Grok 4.5 徹底検証｜“Opus級で半額”は本当か？
Cursorで実演＋Claude・GPT-5.6と比較
2026年7月9日、AIモデルが3つ同時に登場した日。その中で「Opus級なのに価格は4分の1」を名乗るのが、SpaceXAI（旧xAI）の新モデル Grok 4.5。Cursorを買収し、実際の開発者セッションで“共同訓練”したコーディング特化モデルです。本当に乗り換える価値があるのか——実演とベンチ、そして“影”まで、判断材料を1本に整理します。
この記事でわかる3つのこと
- 「Opus級で半額」は本当か（ベンチの光と影）
- Cursorで実際にどこまで作れるか（実演）
- あなたは Claude / GPT から乗り換えるべきか（使い分けの判定軸）
1. Grok 4.5とは？何が新しいのか
開発元の xAI は SpaceXAI へ改名して株式公開し、そのままAIコーディングの雄 Cursor（運営元Anysphere）を約600億ドル（$60B）で買収しました（6/16合意）。Grok 4.5は、そのCursorの実開発者セッションデータで“共同訓練”した初のコーディング特化モデルです。従来のGrok 4が「汎用の推論」を看板にしていたのに対し、4.5は実際のエンジニアリング作業・エージェント用途に明確に振っています。
- アーキテクチャは Mixture-of-Experts（MoE）。数万基のNVIDIA GB300で訓練し、ソフトウェアエンジニアリング中心の大規模な強化学習を回した、と公式は説明。
- Excelのモデル構築・PowerPoint/Word作成などオフィス業務もこなす（Microsoft Office向けアドイン提供）。
- イーロン・マスク本人の表現は「Opusクラス、ただし高速・低コスト」。※発言の原文は“Opus 4.7相当”で、最新のOpus 4.8とは明確に差があります。
注意（数値の扱い）：「1.5兆パラメータのV9基盤」という説明が一部で流布していますが、これは二次報道のみで公式ページに裏付け表記がありません。動画・記事では、公式が明言しているMoE・GB300・Cursor共同訓練までを事実として扱います。
2. なぜ注目されるのか＝“価格破壊”と効率
最大の武器はコストです。API価格は入力$2／出力$6（100万トークンあたり）で、Claude Opus 4.8（$5／$25）の約4分の1。しかも“安いだけ”ではなく、同じ作業をより少ない出力トークンで解くのが効きます。
- トークン効率が約4.2倍：SWE Bench Pro の1タスクを平均 15,954出力トークンで解決（Opus 4.8は67,020）。実際の請求額の差は、表定価の差以上に開きます。
- 高速：約80 TPS（トークン/秒）。無人で大量のエージェントを回すほど、この「安い×少ない×速い」が積み上がります。
3. どこで・いくらで使えるのか
「使えるプラットフォーム」は幅広く用意されています。
- Cursor：全プランで利用可（期間限定で無料・初週は利用量2倍）。標準版 $2/$6 と高速版 $4/$18 の2種類。
- Grok Build：既定モデル。CLIから利用（期間限定で無料）。
- API / コンソール：
console.x.aiでキー発行、モデルIDgrok-4.5。reasoning_effortを low / medium / high で調整（既定high）。 - Word / PowerPoint / Excel アドイン、Grokアプリ・X（SuperGrok / Premium+ で段階的に提供）。
提供地域に注意：Grok 4.5は現時点でEU未提供（EU AI Act対応が終わるまで。7月中旬に提供見込み）。
4. ベンチマークの実測（公式発表ベース）
公式が公開したのはコーディング系のベンチが中心で、GPQA/AIME等の一般推論スコアは非公開です。首位を取ったものもあれば、最上位に届かないものもある——という“まだら”な結果です。
| ベンチマーク | Grok 4.5 | 主な競合 | 位置づけ |
|---|---|---|---|
| SWE Marathon（pass@1） | 29.0% | Opus 4.8(max) 26.0 / Fable(max) 24.0 | 首位 |
| Terminal Bench 2.1 | 83.3% | Fable(max) 84.3 / GPT-5.5 83.4 / Opus 4.8 78.9 | ほぼ同点・僅差3位 |
| SWE Bench Pro（resolve） | 64.7% | Fable(max) 80.4 / Opus 4.8 69.2 | 最上位に劣後 |
| DeepSWE 1.1（中立ハーネス） | 53% | Fable(max) 70 / GPT-5.5 67 / Opus 4.8 59 | Opus 4.8にも未達 |
| 総合知能（AA Intelligence Index・独立系） | 54（4位） | GPT-5.6 Sol 59 / Opus 4.8 56 / GPT-5.5 55 | 4位 |
| トークン効率（SWE Bench Pro 1タスク出力） | 15,954 tok | Opus 4.8 67,020 tok | 約4.2倍効率 |
出典・注意：ベンチ数値は x.ai 公式発表のチャートおよび Artificial Analysis 等の独立系評価より。公式チャートは各社の自己申告値を含み、第三者による再現は一部のみ。「公式発表では」「独立系では」を区別して読むのが安全です。
5. 競合比較 ── どれをどう使い分けるか
「Grokが一番」でも「Grokは不要」でもなく、タスクの性質で選ぶのが実態です。乗り換え・併用の判定軸はこうなります。
| 軸 | 選ぶモデル |
|---|---|
| 大量のエージェントを自動で回す／総トークン課金が支配的 | Grok 4.5（安い・効率4.2倍・速い） |
| 1発の精度・難問・複雑リファクタが最優先 | Claude Opus 4.8 / GPT-5.6 Sol |
| 超長文脈・巨大コードベース丸ごと・動画/画像 | Gemini 3.1 Pro（1M）／Opus 4.8（1M） |
| エコシステム | Cursor中心→Grok／Claude Code中心→Opus／ChatGPT基盤→GPT-5.6 |
6. 落とし穴と注意点（“影”）
称賛の声が大きい一方で、実務で使う前に知っておくべき弱点があります。ここを回避策とセットで押さえるのが、乗り換え判断の肝です。
- ① ハルシネーション率が54%に倍増（前世代比・独立系のAA-Omniscience）。“間違っているときほど自信満々”になりやすい。
→ 回避：事実・数値が命の用途（法務・金融・医療）は必ず裏取り、重要判断は他モデルと二重チェック。 - ② 素のコーディング精度は最上位に劣後（SWE Bench Pro 64.7% < Opus 4.8 69.2% < Fable5 80.4%）。
→ 回避：複雑・高精度が要る一発仕事はOpus/GPTへ。Grokは量・速度・コストが効くタスクで使う。 - ③ 文脈は500kまで・200k超で単価上昇・EU未提供。
→ 回避：巨大コードベース丸ごとはGemini/Opus（1M）、地域はUS前提で。
7. まとめ ── Grok 4.5はこう選ぶ
- コスト重視・大量に回すなら、価格1/4×効率4.2倍は現状かなり強い選択肢。
- 精度が最優先・難問なら、素の性能で上回るOpus 4.8 / GPT-5.6 Sol を。
- 事実確認が命の用途は、ハルシネーション54%を踏まえ裏取りを前提に。
「安さ」という一点で市場に強烈なプレッシャーをかけた一方、“Opus級”は言い過ぎ——というのが数字の結論。用途で使い分ける前提なら、コストの主力として十分戦えるモデルです。