Grok 4.5解説：コーディングベンチマーク、80 TPS、トークン効率、API価格

はじめに

Grok 4.5は、xAIをコーディングモデル競争の最前線に再び押し上げた。

2026年7月8日にリリースされたこのモデルは、ソフトウェアエンジニアリング、エージェントタスク、および幅広い知識業務向けに設計されている。Cursorでトレーニングされ、現在はxAI API、Grok Build、Cursorから利用可能だ。注目すべき点はモデルの品質だけではない。Grok 4.5は、より高速な処理、より少ない生成トークン数、そして完了タスクあたりの低コストも売りにしている。

公式モデルドキュメントには、50万トークンのコンテキストウィンドウ、テキストと画像の入力、設定可能な推論、関数呼び出し、構造化出力のサポート、そしてAPI料金として入力100万トークンあたり2ドル、出力100万トークンあたり6ドルと記載されている。

本記事では、Grok 4.5が優れたパフォーマンスを発揮する領域、その効率性の主張をどう解釈すべきか、トレーニングで何が変わったか、そして周辺の推論スタックがモデル自体と同じくらい重要になる理由について解説する。

Grok、独自のOpusクラスコーディングモデルを獲得

Grok 4.5は、コーディング、エージェント業務、および一般的なコンピュータベースの知識タスクにおけるxAIのフラッグシップモデルである。公式発表資料では、単一の応答で停止するのではなく、長時間の作業処理、ツールの使用、エラーからの復帰、結果の検証が可能なモデルとして説明されている。

これにより、自律的なコーディング、リポジトリレベルの変更、技術研究、データ分析、多段階のオフィスワークフローに使用されるハイエンドモデルと同じ広いカテゴリに位置づけられる。

コアモデル仕様

50万のコンテキストウィンドウは、大規模なコードベース、長文の技術文書、複数ファイルにわたる調査、長期にわたるエージェント履歴を処理するのに十分な大きさである。大きなコンテキストウィンドウは自動的に優れた結果を保証するものではないが、ツールが積極的な切り捨てを行うことなく、関連するソースマテリアルを提供する余地を広げる。

コーディングベンチマーク結果

xAIの公式発表では、複数のソフトウェアエンジニアリング評価における結果が公開されている。Grok 4.5はすべてのベンチマークでトップのモデルではないが、他のフロンティアシステムと競争力のある水準を維持している。

Opus 4.8 max 59% |
| Terminal-Bench 2.1 | 83.3% | Fable max 84.3%; GPT-5.5 xhigh 83.4%; Opus 4.8 max 78.9% |
| SWE-Bench Pro | 64.7% | Fable max 80.4%; Opus 4.8 max 69.2%; Opus 4.7 max 64.3% |
| SWE Marathon | 29.0% | Opus 4.8 max 26.0%; Fable max 24.0%; Opus 4.7 max 16.0% |

これらの数値は、ターミナル作業、実践的なエンジニアリングタスク、および長期的なエージェントワークフローにおいて特に強みを発揮するモデルであることを示唆しています。ただし、これらの結果は注意深く解釈する必要があります。ベンチマークのテスト環境、推論設定、ツールへのアクセス、プロバイダー固有の構成などが結果に影響を与える可能性があります。

また、Cursor社は、Cursorコードベースの古いスナップショットが誤って学習データに含まれていた可能性があり、それがCursorBenchの結果に影響を与えた可能性があることを開示しました。同社はこのベンチマークを公開比較から除外し、このデータは将来のモデルには使用しないと述べています。

より高速な提供と低トークン消費

Grok 4.5に関する最も実用的な主張は、その効率性です。

xAIによると、このモデルは最大毎秒80トークンで提供されます。これは、長い推論トレース、リポジトリの編集、反復的なエージェントループを、低速なプレミアムモデルよりも応答性良く感じさせるのに十分な速度です。

また、同社はGrok 4.5がSWE-Bench Proのタスクあたり平均15,954出力トークンを使用したのに対し、Opus 4.8は最大設定で67,020出力トークンを使用したと報告しています。これは、測定されたワークロードにおいて、出力トークンが約4.2倍少ないことになります。

トークン効率が重要な理由は3つあります。

1. 低レイテンシー: 生成トークンが少ないほど、通常タスクは早く完了します。
2. 低APIコスト: 出力トークンは入力トークンよりも高価であることが多いです。
3. 短いエージェントループ: 簡潔な推論により、ツール間で大量の履歴をやり取りする時間を削減できます。

重要な指標は、単に100万トークンあたりの価格ではありません。チームは、許容可能な品質レベルで同じタスクを完了するためのコストを比較する必要があります。表示上のトークン価格が高いモデルでも、試行回数やツール呼び出し、

生成トークン

API料金

基本のAPI価格は以下の通りです。

Cursorはまた、独自のモデル提供において、より高速なバリアントを入力100万トークンあたり4ドル、出力100万トークンあたり18ドルで提供しています。料金と利用可能性はプラットフォームによって異なる場合があるため、導入チームは実際に使用する環境で料金を確認する必要があります。

コード生成から完全なワークフローへ

Grok 4.5は、関数を完成させたりエラーを説明したりする以上のことを目的としています。公式の例には以下が含まれます。

• 1つのプロンプトから太陽系シミュレーションを構築
• エンドツーエンドのWebアプリケーションを作成
• ネイティブ図形を使用したPowerPointスライドの作成
• 複数シートのスプレッドシートモデルの構築
• ソフトウェアエンジニアリング、財務、法務、研究タスクにわたる作業
• 長時間実行されるエージェントセッションでのツールの使用

太陽系デモは、デザイン、フロントエンドコード、3Dレンダリング、コントロール、インタラクションロジックを組み合わせているため有用です。これはすべてのワンプロンプトアプリケーションが本番環境で即使用可能であることを証明するものではありませんが、モデルが最適化されて処理できる統合タスクの種類を示しています。

Grok 4.5はオフィスワークにも拡張されています。発表資料では、構造化されたビジネスレビュースライドを作成し、数式、Webリサーチ、複数のシートを含むスプレッドシートを操作します。

開発チームにとって、実用的なワークフローは以下のようになります。

1. Grok 4.5にリポジトリのコンテキストと明確に範囲が定められたタスクを与える。
2. ファイルを検査させ、変更を実装し、検証コマンドを実行させる。
3. 簡潔な変更サマリーとテストからのエビデンスを提供するよう要求する。
4. マージ前に、人間または別のモデルでパッチをレビューする。
5. 本番環境へのデプロイと機密性の高い操作は明示的な承認の後に行う。

モデルは高速で有能でありながら、誤った仮定、安全でない変更、不完全な検証を行う可能性があります。エージェント型コーディングモデルの最善の使い方は、通常、目に見えるエビデンスを伴う構造化された自動化であり、制限のない自律性ではありません。

効率性の向上は異なるトレーニング戦略からもたらされる

効率性の向上は、単純なサービング最適化として提示されているわけではありません。xAIとCursorは両方とも、モデルアーキテクチャ、データ準備、強化学習、分散トレーニングにわたる変更について説明しています。

Mixture-of-Experts

アーキテクチャ

Cursor社はGrok 4.5を混合専門家モデルと位置づけています。MoEシステムでは、特定のトークンやタスクに対してネットワークの一部のみが活性化されます。これにより、すべてのパラメータが推論ステップごとに関与する必要なく、モデル全体の容量を増大させることができます。

公式ソースでは、トークンごとに使用される計算量を正確に算出できるほどの実装詳細は公開されていません。したがって、未検証のパラメータ数から性能を推測するよりも、測定された挙動（速度、ベンチマーク品質、トークン消費量）に焦点を当てる方が正確です。

GB300スケールでのトレーニング

xAIによると、Grok 4.5は数万台のNVIDIA GB300 GPUを使用してトレーニングされました。この規模のトレーニングには、単なるハードウェア以上のものが必要です。長時間の実行には、数千のアクセラレータの生産性を維持できる、安定した分散システム、チェックポイントリカバリ、ネットワーキング、データパイプライン、モニタリングが不可欠です。

発表では、大規模なトレーニング実行向けに設計された安定性技術が強調されています。これは、長時間の実験で障害が発生した場合、システムが効率的に回復できないと大量の計算リソースが無駄になる可能性があるため、重要な要素です。

単なるトークン数増加ではなく、高品質なデータ密度

トレーニングパイプラインには以下が含まれていました：

• 大規模な重複排除
• 品質スコアリング
• ドメイン特化型フィルタリング
• 高シグナルデータ選択
• コーディング、科学、工学、数学、知識作業資料のより幅広い混合

目的は、生のトークン量だけに依存するのではなく、有用なトレーニングシグナルの密度を向上させることです。反復的、低品質、または関連性の弱いデータは、慎重に選択された例と同じ改善効果をもたらさずにトレーニングコストを増大させる可能性があります。

Cursor相互作用データ

Cursor社によると、モデルは数兆トークンのCursorデータでトレーニングされました。同社によれば、このデータセットはユーザー、コードベース、ソフトウェアツール、エージェント間の相互作用を捉えています。

この区別は重要です。コードのみのデータセットは構文、パターン、ライブラリ、一般的な実装を教えます。相互作用データは、作業の順序も教えることができます：

• 開発者がどのように未踏のリポジトリを調査するか
• 変更を行う前にどのファイルを開くか
• テスト失敗にどのように対応するか
• いつターミナルコマンドを使用するか
• フィードバック後にどのようにパッチを修正するか
• エージェントがツールや環境とどのように相互作用するか

これは、Grok 4.5が単独のコード補完ではなく、ソフトウェア工学を中心に位置づけられている理由を説明する助けとなります。

困難で現実的なタスクにおける強化学習

xAIによると、同社の強化学習プログラムは数十万のタスクをカバーし、多段階のソフトウェア工学やその他の技術的作業に焦点を当てています。

Cursor社は、モデルを訓練する環境を次のように説明しています：

1. 問題の探索
2. ツールの使用
3. 誤りからの回復
4. 結果の検証
5. 長期タスクにわたる継続的な作業

両社はまた、これらの訓練環境を大規模に生成、テスト、改良するための分散エージェントシステムを構築しました。一部のエージェントロールアウトは数時間実行されることもあり、その間も大規模なトレーニングプロセスは非同期に継続されます。

これは、狭いベンチマーク最適化からの意味のある変化です。モデルは正しい最終回答を生成するだけでなく、そこに至るプロセスをナビゲートできるよう訓練されています。

1つ目。

もう一つ重要なこと：システムエンジニアリングが次の戦場となる可能性

モデルの重みは最終製品の一部に過ぎない。

イーロン・マスク氏の公開声明によると、Grok 4.5はxAIが社内開発した、GB300ハードウェアに特化したC/C++推論ソフトウェアをまだ使用していない。同氏は、最適化されたスタックによってサービング速度が2倍、あるいはそれ以上に向上する可能性があると示唆した。

これは測定された本番環境の結果ではなく将来を見据えた主張であるため、保証されたパフォーマンスとして扱うべきではない。それでも、モデル競争がどこに向かっているのかを浮き彫りにしている。

フロンティアモデルのベンチマーク品質が近づいてくると、周辺システムが実際的な優位性を生み出す可能性がある：

• カーネルとコンパイラの最適化
• リクエストスケジューリング
• Mixture-of-Expertsルーティング
• 量子化
• メモリ管理
• プロンプトキャッシング
• バッチ処理
• ハードウェア固有の推論コード
• エージェントオーケストレーション
• ツールのレイテンシと信頼性

ユーザーにとって、これはモデル比較に単一の知能スコア以上のものを含めるべきであることを意味する。応答が速く、生成トークン数が少なく、キャッシュを効果的に使用し、タスクをより少ないリトライで完了するモデルは、たとえ別のモデルがベンチマークでリードしていても、現実世界ではより良い価値を提供する可能性がある。

Grok 4.5 APIの使用開始

Grok 4.5は、xAIのResponses APIを通じて利用可能である。以下のPythonの例では、OpenAI互換のクライアントインターフェースを使用している：

import os
from openai import OpenAI

api_key = os.environ.get("XAI_API_KEY")
if not api_key:
raise RuntimeError("先にXAI_API_KEY環境変数を設定してください。")

client = OpenAI(
api_key=api_key,
base_url="https://api.x.ai/v1",
)

response = client.responses.create(
model="grok-4.5",
input=(
"このJavaScript関数をレビューし、バグを修正して、"
"変更内容を説明してください："
"function median(values) { values.sort(); "
"return values[values.length / 2]; }"
),
)

print(response.output_text)

本番環境でモデルを使用する前に：

1. APIキーを環境変数またはシークレットマネージャーに保存する。
2. タイムアウトとリトライ処理を追加する。
3. トークン使用量と総リクエストコストを記録する。
4. 実行前にツール呼び出しを検証する。
5. 破壊的または本番環境に影響を与えるアクションには承認を求める。
6. 決定論的な動作が重要な場合は、日付指定のあるモデルバージョンを固定する。

よくある質問

Grok 4.5とは何ですか？

Grok 4.5は、コーディング、エージェントタスク、および知識作業のためのxAIのフロンティアモデルです。テキストと画像の入力、設定可能な推論、関数呼び出し、構造化出力をサポートしています。

Grok 4.5のコンテキストウィンドウはどのくらいの大きさですか？

公式のxAIモデルドキュメントには、50万トークンのコンテキストウィンドウが記載されています。実際に使用可能なコンテキストは、リクエスト形式、ツール出力、プラットフォーム固有の制限に依存する場合があります。

Grok 4.5 APIの費用はいくらですか？

公開されている基本価格は、2ドル（トークンあたり？）です。

100万入力トークンにつき0.50ドル、100万キャッシュ入力トークンにつき0.50ドル、100万出力トークンにつき6ドルです。プラットフォーム固有のバリエーションや優先処理では異なる料金が適用される場合があります。

Grok 4.5はClaude Opusよりコーディングに優れていますか？

答えはベンチマークとワークフローによります。Grok 4.5はいくつかのエンジニアリングテストで競争力があり、一部の比較ではリードしていますが、他のモデルが優位に立つ分野もあります。速度、トークン使用量、ツールの信頼性、タスク完了コストをベンチマークスコアと併せて評価する必要があります。

Grok 4.5がトークン効率に優れていると言われる理由は？

xAIによると、Grok 4.5はSWE-Bench Proタスク1件あたり平均15,954出力トークンを使用したのに対し、Opus 4.8の最大設定では67,020出力トークンでした。測定された作業負荷において、約4.2倍少ない出力トークンです。

Grok 4.5は画像を処理できますか？

はい。公式モデルページにはテキストと画像の入力、テキスト出力が記載されています。そのため、スクリーンショット分析、ドキュメントレビュー、エージェントワークフロー内の視覚的コンテキストなどのタスクに適しています。

Grok 4.5はCursorで利用できますか？

はい。CursorはGrok 4.5がデスクトップ、ウェブ、iOS、CLI、SDKの各エクスペリエンスで利用可能だと述べています。使用量の割り当てと価格は選択したCursorプランに依存します。

Grok 4.5は本番エージェントに適していますか？

本番エージェント内の推論モデルとして使用できますが、周辺システムには権限制御、検証、可観測性、リトライ、および影響の大きいアクションに対する人間の承認が必要です。ベンチマークの強さは運用上の保護策の必要性を排除しません。

関連ツール

• xAI APIコンソール：APIキーの作成、クレジット管理、xAIモデルへのアクセス。
• Cursor：複数の製品でGrok 4.5を含むAIコーディング環境。
• Grok Build：Grok 4.5搭載のxAIエージェントコーディング環境。
• xAI Python SDK：xAIモデルで構築するための公式Python SDK。
• OpenAI Pythonライブラリ：カスタムベースURLを介してxAI Responses APIを呼び出せる互換性のあるクライアントライブラリ。

関連リンク

• Grok 4.5の紹介：ベンチマーク、トレーニング詳細、速度、価格を含むxAI公式発表。
• Grok 4.5モデルドキュメント：コンテキスト長、モダリティ、機能、トークン価格の公式仕様。
• Grok 4.5開発者ガイド：公式API例と統合ガイダンス。
• xAI料金：xAIの現在のモデルおよびAPI料金。
• CursorがGrok 4.5を導入：Cursorによる共同トレーニング、インタラクションデータ、強化学習の説明。
• xAIモデル：現在のxAIモデルカタログとモデル選択ガイダンス。
• xAIリリースノート：公式リリース履歴と設定更新。

概要

Grok 4.5は、コーディング、エージェント、ナレッジワークを目的としたフロンティアモデルです。その最も強力な実用的利点は、

競争力のあるエンジニアリング性能、毎秒最大80トークンの処理速度、50万トークンのコンテキストウィンドウ、そして公開されたSWE-Bench Pro比較におけるトークン消費量の低減を組み合わせたものです。

トレーニング手法は、大規模インフラ、厳選されたデータ、Cursorとのインタラクション履歴、そして現実的なツール使用環境における強化学習を組み合わせています。これにより、モデルを単独のコード生成から、より長くエンドツーエンドのワークフローへと移行させることができます。

重要なのは、Grokが単により高性能になったというだけでなく、xAIが実作業の完了にかかる総コストと速度の面で競争しているということです。