Grok 4.5公開｜料金1/8の衝撃と幻覚率54%の代償【Claude比較】
「Grokは驚くほど速く、驚くほど安く、この課題をこなしてみせた」。ElixirとPhoenixの厄介なリファクタリングを任せたHacker Newsユーザーparadox460氏の感想だ。同じスレッドには正反対の声もある。fizzbuzzdizz氏いわく「インライン化みたいな基本的な指示すらしくじる。正直、使い物にならないレベル」（出典: Hacker News #48835111、2026年7月8日）。
2026年7月8日、SpaceXAI（旧xAI）がGrok 4.5を一般公開した。6月末のprivate beta始動から2週間足らず。あのとき「独立ベンチマークはゼロ」と書いたが、今回は数字が出揃った。そして数字は、賛否が真っ二つに割れる理由をきれいに説明していた。
- Claude・GPTのAPI費用が高く、安い代替モデルを探しているエンジニア
- CursorでGrok 4.5がデフォルト候補に出てきて、切り替えるべきか迷っている方
- AIモデルの選定・コスト管理を任されているPM・テックリード
Grok 4.5はAPI料金$2/$6（入力/出力・百万トークン）で、出力単価はClaude Opus 4.8の約4分の1、Fable 5の約8分の1。エージェント的ツール使用のスコアは全モデル中トップで、トークン効率も高い。ただし幻覚率（知らない問いに、知らないと言わず答えてしまう割合）がGrok 4.3の25%から54%へ倍増しており、「自信満々に間違う」リスクが跳ね上がった。大量・低リスクの定型タスクには有力、事実の正確性や高い品質保証が必要な仕事には現時点で勧めない。
Grok 4.5、何が公開されたのか
Grok 4.5は7月8日にAPIで公開され、翌9日にgrok.comとXアプリへ展開された（出典: SpaceXAI公式 / Kingy AI, 2026年7月）。基盤はMuskが6月末に公表した1.5兆パラメータのV9系モデルで、複数の専門ネットワークを切り替えるMixture-of-Experts（MoE）構成とされる（出典: X @elonmusk, 2026年6月28日）。スペックの骨子はこうだ。
| 項目 | 内容 |
|---|---|
| API料金（税別・USD） | 入力$2 / 出力$6（百万トークンあたり）、キャッシュ入力$0.50 |
| コンテキストウィンドウ（一度に読み込める情報量） | 50万トークン |
| 出力速度 | 約80トークン/秒 |
| 提供先 | xAI API、Cursor全プラン、Grok Build、OpenRouter、Microsoft Officeアドイン等 |
| EU向けAPI | 公開時点で未提供（7月中に提供予定） |
（出典: SpaceXAI公式 / ChatForest, 2026年7月9日）
価格が主役だ。Claude Opus 4.8は$5/$25、Fable 5は$10/$50。出力トークン単価で比べるとGrokはOpusの約4分の1、Fable 5の約8分の1にあたる。SpaceXによる600億ドルのCursor買収で手に入れた開発者ワークフローデータを学習に使い、その成果を価格破壊で売る。戦略は明快だ。
光：エージェント性能とトークン効率は本物か
第三者評価機関Artificial AnalysisのIntelligence Index（複数ベンチマークを統合した総合知能スコア）で、Grok 4.5は54点。Claude Fable 5、Opus 4.8、GPT-5.5に次ぐ総合4位だった。ただしエージェント的ツール使用（agentic tool use）のスコアは全モデル中トップ。長時間のソフトウェアエンジニアリング作業を測るSWE Marathonベンチマークでも首位を取った（出典: BuildFastWithAI, 2026年7月10日）。
ベンダー公表値を並べると、位置づけがわかりやすい。
| ベンチマーク | Grok 4.5 | Fable 5 | GPT-5.5 | Opus 4.8 |
|---|---|---|---|---|
| Terminal Bench 2.1（ターミナル操作課題の解決率） | 83.3% | 84.3% | 83.4% | 78.9% |
| SWE-bench Pro（実務レベルのソフトウェア修正課題の解決率） | 64.7% | 80.4% | 58.6% | 69.2% |
（出典: ChatForest。xAI公表値のため独立検証は途上）
ターミナル操作系ではFable 5にほぼ並ぶ。一方、最難関のSWE-bench ProではFable 5に15ポイント超の差をつけられている。トップ性能ではなく「そこそこ賢くて桁違いに安い」ゾーンを狙ったモデルだと読める。
もうひとつの武器がトークン効率だ。xAIはSWE-bench Proの同等タスクでOpus 4.8の約4.2分の1の出力トークン（15,954 vs 67,020）で完了したと主張する。単価の安さと消費量の少なさが掛け算になり、コーディングタスク1件あたりの実費はGrok Buildで約$2.49、GPT-5.5で$5.07、Fable 5で$11.80という試算も出ている（出典: Thomas Wiegold, 2026年7月9日 / TechTimes, 2026年7月9日）。ただしこの4.2倍という数字はベンダー発表で、検証した第三者は「自分のタスク分布で必ず確かめるべき」と釘を刺している。
実際に触った人の評価も、この見立てと重なる。ライターのThomas Wiegold氏は7月9日、Webサイト構築2件・Goのポーカーシミュレーション・サイト監査という定番テストを実施した。ポーカーシミュレーションは「このテストで過去最高の結果かもしれない。文句なしに」で、10分以内に一発完動。サイト監査では他モデルが見逃していたMarkdown変換の隠れデータ肥大化という実バグまで発見した（出典: Thomas Wiegold, 2026年7月9日）。
Hacker Newsのredox99氏も「非常に速い。90トークン/秒前後のスループットと高いトークン効率で、GPT-5.5やOpus 4.8に体感で楽勝している」と速度面を評価する。Cursor経由で複雑なテストスイートのレビューに使ったjonathaneunice氏は「実行可能な改善提案つきの質の高い概観が返ってきた」と報告した（出典: Hacker News #48835111）。速度と実行力、そして安さ。この3点の評価は、初日のポジティブな声でほぼ一致している。
影：幻覚率25%→54%、「自信満々に間違う」モデル
ここからが本題だ。どの日本語記事もあまり書いていない。
Artificial AnalysisのAA-Omniscience計測で、Grok 4.5の正答率はGrok 4.3の35%から52%へ17ポイント改善した。ところが同時に、幻覚率が25%から54%へ倍増した（出典: roo.beehiiv, 2026年7月9日）。
幻覚率とは「知らない問いに、知らないと言わずに答えてしまう」割合だ。つまりGrok 4.5は、正しい答えを返す頻度は上がったが、間違うときに「わかりません」と言わず自信満々に誤答する頻度はもっと上がった。コードなら実行すれば嘘は露呈する。だが調査・要約・法務チェックのような「出力の正誤を人間がすぐ検証できない」用途では、この特性は致命傷になりうる。
信頼を巡る議論もある。Hacker Newsで最も伸びた話題は性能の話ではなかった。Grokのシステムプロンプトが政治的トピックを巡って書き換えられた過去の騒動を持ち出し、出力の中立性が問われる業務にこのモデルを使えるのか、と疑う声だ（出典: eesel AIによるHacker News上の議論の分析）。
ベンチマークの数字そのものにも疑義が出ている。Cursor由来の学習データが評価問題と重複している可能性、いわゆる汚染（contamination）の指摘だ。もし重複があれば、高スコアの一部は実力ではなく「答えを覚えていた」結果になる。現在検証が続いている（出典: BuildFastWithAI）。
データの扱いを警戒する声も根強い。HNのkeeda氏は、Cursorユーザーのコードが明示的なオプトインなしに学習へ使われたのではという懸念を挙げ「あなたのアイデアが学習データ経由で漏れ出すリスク」を指摘した（一ユーザーの見解であり、利用範囲の詳細は未確認）。機密性の高いコードベースを扱うなら、Cursorのデータ利用条項の確認は避けて通れない。
そしてEU。公開時点でEU向けAPIは提供されておらず「7月中」とだけ案内されている。EU AI Actの高リスクAI向け執行が8月2日に迫るタイミングでの提供見送りだけに、EU圏の顧客やチームを抱える組織にとっては導入計画が立てにくい状態だ。
使った人の総合評価は「値段なり、ではなく値段以上。ただし用途を選ぶ」
前述のWiegold氏の結論はこうだ。ルーティンで量の多い作業にはGrok 4.5、ミスが高くつく最難関タスクにはOpus 4.8かFable 5を残す。月$30のSuperGrokは「例外的なコスパ」だが、技術的な最高峰はいまもFableだと。
冷めた見方も紹介しておく。HNのbashtoni氏は「Grokは苦しい位置にいる。何かで一番なわけでも、一番安いわけでもない」と評した。実際、単価だけならDeepSeek V4-Proが出力$0.87とさらに安く、中国系コーディングモデルも含めた低価格帯の競争は激しい。
正直に言うと、6月のprivate beta記事を書いた時点では「独立ベンチマークが出たら大したことない数字が並ぶのでは」と予想していた。外れた。エージェント性能とトークン効率は予想より本物だった。ただ、幻覚率54%という数字を見た瞬間に「これは自分のワークフローには入れられない」とも即断した。予想が外れた部分と、確信が深まった部分の両方がある。
自分ならGrok 4.5とClaudeをこう使い分ける
PMとしての判断を書いておく。自分はClaude Code主軸を変えない。理由は単純で、自分の仕事は「AIの出力をそのまま成果物に近い形で使う」比率が高く、幻覚率の倍増は時給換算で確実に損をするからだ。検証コストは請求書に載らない。
ただし、こういう条件が揃う人にはGrok 4.5は真剣に検討する価値がある。
- 出力の正誤が自動で検証できる: テストが通るか、ビルドが通るかで白黒つくコーディングタスク
- 量が多く、1件あたりの失敗コストが低い: 大量のボイラープレート生成、定型リファクタリング
- 政治・時事・事実調査を扱わない: 幻覚率と中立性の問題を踏まない用途に限定する
逆に、クライアント向けの調査資料、法務・税務が絡む文書、機密コードベースには現時点で使わない。この線引きはAIコーディングエージェント比較で書いた「モデルはツールボックスの中の道具」という考え方の延長だ。1つのモデルに全部を任せる時代は、料金体系の分化とともに終わりつつある。道具箱全体の見直しを考えているなら、フリーランス向けAIツール10選もあわせて読んでほしい。
- 用途に「事実の正確性が問われる出力」が含まれていないか（幻覚率54%）
- Cursor経由で使う場合、データ利用条項と機密コードの扱いを確認したか
- EU拠点のチーム・顧客がいる場合、EU向けAPI提供開始（7月中予定）を待つ必要がないか
- ベンダー公表のトークン効率4.2倍を、自分の実タスクで検証したか
CursorかOpenRouterを使っているなら、普段のタスクを3件だけGrok 4.5に投げて、出力品質と消費トークンをClaude・GPTと見比べてほしい。30分で終わる。数字が良ければ定型作業のルーティングを変えればいいし、駄目ならそれが自分のタスク分布での答えだ。
関連記事
- Grok 4.5 private beta始動：Cursor学習データと閉鎖エコシステムの現実
- SpaceXがCursorを600億ドルで買収：AIコーディング業界再編の衝撃
- Claude Opus 4.8完全ガイド
- AIコーディングエージェント徹底比較2026
- EU AI Act 2026年8月施行：開発者向け対応ガイド
本記事の情報は2026年7月11日時点のものだ。API料金・ベンチマークスコア・提供状況は変更される場合がある。料金はすべて米ドル・税別表記。ベンチマーク数値のうちxAI公表値は独立検証が途上である旨を本文に明記している。英語圏ユーザーの発言の引用は筆者による日本語訳（要旨）。最新情報はSpaceXAI公式を参照してほしい。本記事は特定のAIベンダーとの提携関係に基づくものではなく、独立した編集判断で執筆している。
