Grok 4.6とは？性能・料金・Grok 4.5との違いを公式モデルカードから整理【2026年8月最新】

Grok 4.6は、SpaceXAI（旧xAI）が2026年8月12日に公開した、Grok 4.5と同じ1.5兆規模の基盤を使いながら追加学習と後訓練の強化だけで性能を引き上げたフロンティアモデルです。 売りは絶対性能ではなく、「同等の知能をより少ないステップ・少ないトークン・競合比で6割安い単価で回せる」効率にあります。

本記事は、公式ブログと全36ページの公式モデルカード（Revision 2026-08-12）を読み込み、スペック、Grok 4.5からの具体的な変更点、ベンチマークで勝つ領域と負ける領域、API料金の落とし穴、公式データが示す安全指標の後退、乗り換え判断の基準までをまとめたものです。API利用を検討している開発者・技術選定担当者、Grok 4.5から移行すべきか迷っている方を想定しています。

なお、扱う数値は2026年8月14日時点で公式が公開している情報に基づきます。モデル仕様・料金・提供チャネルは短期間で変わるため、最終判断は必ず公式ドキュメントで確認してください。

Grokシリーズ全体の位置づけは Grokとは？Agent Mode・Grok Imagineの機能・料金・使い方を解説 を、前世代の詳細は Grok 4.5とは？API料金・性能の実態を検証 をご覧ください。

Grok 4.6の要点｜スペック早見表

出典: SpaceXAI 公式ニュース（Grok 4.6）

料金・得意分野・安全性の3点が、Grok 4.6を評価する軸になります。

• 料金は据え置きで性能だけ上がった — Grok 4.5と同じ入力$2 / 出力$6（100万トークンあたり、20万トークン未満のプロンプト時）
• 得意・不得意の落差が極端 — CAD・3Dモデリング・オフィス文書・法務・AI研究支援では1位級、一方で長時間のソフトウェア工学タスクでは明確に3〜4番手
• 一部の安全指標は後退している — 公式モデルカードで、自傷・危機対応での不適切応諾率と「圧力下で信念を偽る率」がGrok 4.5より悪化

補足として、巷でよく見る「V9基盤」という呼称は公式文書には記載がありません。公式モデルカードの表現は「1.5T-scale model family（1.5兆規模のモデルファミリー）の最新リリース」であり、厳密な総パラメータ数・アクティブパラメータ数は非公開です。「1.5兆パラメータのモデル」と断定して導入判断の根拠にするのは避けたほうが無難です。

なお開発元の表記についても注意が必要です。xAIは2026年2月にSpaceXへ吸収され、7月6日にSpaceXAIへリブランドされました。公式モデルカードの脚注には「SpaceXAIはXAI LLCのdba名であり、xAIとSpaceXAIは本カード内で相互に置き換え可能」と明記されています。報道や検索では「xAI」表記が残っていますが、同一の組織を指します。

Grok 4.5との違い｜「後訓練だけ」でどこまで伸びたのか

出典: Cursor 公式ブログ

Grok 4.6の変更点は、すべて事前学習より後ろのフェーズに集中しています。 ベースとなるモデル規模は1.5兆規模のまま据え置きで、巨大な新規事前学習は行われていません。公式モデルカード §1.2 には、次の3点が変更点として記載されています。

1. 追加学習（supplemental training）をGrok 4.5より長く実施 — 推論・高度技術概念向けにキュレーションしたモデル生成データと、高品質なエンジニアリングコーパスを投入。オプティマイザと学習レシピも改良
2. SFTトラジェクトリの再生成 — Grok 4.5自身が、推論エフォート別・エージェントハーネス別に、STEM／ソフトウェア工学／ナレッジワークの各領域で学習軌跡を作り直し、問題のある軌跡はモデルベースのチェックで除外
3. エージェントRLの対象拡大 — ナレッジワークと汎用コーディングに加えて、カーネル最適化・Web開発・CAD（コンピュータ支援設計）専用の学習環境を新設して強化学習を実施

ここで正確に理解しておきたいのは、「後訓練のみで作られた」という説明はやや不正確という点です。ベース規模は同じでも、事前学習に続く追加学習フェーズが含まれるため、「追加学習と後訓練の両方で伸ばした世代更新」と捉えるのが公式記載に忠実です。

スペック差はほぼゼロ、伸びたのはスコアと効率

料金が据え置きのまま主要スコアが上がっているため、Grok 4.5をAPIで使っている場合、コスト面での乗り換えデメリットは基本的にありません（安全性の面では例外条件があります）。この点は導入判断の大きな後押しになります。

「後訓練スケーリング」は2026年夏の業界トレンド

Grok 4.6と同時期の2026年8月14日には、Z.aiがGLM-5.3を発表しています。こちらもGLM-5.2と同じ743Bのベースを据え置いたまま、後訓練の強化のみで性能を伸ばしたモデルです。巨大な新規事前学習に数千億円規模を投じなくても、追加学習と後訓練でフラッグシップを更新できるかという問いに、複数の開発元が同じ方向で答えを出しつつある局面といえます。

Cursorとの提携関係の背景は Cursor × SpaceX 600億ドル買収とは？背景と影響を整理 で解説しています。Grok 4.6は匿名化されたCursorのワークフローデータで追加学習されており、CursorBenchでの高スコアはこのデータ提携と無関係ではない点も踏まえて読む必要があります。

Grok 4.6の性能｜得意領域と苦手領域の落差が大きい

Grok 4.6は、領域によって評価が真逆になる「凸凹モデル」です。 独立評価機関Artificial Analysisの総合指標では世界3位タイに復帰した一方、公式モデルカードを細かく読むと、勝つ領域と負ける領域がはっきり分かれています。

まず、公式ブログが掲載した主要ベンチマークの比較です。

「GDPval Elo 1753」という数字が独り歩きしていますが、正確にはArtificial Analysisが独自ハーネスで実施したペアワイズ評価「GDPval-AA v2」のEloです。OpenAIが公開したGDPvalそのもののスコアではないため、他社発表の数値と単純比較する際は注意が必要です。この指標ではClaude Opus 5に次ぐ2位という位置づけになります（上の表にClaude Opus 5は含まれていません）。

公式モデルカードにしか載っていない「勝つ領域」

公式ブログの比較表は10行程度ですが、モデルカードにはより広い評価結果が掲載されています。Grok 4.6が首位を取ったのは次の領域です。

CAD・3Dモデリング・電気設計といった物理設計まわりで強いのは、後訓練でCAD専用のRL環境を組んだことと整合します。オフィス文書処理で1位なのも、Microsoft Word / PowerPoint / Excelアドインの既定モデルとして採用されている事実と符合します。

苦手領域は「長時間のソフトウェア工学」

一方、コーディングエージェントの中核といえる領域では明確に劣後します。

特にSWE-Marathon v1.1の31.9%は、Kimi K3（48.1%）やClaude Opus 4.8（48.8%）といった一世代前のモデルにも及ばない水準です。「何時間もかけて大規模リポジトリを改修し続ける」タイプの用途では、Grok 4.6は現時点で第一候補になりません。

なお、法務系のHarvey Legal Agent Benchmarkについては、公式ブログの表は15.8%、公式モデルカード §4.9は22.0%と数値が食い違っています。Grok 4.5の値は両方12.9%で一致しているため、Grok 4.6の値のみ出典によって解釈が異なる状態です。どちらでも「Grok 4.5から改善し、比較対象より高い」という傾向は変わりませんが、数値そのものを引用する際は出典を明示すべきです。

総合性能で上を行くモデルの詳細は Claude Opus 5とは？性能・料金・使い方を整理、同点で並ぶモデルは GPT-5.6とは？機能・料金・使い方を解説 をご覧ください。

最大の武器はトークン効率｜ターン数もトークン量も少ない

Grok 4.6の実質的な価値は、スコアの高さより「同じ結果に到達するまでの消費量が少ないこと」にあります。 公式モデルカード §1.1 は「他のフロンティアモデルより少ないステップ・少ない出力トークンで結果に到達する」と明記しています。

Artificial AnalysisのAA-Briefcase計測では、この差が具体的な数字で出ています。

ターン数で約2分の1、入力トークン量で約4分の1です。ここに単価差（出力$6 vs $25〜$30）が掛け合わさるため、同じ業務を回したときの請求額は桁が変わる水準の差になります。Artificial Analysisも、Grok 4.6を知能対コストのパレートフロンティア上に位置づけています。

自分自身の推論基盤を最適化した実例

公式モデルカード §5 には、Grok 4.6の初期チェックポイントに「自分のチャット推論を高速化せよ」というタスクを与えた記録が載っています。モデルは5時間で297件の最適化候補（fused MoE・FMHA・カーネルスケジューリング・通信まわり）を検証し、実測ゲインのないものを破棄したうえで7件のプルリクエストを作成。うち3件がGrok Chatの本番トラフィックに投入され、デコードで+1.5%、プリフィルで+3.1%のスループット改善を達成したと記載されています。

長時間の探索的なエンジニアリングタスクを、人手を介さず回し続けられる点を示す事例として、社内の性能改善・インフラ最適化用途の参考になります。

API料金｜「$2 / $6」には20万トークンの閾値がある

出典: SpaceXAI Developer Docs（Models and Pricing）

Grok 4.6のAPI料金はGrok 4.5から据え置きですが、プロンプト長によって単価が2倍に切り替わる階段構造になっています。 発表で強調される「$2 / $6」は、プロンプトが20万トークン未満の場合の価格です。

つまり、500Kのコンテキストをフルに活用する長時間エージェント運用では、自動的に$4 / $12が適用されます。「500Kコンテキストなのに安い」という説明は正確ではなく、長文脈を使うほどコスト優位は縮まります。さらに公式ブログは「fast variant（高速版）はさらに2倍の価格」と明記しており、高速版で20万トークン超を扱うと実質$8 / $24相当という計算になります（高速版の個別モデルIDは2026年8月14日時点で公開されていません）。

日本円での感覚をつかむなら、仮に1ドル=150円で換算した場合、20万トークン未満なら入力100万トークンあたり約300円・出力約900円、20万トークン以上なら入力約600円・出力約1,800円です（為替レートは変動するため、実際の請求額は必ずご確認ください）。

競合フロンティアモデルとの単価比較

Artificial Analysisは「Claude Opus 5・GPT-5.6 Solより60%以上安い」と算定しています。ここにトークン効率の差が乗るため、同一ワークロードの実コストでは単価差以上の開きが出るのが実態です。

なお、Grok BuildとCursorでは公開直後の1週間に利用枠2倍のローンチ特典がありましたが、これは期間限定の施策で、2026年8月中旬時点では終了している見込みです。

どこで使える？｜提供チャネルとGrokアプリ未提供の注意点

出典: SpaceXAI Developer Docs

2026年8月12日時点で、Grok 4.6は開発者向けの経路でのみ提供されています。 公式モデルカード §1.1 は、コンシューマー向け面（Web版Grok・モバイルアプリ・X上のGrok）へのGrok 4.6追加は「後日」予定であると明記しています。

「SuperGrokに加入すればGrok 4.6が使える」と書いている記事が複数ありますが、公式には未提供です。今すぐ試したいなら、API・Cursor・Grok Buildのいずれかを使うのが確実な経路になります。

Grok Buildの詳細は Grok Buildとは？機能・料金・使い方を解説 にまとめています。

安全性は「改善した項目」と「後退した項目」が混在する

出典: SpaceXAI Developer Docs（API Reference）

ここが導入判断でもっとも見落とされている論点です。 公式モデルカードには、ジェイルブレイク耐性や兵器関連の拒否精度が大きく改善した一方で、いくつかの安全指標がGrok 4.5より悪化したことが、SpaceXAI自身のデータとして記載されています。

改善した項目

生物・化学のデュアルユース能力については、xAI Frontier AI Framework（2026年6月30日版）の安全閾値を下回るとの自己評価が記載されています。サイバー能力に関しても「攻撃の完遂より、脆弱性の発見・修正という防御側にこそ有用」との主張が置かれ、第三者評価機関へセーフガード解除版を提供して検証したと記されています。

後退した項目

自傷・危機対応での不適切応諾率が0.5%から3.7%へ上がっている点は、用途を選ぶうえで無視できません。 メンタルヘルス相談・カウンセリング的な対話、未成年が接する可能性のある一般向けチャットボットにGrok 4.6を採用するのは、現時点では推奨しにくい状況です。

同様に、圧力をかけられたときに自分の信念と異なる回答をする率が0.67%から3.8%へ上がっているため、事実確認や監査ログの生成など、モデルの誠実性が結果の妥当性を左右する用途でも、人によるレビュー工程を必ず挟む前提で設計すべきです。ハルシネーション率についてもモデルカードのグラフ上は悪化方向に見えますが、こちらは読み取りに不確実性があるため断定は避けます。

公式モデルカード §1.1 には「医療・法務・金融・安全上重要なシステムなど、高リスク領域における自律的な意思決定用途は想定していない」と明記されており、適切な人的監督と専門家検証が前提とされています。

セーフガードの仕組みと外部からの批判

セーフガードは単一フィルタではなく多層防御として設計されており、安全SFT・RLHF・検証可能報酬・モデルベース採点で拒否行動を学習させたうえで、提供面に応じたランタイム入力フィルタを重ねる構成です。公式は「知能を黙って下げたり、別モデルへフォールバックしたりはしない」とも明言しています。

一方で外部からは批判も出ています。AI安全監視団体The Midas ProjectはX上で、他社モデルが単一のジェイルブレイクで市場から引き上げられたのに対しGrok 4.6はモデルカードなしでリリースされたと指摘しました。実際にはモデルカード（Revision 2026-08-12）は公開されているため、この批判は公開タイミングのずれに起因する可能性があります。またHacker Newsでは、リークされたシステムプロンプトを巡って「システムプロンプトは安全層としては弱く、エンコードや難読化で迂回できる」という指摘と、「過剰拒否が少なく扱いやすい」という評価の両方が出ています。

生成AIの安全性ガバナンス全般の論点は xAI・Grokの安全性訴訟とは？経緯と論点を整理 と 生成AIのセキュリティ｜企業導入時のリスクと対策 もあわせてご覧ください。

競合モデルとの比較｜どれをどの用途に割り当てるか

出典: Anthropic 公式サイト

総合力ならClaude Opus 5、コスト効率と物理設計系ならGrok 4.6、という切り分けが実務的です。 Artificial AnalysisのIntelligence Indexでは、Claude Opus 5（63）→ Claude Fable 5（62）→ Grok 4.6 / GPT-5.6 Sol（61） という並びになり、Grok 4.6は世界3位タイに位置します。

用途別に割り当てるなら、次のような整理になります。

• 大規模リポジトリの長時間改修・障害対応 → Claude Opus 5 が第一候補
• 大量のナレッジワーク・文書処理をコスト効率よく回す → Grok 4.6
• CAD・3Dモデリング・回路設計まわりの生成 → Grok 4.6
• 一般ユーザー向けチャットに組み込む → 現時点でGrok 4.6は選択肢外（提供チャネルと安全指標の両面で）

比較対象の詳細は Claude Fable 5とは？性能・料金・使い方 と Kimi K3とは？2.8兆パラメータモデルの実力 を参照してください。

Grok 4.5から乗り換えるべきか｜判断の手順

API経由でGrok 4.5を使っているなら、原則としてGrok 4.6へ乗り換えて問題ありません。 料金は同一、コンテキストも同じ500K、主要スコアは軒並み向上しているため、据え置く積極的な理由が見つかりにくい状況です。ただし例外があります。

次の順で確認するのが実務的です。

1. 用途にメンタルヘルス・危機対応の対話が含まれるか → 含まれるなら乗り換えを保留し、公式の安全指標が改善するまで既存構成を維持する
2. モデルの誠実性が結果の正しさに直結する用途か（監査・事実確認・コンプライアンス文書など） → 該当するなら乗り換え可だが、人によるレビュー工程を必須にする
3. プロンプトが日常的に20万トークンを超えるか → 超えるなら$4 / $12が適用される前提でコストを再試算する
4. 長時間のソフトウェア工学タスクが主用途か → 該当するならGrok 4.6単独ではなく、Claude Opus 5等との使い分けを検討する
5. 1〜4のいずれにも当てはまらない → 乗り換えを推奨。まずは非本番環境で自社の代表的なタスク5〜10件を流し、出力トークン量とターン数の実測差を確認する

移行時のチェックとしては、モデルIDをgrok-4.6へ変更するだけで済むケースが多い一方、推論エフォートにxhighが追加されている点は要確認です。難易度の高いタスクで精度を上げたい場合の選択肢が増えていますが、その分の消費トークンは増えます。

Grok 4.7が控えている｜今から本格導入して大丈夫か

イーロン・マスク氏はX上で、次世代のGrok 4.7を2.1兆パラメータ規模とし、Grok 4.6の数週間後に投入すると予告しています。 2026年8月12日時点の観測では3〜4週間先とされ、「応答速度以外は全面的に上、トークン効率はさらに向上」とも述べられています。

ただし、この情報はすべてマスク氏のX投稿によるもので、公式ブログ・モデルカード・プレスリリースは出ていません。 コンテキスト長・料金・ベンチマーク・APIモデルIDのいずれも未公表であり、過去にはGrok 4.6自体も予告日（8月7日前後とされた）に出ず、実際の公開は8月12日でした。日程は前後する前提で考えるべきです。

実務的な判断としては、次の2点を押さえておけば大きな失敗は避けられます。

• モデルIDを設定ファイルや環境変数で切り替えられる構成にしておく — 世代交代が短周期で起きるため、コードへのハードコードは避ける
• 今使い始めるコストは小さい — 料金据え置き・移行はモデルID変更が中心なので、Grok 4.7を待つより先に自社タスクでの実測データを取るほうが有益

ロードマップ全体は Grok 5とは？公開時期・性能・料金の最新情報 にまとめています。

Grok 4.6はこんな人におすすめ

• 大量のナレッジワークをAPIで回したい企業 — ターン数・トークン量・単価の三重の効率差が、月次のAPI費用に直接効く
• CAD・3Dモデリング・電気設計まわりの自動化を試したい開発者 — 公式ベンチで首位を取っている数少ない領域
• Word / Excel / PowerPointの業務にAIを組み込みたいチーム — Officeアドインの既定モデルであり、OfficeQA Proでも首位
• Cursorユーザー — 全プランで利用可能。追加費用なしで試せる
• Grok 4.5を本番運用中で、コストを増やさず性能を上げたい開発者 — 料金据え置きでスコアが向上している

おすすめしない人・避けるべき用途

• メンタルヘルス相談・危機対応の対話を扱うサービス — 自傷関連の不適切応諾率が0.5%→3.7%と悪化しており、現時点では採用を推奨できない
• 長時間の大規模ソフトウェア改修を自動化したいチーム — SWE-Marathon 31.9%、Terminal-Bench 26.0%と、同価格帯・上位帯のモデルに対して明確に劣後
• 自己ホスト・エアギャップ運用が調達要件に含まれる組織 — オープンウェイトは提供されていない
• Grokアプリやブラウザ上のGrokで最新モデルを使いたい個人ユーザー — コンシューマー向け面には未提供（提供時期は「後日」とのみ告知）
• 1Mトークン級の超長文コンテキストが必須の用途 — Grok 4.6は500K。下位モデルのGrok 4.3のほうがコンテキストは長い
• 医療・法務・金融などで人の確認なしに自律判断させたい用途 — 公式が想定用途から明示的に除外している

よくある質問（FAQ）

Q. Grok 4.6は無料で使えますか？

現時点で無料枠に関する公式の案内はなく、利用はAPI・Grok Build・Cursor・Officeアドイン・各種モデルゲートウェイ経由が中心です。Cursorは全プランのユーザーに提供されているため、既にCursorを契約していれば追加費用なしで試せます。公開直後の1週間はGrok BuildとCursorで利用枠2倍のローンチ特典がありましたが、期間限定の施策です。

Q. 「V9基盤」「1.5兆パラメータ」は正しい表現ですか？

「V9」は公式文書に登場しない報道ベースの通称です。パラメータ数についても、公式モデルカードの表現は「1.5兆規模のモデルファミリー」であり、総パラメータ数・アクティブパラメータ数の厳密な値は公開されていません。仕様の根拠として引用するのは避けたほうが安全です。

Q. 日本から利用できますか？

API・Cursor・Grok Build経由での利用は可能とみられますが、公式の地域別提供リストは確認できていません。公式ドキュメントに記載されているリージョンはus-east-1とus-west-2のみです。EUについては前世代のGrok 4.5でAPIコンソール側の制限があったとの情報がありますが、Grok 4.6での扱いは公式に確認できていません。法人で利用する場合は、データの送信先リージョンを含めて契約前に確認することをおすすめします。

Q. Grok 4.6とGrok 4.5、どちらを選ぶべきですか？

料金が同一で性能が上がっているため、多くの用途ではGrok 4.6が合理的な選択です。例外は、メンタルヘルス関連の対話を扱う場合と、モデルの誠実性が結果の正しさに直結する用途で、これらは公式データ上の後退を踏まえて慎重に判断すべきです。

Q. コーディング用途ではClaude Opus 5とどちらが良いですか？

短めのタスクを大量に回すならGrok 4.6のコスト効率が有利、数時間規模の大規模改修ならClaude Opus 5が有利です。SWE-Marathonで31.9%対50.0%という差があるため、タスクの長さで使い分けるのが現実的です。

Q. Grok 4.6はGrok 4.5より安全になったのですか？

一律には言えません。ジェイルブレイク耐性（0.73%→0.04%）やCBRN関連の拒否精度（生物・化学とも100%）は明確に改善した一方、自傷・危機対応での不適切応諾率と圧力下での不誠実さは悪化しています。「攻撃的な悪用への耐性は上がったが、繊細な対話や誠実性では下がった」というのが公式データから読み取れる姿です。

まとめ｜「効率で勝つモデル」として位置づける

Grok 4.6は、絶対性能で頂点を取ったモデルではありません。総合指標では世界3位タイ、長時間のソフトウェア工学では3〜4番手です。しかし、同じ結果に到達するまでのターン数が約半分、入力トークン量が約4分の1、出力単価が競合の4〜5分の1という効率の組み合わせは、実際の請求額に直結する差です。

導入判断で効いてくるのは次の3点です。

1. 料金据え置きで性能が上がったため、Grok 4.5からの移行は原則メリットのみ。ただし20万トークン超で単価が2倍になる点を試算に織り込む
2. 得意領域と苦手領域の落差が極端。CAD・3D・オフィス文書・ナレッジワークでは有力、長時間の大規模改修では第一候補にならない
3. 安全指標の一部は後退している。メンタルヘルス関連や誠実性が要求される用途では、公式データを根拠に採用を見送る判断があり得る

数週間後にはGrok 4.7（2.1兆規模）が控えているとされますが、公式仕様は未発表です。モデルIDを差し替えられる構成にしておき、まずは自社タスクでの実測を取ることが、この変化の速い領域での最も堅実な進め方といえます。