Grok 4.5 vs GPT-5.6 Sol と Claude Fable 5: ベンチマークの判決

Grok 4.5 vs GPT-5.6 Solは、このリリースサイクルでコストを別のプロバイダーを試す真剣な理由にする最初の比較です。それでも、私はOpenAIやAnthropicを置き換えることはありません。

SpaceXAIの最新モデルはフロンティアに到達し、迅速に動作し、入力トークン1百万あたり2ドル、出力トークン1百万あたり6ドルを請求します。独立したテストでは、これが主要なコーディングエージェントに近いことが示されています。同じテストでは、全体的な知性でSolに5ポイント、Claude Fable 5に6ポイント遅れています。

2026年7月18日現在、私のルートはOpenAIが第一、Anthropicが第二です。Grok 4.5はコーディングエージェント、自動化、高ボリュームのワークロードのための制御されたテストレーンに入ります。私はまだ生産環境で使用していないので、この比較は公開された測定値と私自身のルーティング決定を分けます。

短い判決

Grok 4.5には明確な役割があります。それはコスト効率の良いフロンティアモデルであり、新しい品質リーダーではありません。

Grok 4.5とは？

SpaceXAIはGrok 4.5を 7月8日にコーディング、エージェントタスク、知識作業のためのフラッグシップとしてリリースしました。同社はCursorと並行してトレーニングし、xAI API、Grok Build、およびCursorを通じて利用可能にしました。

このモデルはテキストと画像を受け入れ、テキストを返し、関数呼び出し、構造化出力、および設定可能な推論をサポートします。コンテキストウィンドウは500,000トークンです。公開された知識のカットオフは2026年2月1日であるため、現在の情報はxAIのウェブまたはX検索ツールを必要とします。

Grok Buildはオープンソースであり、チームがエージェントループ、コンテキストアセンブリ、ツールディスパッチ、フック、スキル、プラグイン、およびMCP統合を検査する方法を提供します。Grok 4.5モデル自体はプロプライエタリであり、SpaceXAIはその重みを公開していません。

Grok 4.5 vs GPT-5.6 Sol vs Claude Fable 5

広範な比較では、品質に関してAnthropicとOpenAIが優位であり、コストに関してGrokが優位です。これらの値は、独立した人工分析テストと各プロバイダーの現在のAPIドキュメントを組み合わせたものです。

*出典: 人工分析, 2026年7月17日。そのv4.1インデックスは、9つのエージェント、コーディング、推論、知識、および長いコンテキスト評価を組み合わせています。*

GrokとSolの間には5ポイント、Fableとの間には6ポイントの差があります。このギャップは難しいタスクで現れるには十分大きいですが、コスト、レイテンシ、ツールの信頼性が高ボリュームの作業で実際の結果を逆転させるには十分小さいです。

Grok 4.5が得意なところは？

コーディングエージェントとターミナル作業

Grok 4.5は人工分析コーディングエージェント指数でGrok Buildで76点を獲得しています。SolはCodexで80点でリードしています。Fable 5はClaude Codeで77点を獲得していますが、その構成はOpus 4.8にフォールバックすることができます。

GrokとテストされたFable構成の間には1ポイントの差があります。Solとの間には4ポイントの差があります。これは、エージェントが数百のツール呼び出しを実行し、出力トークンコストが累積する場合に、リポジトリレベルの試験を正当化するには十分近いです。

*出典: 人工分析。インデックスはDeepSWE、Terminal-Bench v2、およびSWE-Atlas-QnAの平均です。ハーネスが異なるため、チャートはモデルエージェントの組み合わせを測定します。*

SpaceXAIのローンチテーブルは、似たようなが、より古いストーリーを語っています。GrokはSWEマラソンで29.0%でリードし、Terminal-Bench 2.1で83.3%、SWE-Bench Proで64.7%を達成しています。Fable 5は示された5つのコーディングテストのうち4つでリードしています。SpaceXAIはGrokをGPT-5.5と比較したため、直接的なSolの判決のためにそのベンダーテーブルを使用することはありません。

速度とトークン効率

人工分析はGrok 4.5を約112出力トークン/秒で測定しました。SpaceXAIは80トークン/秒を報告し、このモデルは解決されたSWE-Bench Proタスクあたり15,954出力トークンを使用したと言っています。これはClaude Opus 4.8の比較で4.2倍少ないです。

これらの数値は異なるテストセットアップを説明していますが、同じ方向を指しています: Grokは出力を少なくしてエージェント作業を完了するように設計されています。この節約は、コーディングエージェントがファイルを読み込み、コマンドを実行し、障害を修復し、ループを繰り返すときに重要です。

Grok 4.5はコストの勝者か？

200,000トークン未満のプロンプトに対して、xAIは入力トークン1百万あたり2ドル、キャッシュされた入力に対して0.50ドル、出力に対して6ドルを請求します。プロンプトが200,000トークンを超えると、料金は全体のリクエストでそれぞれ4ドル、1ドル、12ドルに倍増します。

短いコンテキストのリスト価格は、入力でSolより60%低く、出力で80%低いです。Fable 5は入力で5倍、出力で8倍以上のコストがかかります。

*出典: 人工分析。タスクあたりのコストは、各モデルが使用したトークンを含み、価格カードのみを比較するのではありません。*

独立したタスクコストは価格カードよりも有用です: Grokは0.31ドル、Solは1.04ドル、Fableは2.75ドルです。GrokはSolに対して5ポイントの知性を放棄しながら、そのテストコストを約70%削減します。

生産コストには、失敗したツール呼び出し、繰り返しのパッチ、レビュー時間、回帰も含まれます。結果を修正するためにシニア開発者が必要な安価な実行は、高価なクリーン実行よりもコストがかかる可能性があります。

Grok 4.5が劣るところは？

全体的な品質と長いコンテキスト

SolとFableは広範な独立したインデックスでリードしています。両者はGrokの約2倍のコンテキストウィンドウも提供しています。その違いは、大規模なリポジトリ、長い研究パケット、および有用な証拠を失うことなく履歴を圧縮できないエージェントセッションに影響を与えます。

Grokのローンチベンチマークはギャップを強化します。FableはSpaceXAIの独自のチャートでDeepSWE 1.0、DeepSWE 1.1、Terminal-Bench 2.1、およびSWE-Bench Proでリードしています。GrokはSWEマラソンで勝利していますが、1回の勝利では一貫したリーダーシップを確立することはできません。

知識の信頼性

Grok 4.5はAA-Omniscienceの精度をGrok 4.3の35%から52%に改善しました。その幻覚率は25%から54%に上昇しました。結合されたOmniscienceスコアは18から26に増加しましたが、Grokはより多くの質問に正しく回答した一方で、拒否する代わりにより多くの根拠のない回答を提供しました。

*出典: 人工分析のGrok 4.5評価。幻覚率はAA-Omniscienceに属し、すべてのプロンプトタイプに一般化すべきではありません。*

私はGrokで事実を公開するためには、リトリーバル、引用された証拠、外部検証を必要とします。同じルールはSolとFableにも適用されますが、Grokの精度と幻覚のシフトは専用のテストに値します。

Grok 4.5が私の現在のスタックをブロックする理由は？

このデプロイメントにはEU互換のアクセスが必要です。xAIのGrok 4.5ドキュメントは、APIコンソールアクセスがEUユーザーには利用できず、7月後半に期待されていると記載しています。それはすぐに変わるかもしれませんが、今日の安定した生産ルートをブロックしています。

xAIはデフォルトでAPIの入力と出力を30日間保存し、明示的な許可なしにそれらをトレーニングに使用しないと述べています。ゼロデータ保持は適格なチームに利用可能ですが、それを有効にすると、状態を持つResponses API機能、ファイルとコレクション、バッチAPIサポートが削除されます。生産試験には、コードや顧客資料がサービスに到達する前にデータ処理のレビューが必要です。

Anthropicは、Fableの品質リードがその高い価格をカバーできる長くあいまいな分析のための第二のルートとして残ります。Grokは、トークン価格だけでなく、完了したタスクコストでこれらのルートの1つを上回る必要があります。

Grok 4.5をテストする方法

EUアクセスが開放され、Grokがこれらのテストを通過した後にルーティングを再考します。それまでの間、Grok 4.5は生産依存関係ではなく、ベンチマークに値する候補です。

実用的なモデルの選択

高ボリュームのエージェント作業、迅速な出力、完了したタスクあたりのコストが決定を支配する場合は、Grok 4.5を選択してください—そしてその500,000トークンのコンテキストと地域の可用性があなたのデプロイメントに適しているとき。

最も強力な現在のコーディングエージェントの結果、成熟したツールの表面、およびOpenAIエコシステム内のより大きなコンテキストウィンドウを望む場合は、GPT-5.6 Solを選択してください。

分析的に難しいタスクで最高のトークン価格を正当化し、広範な知性ベンチマークでのリードを重視する場合は、Claude Fable 5を選択してください。

私のルートはOpenAIとAnthropicの組み合わせであり、Grokはテスト中です。Grok 4.5はそのテストを経済的に興味深いものにします。公開された結果は、まだ移行を正当化するものではありません。

出典と方法論

私はSpaceXAIのGrok 4.5発表、モデルドキュメント、ライブ価格表、セキュリティFAQ、およびGrok Buildオープンソース発表を確認しました。独立した結果は、人工分析のGrok 4.5評価とその7月17日のフロンティア比較から得られました。私はOpenAIのGPT-5.6 SolとAnthropicのClaude Fable 5ドキュメントを競合する仕様と価格のために使用しました。

スコア、価格、アクセスノート、および製品の動作は2026年7月18日現在のものです。プロバイダーは、記事を変更することなく、提供動作、価格、地域アクセス、およびモデルの別名を変更することができます。