8月12日に一般提供が始まったGrok 4.6を、予告とのギャップ、ベンチマーク、価格、エージェント能力の15枚で読み解く。新世代ではなく、同じ1.5Tと$2/$6のまま前線に戻った急加速。
8月12日、xAIはGrok 4.6をCursor・Grok Build・APIへ一般提供した。予告は「8月7日頃」。到着はほぼ予定どおり。驚きは日付ではなく、同じ1.5Tと$2/$6のまま前線に戻った密度にある。
新世代ではなく、5週間の急加速。
4.5の56から+5。Sol Maxと同着。
入力 / 出力。4.5から据え置き。
GDPVal 1753で首位。長軌跡の自己検証。
サプライズは「出たか」ではなく「同じ土台でどこまで詰めたか」。日付は平凡、密度は非凡。
Musk氏は7月末に「4.6は2週間後、4.7は4週間後」と投稿。目標日8/7に対し実出荷は8/12。5日遅れは誤差。バージョン番号もインクリメンタル。
パラメータは4.5と同じ1.5T。価格も$2/$6据え置き。その条件でAA 61（Sol Max同着）、GDPVal・AA-Briefcase・Harvey LABで首位。
4.6は「大きくした」モデルではない。SFT/RLと長時間エージェントに全振りした中間世代。本命の2.1Tは4.7に残した。
市場は8/7前後の到着を織り込み済みだった。遅延は小さく、物語の重心は「4.7待ち」から「4.6で前線に戻った」へ移った。
AA 56。$2/$6でコスト効率の物語を先に取った。
Musk氏「4.6は2週間、4.7は4週間」。1.5T + 改善SFT/RL。
出荷なし。予測市場は8/14までの一般提供を高確率視。
永続クラウド上の指名エージェント。4.6の受け皿が先に出た。
Cursor / Build / API。初週は2倍クォータ。
2.1T。遅くなるがトークン効率はさらに上がる、と予告。
6軸の加重ではなく、単純平均に近い総合68。驚きの大半は価格効率とエージェント、欠落はスケールと到着日。
8/7予告に対し8/12出荷。5日遅れは誤差で、到着そのものに驚きはない。
1.5T据え置き。2.1Tの4.7が本命という予告どおり。
AA 56→61。5週間でSol Maxと同着、Fableに1差。
GDPVal首位、APEX +10.4pt、自己検証が長軌跡に現れた。
$2 / $6据え置きのまま前線。キャッシュ入力は$0.50。
視覚・UIの一発目が強く、Cursor / Buildで即日使える。
市場が「巨大化」を期待していたなら失望する。実務が「同じ値段で長時間タスクが走るか」を見ているなら、ここ数週間で最も密度の高い出荷。
コンテキスト窓。長軌跡の前提。
テキスト出力上限なし。
画像入力可。出力はテキストのみ。
low / medium / high（既定）に追加。
入力 $2 / キャッシュ $0.50 / 出力 $6（1Mトークン）。4.5と同水準。
入力 $4 / キャッシュ $1 / 出力 $12。長いコンテキストは倍額。
Cursor、Grok Build（初週2倍）、API、OpenRouter、Vercel、Cloudflare。Fast版は2倍価格。
4.6は基盤を大きくしていない。4.5より長い補完学習、4.5自身が再生したSFT、広いエージェントRLで中身を詰め替えた。
総合知はSolと同着、実行価値は複数項目で首位。穴はTerminal-BenchとDeepSWE。太字は各項目の最高値。
| 評価 | Grok 4.6 | Grok 4.5 | GPT-5.6 Sol Max | Fable 5 Max |
|---|---|---|---|---|
| AA Intelligence | 61 | 56 | 61 | 62 |
| GDPVal-AA v2 | 1753 | 1526 | 1728 | 1741 |
| CursorBench v3.2 | 69.9% | 66.7% | 67.2% | 70.5% |
| DeepSWE v1.1 | 65.9% | 54% | 73% | 70% |
| FrontierCode Ext. | 61.3% | 56.6% | 60.6% | 63.6% |
| APEX-Agents | 57.5% | 47.1% | 56.7% | 59.2% |
| Terminal-Bench 3.0 | 26% | 15.7% | 34.6% | 34.1% |
| AA-Briefcase | 1577 | 1313 | 1502 | 1574 |
| Harvey LAB | 15.8% | 12.9% | 2.5% | 11.3% |
公式の第一文は知能指数ではなく「long-running agents」。数値がそれを裏書きする。
4.5から+227。Sol 1728、Fable 1741を逆転して首位。
47.1 → 57.5。Fable 59.2に接近。
+264。知識労働の長文書でも首位。
平均ターン。Opus 5系の約103に対し半分近い。
「次に進む前に自分の成果を確認する」挙動が、長い軌道で観測され始めた。研究・コードベース横断・プロダクト化まで居座る、というのが公式の主張。
It stays with complex tasks across many steps.xAI · Introducing Grok 4.6
4.6のもう一つの焦点は「より野心的なインタラクティブ／視覚仕事」。知能戦争ではなく、最初の成果物の質。
具体的なプロダクト案を渡すと、アプリの骨格とトーンを一度のパスで立てられる、とxAIは書く。4.5より「最初のドラフト」が厚い。
最短経路は、薄い骨組みではなく実質のある初版を出し、ループで削ること。Build / Cursorの初週2倍クォータはこの使い方を前提にしている。
ベンチの+5点より、デザイナー／ビルダーが触った瞬間の「一発目が使える」感の方が、現場のサプライズになる。数値では測りにくい層。
知能を上げて値段を据え置くのは、値下げより攻撃的だ。4.6の最大サプライズは値札にある。
4.5と同じ。キャッシュ入力 $0.50。200k超は倍額。Fast版は2倍。価格表を動かす代わりに、同じ値段で前線に乗せた。
実コストは単価×ターン。単価が同じでも完走が短いなら、タスク単価はさらに下がる。Paretoの右側ではなく左上を取りにいっている。
AAは62前後。総合知の頂点。ターン数が多く、知識労働の完走コストは重い。頂点を取りにいく仕事向き。
AA 61でSolと同着、GDPVal首位、$2/$6。コスト効率の前線。エージェントと実装ループの既定値になりうる。
同じ値段、一段下の知能。4.6が出た瞬間に「安くて速い」物語の主役を譲った。
AAは同点。DeepSWEとTerminal-BenchはSolが上。コーディング純度ではまだ譲る。総合コスパでは4.6が押し返す。
「出る」は織り込み済み。「同じ値段で前線に戻る」「GDPVal首位」「Harvey LABでSolを大きく上回る」は織り込まれていなかった。
前線に戻った、は「全部勝った」ではない。4.6を既定値にするなら、負け筋を先に知っておく。
+11.9ptは大きいが、まだ届いていない。純粋なソフトウェア工学ベンチではOpenAI側が厚い。リポジトリ改修の最終品質は要A/B。
+10.3ptでも、シェル長時間任務はSol / Fableが一段上。エージェントの「居座り」は強くなっても、ターミナル完走率は未解決。
4.5は幻覚が増えたという独立評価があった。4.6のSFT再生成がそれを戻したかは、これから出る第三者評価待ち。
2.1T、やや遅い、トークン効率はさらに上、と予告。4.6で満足して止まる話ではなく、4–5週後の再計測が本体戦。
4.6は待つモデルではなく、今週切るモデル。4.7は別口座で予約する。
Cursor / Buildの初週2倍を使い、プロダクト化・調査・長めのリファクタを4.6既定にする。
日常はhigh。設計判断と長軌跡だけxhigh。200k超は単価が倍なので、プロンプトを先に圧縮する。
DeepSWEとTerminalが勝つ仕事はSol側を残す。全部乗り換えない。
2.1Tが出たら同じ6軸で取り直す。4.6の勝ち筋（単価×ターン）が残るかが論点。
デッキ内の料金・ベンチマークは xAI 公式発表（2026-08-12）および Artificial Analysis など第三者公表値の編集部整理です。導入判断では 公式ページと契約プランを確認してください。サプライズ度は編集部スコアであり、市場コンセンサスではありません。