Grok 4.6とは？長時間Agent・API料金・日本語での評価方法を解説

「新しいモデルだから前より賢い」だけでは、業務に入れる判断材料になりません。長時間のAgentを選ぶときに重要なのは、最初の回答の見栄えより、途中で要件を失わず、ツールの結果を読み、失敗から戻り、完成条件まで進めるかです。

xAIは2026年8月12日、Grok 4.6を公開しました。今回の重点は、長時間Agent、コードベース全体の作業、研究、インタラクティブなアプリや視覚成果物の制作です。本記事では公式発表を基に、Grokの変更点、提供経路、API料金、公式ベンチマークの読み方と、日本語業務で再現できる評価方法を整理します。

先に結論：完成まで続ける能力を狙った更新

Grok 4.6は、短い質問への応答速度だけを競うモデルではありません。広い要求を受け取り、調査、構成、実装、画面確認、修正を繰り返す仕事を主対象にしています。

Grok 4.5から何が変わったか

長い作業の途中で目的を保つ

xAIは、複数ステップをまたぐ調査、情報分析、コードベース作業、アプリや業務成果物の作成をGrok 4.6の中心に置いています。補助学習では、推論と技術領域の合成データ、エンジニアリングデータを増やし、知識作業、一般的なコーディング、カーネル最適化、Web開発、CADなどのAgent環境で強化学習を行ったと説明しています。

ここで評価すべきなのは「一回で正解したか」だけではありません。途中でテストが落ちたときに原因を調べるか、画面が要求と違うときに修正できるか、完了していないのに成功と報告しないかを確認します。

コードだけでなく視覚成果物まで扱う

公式発表は、広い製品アイデアから動く初期版を作り、複数回のフィードバックを受けて改善する例を示しています。Webアプリ、グラフィック、CADなど、テキストだけでは完成を判断できない作業が想定されています。

ただし、デモ映像の見栄えは再現性の証明ではありません。自社のブラウザ、ツール権限、ファイル形式、テスト環境で同じ修正ループを回せるかを見る必要があります。

どこから使えるか

発表時点で、Grok 4.6は次の経路から提供されています。

• Cursor
• Grok Build
• xAI API
• OpenRouter
• Vercel
• Cloudflare

経路ごとにモデル名、コンテキスト、ツール、キャッシュ、レート制限、データ保持条件が異なる場合があります。「Grok 4.6対応」と書かれていても、標準版かFast版か、同じツール構成かを確認してください。

API料金の見方

xAIの発表に記載されたGrok 4.6の開始価格は、100万入力トークンあたり2米ドル、出力6米ドルです。Fast版は入力4米ドル、出力12米ドル相当になります。

たとえば、一つのAgentタスクで入力20万トークン、出力5万トークンを使った場合、標準単価による単純計算は次のとおりです。

入力: 0.2 × $2 = $0.40
出力: 0.05 × $6 = $0.30
合計: $0.70

これはキャッシュ、ツール利用、再試行、プロバイダーの追加料金、税を含まない例です。長時間Agentでは会話履歴の再送と失敗時のやり直しが費用を増やします。モデル単価だけでなく「完了したタスク一件あたりの総費用」で比較してください。

公式ベンチマークはどう読むか

xAIは、Artificial Analysis Intelligence Index、GDPVal-AA、DeepSWE、CursorBench、FrontierCodeなどで前世代からの改善を示しています。一方、公式ページ自身も競合値に各社のシステムカードや公開リーダーボードを利用しています。

モデルごとにハーネス、ツール、試行回数、推論設定、採点方法が異なるため、表の一列だけで導入を決めるのは危険です。公式ベンチマークは候補を絞る入口として使い、最終判断は同じ課題、同じ権限、同じ完了条件で行います。

日本語で試す5つの課題

1. 要件維持

20項目程度の日本語仕様を渡し、実装後にチェックリストで一つずつ確認させます。敬語、全角記号、日付形式、禁止事項が途中で落ちないかを見ます。

2. 日英混在のコード修正

日本語のIssue、英語のコードコメント、英語のエラーログを同時に与えます。問題の再現、最小修正、テスト追加、差分説明まで完了条件にします。

3. 出典付き調査

「記事の公開日」と「出来事が起きた日」を分け、一次情報を優先するよう指定します。リンク切れ、引用していない主張、日付の取り違えを採点します。

4. 画面の反復改善

日本語UIのスクリーンショットと期待状態を渡し、文字切れ、余白、モバイル表示、入力エラーを修正させます。コード生成だけでなく、実際の表示確認まで行うかを見ます。

5. 途中失敗からの復帰

わざと一つの依存関係や認証を欠いた環境を用意し、推測で成功扱いしないかを確認します。代替手段、必要な人間判断、未完了項目を正直に報告できることが重要です。

比較記録のテンプレート

Grok 4.6、Claude Code、OpenAI Codexなどを同じ課題で比べる場合は、次を残します。

AIコーディングエージェント比較も合わせて使うと、モデル名だけでなく、編集範囲、承認、実行環境まで整理できます。

導入時の注意点

• Fast版を品質向上版と誤解しない：価格差は主に速度側の選択です。自分の待ち時間要件で判断します。
• パートナー間の条件を揃える：同じモデルでもツール、キャッシュ、コンテキスト、ログ保持が異なる可能性があります。
• 長時間ほど権限を狭くする：送信、公開、購入、削除は人間の承認を残します。
• 日本語品質を別に測る：公式の総合スコアから敬語や固有名詞の正確さは分かりません。
• 生成物を実行して確認する：コードはテスト、Webはブラウザ、CADや画像は元要件との目視比較が必要です。

まとめ

Grok 4.6の注目点は、一問一答の性能より、調査、実装、視覚確認、修正を長くつなぐ方向へ進んだことです。Cursor、API、複数のクラウド経路から試せるため、既存環境へ入れて比較しやすいモデルでもあります。

最初から本番権限を渡すのではなく、小さな日本語課題で完了率、時間、費用、介入回数を記録してください。その結果が既存モデルを上回ったときに、対象業務を少しずつ広げるのが安全です。

Grokのツール情報を見る ／ 開発向けAIを探す ／ AIアシスタントを探す

公式情報

• xAI：Introducing Grok 4.6
• xAI APIドキュメント
• Grok公式サービス

※ 本記事は2026年8月13日時点の公式情報に基づきます。モデルの提供先、料金、コンテキスト、ツール、無料枠は変更される場合があります。