SpaceXAIは2026年7月16日、コーディング、エージェントタスク、ナレッジワークに向けて構築した同社最強のモデル「Grok 4.5」を発表しました。Cursorとともに訓練されたモデルで、知的かつ効率的な推論により、実世界のエンジニアリングタスクで同等の主要モデルを上回るとしています。フラッシュモデル級の80TPSで提供され、トークン効率は同等の主要モデルの約2倍。発表当日からGrok Build、Cursorの全プラン、SpaceXAIコンソールで利用でき、期間限定でGrok BuildとCursorでの無料利用も提供されます。

ベンチマーク結果

• ▸DeepSWE 1.0(pass@1) — Grok 4.5は62.0%。Fable(max)の66.1%、GPT 5.5(xhigh)の64.31%に次ぎ、Opus 4.8(max)の55.75%を上回る
• ▸DeepSWE 1.1 — Fable(max)70%、GPT 5.5(xhigh)67%、Opus 4.8(max)59%に対し、Grok 4.5は53%、GLM 5.2は44%
• ▸SWE Marathon(解決率pass@1) — Grok 4.5が29.0%で比較対象中の最高。Opus 4.8(max)26.0%、Fable(max)24.0%が続く
• ▸Terminal Bench 2.1 — Grok 4.5は83.3%で、Fable(max)84.3%、GPT 5.5(xhigh)83.4%と僅差
• ▸SWE Bench Pro(解決率) — Fable(max)80.4%、Opus 4.8(max)69.2%に対し、Grok 4.5は64.7%

DeepSWE 1.0はDatacurveが作成しAAが各社のハーネスで実行した評価で、競合の数値は各開発元が公表するシステムカードやリーダーボードから引用したとしています。

訓練手法

Grok 4.5は、コーディング、科学、エンジニアリング、数学の知識にまたがるデータセットで、数万基のNVIDIA GB300 GPUを使って訓練されました。トークン量だけでなく、重複排除・品質スコアリング・ドメイン特化の選定といったデータのフィルタリングとキュレーションに力を入れたとしています。

強化学習は1トークンあたりの知能を重視して大規模化し、複数ステップのソフトウェアエンジニアリングを中心とする数十万件のタスクを自動採点やモデルによる採点で学習させました。訓練スタックは高度な非同期処理を前提に構築されており、エージェントのロールアウトを何時間も走らせながら数万基のGPUで学習を継続できます。1つのプロンプトから設計の整ったアプリを完成させる能力も示されています。

速度・トークン効率とOffice作業

• ▸提供速度 — フラッシュモデル級の80TPSで提供
• ▸トークン効率 — SWE Bench Proの1タスクあたり平均出力トークンは15,954で、Opus 4.8(max)の67,020と比べ約4.2分の1
• ▸Grok Build — Grok 4.5がデフォルトモデルに採用。ウェブ調査や複数シートの数式を伴うExcelモデルの構築に対応し、後から参照できるメモの書き残しも可能
• ▸PowerPoint・Word — ネイティブ図形を使った複雑な図解や直感的なスライド設計、明快な文章作成が可能。Word、PowerPoint、Excel、Outlook向けのプラグインを用意

価格と利用開始

• ▸API価格 — 入力100万トークンあたり2ドル、出力100万トークンあたり6ドル
• ▸効率 — 同等の主要モデルの約2倍のトークン効率で、半分未満のステップ数でタスクを解決し、時間・コストあたりの知能は最高だとアピール
• ▸提供先 — Grok Build、Cursorの全プラン、SpaceXAIコンソール(API)で発表当日から利用可能
• ▸無料利用 — 期間限定でGrok BuildとCursorにおいて無料で利用できる