メインコンテンツへスキップ
見出し画像

【速報解説】Grok 4.5 登場──SpaceX×Cursor×xAIの融合が産んだ「コーディング実務機」の実力


    2026年7月8日、SpaceXAI(旧xAI、今年2月にSpaceXと合併)が「Grok 4.5」を開発者向けに公開しました。Grok Buildのデフォルトモデルとして即日稼働し、本日7月9日から一般向け(grok.com・Xアプリ)でも利用可能になっています。

    「OpusクラスだがFasterかつMore Token-Efficient」──イーロン・マスクの売り文句はシンプルです。しかし独立テスト機関のデータが示す実態は、もう少し複雑で興味深い。本記事は、確認できた事実とその正確な解釈をお届けします。


    ① Grok 4.5 誕生の背景:SpaceX・Cursor・xAIの統合

    画像


    Grok 4.5を語る上で外せない背景が2つあります。

    SpaceXとxAIの合併(2026年2月)

    xAIは2026年2月にSpaceXに吸収され、「SpaceXAI」として再編されました。これにより、xAIはSpaceXの大規模GPU計算インフラ(Colossusなど)をフル活用する体制になっています。Grok 4.5はGB300 NVIDIAチップ数万枚のクラスターで学習されています。

    SpaceXによるCursorの買収(2026年6月)

    2026年6月16日、SpaceXがAI コーディングエディタCursor(Anysphere)を約600億ドルで買収することが発表されました(Q3 2026中の完了見込み)。Grok 4.5はこの買収が反映された最初のモデルです。実際のCursorユーザーのデバッグトレース・マルチファイル差分・長時間セッションのデータで学習されており、「実際の開発者がコードベース内でどう作業するか」を直接反映した学習データを持ちます。

    なお、Cursorのコードベースの早期スナップショットが誤ってGrok 4.5の学習データに含まれていたことがCursor自身から開示されており、CursorBench上のスコアには有利なバイアスがかかっている可能性があります。将来のモデルではこのデータは除外されます。

    V9アーキテクチャ:Musk自身が「1.5兆パラメータのV9基盤モデル」と言及しています。ただしSpaceXAI公式は正式なパラメータ数を発表しておらず、Artificial Analysisも「未開示」としていますので、この数値はMusk発言ベースの参考値です。


    ② スペック一覧:確認済みの数値

    画像


    公式発表と独立ソースで確認できたスペックは以下の通りです。

    重要な注意点:コンテキストウィンドウが前世代Grok 4.3の100万トークンから500Kに縮小しています。SpaceXAI公式からの説明はなく、長大なコンテキストが必要な用途ではGrok 4.3が有利な場面があります。また200,000トークンを超えるリクエストは高コンテキスト価格が適用される可能性があります。


    ③ ベンチマーク:「Opusクラス」の実態

    画像


    SpaceXAI公式の発表とArtificial Analysisの独立データを照合すると、より正確な絵が見えます。

    xAI公式発表ベンチマーク(確認済み数値)

    ベンチマーク Grok 4.5 Fable 5 (max) Opus 4.8 (max) GPT-5.5 SWE-bench Pro 64.7% 80.4% 69.2% 58.6% Terminal-Bench 2.1 83.3% 84.3% 78.9% 83.4% DeepSWE 1.0(プロバイダーハーネス) 62.0% 66.1% 55.75% 64.31% SWE Marathon (pass@1) 29.0% 24.0% 26.0% —

    ニュートラルハーネスでの独立評価(重要)

    ベンチマーク Grok 4.5 Fable 5 GPT-5.5 Opus 4.8 DeepSWE 1.1(中立harness) 53% 70% 67% 59%

    DeepSWE 1.0(62%)とDeepSWE 1.1(53%)の差が示すように、プロバイダー独自のハーネス(実行環境)で有利なスコアが出やすい傾向があります。

    「Opusクラス」というMuskの表現について、正確には「Claude Opus 4.7に近い、より高速」という追記があります。4.8ではなく4.7との比較という点は注意が必要です。4つのxAI公式ベンチマークのうち2つ(DeepSWE 1.0とTerminal-Bench)でOpus 4.8より高く、2つ(DeepSWE 1.1とSWE-bench Pro)で劣後という「ほぼ互角」の関係性です。

    注目:Harvey Legal Agent Benchmark

    法律エージェントタスクのHarveyベンチマークでGrok 4.5がグローバル1位を記録しました。コーディング特化と思われていたモデルが法律分野でも首位という点は、トレーニングデータの幅広さを示唆しています。


    ④ 真の差別化:4.2倍のトークン効率

    画像


    Grok 4.5の最も重要な差別化要素は、実際に消費するトークン数の少なさです。

    SWE-bench Pro タスク1件あたりの平均出力トークン数:

    • Grok 4.5:15,954トークン

    • Claude Opus 4.8(max):67,020トークン

    • 差:4.2倍

    スコアの数字だけを見ると「Grok 4.5 < Opus 4.8」ですが、実際のコスト計算は違います。

    例:SWE-bench Proタスク100件を処理するコスト(出力のみ、概算)

    • Opus 4.8:67,020,000トークン × $25/1M = $1,675.50

    • Grok 4.5:15,954,000トークン × $6/1M = $95.72

    同等のタスク処理でGrok 4.5は約18分の1のコスト。スコア差(64.7% vs 69.2%)を「失敗率」として計算しても、Grok 4.5の方が大幅に低コストです。

    Muskが言う「lower cost」の本質はここにあります。リスト価格の差($2 vs $5)ではなく、タスク完了あたりの実質コストが圧倒的に低い点が強みです。


    ⑤ 実演デモ:コーディング能力の幅

    画像


    デッキが紹介するデモの2つがMacOS風UIクローンとSaaSランディングページ生成です。

    MacOS クローン:OS全体のUI・ウィンドウマネージャー・アニメーション遷移を含む完全なMacOSライクな環境をHTMLで生成。実際の差別化はContextWindowを活かしたコンポーネント間の整合性維持です。

    SaaS ランディングページ:React 187コンポーネントのSaaSページをGSAPとScrollTriggerを組み合わせたアニメーション付きで生成。

    Minecraftクローン生成では、クラフティングシステム・インベントリUI・AIアシストによる修正サイクルまでを含む完全なゲームを実装。デバッグフローでのエラー検出と自律修正も示されています。

    WebGL Ray Tracingやリアルタイム物理シミュレーション、SVG生成など、3Dグラフィクス領域でも完全なワンショット生成が実証されています。SpaceXAI公式サイトでもThree.jsソーラーシステムシミュレーション(時間制御・スタイルHUD付き)のワンショット生成例が公開されています。


    ⑥ 既知の限界:正直に知っておくべきこと


    コンテキストウィンドウの縮小:前世代Grok 4.3の1Mから500Kに縮小。長大な長文コンテキストが必要な用途では後退しています。

    DeepSWE 1.0 vs 1.1の差:プロバイダーハーネス(62%)と中立ハーネス(53%)のギャップは9ptあります。独立評価では現時点でOpus 4.8にやや劣後という結果です。

    CursorBenchの汚染:Cursorのコードベーススナップショットが誤って学習データに混入。CursorBench特有のスコアは過評価の可能性があります。

    EU未対応:リリース時EU圏での提供なし(7月中旬予定)。

    速度がまだ天井ではない:Muskによれば、現在80TPSだが、GB300ハードウェアに完全マッチしたC/C++推論スタックが未展開で、完成時に速度が2倍以上になる予定とのことです。


    ⑦ 用途別ルーティング:Grok 4.5 vs Fable 5


    デッキが提示する用途別の選択判断は、実際の独立評価とも概ね一致します。

    画像

    Grok 4.5が適する用途

    • AIが生成するコード(ボイラープレート・UI/UXコンポーネント)

    • ビジュアルUI生成・ランディングページ・フロントエンドプロトタイプ

    • 高ボリューム・低単価のコーディングエージェントタスク

    • リアルタイム性が求められる(80TPS)アプリケーション

    • Cursor内でのデイリーコーディング

    Fable 5が適する用途(現在は停止→7/1に復活済み)

    • 高精度が求められる複雑なエンジニアリング

    • 長期にわたるエージェントループ(SWE-bench Proで80.4%の水準)

    • セキュリティ分析や複雑な推論タスク

    • 100万トークンを超えるコンテキストが必要な場合


    ⑧ エコシステム:どこで使えるか

    画像


    即日利用可能なプラットフォーム(EU除く)

    • Grok Build(デフォルトモデル、期間限定無料)

    • Cursor(全プラン、デスクトップ・Web・iOS・CLI・SDK)

    • SpaceXAI API console

    • Microsoft Office(Word・Excel・PowerPoint アドイン)

    • OpenRouter、Vercel、Cloudflare、Snowflake、Databricks Mosaic

    APIはOpenAI互換のResponses APIとChat Completions両形式をサポートしており、既存のOpenAI API実装からの移行がコード変更なしで可能です。


    まとめ

    ✔ Grok 4.5は2026年7月8日リリース。SpaceX+Cursor+xAIの統合産物で、本日から一般公開 ✔ 価格$2/$6(Opus 4.8の$5/$25比で大幅安)、80TPS、コンテキスト500K ✔ SWE-bench Pro 64.7%・Terminal-Bench 83.3%・DeepSWE 1.0 62.0%。「Opusクラス」はOpus 4.7との比較が正確 ✔ 最大の差別化は4.2倍のトークン効率:タスクあたりの実コストはリスト価格差以上に有利 ✔ 注意点:コンテキストが1M→500Kに縮小、DeepSWE 1.1での中立評価は53%、CursorBench汚染あり、EU未対応 ✔ Harvey Legal Benchmarkで1位。コーディング以外の法律エージェントでも強みを示す

    Grok 4.5は「スコアで勝つ」モデルではなく「タスクあたりコストで勝つ」モデルです。列挙型のベンチマーク比較よりも、「自分の実際のワークロードで何件こなすとどのコストになるか」という軸で評価するのが最も実用的な判断基準になりそうです。


    【情報源】

    • SpaceXAI公式ブログ:https://x.ai/blog/grok-4-5

    • FelloAI(詳細スペック):https://felloai.com/grok-4-5/

    • Awesome Agents(詳細分析):https://awesomeagents.ai/models/grok-4-5/

    • Releasebot(公式ベンチマーク数値):https://releasebot.io/updates/xai

    • Roo Beehiiv(ベンチマーク解説):https://roo.beehiiv.com/p/grok-4-5

    • Kingy AI(コンテキスト比較):https://kingy.ai/blog/grok-4-5-benchmarks-pricing-context-window/

    • Explainx AI(Cursor連携詳細):https://explainx.ai/blog/grok-4-5-public-launch-spacexai-july-2026


    #Grok45 #xAI #SpaceXAI #Grok #ElonMusk #Cursor #生成AI #AI #LLM #コーディングAI #AIエージェント #海外AIニュース #AIニュース #速報 #SWEBench #テクノロジー #AIモデル比較 #Fable5 #OpusClass #note #AIクラッチ #トークン効率

    あなたへのおすすめ