Grok 4.5レビュー：500Kコンテキスト、80 TPS、コーディング・AIエージェント性能を検証
Grok 4.5のリリース後、xAIの発表と開発者ドキュメントを確認し、XとRedditで始まった議論も比較しました。
結論から言えば、Grok 4.5はチャットモデルの小規模な更新ではありません。xAIがコーディング、Agentic Tasks、ナレッジワーク向けに投入したフラッグシップモデルです。
開発者にとって重要なのは、次のような実務上の疑問です。
- 実際のリポジトリでClaude、GPT、GLMと競えるのか
- 公称80 TPSと少ないToken消費は、長いエージェント処理で効果があるのか
- 500Kコンテキストウィンドウは大規模コードベースに役立つのか
- 公式API料金の入力100万Token当たり2ドル、出力6ドルは本当に競争力があるのか
- 大幅な進化という評価と、アクセスや利用上限への不満が両立するのはなぜか
本記事では、確認可能な製品情報と初期コミュニティの所感を分け、Grok 4.5を本番のマルチモデル構成に組み込む価値を考えます。
先に結論：評価対象に入れる価値はあるが、ベンチマークだけで決めない
- Grok 4.5は2026年7月8日に公開され、モデルIDは
grok-4.5です。 - xAIは主な用途をコーディング、Agentic Tasks、Knowledge Workとしています。
- 500K Tokenのコンテキストウィンドウを持ち、知識カットオフは2026年2月1日です。
- xAIによる公称サービング速度は約80 Token/秒です。
- 公式API料金は入力2ドル／100万Token、出力6ドル／100万Tokenです。
- reasoning effortは
low、medium、highから選べ、デフォルトはhighです。 - リポジトリ単位の開発、ターミナル操作、長時間のエージェント処理、オフィス文書、高い制約を伴う知識業務が主な評価対象です。
私の評価は明確です。**コーディングエージェントやマルチモデル基盤を開発するチームなら、Grok 4.5をテスト対象に加えるべきです。**ただし、ベンダーのスコアだけで「総合1位」と判断するにはまだ早いでしょう。
Grok 4.5の主な仕様
| 項目 | Grok 4.5 |
|---|---|
| モデルID | grok-4.5 |
| 主な用途 | コーディング、エージェント、ナレッジワーク |
| コンテキストウィンドウ | 500K Token |
| サービング速度 | xAI公称 約80 TPS |
| reasoning effort | low / medium / high |
| 公式入力料金 | $2 / 1M Token |
| 公式出力料金 | $6 / 1M Token |
| 知識カットオフ | 2026-02-01 |
| リアルタイム情報 | Web SearchまたはX Searchツールが必要 |
この仕様を組み合わせて考えると、製品戦略が見えてきます。大きなコンテキストでコードと資料を保持し、高いスループットで待ち時間を短縮し、Token効率で複数ステップの実行コストを抑える設計です。
短いチャットの順位より、エージェントワークフローを重視した構成だと言えます。
コーディング性能：高い公式スコアと、無視できない注意点
xAIはDeepSWE、SWE Marathon、Terminal Bench 2.1、SWE Bench Proなどの結果を公開しています。代表的な数値は次のとおりです。
SWE Marathon：29.0%Terminal Bench 2.1：83.3%SWE Bench Pro：64.7%DeepSWE 1.0：62.0%
これらは、実際のリポジトリ理解、ターミナル操作、複数ファイル編集、テスト実行、長い処理中の目標維持といった用途に沿ったベンチマークです。
一方で、注意すべき開示もあります。Cursorによると、同社コードベースの古いスナップショットが意図せずGrok 4.5の学習データに含まれ、CursorBenchで有利に働いた可能性があります。影響の正確な大きさは不明で、ほかのベンチマークまで否定するものではありません。
それでも原則は変わりません。ランキングを導入判断に置き換えず、自社リポジトリ、自社テスト、実際のコスト条件でGrok 4.5を評価する必要があります。
80 TPSがベンチマーク1勝より重要になり得る理由
短い回答であれば、80 TPSは単にレスポンスが速く感じられる程度です。しかしエージェントは、ファイルを読み、ツールを呼び、コードを変更し、テストを実行し、失敗を分析して再試行します。
各ステップのわずかな短縮が積み重なると、タスク全体では数分以上の差になります。
xAIは、SWE Bench Proの比較において、Grok 4.5の平均出力が1タスク当たり15,954 Token、Opus 4.8 maxが67,020 Tokenで、約4.2倍少なかったとも報告しています。
これはベンダーによる比較であり、すべての負荷に一般化はできません。ただし、見るべきコスト指標は示しています。
- 完了した1タスク当たりの総Token数
- 完了までの実時間
- 再試行回数
- テスト通過率
- 人による確認と修正に要した時間
Token単価が最安でも、完成したタスクのコストが最安とは限りません。
500Kコンテキストウィンドウで何ができる？
50万Tokenは、多くの大規模な開発・知識業務に十分な容量です。
- 中規模から大規模リポジトリのモジュール横断分析
- PR、Issue、ログ、技術ドキュメントを組み合わせた調査
- 契約書、研究資料、社内ナレッジベースの処理
- 実行履歴を保持する長時間エージェント
- 複数のWord、Excel、PowerPointファイルを扱うワークフロー
ただし、大きなウィンドウが全位置での完全な記憶を保証するわけではありません。毎回リポジトリ全体を無条件で投入する方法も非効率です。依存関係マップを作り、関連ファイルを検索し、簡潔な判断記録を残し、長いタスクを段階ごとにチェックポイント化する方が安定します。
RedditでのGrok 4.5の評判
初期のReddit評価は賛否が分かれています。その分、発表資料だけでは見えない実態を把握する材料になります。
好意的な反応は主に三つです。第一に、複雑な指示への対応が改善したという声があります。曖昧な前提や難しい文章作成でも、表面的な答えに逃げにくくなったと評価されています。
第二は速度です。GrokをSonnet、Opus、GPT、GLMと比較するコミュニティでは、スループットと完了タスク当たりのコストが魅力として挙げられています。
第三に、APIやGrok Buildと、モデル表示が不透明な一般向けアプリとの体験差を指摘する声があります。使用モデルが明示されなければ、比較対象が本当にGrok 4.5なのか確認できません。
不満も共通しています。リリース直後はWeb、モバイル、Heavy、Expert、Grok Build、APIのアクセス経路が分かりにくい状態でした。モデル自身にバージョンを質問しても、Web上の情報から推測して回答する可能性があるため、確認方法としては信頼できません。
利用上限も問題です。あるユーザーはGrok Buildで500K中約105K Tokenを使った段階で、短時間のうちにタスクが止まったと報告しました。週単位の上限では、長期プロジェクトの予測が難しいという意見もあります。
実務上の教訓は、モデル能力と製品の使いやすさは別の層であるということです。強いモデルでも、上限、ルーティング、復旧方法が不透明なら運用体験は悪化します。
Xで注目されているポイント
Xでは、Cursorとの協業、ワンプロンプトのアプリデモ、競合モデルとの比較、xAIの速いリリースサイクルが話題の中心です。
新機能を知るうえでは有用ですが、本番導入では次の指標がより重要です。
- 固定モデルaliasとバージョンの安定性
- ピーク時間帯の遅延とエラー率
- 長時間タスクのToken使用量
- ツール呼び出し成功率
- reasoning effortごとの品質差
顧客向けサービスに組み込むなら、話題性の高いデモより、これらの計測結果を優先すべきです。
Grok 4.5 APIの料金は競争力がある？
入力100万Token当たり2ドル、出力6ドルという公式価格は、フロンティア級コーディングモデルとして競争力があります。ただし総コストには、長い入力の再送、推論とコードの出力、タスク成功率、プラットフォーム運用費も含まれます。
Grok、GPT、Claude、GLM、DeepSeekなどを同じ条件で試す場合、llm-agentのような統合モデルAPIプラットフォームを使うと、APIキー、リクエスト形式、使用量管理、モデル切り替えをまとめられます。
モデルの最新料金と提供状況、API Tokenの購入、API接続チュートリアルをご確認ください。モデルの利用可否、地域対応、プラットフォーム料金は、必ず最新ページの表示を基準にしてください。
Grok 4.5を試すべきユーザー
特に評価する価値があるのは、次のようなチームです。
- 中規模・大規模リポジトリをエージェントで保守する開発チーム
- 完成度の高いプロトタイプやアプリを作る個人開発者
- 複雑な表計算、文書、プレゼンテーションを作るナレッジワーカー
- 単一ベンダーへの依存を減らすモデルゲートウェイ運営者
- Claude、GPT、Grok、中国発コーディングモデルのタスク単位コストを比較する企業
一方、出力の一貫性が重要なのに回帰テストをしていない本番移行、サブスクリプション画面の実モデルを確認できない利用形態、特定地域での即時提供や厳格なコンプライアンス保証が必要な案件には、検証なしの全面移行は向きません。
最終評価
Grok 4.5で興味深いのは単一のベンチマークではなく、フラッグシップ級のエンジニアリング能力、高速モデルに近いスループット、タスク完了に必要なTokenを減らす方向性の組み合わせです。
公式情報と初期コミュニティ報告の両方から、複雑な指示、ターミナル作業、長い実行チェーン、ナレッジワークで有意な進化がうかがえます。
ただし、アクセス経路の混乱、予測しにくい利用上限、CursorBenchに関する学習データ上の注意点、長期本番運用の公開事例不足は残っています。
したがって結論はシンプルです。コーディングやAIエージェント製品を開発しているなら、Grok 4.5を実際の業務で今すぐ評価する価値があります。発表時のベンチマークだけで全面移行を決めるなら、まず自社テストの結果を待つべきです。
よくある質問
Grok 4.5はいつリリースされましたか？
Grok 4.5は2026年7月8日に正式リリースされ、xAI API、Grok Build、Cursor関連の経路から提供されました。
Grok 4.5のコンテキストウィンドウは？
xAIのモデルドキュメントでは500K Tokenと記載されています。
Grok 4.5 APIの料金はいくらですか？
公式標準料金は入力2ドル／100万Token、出力6ドル／100万Tokenです。サードパーティや統合APIでは異なる場合があるため、最新料金をご確認ください。
Grok 4.5はコーディングに強いですか？
コーディングとAgentic Tasksは主要な位置付けです。ベンチマークと初期報告を見る限り、短いコード片より、リポジトリ作業、ターミナル操作、複数ステップの開発で特に価値があります。
Grok 4.5はXや最新Web情報を検索できますか？
Web SearchまたはX Searchツールを有効にすれば可能です。モデル内部の知識カットオフは2026年2月1日です。
Grok 4.5はClaude、GPT、GLMより優れていますか？
すべての用途で勝つモデルはありません。Grok 4.5は速度、コーディング、エージェント実行、公式価格が魅力ですが、特定リポジトリ、デザイン、エコシステム、長期安定性では競合が上回る場合があります。同じ非公開タスクで成功率、総Token、所要時間、再試行回数を比べるのが確実です。