一言で、回転する太陽系を作る

まずベンチマークではなく、実際に何を作れるかを見てみよう。公式が挙げた一例では、たった一文のプロンプトだけで、Grok 4.5がend-to-endで動作するthree.js製の太陽系シミュレーターを生成した。速度調整、リアルな軌道、星空、HUDインターフェースまで備えている。公式は、たとえプロンプトが簡潔でも、設計が作り込まれてそのまま使えるアプリケーションを作れると強調している。

自然言語の指示1つで、コントロール付きでリアルタイムに動作する完全なフロントエンドアプリケーションまで到達する。こうしたデモに加え、公式は難易度の高いRustやC / C++のタスクも処理できると述べており、プロンプトから完成品までend-to-endで通しで動く。

同じ課題で：一言＋参考画像1枚で、3D地球ダッシュボードを再現する

開発者の @hqmank 氏が、同じ課題でGrok 4.5をテストした。以前Fable 5をテストした時と同様に、一言のプロンプトと参考画像1枚だけを与え、Three.js製の3D地球ダッシュボードを再現させるというタスクだ。

彼の言葉をそのまま借りれば：ライティング、ガラスパネル、被写界深度、間隔まですべて合っていた。Three.jsのシーンは一発でレンダリングが正しく決まり、フロントエンドは想像以上に良かった。この課題においては、Grok 4.5はOpus 4.8を上回っており、上にいるのはFable 5だけだと彼は感じている。

コーディングテストは結局何位だったのか

これは公式が公開したDeepSWE 1.0のスコアだ。DeepSWE 1.0は、AIが実際のソフトウェアエンジニアリングのタスクをどれだけこなせるかを測る評価セットで、スコアはモデルが一発回答（pass@1。チャンスは1回のみで、テストのように書き直しはできない）でタスクを正解させた割合を見る。このランキングでGrok 4.5は62.0%を獲得し、第3位だった。

公式・エコシステム側でよく使われる対照表：Terminal-Bench 2.1、SWE-Bench Multilingual、DeepSWE 1.0、SWE-Bench Pro。Grok 4.5の列がハイライトされている。一部の競合モデルにはhigh/max/xhighといったレベル表記がある。SWE-Bench Multilingualは発表ページの5つのランキング以外の補足的な対照データ。

同じ発表ページには、コーディング関連の別のランキングもいくつか掲載されている。評価基準が違えば順位も変わり、1位のものもあれば、もっと下位のものもある：

なぜ速くて安いのか

Grok 4.5の差別化ポイントは、速度とコストの側に集中している。ベンチマークで1位は取れなかったが、「フラッグシップ級の頭脳」と「高速モデル並みの生成速度・低価格」を両立させた。

公式発表ページのToken efficiency図：SWE-Bench Proタスクの平均出力token数は、Grok 4.5が約15,954、Opus 4.8 maxが約67,020と、約4.2倍の差がある。

agenticなシーンにとってこれが意味するのは、同じtoken予算と時間の中で、より長く自律的に動き続け、より多くのやり取りをこなせるということだ。

トレーニングはどう作り込まれたか

この能力はどうやって作り込まれたのか。Grok 4.5のトレーニングには、NVIDIA GB300（NVIDIA最新世代の、大規模AIトレーニング向け高性能GPUチップ）を数万枚使用している。演算能力を積み上げるだけでなく、xAIはデータの選別とクレンジングに重点を置いたという。重複排除、データへの品質スコア付け、領域別の選定を行い、トレーニングデータが広いカバレッジと高い信号密度を両立するようにした。

強化学習のステップでは数十万件のタスクをカバーし、複数ステップにわたるソフトウェアエンジニアリングを中心に据え、自動採点とモデルによる採点を組み合わせて評価する。トレーニングアーキテクチャは高度に非同期であり、1つのagentが単独で数時間動き続ける一方で、数万枚のGPUが並行して学習を続けている。

コーディングからExcel・PPT・Wordの作成へ

Grok 4.5の能力はコーディングだけにとどまらない。現在はGrok Build（xAIのコマンドラインコーディングツール）の標準モデルとなっており、同じ実力がExcel、PowerPoint、Wordの三種の神器にも広がっている。

Outline a 5-slide quarterly business review

Word、PowerPoint、Excelにはいずれも公式アドインが公開されており、Microsoftのアプリストア（Microsoft Marketplace）からインストールできる。

いくらで、今どこで使えるのか

価格と利用方法について。Grok 4.5は入力100万tokenあたり2ドル、出力100万tokenあたり6ドルを課金する。前述のtoken効率の良さも加わり、同種のコーディングタスクでは実際の請求額がさらに削られることになる。

同クラスのフラッグシップモデルの公開価格と比べてみよう（単位：100万tokenあたり）：

スペック面では、Artificial Analysisの記録によると現在のコンテキストウィンドウは50万token（Grok 4.3の100万から一段縮小）。マスク氏はその後X上で「おそらく来週には100万に戻る」と述べている。モダリティはテキスト＋画像入力、テキスト出力。

現在どこで使えるか：Grok Build、Cursorの全プラン、xAIコンソール（console.x.ai）ではすでに利用可能で、APIキーを1つ取得すれば数行のコードで接続できる。OpenRouter、Hermes Agentなども発表当日から順次対応している。

curl -s https://api.x.ai/v1/responses \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-4.5",
    "input": "Find and fix the bug, then explain it: function median(a){a.sort();return a[a.length/2]}"
  }'

Artificial Analysisはさらにいくつかのスペックを記録している：キャッシュヒット時は約$0.5／100万token（標準価格からさらに約75%割引）。入力が約20万tokenを超えると単価は2倍になる。現在のコンテキストウィンドウは50万token（Grok 4.3の100万から一段縮小しており、マスク氏はおそらく来週100万に戻る可能性があるとしている）。ビジョン入力と設定可能な推論は維持されている。Cursor側は初週の利用量が倍増したと述べ、Grok 4.5と自社のComposerシリーズは規模の異なるモデルであり、Composer 2.5は引き続き維持されると強調している。

⚠️ 現時点でEU地域ではxAIのいかなる製品・APIも利用できず、公式は7月中旬の開放を見込んでいる。また、しばらくの間はGrok BuildとCursor内でのGrok 4.5利用は無料。

今回のアップデートは結局何をもたらすのか

これらを異なる立場の人に当てはめると、今すぐ得られるメリットはおおよそ次のようなものだ。

• 独立系開発者

  一言のプロンプトで、そのまま動く完全なアプリケーションを生成でき、アイデアからデモ可能なプロトタイプまでの道のりが速くなる。コーディング時にもGrok BuildやCursor内で直接切り替えて使える。

• オフィスのナレッジワーカー

  自動でモデルを組み、図を描き、文書を書けるagentが1つ増えた。Word / PowerPoint / Excelのアドインはすでに公開されており、ネット調査が必要な複数シートのExcelモデリング、PPTの図形作成、公文書執筆といった仕事をこなせる。

• API開発者

  100万tokenあたり2／6ドルという価格に、約2倍のtoken効率が加わることで、同じ予算でより多く、より長時間のagentic自律タスクを実行できる。

Grok 4.5は「賢さ」と「速くて安い」を切り離した。同じコーディング課題で、使う文字数（token、AIの課金と計算量の単位）は主要フラッグシップの約半分、生成速度は約2倍、出力価格は約4分の1。

能力もコーディングだけにとどまらない。一言与えるだけで、そのまま動くウェブアプリケーションを組み上げられる。現在はExcel、PPT、Wordにも組み込まれ、自動で表を作り、図を描き、文書を書ける。しかしベンチマークで1位は取っておらず、コーディングテストは第3位。半分の文字数で足りるのは、どうやって実現しているのか？

鍵は「回り道のステップ数」にある。同じ問題でも、旧フラッグシップは何度も行き来しながら考え、そのステップごとに文字を吐き出す。Grok 4.5は考えるステップ数が少なく、出す文字数も自然と少なくなる。

「2倍速い」と言われてもピンとこないが、お金なら体感できる。3社のAIに同じ一連のコーディングタスクを実行させ、タスク1件あたり平均でいくらかかるかを見てみよう：