HN 日本語サマリー

← 一覧へ戻る
AI・機械学習

SpaceXAIのGrok 4.6、Artificial Analysis Intelligence Indexで61点を獲得

SpaceXAI's Grok 4.6 Scores 61 on the Artificial Analysis Intelligence Index (artificialanalysis.ai)

316 pointsby wertyk322 コメント

要約

SpaceXAIのGrok 4.6がArtificial Analysis Intelligence Indexで61点を記録し、GPT-5.6 Solと同等のフロンティアに位置づけられました。特に、低コストで優れたエージェント性能を発揮し、Claude Opus 5やClaude Fable 5といった最上位モデルに迫る結果を示しています。コストパフォーマンスに優れ、長期間にわたるエージェント作業タスクにおいても効率的な処理能力を示しています。

全文翻訳

SpaceXAIのGrok 4.6がArtificial Analysis Intelligence Indexで61点を獲得、GPT-5.6 Solと並び最先端に参入、低コストで際立つエージェント性能

Grok 4.6は、リリースからわずか1ヶ月余りでIntelligence IndexでGrok 4.5から5ポイント、Grok 4.3からは23ポイント向上しました。これにより、SpaceXAIはOpenAIと並び、Anthropicに次ぐ知能の最先端に返り咲きました。

主なポイント:
➤ Grok 4.6がArtificial Analysis Intelligence Indexの最先端に参入:61点を記録し、GPT-5.6 Sol(最大)と同等、Claude Opus 5(最大、63点)とClaude Fable 5(フォールバック付き最大、62点)に次ぎ、Kimi K3をわずかに上回るスコアです。
➤ 強力なエージェント性能:Grok 4.6は、Claude Opus 5に次ぐGDPval-AA v2 Elo 1753を達成し、Claude Fable 5およびQwen3.8 Maxとの信頼区間が重なっています。𝜏³-Bankingでは50.7%(Qwen3.8 Maxの51.3%に次ぐ上位2スコア)、Terminal-Bench v2.1では88.4%(主要モデルと同等)を記録しました。
➤ 低コストで最先端レベルの知能:ヘッドライン価格はGrok 4.5から据え置きで、100万入力/出力トークンあたり$2/$6です。これはClaude Opus 5 ($5/$25)やGPT-5.6 Sol ($5/$30)の60%以上安価です。タスクあたりのコストは$0.84で、Kimi K3と同等ながら知能はわずかに高く、Intelligence vs. Cost per Task Paretoフロンティア上に位置します。
➤ Grok 4.6は、長期間にわたるエージェント型知識作業タスクのプライベートベンチマークであるAA-Briefcaseにおいて、Elo 1577でFable 5ティアに位置します。これはClaude Opus 5ファミリーの後塵を拝しますが、特筆すべきはターン効率の良さで、タスク完了までに平均約53ターンと約0.5Bの入力トークンを要するのに対し、Claude Opus 5(最大)は約103ターンと約2.0Bの入力トークンを要します。

その他のモデル詳細:
➤ コンテキストウィンドウは50万トークン(Grok 4.5から変更なし)
➤ 価格は100万入力/出力トークンあたり$2/$6。キャッシュヒットは100万トークンあたり$0.5に割引されますが、これはGrok 4.5のキャッシュヒット$0.3から増加しています。

[画像: Grok 4.6のArtificial Analysis Intelligence Indexスコアのグラフ][画像: Grok 4.6の主要モデルとの比較表]

エージェント性能

Grok 4.6の最も強力な結果は、静的な推論ではなく、エージェントとしての作業において見られます。実際のリアルワールドのエージェント型知識作業の主要な指標であるGDPval-AA v2では、Elo 1753を記録しました。これはClaude Opus 5に次ぐスコアであり、信頼区間が重なることからClaude Fable 5およびQwen3.8 Maxと統計的に区別できません。この傾向はタスクタイプ全体に及びます。マルチターンのカスタマーサービス、ツール使用、そして知識作業をテストする𝜏³-Banking(50.7%)ではGrok 4.6を上位2モデルに位置づけ、ターミナルベースのソフトウェアタスクではTerminal-Bench v2.1(88.4%)で主要モデルと同等にしました。知識作業、カスタマーサービス、ターミナル使用のすべてにおいて同時に競争力を持つモデルは少数であり、その価格設定と合わせて、Grok 4.6をIntelligence Indexのあらゆるエージェント評価においてコスト対パフォーマンスのパレートフロンティア上に置きます。

[画像: Grok 4.6のエージェント性能に関する詳細な比較グラフ]

コスト

最先端モデルにおいて、世代をまたいでヘッドライン価格を据え置くことは珍しく、通常は知能の向上に伴って価格も上昇します。Grok 4.6は、Intelligence Indexで5ポイントの向上を、価格据え置きの$2/$6で達成しました。タスクあたりの測定コスト$0.84は、この価格設定と合理的なトークン効率を反映しています。購入者にとって重要な比較対象は、それに2ポイント以内で近いスコアを持つモデル、すなわち$5/$25のClaude Opus 5と$5/$30のGPT-5.6 Solです。Grok 4.6は、GPT-5.6 Solと実質的に同等のIntelligence Indexスコアを、出力トークン価格のわずかな割合で提供します。出力トークン価格は、推論負荷の高いワークロードにおいてコストを支配する要因です。

[画像: Grok 4.6のコストパフォーマンスに関する比較グラフ]

長期的な知識作業

Grok 4.6は、長期的なエージェント型知識作業タスクのプライベートベンチマークであるAA-BriefcaseにElo 1577でデビューしました。これはFable 5ティアに位置し、Claude Opus 5ファミリーの後塵を拝しますが、ルーブリック評価、プレゼンテーション品質、分析品質全体で一貫して高いパフォーマンスを示し、単一の次元での強みで他の弱点を補うのではなく、バランスの取れた性能を発揮します。スコアと同様に注目すべきは、その効率性プロファイルです。Grok 4.6はタスクを平均約53ターンと約0.5Bの入力トークンで解決するのに対し、Claude Opus 5(最大)は約103ターンと約2.0Bの入力トークンを要します。長期的なエージェント作業ではコンテキストが急速に蓄積するため、同等の回答に半分のターンと4分の1の入力トークンで到達できるモデルは、トークン単価をはるかに超えるコスト上の利点があります。

[画像: Grok 4.6の長期知識作業タスクにおける効率性の比較グラフ]

全結果

Artificial Analysis Intelligence Indexにおける個々の評価の詳細な内訳です。

[画像: Grok 4.6のArtificial Analysis Intelligence Indexにおける全評価結果の表]

Grok 4.6の詳細とベンチマークについては、Artificial Analysisをご覧ください:https://artificialanalysis.ai/models/grok-4-6