もう新版!? わずか1カ月半で「Grok 4.6」が登場、自律動作が劇的進化

AA Intelligenceのスコア

　SpaceXAIは8月12日(現地時間)、長時間の自律エージェントタスクやインタラクティブ/ビジュアル制作能力を強化したフラグシップモデル「Grok 4.6」を発表した。開発環境のCursorやGrok Buildのほか、API経由(OpenRouter、Vercel、Cloudflareなどのパートナープラットフォームを含む)で既に提供が開始されている。

　API利用料金は、入力が100万トークンあたり2ドル(約320円)、出力が100万トークンあたり6ドル(約960円)。高速なFastバリアントは価格が2倍となる。本日より1週間は、Grok BuildおよびCursor内での利用可能枠が2倍となるキャンペーンが実施されている。

　Grok 4.6は、7月初めにリリース「Grok 4.5」の能力を向上させ、複数のステップにわたるタスクで継続作業能力を高めたモデル。わずか1カ月半で新モデルの投入となる。研究開発や情報分析、コードベースの作業、アイデア段階からのアプリケーション構築など、長時間の自律作業や高度なインタラクティブビジュアル処理が得意としている。

　長期作業プロセスにおいて、次の工程に進む前にモデル自身が動作を確認するなど、自己テストおよび検証がより多く行なわれるようになったという。また、ビジュアルおよびインタラクティブな開発プロジェクトにおいても、初期段階で従来よりも優れた成果物を生み出せるようになったため、具体的なアイデアから始めて、繰り返し改善していくようなプロジェクトで効率化が図れるとしている。

　学習プロセスと安全性評価において、Grok 4.5よりも長期にわたる追加トレーニングを実施。モデル生成による推論データや高度な技術データを取り入れたほか、オプティマイザおよび学習レシピの改良が行なわれた。

　また、Grok 4.5を用いてSTEM、ソフトウェアエンジニアリング、知識作業分野のSFT(教師あり微調整)データの軌跡を再生成し、問題のあるトレースを自動フィルタで排除している。強化学習プロセスでは、カーネル最適化、Web開発、CAD(コンピュータ支援設計)など、ドメイン特化型環境を含む幅広いエージェントタスクでトレーニングされた。

　各種ベンチマークテストにおいて、総合評価指標である「AA Intelligence」で「GPT-5.6 Sol」と同等の61点を記録したほか、実務能力・知識労働における総合的なパフォーマンステストの「GDPVal-AA v2」では「Fable 5」をも凌駕する1,753をマーク。

　一方、ソフトウェアエンジニアリングベンチマークの「DeepSWE 1.1」、AIコードエージェントの実務効率評価テスト「CursorBench 3.2」、生成コードの品質評価ベンチマーク「FrontierCode 1.1」では競合と同水準の性能を実現しており、旧モデルGrok 4.5から改善した。