Grok 4.5：「Opus級」のコーディングモデルを3分の1の価格で。創業者のためのガイド

Grok 4.5の価格をGPT-5.6、Opus 4.8、Fable 5と比較した図

2026年7月は、モデル戦争が価格戦争に変わった月として記憶されるでしょう。OpenAIがGPT-5.6を出す前日、xAIはGrok 4.5を公開しました。コーディングと自律型エージェントのために特別に学習させた初めてのモデルで、価格は入力100万トークンあたり$2、出力100万トークンあたり$6です。Elon Muskの位置づけは、いつもどおり率直でした。「Opus級のモデルだが、より速く、トークン効率が高く、より安い。」 世界で最も賢いモデルではなく、実際のエンジニアリング業務に十分な性能を持つモデルの中で、最も経済的なモデルだということです。

「より安く、十分に良い」を言い訳ではなく看板の戦略にするという打ち出し方は、フロンティアの研究所としては新しいものです。リリースの週にXとLinkedInで見られた反応も、まさにその線に沿って分かれました。このモデルが実際には何なのか、初期のユーザーが何と言っているのか、そして創業者がどう考えるべきかをまとめます。

Grok 4.5とは実際に何なのか

コーディングとエージェントを最優先にしたモデル。 xAIはCursorとの提携を通じて、実際の開発者のセッションデータで学習させました。静的なコードのコーパスだけでなく、実際のコードベースの中での一連のセッションです。設計の目標は、長いセッションでも脱線せずに作業を続けられるエージェントです。
100万トークンあたり$2 / $6、コンテキストは500K。 定価ベースでOpus 4.8やGPT-5.5より60%以上安く、キャッシュされた入力は$0.50です。
きわめて高いトークン効率。 xAIによると、SWE-Bench ProでGrok 4.5は平均~~16Kの出力トークンでタスクを解決し、最大モードのOpus 4.8は~~67Kを使います。差は4.2倍です。最も高くつくのは出力トークンなので、この効率は表示価格の割安さをさらに大きくします。Artificial Analysisの測定では完了したタスク1件あたり$0.49で、同社のランキングで上位にあるモデルより90%近く安くなっています。

ベンチマークを正直に読む

正直な見取り図は一長一短であり、だからこそ面白いのです。Artificial AnalysisのIntelligence Indexで、Grok 4.5のスコアは54で総合4位でした。上にはFable 5(60)、Opus 4.8(56)、GPT-5.5(55)がいます。xAIが公表することを選んだ4つのベンチマークのうち、2つ(DeepSWE 1.0とTerminal-Bench 2.1)ではOpus 4.8に勝ち、2つ(DeepSWE 1.1で6ポイント、SWE-Bench Proで4.5ポイント)では負けています。

つまり、最高のモデルではありません。タスクあたりのコストはわずかな割合で済みながら、正真正銘フロンティアに近いモデルであり、xAIもそれ以上のふりはしていません。Musk自身、目標は「ベンチマークではなく、現実世界での有用性のループを閉じること」だと述べ、TeslaやSpaceXの筋金入りのエンジニアが本当に役立つと感じていることを挙げています。

XとLinkedInでの声

Cursorの初期ユーザーは感心している。 最も多くシェアされた初期のレビューは開発者のDanny Limansetaによるもので、複雑なゲーム機能についてブレインストーミングから計画、実装までを通しで行い、ステップ間で手作業の修正が一度も必要なかったうえで、「2倍の速さで、はるかに安いOpus 4.8」と評しました。
LinkedInでの見方はビジネスモデルの話。 最も広まったコメントは、能力についてのものではまったくありませんでした。フロンティアの研究所が、いまや主に完了タスクあたりの価格で競っているという指摘です。アナリストはこれを、AnthropicとOpenAIの両方の利益構造を揺さぶりかねない指標だと位置づけました。
懐疑派はベンチマークの選び方を指摘する。 勝った2つのベンチマークと負けた2つを並べて公表したことで一定の信頼は得ています。しかしXの批判的な声は、「Opus級」が比べている相手はAnthropicの1つ前の階層であり、Fable 5ではないと指摘しました。Musk自身の比較対象も「おおよそOpus 4.7」でした。

重要な数字は、完了タスクあたりのコスト

トークン単価は値札にすぎず、完了タスクあたりのコストこそが請求額です。能力が20%低くても、トークンの使用量が4分の1で、トークン単価が60%安いモデルは、実際に完了できるすべてのタスクで経済性に勝ります。正しい問いは決して「より賢いか」ではありません。「自社のワークロードのどれだけを完了でき、完了タスクあたりのコストはいくらか」です。

スタートアップの構成の中でGrok 4.5をどこに置くか

実行役の枠に有力な候補が現れた。 先週取り上げた「計画 → 実行 → レビュー」の構成で、Grok 4.5はまさに実行の階層に入ります。しかも、よくある安価な実行役よりも高い能力を持っています。トークンの消費が悩みの種になっているエージェント型コーディングのループにとって、この効率は、1日に$200を使う層が求めていたものそのものです。
長いセッションが得意分野。 実際の一連のセッションのデータで学習し、500Kのコンテキストを持つこのモデルは、単発のスニペットではなく、「このコードベースで1時間作業を続けて」というパターンのために作られています。まずは、最も長時間動くエージェントのワークフローで評価してください。
当面、計画とレビューは別のモデルに任せる。 汎用的な知能で4位というのは価格を考えれば見事ですが、アーキテクチャの判断と最終レビューは、今も支払える範囲で最も強い推論モデルに任せるべきです。どの研究所もエージェント型のベンチマークへの最適化を強めている以上、別系統のモデルによるレビューの重要性は下がるどころか高まっています。
三つどもえの価格競争を活用する。 7月8日にGrok 4.5、7月9日にGPT-5.6、そして1時間以内にAnthropicが利用上限をリセット。同じ週に3つのフロンティアの研究所が、あなたのワークロードを奪い合っています。AIベンダーとの価格を1四半期以上前に固めたのなら、払いすぎています。

結論

Grok 4.5は、フロンティアが2つの競争に分かれつつあることを示す、これまでで最もはっきりしたシグナルです。1つは最大の知能を目指す競争、もう1つは完了タスクあたりの最小コストを目指す競争です。創業者はどちらかを選ぶ必要はありません。うまくルーティングされた構成なら、両方の恩恵を受けられます。Grok 4.5を実行の階層に置き、1週間、実際のワークロードで動かしてみてください。ワークロードのどれだけを任せるかは、リリース時のツイートではなく、数字に決めさせましょう。

新しいモデルを、自社プロダクトの実際のワークロードで比較評価したいとお考えですか。無料のディスカバリーコールを予約する：私たちは毎月、創業者のためにモデルのルーティング構成を構築し、調整しています。