xAI Grok 4.6とは？GPT-5.6 Solと並ぶ知能を価格3分の1で実現した理由

この記事のまとめ

xAIのGrok 4.6は、長時間の作業をこなすエージェント用途に重点を置く新しいモデルです。GPT-5.6 Solと並ぶ合成知能スコアを、より安い価格で出せる点が最大の見どころです。

xAI LLCの事業名であるSpaceXAIとCursorが共同で作った1.5T規模のモデルで、Grok 4.5の後継にあたります。
Artificial Analysis Intelligence Indexで61点を獲得し、GPT-5.6 Solと同水準です。
価格は入力2ドル・出力6ドル（100万トークンあたり）で、競合よりかなり安いです。
CursorとGrok Buildで即日提供され、初週は利用枠2倍のキャンペーンがありました。

Grok 4.6の基本情報

xAIとGrokシリーズの位置づけ

Grok 4.6は、Grok 4.5を拡張した1.5兆パラメータ規模のモデルファミリーに属します。私が生成AIを日常的に使い続ける中で感じるのは、パラメータ規模の大きさよりも「何に特化して訓練されているか」のほうが実務上の差になる、ということです。Grok 4.6はその意味で、エージェント用途への特化を明確に打ち出したモデルです。

SpaceXAIはxAI LLCの事業名で、Cursorと共同でGrok 4.6を開発しました。コーディング、エンジニアリング、事務系のタスクが強化され、AI研究の補助や推論の最適化といった新しい領域にも広がりました（参照*1）。

Grok 4.6は現行のフラッグシップで、Grok 4.5の後継として同じ価格帯（入力2ドル・出力6ドル、コンテキスト500K）で提供されています（参照*2）。

Grok 4.7も近く出るとイーロン・マスク氏が言及しています（参照*3）。

Grok 4.6は現在の主力である一方、次の版が控える状況です。私が企業への導入支援をしている場面でも、「今入れたモデルが3ヶ月後に旧版になる」という更新サイクルの速さへの対応が、導入判断で見落とされやすいポイントです。モデル性能だけでなく、更新の速さと切り替えコストも確認する必要があります。

Grok 4.6のリリース概要

Grok 4.6は、2026年8月12日からCursorとGrok Buildで利用可能になりました。

初週にはCursorとGrok Buildの利用枠を2倍にするキャンペーンも行われました（参照*4）。

SpaceXAI APIを経由しても呼び出せます（参照*5）。

Cursor側では、デスクトップ、クラウドエージェント、iOS、CLI、SDKで動作します。個人プランとチームプランの両方で初週の利用枠が2倍になる特典が付きました（参照*6）。

提供範囲を見ると、開発者向けの環境が中心に整えられていることが分かります。私自身、新しいモデルを試すときはまず「自分が普段使っているツールから呼べるか」を確認します。既存の開発フローに自然に載せられるかどうかが、実際の利用定着に大きく影響するからです。

Grok 4.5からの進化点

長時間エージェントと自己検証

Grok 4.6が最も力を入れたのは、長い作業を最後までやり切る力です。

難しい仕事を多くのステップにわたって進め、長い作業の途中で自己テストと検証を挟みます。次に進む前に自分の出した結果を点検する動きが強化されました（参照*6）。

ツールを使いながら結果を確認し、進め方を調整する挙動も入りました。コード、ドキュメント、スプレッドシート、PDFといった複数の形式にまたがって作業でき、細かい指示への追従もGrok 4.5より安定しています（参照*7）。

より長く難しいタスクを、これまでのモデルより少ないステップと出力トークンで終わらせられるとされています。フロンティア級の他モデルよりも少ない手数で目的に到達できる点が挙げられました（参照*1）。

自己検証はミスを減らす方向に働きますが、完全な信頼性を意味するわけではありません。私がDeep Research系の機能を検証した経験でも、見た目が調査レポートらしいほど、読み手はかえって内容を信じやすくなる傾向があります。自己検証の結果もまた一種の「それらしい出力」である以上、判断の影響が大きい業務では人によるレビューと組み合わせることが前提になります。

アイデアから成果物への変換力

Grok 4.6は、広い製品アイデアを最初の作動版へ落とし込む力も強化されています。

未知の領域を調べ、アプリの構造を組み、中心となる操作を実装し、フィードバックを何回か反復しながら仕上げに近づけていきます（参照*4）。

視覚面やインタラクティブ面での初回品質がGrok 4.5より上がったと説明されています（参照*6）。

xAIは、エージェント志向のワークフローに大きく賭けており、多段のリサーチや複数コードベースをまたぐ分析の道具としてGrok 4.6を位置付けています（参照*8）。

「一発で完成する」のではなく、強い初稿を短時間で作り、反復して仕上げる考え方が前提です。私自身、AIに下書きを作らせてから人間が論点・事実・表現を整える協働スタイルを採用していますが、Grok 4.6の設計はその進め方と相性がよいと感じます。プロトタイプの早出しを重視するチームには、特に試してみる価値があります。

学習手法の刷新

Grok 4.6の性能向上は、訓練の改良にも支えられています。

Grok 4.5より長い補助学習を行い、推論や高度な技術概念のためにモデル生成データを厳選して活用しました。高品質なエンジニアリングデータを取り込み、オプティマイザと学習レシピを改良した点も明かされています（参照*4）。

エージェント寄りの強化学習も特徴です。知識労働や一般的なコーディングに加え、カーネル最適化、Web開発、CAD（コンピュータ支援設計）といった専用環境まで対象にしました（参照*1）。

第三者記事でも、知識労働、一般コーディング、ドメイン特化環境を含む多様なエージェント強化学習タスクで訓練された点が伝えられています（参照*3）。

訓練データの内訳すべてが公開されているわけではありませんが、公表された範囲を見る限り、汎用モデルというより「エージェントとして動くための訓練」に大きく傾いた設計になっていることが読み取れます。裏を返せば、汎用的な質問応答や要約といった用途よりも、複数ステップにわたる作業を任せる場面でこそ、この訓練の効果が出てくるモデルです。

ベンチマークで見る実力

知能指数と総合スコア

Grok 4.6は、Artificial Analysis Intelligence Indexで61点を獲得し、GPT-5.6 Solと同水準です。

Grok 4.6は、リリース後わずか1か月あまりでGrok 4.5から5点上積みし、Grok 4.3と比較すると23点の上昇となりました。この結果、SpaceXAIはOpenAIと並ぶ知能フロンティアへ戻り、Anthropicのみが前にいる位置に付けています（参照*9）。

この合成指数は9つのベンチマークをまとめたものです。Grok 4.6はGPT-5.6 Solと同じ水準に並びました（参照*6）。

同じ主張は別の報道でも取り上げられ、GPT-5.6 Solと肩を並べる知能を、より低い価格で提供している点が強調されました（参照*5）。

合成スコアは平均的な指標であり、用途によって向き不向きは変わります。私がモデルを評価するときも、ベンチマークの総合点より「自分が実際にやりたい業務に近いタスクでどの数字が出ているか」を優先して見るようにしています。エージェント寄り・コーディング寄りの個別結果も必ず確認してください。

エージェント系ベンチの結果

エージェント領域では、Grok 4.6の強みが数値に表れています。

CursorBench 3.2では、Grok 4.6のExtra High設定で70.8%（コスト2.81ドル、41,136トークン、46ステップ）、High設定で69.9%（2.34ドル、32,449トークン、39ステップ）というスコアが記録されました（参照*10）。

GDPval-AA v2ではElo 1753を獲得し、Claude Opus 5の後ろに付ける2位で、Claude Fable 5やQwen3.8 Maxとは信頼区間が重なる位置です。τ³-Bankingでは50.7%を出し、Qwen3.8 Max（51.3%）と並ぶトップ級で、Terminal-Bench v2.1でも88.4%とリーダー水準に並びました（参照*9）。

AA-BriefcaseのEloではGrok 4.6（high）が1577点で、Opus 5（max）の1715点、Fable 5（max、フォールバック込み）の1574点、Kimi K3（max）の1541点、GPT-5.6 Sol（max）の1502点という並びになりました（参照*1）。

AA-BriefcaseではGPT-5.6 Solを上回る位置にいます。Elo値とタスク正答率のような指標を混ぜて解釈しない点がポイントです。

コーディング系ベンチの強みと弱み

コーディング系のベンチでは、勝ち場と負け場がはっきり分かれます。

CursorBench 3.2では、Grok 4.6 High（69.9%、2.34ドル）は同じHighのOpus 5（66.7%、3.91ドル）とGPT-5.6 Sol（63.5%、2.79ドル）を上回りました（参照*10）。同じ強度帯で見ると、精度もコストもGrok 4.6が有利という結果です。

SWE-MarathonではGrok 4.6（high）が31.9%で、Opus 5（max）50.0%、Opus 4.8（max）48.8%、Kimi K3（max）48.1%、Fable 5（max、フォールバック込み）45.0%、GPT-5.6 Sol（max）42.5%より大きく下がっています（参照*1）。

Terminal-BenchではGrok 4.6が26%で、GPT-5.6 Solの34.6%、Fable 5の34.1%を下回りました。DeepSWE 1.1でもGrok 4.6は65.9%で、競合が付けた73%と70%というマークに届いていません（参照*8）。

エージェント寄りの評価では強く、単発のコード生成寄りでは競合に譲る、という差を前提に使い分けることが重要です。「このモデルは万能か」ではなく「自社の用途はどちらに近いか」を先に決めてから評価する順番が、モデル選定で失敗しないための基本だと考えています。

価格と統合先の実像

$2/$6が持つ意味

Grok 4.6の話題性を支えているのが、価格設定です。

Grok 4.6は入力2ドル、出力6ドル（100万トークンあたり）で提供されます。比較として、GPT-5.6 Solは入力5ドル・出力15ドル、Claude Opus 5は入力5ドル・出力25ドルです（参照*3）。

この価格はGrok 4.5から据え置きで、Claude Opus 5（5ドル/25ドル）とGPT-5.6 Sol（5ドル/30ドル）と比べて60%以上低い水準です。タスクあたりのコストは0.84ドルで、Kimi K3と同額ながらわずかに高い知能を発揮し、Intelligence vs. Cost per TaskのPareto frontier上に位置します（参照*9）。

Cursor経由の標準オンデマンド利用は、入力2ドル、キャッシュ入力0.5ドル、出力6ドルです。Fastは入力4ドル、キャッシュ入力1ドル、出力12ドルという二段構成です（参照*7）。

応答速度と単価のトレードオフになるため、用途に応じた使い分けがポイントです。私がコンサルティング現場で見る限り、「とりあえず速いほうを使う」でコストが膨らむケースと、「安いほうを使い続けてレイテンシが問題になる」ケースの両方があります。用途ごとにどちらの設定が適切かを最初に決めておくと、運用が安定します。

Cursor/Grok Buildでの提供

Grok 4.6は、複数の開発者向けチャネルで提供されています。

CursorとGrok Buildで当日から使えるようになったほか、SpaceXAI APIとパートナー各社（OpenRouter、Vercel、Cloudflare）からも呼び出せます（参照*4）。

SpaceXがCursorの親会社であるAnysphereを株式で約600億ドル規模で買収したという報道もあります（参照*5）。

Cursor側のドキュメントでは、2026年8月12日から1週間、50%のローンチ割引が適用されると明記されました（参照*7）。

Grok 4.6は、開発者がすでに使っているツールに素早く入り込む形で配布されました。新しいモデルを組織に定着させるうえで最大の壁は、「試す手間」です。既存ツールから呼べる形で提供されている点は、その壁を下げる意味で評価できます。自社環境での動作確認は、早めに実施しておくことをお勧めします。

効率性とタスクあたりコスト

価格だけでなく、1タスクにかかる手数の少なさも見どころです。

AA-Briefcaseの平均では、Grok 4.6は約53ターン、約0.5Bの入力トークンでタスクを解決しました。これに対しClaude Opus 5（max）は約103ターン、約2.0Bの入力トークンを使います。

長い時間軸のエージェント作業ではコンテキストが急速に積み上がるため、半分のターンと4分の1の入力トークンで同等の答えに到達できるモデルは、トークン単価以上のコスト優位を持ちます（参照*9）。

安いトークンが即座に安いAIを意味するわけではないという指摘もあります。企業はAPIや、AI・エージェントAIのプロセスに含まれる推論、キャッシュなど、トークン価格に含まれないコストも考慮する必要があります（参照*3）。

長い会話でのコストとレイテンシを抑える仕組みとして、Context Compactionが用意されています。システムプロンプト、添付ファイル、これまでの推論、圧縮されたターンの記録といった重要な状態を1つの不透明なアイテムに縮約し、冗長なツール出力ややりとりを落とす機能です（参照*11）。

ターン効率のベンチ値は特定条件の平均であり、実務での結果は使い方次第で変わります。ベンチの数字を前提にコスト試算をすると、実際の請求額とずれることがあります。導入前に自社の代表的なタスクでサンプル計測を行い、現実のターン数とトークン消費を把握しておくことが、予算管理の観点からも重要です。

実運用での注意点

安全性と拒否ポリシー

導入判断では、安全性の指標も確認する必要があります。

CBRN関連の拒否率では、Grok 4.6はBio拒否精度100.0%、Chem拒否精度100.0%に到達しました。前世代のBio 97.9%、Chem 96.7%から改善しています（参照*1）。

jailbreak耐性も良化しました。標準的なjailbreakは0.73%から0.04%へ下がり、StrongRejectで3.9%、Long-horizon jailbreaksで1.0%という水準にあります（参照*1）。

幻覚率はGrok 4.6（high）が1.7%で、Opus 4.8（max）の3.4%より低いものの、Grok 4.5（high）の0.98%からは悪化しています。参考までにGPT-5.5（xhigh）は1.1%です（参照*1）。

安全指標は良くなった部分と悪くなった部分が同居しており、用途ごとに重視する指標を選んで確認する必要があります。私が企業の導入支援をする際も、「幻覚率が前世代より上がっている」という事実は、出力をそのまま社外に出す用途では特に重くとらえます。AIの出力品質を見るとき、文章の流暢さだけで判断すると、正確性の劣化を見落とすリスクがあります。

エンタープライズ導入の課題

企業導入では、情報開示、ガバナンス、提供地域も確認する論点です。

モデルカードをめぐる情報開示についての指摘もあります。自律的なワークフローを構築する側にとって、こうした情報は実質的なリスクに関わる論点と位置付けられています（参照*8）。

ベンダーは、ガバナンスポリシーが企業環境と整合するように担保する必要があり、SpaceXAIは企業側が実装計画を立てられるよう、モデルのライフサイクルとリリーススケジュールを開示することが求められています。生成AIの導入相談を受ける中で実感するのですが、「モデルが更新されたら既存のプロンプトや出力品質がどう変わるか」を事前に把握できない状態では、業務への組み込みが進みにくくなります。

Grok 4.7が近く登場するという発言も踏まえると、更新サイクルの短さは導入判断の重要な材料です。性能が上がること自体はよいのですが、「いつ切り替えるか」「切り替えたときに既存ワークフローへの影響をどう確認するか」を事前に決めておかないと、アップデートのたびに現場が混乱します。

Grok 4.5は2026年7月、EU AI Actの「システミックリスク」条項の下でEUで当初ブロックされました。xAIはその後、Grok 4.6のローンチと合わせて、2026年8月にEUアカウント向けにAPIコンソールのアクセスを開きました（参照*12）。

関連ルールは変化が早いため、導入前に自社が対象となる地域・条件を確認する必要があります。

おわりに

Grok 4.6は、GPT-5.6 Solと並ぶ合成知能スコアを、入力2ドル・出力6ドルという価格で提供し、長時間のエージェント作業に重点を置くモデルです。私が生成AIを業務導入してきた経験から言うと、モデル性能と価格の両方でここまで競合に迫るモデルが出てきたことは、コスト意識のある導入担当者には見逃せない変化です。CursorやGrok Buildへ即日組み込まれ、初週の利用枠2倍や50%のローンチ割引が用意されたことで、試す障壁は低く設定されていました。

一方で、SWE-MarathonやTerminal-Benchのような純粋なコーディング系では競合に譲る面があり、幻覚率もGrok 4.5からは上がっています。「価格が安い＝何でも使える」ではなく、自社のワークフローがエージェント寄りかどうかを先に判断することが、導入の成否を分けます。自社の用途に近いベンチマークを確認し、小さな業務で入力・出力・確認・修正のサイクルを回してからスケールさせる順番が、現実的な進め方だと考えています。

監修者

安達裕哉（あだちゆうや）

デロイトトーマツコンサルティングにて品質マネジメント、人事などの分野でコンサルティングに従事しその後、監査法人トーマツの中小企業向けコンサルティング部門の立ち上げに参画。大阪支社長、東京支社長を歴任したのち2013年5月にwebマーケティング、コンテンツ制作を行う「ティネクト株式会社」を設立。ビジネスメディア「Books&Apps」を運営。
2023年7月に生成AIコンサルティング、およびAIメディア運営を行う「ワークワンダース株式会社」を設立。ICJ2号ファンドによる調達を実施(1.3億円)。
著書「頭のいい人が話す前に考えていること」が、95万部（2026年6月時点）を売り上げる。
（“2023年・2024年上半期に日本で一番売れたビジネス書”（トーハン調べ／日販調べ））