8月12日、Artificial Analysisが「Grok 4.6 returns to the intelligence frontier and leads on cost efficiency」と題した記事を公開した。xAIの最新モデルGrok 4.6がフロンティアモデル水準の性能を持ちながら、同等スコア帯の競合モデルと比較して出力トークンコストが最大5分の1以下という異例のコスト効率を実現しているという内容だ。
フロンティアモデル競争では一般に「性能を上げれば価格も上がる」が当たり前とされてきた。Grok 4.6はその常識に真っ向から挑む数字を示しており、実運用でAIを使い続ける開発者・企業にとって無視しにくい存在になっている。
「同スコアで出力コスト5分の1以下」がGrok 4.6の核心
Artificial Analysisが運営するIntelligence Indexは、複数の推論・知識・コーディングベンチマークを集約して各モデルの「総合知能スコア」を0〜100のスケールで算出する指標だ。モデル間の相対比較を目的とした独自指標であり、業界標準ではないが、主要モデルの横断比較として参照されることが多い。
この指標でのGrok 4.6のスコアは61。GPT-5.6 Sol（max）と同水準で、Claude Opus 5（63）やClaude Fable 5（62）にわずかに及ばないものの、フロンティア帯に位置する。Grok 4.5からの向上幅は5ポイント、Grok 4.3比では+23ポイントだ。
ここで重要になるのが価格との関係だ。Grok 4.6の価格は入力$2/出力$6（100万トークンあたり）で、Grok 4.5から据え置き。一方、同等スコア帯の競合の価格は次のとおりだ。
- Claude Opus 5: 入力$5/出力$25
- GPT-5.6 Sol: 入力$5/出力$30
出力トークン単価を比較すると、Grok 4.6はClaude Opus 5の約4分の1、GPT-5.6 Solの約5分の1に相当する。推論ヘビーなワークロードでは出力トークンがコストを支配するため、この差は実運用上の数字に直接響く。
Artificial Analysisによるタスクあたりの実測コストは**$0.84**。同水準のKimi K3（月跳AI・Moonshot AIが開発する推論特化モデル）と並び、「Intelligence vs. Cost per Task」のParetoフロンティア上に位置すると評価されている（Paretoフロンティアとは、コストか性能かのトレードオフで、どちらかを犠牲にせず改善できない最適解の集合を指す）。
エージェント性能：知識作業・カスタマーサービス・ターミナルで同時に上位
静的な推論ベンチマークより、エージェント（自律的にツールや外部環境を操作するAI）系の評価でGrok 4.6は特に強い。以下はいずれもArtificial Analysisが独自に運用するベンチマークであり、業界標準とは異なる点に留意が必要だが、主要モデルを同一条件で評価している点で参考になる。
- GDPval-AA v2（実世界のエージェント知識作業を測る指標）でEloスコア1753を記録。Claude Opus 5にのみ劣り、Claude Fable 5やQwen3.8 Maxとは信頼区間が重なる統計的に同等の水準だ。
- τ³-Banking（ツール使用を伴う多ターン顧客対応の評価）では50.7%を達成し、1位のQwen3.8 Max（51.3%）に次ぐ2位相当。
- Terminal-Bench v2.1（ターミナル操作を伴うソフトウェアタスク）では88.4%で、リーダー群と同水準。
知識作業・カスタマーサービス・ターミナル作業の3分野で同時に競合水準に達するモデルは少ない、とArtificial Analysisは指摘している。
ターン効率という隠れた優位性
AA-BriefcaseはArtificial Analysisが運用する非公開のロングホライズン（長期・多工程）エージェント知識作業ベンチマークだ。Grok 4.6はここでEloスコア1577を記録し、Claude Fable 5と同等のティアに位置する（Claude Opus 5ファミリーには及ばない）。
注目すべきはターン効率だ。
| モデル | 平均ターン数 | 平均入力トークン数 |
|---|---|---|
| Grok 4.6 | 約53ターン | 約0.5Bトークン |
| Claude Opus 5 (max) | 約103ターン | 約2.0Bトークン |
Grok 4.6はClaude Opus 5の半分のターン数、4分の1の入力トークン量でタスクを完了している。ロングホライズン作業ではコンテキストが急速に積み上がるため、同程度の答えに到達するモデルがトークン消費量で大差をつけられると、実際のAPIコストは出力単価の差以上に広がる。単価5分の1、かつ消費トークン4分の1という組み合わせは、実運用コストにおいて単純計算を超える差を生む可能性がある。
その他の仕様
- コンテキストウィンドウ: 500kトークン（Grok 4.5から変更なし）
- キャッシュヒット時の入力価格: $0.5/100万トークン
フロンティア水準への性能向上でも出力単価を据え置いた判断は珍しい。一般的にモデルの世代更新は価格改定を伴うためだ。Grok 4.6のAPIはxAI公式のAPIドキュメントから利用可能で、Artificial Analysisによるモデル別比較ページでも詳細なベンチマーク結果を確認できる。
詳細はGrok 4.6 returns to the intelligence frontier and leads on cost efficiencyを参照していただきたい。
