Grok 4.5とGPT-5.6が1日違いで登場し、レビューはOpenAIの「エージェント型コーディングスコア91.9％」と、SpaceXAIの「100万トークン2ドル」というフロンティア価格への挑戦で真っ二つに割れている。
注目ポイント
- GPT-5.6 Solは主要ベンチマークの多くで優位に立つ一方、Grok 4.5は価格・速度・トークン効率で対抗。
- 独立機関はGrok 4.5の知能を第4位と評価する一方、幻覚率（誤生成）は25％から54％へと倍増。
- ライティングや長尺コーディングではGPT-5.6が優勢、高ボリューム・低予算案件ではGrok 4.5に軍配との評価が多い。
Grok 4.5 vs GPT-5.6 ベンチマーク比較
SpaceXAIは7月8日にGrok 4.5をリリース。OpenAIは翌日にGPT-5.6を投入し、フラッグシップの「Sol」と、廉価版の「Terra」「Luna」をそろえたラインアップで応戦した。ベンチマーク会社Artificial Analysisは、新型Grokをインテリジェンス指数で54ポイントと評価し、Claude Fable 5、GPT-5.5、Opus 4.8に次ぐ第4位と位置付けた。
直接対決ではOpenAI優位との見立てが多い。ある暫定スコアカードでは、GPT-5.6 Solが86ポイント、Grok 4.5が82ポイントと評価された。差を広げたのはターミナルベースのエージェントタスクで、Solが91.9％、Grok 4.5が83.3％。一方で、コーディングの平均スコアは64.7対64.6と、ほぼ互角だ。
OpenAIは公式発表で、最大推論設定のSolが独立系「Coding Agent Index」でスコア80を記録したと主張。Grok 4.5は自社の「Grok Build」環境内で76をマークしたとされる。ただし、経済性では構図が逆転する。Grokは入力100万トークンあたり2ドルと、Solの5ドルの半値以下。1件あたりのコーディング完了コストも、Fable 5の11.80ドルに対し、Grok 4.5は2.49ドルにとどまる。
関連記事: ドジャース関連ベットが6800万ドルに膨張、PolymarketとKalshiがポストシーズン相場に照準
コーディング、ライティング、日常業務
ハンズオン検証も同じ構図を裏付ける。ある長期テストハーネスでは、Solが実在する100超のリポジトリタスクの63.7％を、リトライなしで完走。手順が錯綜するマルチステップ作業でも、文脈を見失わずに走り切ったと報告されている。別の独立コーディングテストでは、Solが100点満点中92点、Grok 4.5は87点と採点され、後者はオープンウェイトのトップモデルと肩を並べる水準とされた。
ライティング領域も流れは同様だ。初期ユーザーは、Solを「日常業務の主力ドライバー」と評し、日々のナレッジワークの約8割をカバーしつつ、スタイルガイドや社内ルールへの忠実さで競合を上回ると指摘する。
これに対しGrok 4.5は、速度と「言うことを聞く度合い」で勝負する。実務案件で回したレビューでは、初回ビルドからの完成度、フォーマットが揃った出力、5秒未満のレスポンスが高く評価され、1秒あたり約80トークンというスループットを記録したという。一方で課題は正確性だ。幻覚率（誤った事実をそれらしく生成する割合）は25％から54％へと急上昇しつつ、事実ベースの正答率は52％へ改善したという、ねじれた結果になっている。
専門家の評価と「信頼」の論点
イーロン・マスクは、Grok 4.5を「Opusクラスのモデルだが、より高速でトークン効率が高く、低コスト」と打ち出した。一部アナリストは、Fable 5が1タスクあたり720万トークンを消費するのに対し、Grokは190万トークンで済むため、「スコア差より価格差の方が企業導入に効く」と主張する。
一方で慎重論も根強い。レビュアーの間では、ローンチ時のスコアの多くがベンダー自己申告であること、モデルカード（詳細な安全性・使用制限の開示）が未公開であること、そしてCursorが自社コードベースが誤学習に使われたことを受けて、内部ベンチマークの一部を取り下げた事実などが指摘されている。GPT-5.6側にも課題はある。OpenAIのシステムカードによれば、同モデルは前世代よりも指示逸脱が増えていると認めている。
こうした対立は、業界の激動を象徴する出来事でもある。SpaceXは2月にxAIを吸収し、6月にはCursorを600億ドルで買収。Grok 4.5のわずか2日前に研究部門をSpaceXAIへとリブランディングした。OpenAIはというと、6月下旬を通じてSolが政府当局の審査下に置かれた状態で過ごした。一方、依然として公開ベンチマークの首位に立つAnthropicのFable 5は、セキュリティ問題を巡る19日間の停止を経て、ようやく7月1日に復帰したばかりだ。