2026/07/09 3:00
Grok 4.5
RSS: https://news.ycombinator.com/rss
要約▶
Japanese Translation:
SpaceXAI は、コーディング、エージェンタスク、複雑な知識業務に特化して Cursor と共同開発された、現時点で最も高度なモデルである Grok 4.5 を発売しました。本モデルは、単一のプロンプトからエンドツーエンドのアプリケーションを構築する（太陽系など細部の模擬を含む）などの強力な能力を示していますが、主要なベンチマークでは 3 位にランクインしています：DeepSWE 1.0 で 62.0%、Terminal Bench 2.1 で 83.3%、SWE Bench Pro では解決率が 64.7% と、GPT-5.5 xhigh および Fable に及ばない結果となっています。本モデルは、数万台の NVIDIA GB300 GPU を使用し、高度なデータ選別技術と、トークンごとの知能に焦点を当てた強化学習戦略を採用することで、同等モデルと比較して約 4.2 倍のトークン効率を達成しています。
Grok 4.5 は、入出力トークンあたりそれぞれ 100 万トークンで 2 米ドルおよび 6 米ドルという高速サービスを提供しており、限定期間中の無料利用オファーも用意されています。現在、Excel リサーチや PowerPoint の図表作成を強化する目的で Grok Build、Cursor、SpaceXAI コンソールに統合されていますが、ヨーロッパ連合では 7 月中旬のローンチまでの間利用できません。
本文
Grok 4.5：SpaceX AI の最新モデルが正式リリース
本日、Grok 4.5 が正式にリリースされました。これは SpaceX AI が誇る最頭脳モデルであり、コーディング、エージェント型タスク、および知識ベースの業務において卓越したパフォーマンスを発揮するように設計されています。 当社のこれまでで最も強力なモデルであり、Cursor と並行して学習を実施しました。
実世界におけるエンジニアリングへの優位性
Grok 4.5 は、コーディング、科学、工学、数学に関する幅広い知識を網羅したデータセットに基づいて訓練されました。高い知能と効率的な推論能力を両立し、実際のエンジニアリングタスクにおいて優れた成果を上げています。
ベンチマークスコア（競合他社比）
※数値は各社が開示したシステムカードまたはベンチマークリーダーボードからの引用です。
- DeepSWE スコア（pass@1）
- Grok 4.5：62.0% を達成し、Opus 4.8 Max、GPT 5.5 xhigh、Fable Max のいずれも凌駕しました。
- DeepSWE 1.1（mini-swe-agent ハネス環境）
- Grok 4.5：53% を記録し、Opus 4.8 Max と GPT 5.5 xhigh の後塵を拝しましたが、主要モデルとして高い実力を実証。
- Terminal Bench 2.1
- Grok 4.5：83.3% で、GPT 5.5 xhigh（83.4%）や Fable Max（84.3%）とほぼ同等の性能を示しました。
- SWE Bench Pro 解決率
- Grok 4.5：64.7% の達成率は Opus 4.8 Max（69.2%）には及ばなかったものの、Opus 4.7 Max（64.3%）や GLM 5.2（62.1%）を上回りました。
Grok 4.5 の訓練プロセス
Grok 4.5 は、数万台の NVIDIA GB300 GPU を稼働させながら訓練されました。大規模な学習実行に対応するための安定性とスケーラビリティを高める技術が適用されています。
- データ戦略
- 単なるトークン数の増加だけでなく、データフィルタリングとキュレーションに多大な投資を行いました。
- 重複排除、品質スコアリング、およびドメイン固有の選定により、データの混合比を高 Coverageかつ高 Signal に保ちました。
- 強化学習（Reinforcement Learning）
- トークン単位の知性を強く重視し、自動評価とモデルベースの評価を組み合わせた数千ものタスクにわたる訓練を実施しました。
- マルチステップのソフトウェアエンジニアリングやその他の技術的業務を中心に構成しています。
- 非同期訓練インフラ
- エージェントによるロールアウトが数時間にわたり実行されながら、学習は数万台の GPU をまたいで継続します。
- その結果、実務的なエンジニアリングおよびエージェント型タスクにおいて、より知能的かつ効率的な推論能力が実現されました。
ワンプロンプトで構築された機能
Grok 4.5 はコーディング領域においても極めて高い能力を発揮します。難易度の高い Rust や C/C++ の課題に対応するだけでなく、プロンプトから開始して生産環境まで携れるエンドツーエンドのアプリケーション構築にも可能です。
モデルは最小限の仕様であっても、設計水準が高く機能性の優れたアプリを確実に見事に作り上げます。
サンプルプロンプト 「宇宙と太陽系の美しいシミュレーションを作成してください。調整可能な速度による時間経過、リアルな運動、軌道、恒星などを描画し、three.js を使用してください。また、HUD（ヘッドアップディスプレイ）のデザインはモダンで洗練されたものに仕上げてください。」
フラッシュモデルよりも高速
Grok 4.5 は、80 トokens/秒という超高速の推論速度でサービスされています。同等のタスクにおいて最新主要モデルの約 2 倍のトークン効率を誇り、ユーザーに知能の高い結果をより迅速に、かつはるかに低いコストで提供できます。
- トークン効率の実績
- SWE Bench Pro タスクあたりの平均出力トークン数において、Grok 4.5 は約15,954 トokensを使用しました（対比：Opus 4.8 Max の約 67,020 トokens）。
- これにより、驚くべき4.2 倍の削減を実現しています。
オフィス業務でも卓越する
Grok 4.5 は今や Grok Build デフォルトモデルとして採用されています。コーディング能力に加え、ウェブからのリサーチを活用した複雑な Excel モデルの構築にも対応可能です。
- Excel: 複数シートの式運用に加え、将来の参考用にステッキ（スタティクス）やメモを残すなどの機能も備わっています。
- PowerPoint & Word:
- ナティブ PowerPoint シェイプを活用して複雑な図を構築可能。
- 直感的なスライドコンテンツのデザインが可能。
- Word では明確で読みやすい文章の作成が可能。
タスク例: 5 スライド分の四半期経営レビュー（QRB）の骨子を作成する。
詳細: Word、PowerPoint、Excel 向けのプラグインについては、関連ドキュメントをご確認ください。
料金体系
他の主要モデルと比較し、Grok 4.5 は極めて競争力のあるコストで提供されています。
- 価格設定:
- 入力量：トークンあたり約2 ドル。
- 出力量：トークンあたり約6 ドル。
- 効率性: 同等の主要モデルに対し約2 倍のトークン効率を実現しており、タスクを解決するステップ数が半分以下で済みます。
- 結論: 全体として、Grok 4.5 は単位時間およびコストあたりの知能密度が最も高いモデルです。
ご利用方法
本日より、以下のプラットフォームで Grok 4.5 をご利用いただけます。API キーを取得するだけで、数行のコードですぐに利用を開始できます。
- Grok Build
- Cursor のすべてのプラン
- SpaceX AI コンソール
注: EU 域内の任意の SpaceX AI プロダクトまたは API コンソールには、現在まだ Grok 4.5 は提供されません。EU 地域への対応は 7 月中旬頃の予定です。
すぐに始める
- API キーの作成: SpaceX AI API を活用し、開発を本日より開始してください。
- ドキュメント参照: API ドキュメントをご一読の上、貴社環境との統合を進めてください。
無料で試してみよう（Grok Build）
限定的期間中、以下の方法で Grok 4.5 を無料でご試用いただけます。
- Grok Build
- Cursor
- x.ai/cli コマンドラインツール