8月12日、Artificial Analysisが「Grok 4.6 returns SpaceXAI to the intelligence frontier and leads on cost efficiency」と題した記事を公開した。xAIが新たにリリースしたGrok 4.6がインテリジェンス指標でフロンティア水準に返り咲きつつ、競合モデルと比較して大幅なコスト優位性を持つことを詳細なベンチマーク分析とともに報告している。
なお、Artificial AnalysisはAIモデルの性能・コスト・速度を独自ベンチマークで継続的に評価・比較する独立系分析機関だ。また、xAIはElon Muskが2023年に設立したAI企業で、GrokシリーズはxAIが開発・提供する大規模言語モデルのラインナップである。Grok 4.5、Grok 4.3といった先行モデルを経て、今回のGrok 4.6がリリースされた。
価格を据え置いたまま性能を5ポイント引き上げ
Grok 4.6が注目される理由は、性能向上とコスト据え置きを同時に実現した点にある。フロンティアモデルの世界では、性能向上には通常価格引き上げが伴う。しかしGrok 4.6は、Grok 4.5からArtificial Analysis Intelligence Index（AA Intelligence Index）で5ポイント上昇してスコア61を記録しながら、価格を$2/$6（入力/出力、100万トークンあたり）から変えていない。
同等スコア帯のモデルと比較すると価格差は顕著だ。
- Claude Opus 5（スコア63）: $5/$25
- GPT-5（スコア61相当）: $5/$30
- Grok 4.6（スコア61）: $2/$6
出力トークン単価でGPT-5の約5分の1というのは、推論ヘビーなワークロードでは支配的なコスト要因になる。タスクあたりのコスト換算では**$0.84**で、Kimi K3と同水準ながらインテリジェンス指標でわずかに上回る。これによりGrok 4.6はコスト対性能のパレートフロンティア（他モデルに対して一方的に劣らない最良トレードオフの境界線）上に位置する。
なお、コンテキストウィンドウはGrok 4.5から変わらず50万トークン。キャッシュヒット時の割引価格は$0.3から$0.5へ引き上げられており、キャッシュ活用時の割引恩恵が従来より薄くなっている点は留意が必要だ。実質的にキャッシュ利用時のコスト優位がやや縮小する変更であり、ヘビーユーザーにとっては見逃せない。
エージェント性能：複数ドメインで同時に競合
Grok 4.6の評価で特に目を引くのが、エージェント系タスクでの横断的な強さだ。
GDPval-AA v2（実世界のエージェント型知識ワークの指標）ではElo 1753を記録し、Claude Opus 5に次ぐ2位。Claude Fable 5やQwen3.8 Maxとは信頼区間が重なっており、統計的に有意な差はない。
さらに2つの特化ベンチマークでも上位に入っている。
- τ³-Banking（ツール使用を伴うマルチターン顧客対応タスク）: **50.7%**、Qwen3.8 Max（51.3%）と並んで上位2位
- Terminal-Bench v2.1（ターミナルベースのソフトウェアタスク）: **88.4%**、トップ水準と同等
知識ワーク・顧客対応・ターミナル操作の3軸で同時に競合水準を保つモデルは少ない。単一タスクへの特化ではなく、実運用で求められる多様なエージェントシナリオを横断的にカバーしている点が、Grok 4.6の実用上の強みとして浮かび上がる。
ターン効率：Claude Opus 5の半分のターン数で同等の結果
Artificial Analysisが独自に運営するプライベートベンチマークAA-Briefcase（長期エージェント型知識ワークタスクを評価）では、Grok 4.6はElo 1577を記録。「Fable 5ティア」に相当し、Claude Opus 5ファミリーには及ばないものの、ルーブリック採点・プレゼンテーション品質・分析品質で安定したスコアを出す。
ここで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 | 〜53ターン | 〜0.5Bトークン |
| Claude Opus 5 (max) | 〜103ターン | 〜2.0Bトークン |
長期エージェントタスクではコンテキストが急速に膨らむ。同等の解答に達するのに必要なターン数が半分、入力トークン数が4分の1であれば、トークン単価以上のコスト優位が生まれる。先述のキャッシュ価格変更による若干のコスト増を差し引いても、このターン効率の高さはエージェント運用コスト全体では無視できない優位性だ。
競合構図の変化
Grok 4.6のスコア61は、GPT-5（max）と同水準で、Claude Opus 5（63）とClaude Fable 5（62）に次ぐ位置だ。Grok 4.3比では**+23ポイント**という急激な改善で、xAIがフロンティア争いに本格復帰した格好になる。
Grok 4.3からGrok 4.5、そして今回のGrok 4.6へと続く改善ペースは、xAIが短期間でモデル品質を引き上げてきた軌跡を示している。コスト面での優位性を維持しながらインテリジェンス指標でフロンティア水準に到達したことで、Claude・GPT系モデルが支配してきた上位帯の競合構図に変化が生じている。
詳細はGrok 4.6 returns SpaceXAI to the intelligence frontier and leads on cost efficiencyを参照していただきたい。
