SpaceX AI、Grok 4.7を発表：コーディングおよびナレッジワーク向けフラッグシップ世代、Grok 4.6と同価格

Grok 4.7の利用料金は、Grok 4.6と同じく100万入力トークンあたり2ドル、100万出力トークンあたり6ドルからとなっており、同等の推論速度を維持しています。また、価格は2倍となりますが、標準版の2倍の出力速度を実現する公式の高速版も提供されています。

この料金設定は、同等のモデルの中でも低い部類に入ります。比較すると、GPT-5.6 Solの最高ティアは入力4ドル・出力20ドル、Fable 5.1の最高ティアは入力10ドル・出力50ドルです。出力単価のみを比較した場合、Grok 4.7は前者の約3分の1、後者の約8分の1にとどまります。

価格設定が据え置かれたことによる実用上の利点は、移行コストを抑制できる点にあります。すでにGrok 4.6を使用しているチームは、CursorやGrok Build上で直接モデルを切り替え、APIや呼び出し方法を変更することなく、既存のタスクスイートで比較検証を実行できます。

Grok 4.7の強化学習フェーズでは学習時間も長期化し、訓練タスク全体の難易度バランスが上方シフトしたほか、完了までに数時間を要する問題へと重点が置かれました。その公式な直接的結果として、同モデルは自身の出力をより正確に検証し、長文のコンテキストを管理する能力が向上しています。

また、学習目標にも変更が加えられました。Grok 4.7はGrok Botハーネスをネイティブに理解するようトレーニングされ、対話タスクや一般的な知識作業において優れたパフォーマンスを発揮します。SpaceXAIは8月11日にGrok Botをローンチし、それぞれが専用のコンピュータを備え、ツールやアプリケーション内で作業可能な継続稼働型エージェントの集まりであると説明しました。

文書およびプレゼンテーションの生成能力についても別途強調されました。公式発表によると、Grok 4.7は両方の出力カテゴリーにおいてGrok 4.6から顕著な改善を示しており、他のフロンティアモデルと同等の性能を実現しています。

Grok 4.7は、ドキュメントやプレゼンテーションの作成において優れたパフォーマンスを発揮します。GDPvalおよびAA Briefcaseテストでは、AIが弁護士、看護師、金融アナリストなどの専門職の業務を遂行することが求められます。Grok 4.7は両ベンチマークテストでGrok 4.6を上回り、他のフロンティアモデルと同水準の性能を達成しました。

[コーディング、ターミナル操作、電気工学、法律、臨床推論、オフィス業務を網羅した公式比較表。出典：x.ai]

法律とターミナル操作の分野で最も大きな改善が見られました。Harvey Legal Agent Benchmarkにおいて、Grok 4.7は同グループ内で最高となる19.6%を記録したのに対し、GPT-5.6 Solはわずか2.5%にとどまりました。Terminal-Bench 4.0では、Grok 4.7はGrok 4.6の20.3%から38.0%へと急上昇し、ほぼ倍増しました。臨床推論は8.2パーセンテージポイント改善し、オフィス業務のスコアは111ポイント増加しました。

CursorBench 4.0の公式ページには、タスクあたりの平均コスト、平均出力トークン数、平均ステップ数の3つのチャートが並んで掲載されており、縦軸は同じスコア体系に標準化されています。チャート内の参照点はSonnet 5（high defaultプリセット）の位置に示されており、スコア30.8%、タスクあたり3.48ドル、約61,000出力トークン、85ステップとなっており、費用対効果の比較におけるベースラインとなっています。

[出典：X.ai]

コスト曲線を見ると、Fable 5.1はタスクあたり18ドル近いコストで最高スコアを達成しているのに対し、GPT-5.6 Solは低コスト側に位置し、コストが下がるにつれてスコアがより急激に低下します。Grok 4.7はその中間に位置しており、公式の主張によれば、このベンチマークにおいて費用対効果のフロンティアにあるとされています。出力トークン数およびステップ数のチャートの形状はコストチャートと一致しており、コストの差異は単価そのものではなく、主にタスク完了に必要な推論の長さに起因することを示しています。

6人のバックエンドチームが40万行のサービスを古いフレームワークから新しいフレームワークへ移行するケースを考えてみましょう。この種のタスクを単一ステップのコミットに分解することは意味をなしません。モデルは何時間も連続して稼働し、その過程で前のステップの結果をセルフチェックする必要があります。これこそが、CursorBench 4.0およびTerminal-Bench 4.0が測定を目指している具体的なシナリオです。タスクあたりのコストが10ドル超から数ドルに下がって初めて、チームは週末にまとめてバッチ処理するのを待つのではなく、日常の作業スケジュールに組み込むようになるでしょう。

Grok 4.7は、全く新しいセーフティスタックを採用しています。公式には、拒絶率とジェイルブレイク耐性の両面において、同社がこれまでテストした中で最も強力なモデルであると説明されています。

サイバーセキュリティやバイオセキュリティなどのデュアルユース分野において、公式データは危険なリクエストを拒否しつつ、正当なタスクの有用性を維持するという両側面を対象としています。バイオセキュリティでは、Grok 4.7はLatchBioバイオセキュリティ・ベンチマークで最高スコアとなる62.4%を記録しました。サイバーセキュリティでは、社内ベンチマーク「HackerBench v0.3」において、高リスクなデュアルユース・プロンプトの許可率をわずか3.3%にとどめ、正当なセキュリティ研究をブロックすることはほとんどありませんでした。

SpaceXAIはまた、防御目的の研究を行う一部のサイバーセキュリティパートナーに対し、Grok 4.7のレッドチーム機能への招待制アクセスの提供を開始したと発表しました。

このコンテンツはAIを使用して翻訳され、明確さを確認しました。情報提供のみを目的としています。