SpaceXAIのGrok 4.6、最新ベンチマークで高評価を獲得

AI性能評価機関Artificial Analysisは、SpaceXAIの最新モデル「Grok 4.6（SpaceXAIが開発した最新のフロンティア言語・エージェントモデル）」の独立検証レポートを公開した。総合知能指数「Intelligence Index」で61点を記録し、OpenAIのGPT-5.6 Solと並ぶ最先端水準に達したことが確認された。

評価結果と確認済みの事実

Artificial Analysisのベンチマーク検証によると、Grok 4.6は前バージョン（Grok 4.5）から5ポイントスコアを伸ばし、最上位グループに位置付けている。

• ​総合スコア​: Intelligence Indexで「61」を獲得（Claude Opus 5の63、Claude Fable 5の62に次ぎ、GPT-5.6 Solと同等）。
• ​エージェント性能​: ナレッジワーク評価「GDPval-AA v2」でElo 1753、顧客対応ツール評価「𝜏³-Banking」で50.7%、ターミナル操作「Terminal-Bench v2.1」で88.4%と、トップクラスの成績を記録。
• ​コンテキストと価格​: 文脈窓500kトークン。価格は入力100万トークンあたり$2、出力$6と据え置き。
• ​ターン効率​: 長期タスク評価「AA-Briefcase」において、Claude Opus 5が平均103ターン・2.0Bトークンを要したのに対し、Grok 4.6は平均53ターン・0.5Bトークンで完遂した。

競合モデルとの価格・性能比較

同等性能を持つ上位モデルと比較して、大幅なコスト優位性を備えている。

モデル名	Intelligence Index	入力/出力価格 (1M token)	タスクあたり平均コスト
Grok 4.6	61	$2 / $6	$0.84
GPT-5.6 Sol	61	$5 / $30	高価格帯
Claude Opus 5	63	$5 / $25	高価格帯

分析と今後の展望

Grok 4.6は出力トークン単価が抑えられているだけでなく、少ないターン数とトークン消費で結論に達する「ターン効率」に優れている。推理思考を重ねるエージェント型ワークフローにおいて、運用コストを大幅に削減できるパレート最適モデルとして強力な選択肢となる。