、エージェントがタスクを正常に完了するかどうかに左右される。
生の速度も別の制約である。Artificial Analysisは、SpaceXAIのAPI経由で出力速度を毎秒約62トークン、最初のトークンまでの時間を44.82秒と測定しており、いずれも同社のモデルページに示された比較中央値より遅い。ターン効率は、個々の応答を高速化しなくても、ワークフロー全体の所要時間を短縮できる。
四、APIとCursorのデプロイには異なる制限がある
ネイティブのSpaceXAI APIでは、モデル識別子としてgrok-4.6を使用する。テキストと画像を受け付け、テキストを返し、low、medium、high、xhighの推論努力をサポートし、デフォルトはhighである。文書化されたツールには、関数呼び出し、ウェブおよびX検索、コード実行が含まれる。
SpaceXAIは、500,000トークンのコンテキストウィンドウ、2026年2月1日の知識カットオフ、テキスト出力上限は明記されていないことを文書化している。プロンプトが200,000トークン未満の場合、API価格は入力100万トークン当たり$2、キャッシュ済み入力100万トークン当たり$0.50、出力100万トークン当たり$6である。プロンプトが200,000トークンを超えると、これらの料金はそれぞれ$4、$1、$12に倍増する。
同社は、連続するリクエストが同じサーバーに到達してキャッシュ済みコンテキストを再利用できるよう、会話に安定したプロンプトキャッシュキーを割り当てることを推奨している。また、長いエージェントループではコンテキスト圧縮も推奨している。広告されているコンテキスト容量が、増大する履歴を繰り返し処理するコストをなくすわけではないため、どちらの仕組みも重要である。
Cursorのデプロイでは、文書化されたコンテキストウィンドウはより小さく、256,000トークンとなっている。Grok 4.6には、Cursorのファイル検索、ウェブアクセス、ファイルの読み書き、ターミナル、ブラウザ、画像生成、ルール取得ツールへのアクセスが与えられる。標準のオンデマンド料金は低いAPIティアと一致する一方、CursorのFastオプションは入力100万トークン当たり$4、キャッシュ済み入力100万トークン当たり$1、出力100万トークン当たり$12である。
ローンチ時点でGrok 4.6は、Cursor、Grok Build、SpaceXAI API、OpenRouter、Vercel、Cloudflareを通じて利用可能だった。CursorとGrok Buildは最初の1週間、含まれる利用量を2倍に提供したが、これは恒久的な価格条件ではなく、期間限定のローンチプロモーションだった。
よくある質問
Grok 4.6はいつリリースされましたか？
SpaceXAIは2026年8月12日にGrok 4.6をリリースした。
Grok 4.6は常にエージェントターン数が半分になりますか？
いいえ。約53ターン対103ターンという比較は、Artificial AnalysisがClaude Opus 5 Maxを対象に行ったAA-Briefcase評価に特有のものだ。
Grok 4.6はCursorデータで訓練されましたか？
Grok 4.5の基盤は、Cursorデータ数兆トークンを用いて訓練された。SpaceXAIは、Grok 4.6の追加訓練で追加のCursorデータが使用されたかどうか、また使用された場合の量を開示していない。
Grok 4.6 APIの料金はいくらですか？
プロンプトが200,000トークン未満の場合、文書化された料金は入力100万トークン当たり$2、キャッシュ済み入力100万トークン当たり$0.50、出力100万トークン当たり$6である。そのしきい値を超えると料金は倍増する。
Grok 4.6のコンテキストウィンドウはCursorとAPIで同じですか？
いいえ。SpaceXAIはAPI向けに500,000トークンを文書化している一方、Cursorはそのデプロイ向けに256,000トークンのコンテキストウィンドウを文書化している。
参考ソース
Share