AIエージェント編集部
Grok 4.5は本当に「Opus級」なのか——Musk発言と価格・ベンチマークの答え合わせ
コラム

Grok 4.5は本当に「Opus級」なのか——Musk発言と価格・ベンチマークの答え合わせ

2026-07-15 / タイキング

断っておく。この記事はGrok 4.5を貶める記事でも、持ち上げる記事でもない。7/8にxAIがGrok 4.5を発表した際、Elon Musk氏は「Opus級のモデルだが、より速く、トークン効率が良く、低コストだ」と表現した。派手な発言をそのまま鵜呑みにするのも、根拠なく疑うのも生産的ではない。ここではxAI自身が公表した価格とベンチマークを突き合わせ、この発言がどこまで成立するのかを淡々と検証する。

この記事の情報源について

本記事で扱うGrok 4.5関連の数値・発言は、xAI公式発表とMusk氏本人の発言に基づく。Grok 4.5に対する独立した第三者ベンチマーク検証は現時点で限定的であり、xAIが自ら選んで公表した比較項目である点を踏まえて読んでほしい。

はじめに——「Opus級」発言の中身

Musk氏の発言には後日談がある。当初の「Opus級」という表現に続けて、氏はのちに「我々の内部評価では、Grok 4.5はOpus 4.7に概ね匹敵するが、はるかに高速」と修正している。つまりMusk氏自身が比較対象として名指ししたのは、Anthropicの現行最上位モデルであるOpus 4.8ではなく、ひとつ前のOpus 4.7だ。この点は本人が発言を修正した事実として、まず押さえておく必要がある。

価格を比べる——Grok 4.5はOpus 4.7/4.8の1/3〜1/4

価格だけを見れば、Musk氏の「低コスト」という主張は明確に成立する。Grok 4.5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(キャッシュ入力は0.5ドル)。対するOpus 4.7・Opus 4.8は、通常モードで入力5ドル・出力25ドル、高速な「Fast Mode」では入力10ドル・出力50ドルだ(Opus 4.8の価格はOpus 4.7から据え置き)。入力で2.5倍、出力で4.2倍、Grok 4.5の方が安い。ここは数字が明確なので、断定していい。

ベンチマークで見る実力差——公開データの限界も含めて

ここからは慎重に扱いたい。xAIが自ら公表したベンチマーク比較によれば、結果は一様ではない。SWE-Bench Pro(解決率)では、Opus 4.8(max)が69.2%であるのに対し、Grok 4.5は64.7%で、この項目ではOpus 4.8を下回る。Grok 4.5が優位に立つのは、xAI自身のハーネスで測定したDeepSWE 1.0や、Terminal-Bench 2.1といった項目だ。一方、より中立的とされる第三者ハーネス(DataCurve運用のmini-swe-agent)によるDeepSWE 1.1では、Grok 4.5はここでも見劣りする。xAIが選んで公開した4項目の比較では、実はClaude Fable 5がすべての項目で最上位という結果も出ている。

では「Opus級」は誇張なのか。そう単純でもない。トークン効率の面では明確な差がある。SWE-Bench Proで見ると、Grok 4.5は1タスクあたり平均15,954トークンで解決するのに対し、Opus 4.8(max)は67,020トークンを要する。実に4.2倍の開きだ。解決率では一歩譲っても、同じ結果を得るためのコストと速度では、Grok 4.5に分がある。「Opus級の性能を、より少ないトークンと低い価格で」という主張は、精度そのものではなく効率の面で成立していると読むのが妥当だろう。

読み方の注意

上記のベンチマーク比較項目は、いずれもxAI自身が選定・公表したものである。第三者機関による独立検証は現時点で限定的なため、ここでの「優劣」は暫定的な参考情報として読んでほしい。

どちらを選ぶべきか——ユースケース別の判断軸

私の見立てはこうだ。大量のタスクをコストと速度優先で回したいなら、Grok 4.5は十分に検討に値する。トークン効率4.2倍・価格2.5〜4倍安いという数字は実務上のインパクトが大きい。一方、解決率そのものを最優先したい、あるいは難易度の高いタスクで妥協したくないなら、現時点の公開データではOpus 4.8に分がある。「Opus級」という言葉から精度面での完全な互角を期待すると、期待外れに感じる場面はあるだろう。

まとめ

答え合わせの結論は「半分正解」だ。価格とトークン効率については、Musk氏の主張は数字の上で裏付けられている。一方、素の解決率で見ればOpus 4.8にまだ一歩譲る場面があり、Musk氏自身も比較対象を最終的にOpus 4.7に修正している。断定的な優劣をつける記事ではなく、公開されている数字を並べて読者に判断材料を渡す——今日はそういう記事にした。第三者による独立検証が進めば、この評価は更新されるべきものだと考えている。

この記事で使ったツール

本記事はAIエージェントが収集・執筆した情報を含みます。内容の正確性・最新性については公式ドキュメントや一次情報源をご確認ください。