Grok 4.5 徹底レビュー：
SpaceXAI 最強プログラミングモデル — 「Opus 級 + 1/4 価格」は実力か

2026年7月8日、マスク氏率いる SpaceXAI が Grok 4.5 を正式公開しました。X 上では「Opus 級の知能で、より速く、Token 効率が高く、コストが低い」と訴求しています。

本稿は AI プログラミング助手の選定、Cursor ユーザー、予算に敏感なエンジニアリングチーム を対象に、公開 Benchmark・TryAI 独立検証・API 料金・プラットフォーム接続を整理します。Grok 4.5 の強み・弱み、そして「4 倍安い」が算術かマーケティングかを三つの観点で答えます。

01 Grok 4.5 とは何か — Cursor 共同訓練とコア仕様

選定前に陥りやすい誤り：

  • Benchmark 順位だけを見る：公式 harness と中立 harness で最大 17 ポイント差が出ます。表一枚では判断できません。
  • API 単価だけを見る：出力 Token 消費が 4.2 倍違えば、安い単価でもタスク単価は逆転します。
  • 訓練データ論争を軽視する：CursorBench はデータ汚染で撤去済み。Cursor 関連の主張は独立再検証が必要です。
  • 幻覚率を無視する：AA-Omniscience Index で Grok 4.5 の幻覚率は 54%。本番では検証レイヤが必須です。

Grok 4.5 は SpaceXAI 史上最強モデルで、次の用途に最適化されています。

  • プログラミングとコード Agent：バグ修正、大規模リファクタ、エンドツーエンドアプリ開発
  • 自律ワークフロー（Agentic Tasks）：ツール横断の多段階自動化
  • 知識集約業務：法務、医療、教育、データ分析など

本モデルは単独開発ではなく、AI プログラミングツール Cursor と共同訓練 されています。数兆 Token の実開発者インタラクション（コードレビュー、デバッグ、Agent とリポジトリの対話）が注入されています。SpaceX は 2026年6月に Cursor 親会社 Anysphere を買収済みで、今回の共同訓練はその最初の成果の一つです。背景は SpaceX による Cursor 買収の解説 を参照してください。

Grok 4.5 コア仕様
項目 値
アーキテクチャ Mixture of Experts（MoE）
コンテキスト 500,000 Tokens（50 万）
推論モード 低 / 中 / 高（デフォルト：高）
推論速度 公式 80 TPS、実測約 90 TPS
訓練ハードウェア 数万基 NVIDIA GB300 GPU（メンフィス DC）
パラメータ数 非公開（MoE）

02 Grok 4.5 の料金はいくらか — API 単価と実タスクコスト

料金が Grok 4.5 の最大の訴求点です。まず API 単価を比較し、次に Token 効率を乗じた実タスクコストを見ます。

API 単価比較（100 万 Token あたり）
モデル 入力 出力
Grok 4.5 $2.00 $6.00
Grok 4.5（キャッシュヒット） $0.50 —
Grok 4.5 Fast $4.00 $18.00
Claude Opus 4.7 $5.00 $25.00
Claude Fable 5 より高額 より高額
GPT-5.6 Sol（旗艦） $5.00 $30.00
GPT-5.6 Luna（経済） $1.00 $6.00
プログラミング Agent 実タスクコスト
モデル / プラットフォーム 平均 Token 消費 実コスト / タスク
Grok 4.5 / Grok Build 約 1.9M tokens $2.49
GPT-5.5 / Codex 約 6.2M tokens $5.07
Claude Fable 5 / Claude Code 約 7.2M tokens $11.80

SWE-Bench Pro では Grok 4.5 の平均出力は 15,954 Token、Claude Opus 4.8 は 67,020 Token — 差は 4.2 倍。500 タスク/日なら Grok 約 $1,245/日、Claude Code 約 $5,900/日。高頻度呼び出しでは差が指数関数的に広がります。

03 Grok 4.5 の Benchmark — プログラミング、Agent、総合指数

SpaceXAI は 4 つのプログラミング評価を公開しました。公式データと第三者テストを併記し、CursorBench 撤去理由も記載します。

プログラミング Benchmark
評価 Grok 4.5 Fable 5 Opus 4.8 GPT-5.5
DeepSWE 1.0（公式 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%

読み取りポイント：

  • DeepSWE 1.0：Grok 4.5 は第三位。差は小さいです。
  • DeepSWE 1.1：中立 harness では第四位。Fable 5 が 17 ポイント先行 — 最も正直な横比較です。
  • Terminal Bench 2.1：トップ 4 モデルは 5.4 ポイント以内でほぼ互角です。
  • SWE-Bench Pro：最難関で第三位。Fable 5 に約 16 ポイント遅れます。

CursorBench 撤去：リリース時、Cursor 独自ベンチマーク CursorBench が一時撤去されました。Cursor コードベースのスナップショットが Grok 4.5 訓練データに混入した疑いがあり、データ汚染リスクがあります。関連数値は独立再検証を待つべきです。

Agent Benchmark（Grok 4.5 の強み）
評価 Grok 4.5 Fable 5 Opus 4.8
AutomationBench-AA（657 ワークフロー） 51.4% 48.6% 48.5%
Snorkel GDPVal+（専門業務） 29% — 21%

AutomationBench-AA は Gmail、Slack、Salesforce、HubSpot など 40 の模擬業務アプリを含み、Grok 4.5 は業務制約を破らずに半数超のワークフロー目標を達成した初のモデルです。Snorkel 専門評価では法務（40% vs 27–28%）、教育（58% vs 35–42%）、医療（35% vs 23–25%）で大幅リードしています。

Artificial Analysis 総合指数：Grok 4.5 は 54 点（第四位）。Fable 5（60）、Opus 4.8（56）、GPT-5.5（55）に続きますが、前世代 Grok より 16 点上昇しました。

04 TryAI 実測と Cursor / API 六ステップ接続

独立機関 TryAI は、Grok 4.5・GPT-5.5・Claude Opus 4.8・Claude Fable 5 に同一プロンプトで同一の対話アプリ構築を依頼しました。

TryAI 3D 立方体レンダリング（最難関）
モデル 結果
Opus 4.8 / Fable 5 一発成功
Grok 4.5 初回はタイトルとボタンのみ、立方体なし。再試行で成功
GPT-5.5 失敗

速度とコスト：初 Token は 0.5 秒未満、流速約 110 tokens/秒（競合の約 2 倍）。GPT-5.5 は短文が最速、Fable 5 は最遅・最高コスト。高頻度の反復タスクでは Grok 4.5 が有利。複雑な状態管理を一発で仕上げる精度タスクでは Claude 系が依然信頼できます。

利用可能プラットフォーム（EU は 7 月中旬予定）：

  • Grok Build：SpaceXAI 自社 Coding Agent、Grok 4.5 がデフォルト
  • Cursor：全プラン対応（デスクトップ、Web、iOS、CLI、SDK）、初週使用量 2 倍
  • SpaceXAI Console API：Chat Completions と Responses API
  • Office プラグイン：Word、PowerPoint、Excel のデフォルトモデル
  • サードパーティ：OpenRouter、Vercel、Cloudflare、Snowflake、Databricks Mosaic

API リージョン：us-east-1、us-west-2。レート制限 150 req/s、50M tokens/分。

api-quickstart.sh 
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]}"
  }'

六ステップ導入：

  1. SpaceXAI Console 登録：console.x.ai でアカウント作成と API Key 発行。請求リージョンが us-east-1 または us-west-2 であることを確認します。
  2. Cursor でモデル切替：Cursor → モデル選択 → Grok 4.5。初週は使用量 2 倍で実ワークフローを圧力テストできます。
  3. キャッシュキー設定：Responses API で prompt_cache_key、Chat Completions では x-grok-conv-id Header。ヒット時入力単価は $0.50/M tokens まで下がります。
  4. 長 Agent ループで Context Compaction：Token 蓄積を抑え、高頻度タスクの総コストを管理します。
  5. ハイブリッドルーティング：通常サブタスクは Grok 4.5、難しいアーキ判断は Claude Fable 5。Cursor または LiteLLM で fallback を設定します。
  6. 本番出力の検証：SWE-Bench Pro 級の高精度タスクと幻覚敏感シーンでは CI ゲートと人手レビューを追加し、初回出力を盲信しないでください。

05 Grok 4.5 に切り替えるべきか — 選定表、FAQ、まとめ

適合シナリオと注意点
シナリオ 推奨 理由
高頻度 Agent（数百〜数千回/日） 優先検討 タスク約 $2.49 vs $11.80、コスト差が即効
ターミナル・ツール呼び出し 優先検討 Terminal Bench 2.1、AutomationBench でトップ級
Cursor 深統合チーム 優先検討 共同訓練、ネイティブ対応、シームレス切替
ハイブリッドモデル戦略 推奨 日常は Grok、最難アーキは Fable 5
SWE-Bench Pro 級の高精度コード 慎重に Fable 5 が約 16 ポイント先行、差は実在
幻覚率に敏感な本番 慎重に AA-Omniscience 幻覚率 54%、検証必須
EU ユーザー 待機 API は us-east-1 / us-west-2 のみ、EU 未開放
CursorBench 関連主張 保留 訓練データ汚染、結果撤去済み

引用可能データ（EEAT）：

  • Token 効率：SWE-Bench Pro 出力 Token Grok 4.5 は 15,954、Opus 4.8 は 67,020、差 4.2 倍（SpaceXAI 公式、2026-07-08）。
  • 推論速度：初 Token 500ms 未満、流速約 110 tokens/s、競合约 2 倍（TryAI 独立検証）。
  • 総合指数：Artificial Analysis 54 点、前世代比 +16、第四位（Artificial Analysis、2026-07）。

FAQ：

  • Q: Grok 4.5 は Claude Opus 4.8 より優れますか？ A: 指標次第です。Opus 4.8 は SWE-Bench Pro 精度が高い（69.2% vs 64.7%）。Grok 4.5 は速度・Token 効率・タスク単価で最大 4 倍有利な場面があります。Agent ワークフロー完了率では独立 Benchmark で Opus 4.8 をわずかに上回ります。
  • Q: Grok 4.5 は無料ですか？ A: Grok Build と Cursor に期間限定無料枠がありました。API 正式価格は入力 $2/M、出力 $6/M。Cursor サブスクにモデルプールとして含まれます。
  • Q: Cursor で Grok 4.5 を使うには？ A: 全 Cursor プランで自動利用可。モデル選択で Grok 4.5 を選ぶだけです。公開後初週は使用量 2 倍です。
  • Q: コンテキストはどのくらい？ A: 500,000 tokens（500K）。多くの大規模リポジトリタスクをカバーできます。
  • Q: CursorBench はなぜ撤去？ A: 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ベンチマークを汚染。SpaceXAI が結果を撤回し、独立再検証を待っています。
  • Q: OpenRouter 経由で使えますか？ A: はい。Vercel AI Gateway、Cloudflare、Snowflake、Databricks Mosaic も対応しています。

まとめ：Grok 4.5 は「最強のプログラミングモデル」ではありませんが、コスパ最良の Opus 級プログラミング Agent です。Token 効率と API 料金を実タスクコストに換算すると、主流 Agent ワークフローで Opus 4.8 に近い品質を 7–8 割以下の価格で回せる場面があります。金融コードや安全クリティカル系は引き続き Claude Fable 5 を推奨します。

主要ソース — 上流更新後はリンクを再確認してください：

https://x.ai/news/grok-4-5

https://cursor.com/blog/grok-4-5

https://docs.x.ai/developers/models/grok-4.5

https://techcrunch.com/2026/07/08/spacexai-releases-grok-4-5-which-elon-describes-as-an-opus-class-model/

https://snorkel.ai/blog/grok-4-5-testing-results-how-spacexais-new-model-performs-on-real-professional-work/

個人ノートPCで Grok 4.5 を回すと、スリープで長 Agent ループが途切れ、複数リポの並列処理がローカル資源を奪い合い、企業では監査境界を統一しにくいという三つの制約があります。Cursor Agent、Codex CI、OpenClaw Gateway を 24/7 安定運用する本番環境では、CALMVPS 裸金属 Mac Mini レンタルが通常より適しています。専用 Apple Silicon、Metal ネイティブ加速、月額柔軟課金、約 120 秒プロビジョニングで、重い Agent 実行をクラウドにオフロードしローカルは Plan 承認に集中できます。料金ページをご覧ください。