Elon Musk氏率いるSpaceXAIは月曜日、Grok 4.7を入力100万トークン当たり2ドルで公開した。ただ、自社ベンチマークではAnthropicのClaude Fable 5.1が大半のテストで上回った。
要点
- SpaceXAIはGrok 4.7をGrok 4.6と同水準の価格で投入し、出力トークンは100万当たり6ドル。
- 自社比較では、GDPval、CursorBench、Terminal-BenchでClaude Fable 5.1が首位を維持。
- Grok 4.7は電気工学と法務分野で勝利したが、投入時期は数カ月にわたり後ずれしていた。
Grok 4.7の投入
同社は月曜日に発表し、同モデルを「コーディング」と「知識労働」におけるこれまでで最も高性能なモデルと位置づけた。すでにCursor、Grok Build、Grok API、さらに外部のコーディング用ハーネスで利用可能になっている。より高速な派生版は料金が2倍となる。出力トークンの料金は100万当たり6ドルで、1カ月余り前にリリースされたGrok 4.6から据え置かれた。
SpaceXAIによると、Grok 4.7は新たに拡張したベースモデル上で動作し、完了までに長時間を要する課題を重視した、より長い強化学習で訓練された。安全対策の仕組みも刷新したという。なおMusk氏は別途、このモデルのパラメータ数が2.1兆で、従来の1.5兆から増えたと主張している。ただし、発表文ではSpaceXのエンジニアリングデータを用いた追加学習には触れていない。
あわせて読みたい: Polymarketの不具合で、パスワードなしでアカウント侵入が可能に
Claude Fable 5.1が優位
法務、看護、金融アナリストの業務を評価するGDPvalでは、Grok 4.7のEloレーティングは1,695で、Claude Fable 5.1の1,735を下回った。数時間単位のオフィス業務を測るAA Briefcaseでも後れを取り、Terminal-Benchでは差がほぼ20ポイントに広がった。
一方で新モデルは一部で優位を示し、電気工学のテストでFable 5.1を64％対56.4％で上回ったほか、Harveyの法務向けエージェント・ベンチマークではライバルのスコアを3倍に引き離した。SpaceXAIが公表した全テストでGrok 4.6を上回っており、特にターミナル作業では前モデルのスコアをほぼ倍増させた。
ただし、これらの数値はすべてSpaceXAI自身が示したものだ。会社が前面に出した一方で51.8％対46.3％で敗れたCursorBenchは、SpaceXが先月買収を完了したエディタCursorが作成した試験である。Grok 4.7の強みは、入力トークン価格がFable 5.1の5分の1にとどまる点だ。
Musk氏、相次ぐ延期
今回の投入は、夏場に繰り返した発売延期の締めくくりとなった。Musk氏は7月下旬、同モデルの公開まであと4週間だと述べていたが、その後、日程を何度も先送りした。9月1日には公開まで10日としたものの、9月11日にはさらに数日間の学習が必要だと認めた。
出荷直前には期待値をさらに引き下げ、Grok 4.7は最新のOpus 5.1ではなく概ねClaude Opus 5.0相当で、マルチモーダル機能は未完成だと位置づけた。その後、Grok 4.8については「大幅な進化」と表現している。Grok 5については業界をリードし得ると示唆したが、いずれのモデルもリリース時期は明らかにしていない。
