Grok 4.5 ベンチマーク結果

Grok 4.5（高）は、SpaceXAI が 2026 年 7 月にリリースした独自の推論モデルです。独立系評価機関である Artificial Analysis の最新インテリジェンス指数（Artificial Analysis Intelligence Index v4.1）において、同モデルは 54 の高スコアを獲得し、同クラスのモデルの平均である 29 を大きく上回り、その卓越した知能レベルを示しています。この指数は、GDPval-AA v2、τ³-Banking、Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、CritPt、AA-Omniscience、AA-LCR の 9 つのベンチマークに基づいており、エージェントタスク、コーディング、科学的推論、知識、長文脈推論など多岐にわたります。

パフォーマンス面では、Grok 4.5 の出力速度は毎秒 86.7 トークンで、平均の 73 トークン/秒を上回り、高速な部類に入ります。価格設定は入力トークンが 100 万トークンあたり $2.00、出力トークンが $6.00 です。入力価格は平均の $1.50 よりやや高いものの、出力価格は平均の $8.40 より大幅に低く、評価全体のコストは $600.92 に抑えられています。また、キャッシュヒット価格は 100 万トークンあたり $0.50 と非常に低く、繰り返しのクエリに適しています。

Grok 4.5 はテキストと画像の入力に対応し、テキストを出力します。コンテキストウィンドウは最大 500k トークンで、約 750 ページの A4 用紙に相当します。推論モデルとして、回答前に深く思考する特徴を持ち、非推論バリアントも存在する可能性があります。インテリジェンス指数の評価では、同モデルは 6000 万トークンの出力を生成し、平均の 7200 万トークンと比較して簡潔でした。同価格帯のモデルと比較して、知能とコストのバランスに優れており、複雑な推論や長いコンテキストを必要とするユースケースに特に適しています。

Artificial Analysis の評価では、各ベンチマークの詳細スコア、トークン使用量、レイテンシー指標なども提供されています。例えば、AA-Briefcase（エージェント知識作業）や AA-Omniscience（知識信頼性）などの新しいベンチマークでも良好な結果を示しました。モデルの重みは公開されておらず独自モデルですが、合理的な価格設定により、開発者や企業にとって高知能モデルを検討する際の競争力のある選択肢となっています。