Opus級インテリジェンス · 4分の1コスト · ベンチマーク全解析 · Cursor共同訓練 · APIセットアップ
2026年7月8日、SpaceXAIは上場後初の大型モデルGrok 4.5をリリースしました。イーロン・マスクは「Opus級のインテリジェンスをわずかなコストで」と評しています。CursorやClaude Codeで高頻度のAgenticコーディングを回し、API請求が膨らみ続けているなら、本レビューが実務で重要な点を整理します。公開ベンチマーク、独立テスト、実コスト試算、6ステップAPI Runbookを網羅しています。Grok 4.5は最も精度の高いコーディングモデルではありませんが、Agenticワークフローでは市場で最もコスト効率の良い選択肢のひとつかもしれません。データ基準日：2026年7月10日
Grok 4.5はSpaceXAIのフロンティアモデルで、次の用途向けに構築されています。
本モデルはCursorと共同訓練されています。SpaceXは2026年6月にCursor親会社Anysphereを買収しました。訓練には数兆トークンの実開発者インタラクションデータが含まれます。IDE内での記述・レビュー・デバッグの実態、およびAgentがライブコードベースとどう相互作用するかが反映されています。
| 仕様 | 詳細 |
|---|---|
| アーキテクチャ | Mixture of Experts（MoE） |
| コンテキストウィンドウ | 500,000トークン |
| 推論モード | Low / Medium / High（デフォルト：High） |
| 速度 | 公式80 TPS、実測約90 TPS |
| 訓練インフラ | 数万基のNVIDIA GB300 GPU（テネシー州メンフィス） |
| パラメータ数 | 非公開 |
切替を検討するチームが直面しやすい課題は次のとおりです。
API請求の暴走：Claude Fable 5 / Claude CodeはAgenticタスク1件あたり平均約7.2Mトークンを消費します。
ベンチマークと実運用の乖離：ベンダー製harnessはスコアを押し上げがちで、中立harnessでは別の結果が出ます。
初回精度とリトライコスト：高精度作業にはOpus級の信頼性が必要ですが、高頻度ループでは速度と単価が重要です。
訓練データ汚染：CursorBenchはCursorコードベースのスナップショットが訓練データに混入したため撤回されました。
リージョン制限：EU向けAPIは7月中旬予定。現時点はus-east-1とus-west-2のみです。
表示価格だけでは不十分です。トークン効率はAgenticパイプラインで複利効果を生みます。
| モデル | 入力 | 出力 |
|---|---|---|
| Grok 4.5 | $2.00 | $6.00 |
| Grok 4.5（キャッシュ入力） | $0.50 | — |
| Grok 4.5 Fast | $4.00 | $18.00 |
| Claude Opus 4.7 | $5.00 | $25.00 |
| GPT-5.6 Sol | $5.00 | $30.00 |
| GPT-5.6 Luna | $1.00 | $6.00 |
| モデル / プラットフォーム | タスクあたり平均トークン | タスクあたり推定コスト |
|---|---|---|
| Grok 4.5 / Grok Build | 約1.9M | $2.49 |
| GPT-5.5 / Codex | 約6.2M | $5.07 |
| Claude Fable 5 / Claude Code | 約7.2M | $11.80 |
SWE-Bench Proでは、Grok 4.5の出力トークンはタスクあたり平均15,954。Claude Opus 4.8は67,020で、4.2倍の効率差があります。1日500タスクなら、概算で1日$1,245対$5,900です。
| ベンチマーク | Grok 4.5 | Claude Fable 5 | Claude Opus 4.8 | GPT-5.5 |
|---|---|---|---|---|
| DeepSWE 1.0（ベンダーharness） | 62.0% | 66.1% | 55.75% | 64.31% |
| DeepSWE 1.1（中立harness） | 53% | 70% | 59% | 67% |
| Terminal Bench 2.1 | 83.3% | 84.3% | 78.9% | 83.4% |
| SWE-Bench Pro | 64.7% | 80.4% | 69.2% | 58.6% |
注意：CursorBenchは撤回されました。Cursor自身のコードベースのスナップショットがGrok 4.5の訓練データに誤って含まれ、明確な汚染問題が発生しました。ローンチ資料もそれに合わせて改訂されています。
| ベンチマーク | Grok 4.5 | Claude Fable 5 | Claude Opus 4.8 |
|---|---|---|---|
| AutomationBench-AA（657エンタープライズワークフロー） | 51.4% | 48.6% | 48.5% |
| Snorkel GDPVal+ | 29% | — | 21% |
AutomationBench-AAはGmail、Slack、Salesforce、HubSpotなど40の模擬エンタープライズアプリをカバーします。Grok 4.5は、ビジネス制約を違反せずにワークフロー目標の半数超を達成した初のモデルです。Snorkelでは法務（40% vs 27–28%）、教育（58% vs 35–42%）、医療（35% vs 23–25%）で大きなリードを示しています。
Artificial Analysis Intelligence Index：54/100 — 総合4位で、Fable 5（60）、Opus 4.8（56）、GPT-5.5（55）に続きます。それでも前世代Grokから16ポイントの大幅ジャンプです。
| テスト | 結果 |
|---|---|
| 3Dキューブ描画（最難） | Opus 4.8とFable 5は初回成功。Grok 4.5は1回目でキューブを欠落、リトライで修正。GPT-5.5は失敗 |
| 速度とコスト | Grok 4.5は初トークン500ms未満、約110トークン/秒（競合の約2倍）。実行あたり最安 |
結論：ワンショットの複雑UIはClaudeが有利です。高頻度の反復コード生成はGrok 4.5が有利です。関連記事：AIコーディングアシスタント比較もご参照ください。
curl -s https://api.x.ai/v1/responses \
-H "Authorization: Bearer $XAI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "grok-4.5",
"input": "このコードのバグを見つけて修正してください：function median(a){a.sort();return a[a.length/2]}"
}'
SpaceXAI Consoleアカウントを作成 — console.x.aiでAPIキーを発行します。
経路を選ぶ：直接API、Cursorモデルプール、またはOpenRouterなどのゲートウェイ。
キャッシュを有効化：Responses APIではprompt_cache_key、またはx-grok-conv-idヘッダーを設定。キャッシュ入力は$0.50/Mに低下します。
Context Compactionを有効化し、長いAgentループのトークン蓄積を抑えます。
Cursorで切替：Grok 4.5を選択し、1週間の2倍枠でA/Bテストします。
混合モデルルーターを構築：定常サブタスクはGrok 4.5、アーキテクチャと高精度リファクタはClaude Fable 5へ。
本番メモ：独立評価者は、AA-Omniscience IndexにおけるGrok 4.5の幻覚率が54%と報告しています。前世代より大幅に高いです。堅牢な出力検証を組み込んでください。
高頻度Agenticパイプライン — 1日数百から数千のコーディングタスク。
ターミナルとツール利用ワークフロー — Terminal BenchとAutomationBenchでリードまたは同点。
Cursorネイティブチーム — 摩擦のない統合。
コスト敏感なスタートアップ — 同等インテリジェンスでタスク単価は約4分の1。
混合モデル戦略 — 定常作業はGrok、難所はClaude。
| シナリオ | リスク | 緩和策 |
|---|---|---|
| SWE-Bench Pro級の高精度作業 | Fable 5が15ポイント以上リード | 金融・セキュリティ重要コードはClaudeを維持 |
| 幻覚に敏感なシステム | AA-Omniscienceで54% | 検証レイヤーと人手レビュー |
| EUチーム | EU API未提供 | 7月中旬まで待つか承認済みゲートウェイを利用 |
| CursorBench関連の主張 | 訓練データ汚染 | 独立再テストを待つ |
Grok 4.5は、現時点でAgenticコーディングにおける最高のインテリジェンス対ドル比を提供します。実タスク$2.49対Claude Code$11.80 — コスト論は算数であり、マーケティングではありません。
クラウドAPIは推論コストを下げますが、iOS署名チェーン、Xcodeビルド、Metalワークロード、24/7 CIには実macOSハードウェアが依然必要です。VMはオーバーヘッドとEULAリスクがあり、ノートPCはAgent常駐に向きません。本番iOS CI/CDとAgent自動化には、VpsMesh Mac Miniクラウドレンタルが通常より適した選択です。ベアメタルApple Silicon、root権限、予測可能な月額です。Grok 4.5でcodegenし、クラウドMacでビルドと署名を回す構成が現実的です。
出典：SpaceXAI発表 · Cursorローンチ記事 · APIドキュメント · Snorkel AI
指標によります。Opus 4.8はSWE-Bench Pro精度で勝ちます（69.2% vs 64.7%）。Grok 4.5は速度、トークン効率、タスク単価で優位で、しばしば4倍の差があります。Agenticワークフロー完了率では独立ベンチマークでOpusを上回ります。
Grok BuildとCursorで期間限定の無料利用枠があります。以降はAPIで入力$2/M、出力$6/Mです。Cursorプランにはモデルプールに含まれます。
全Cursorプランで利用可能です。モデルピッカーでGrok 4.5を選択してください。ローンチ後1週間は利用枠が2倍でした。24/7ビルドノードについてはMac Mini M4レンタル料金をご参照ください。
500,000トークン（500K） — 多くの大規模コードベースタスクに十分です。
Cursorコードベースのスナップショットが訓練データに誤って含まれ、ベンチマークを汚染しました。結果は撤回され、独立再テストが予定されています。
はい。OpenRouter、Vercel AI Gateway、Cloudflare、Snowflake、Databricks Mosaicから利用できます。セットアップ詳細はヘルプセンターをご参照ください。