Grok 4.7とは？Grok 4.6・GPT-5.6 Sol・Claude Fable 5.1と比較

難しいIssueをAgentへ渡したのに、数十分後に見ると要件の一部を忘れ、テストを通さないまま「完了」と報告していた。長時間のAI作業では、最初の回答品質より、途中で方針を維持し、失敗を検出し、最後まで検証できるかが重要です。

2026年9月21日に公開されたGrok 4.7は、まさに長時間のコーディングと知識作業を重点にしたモデルです。本記事では、Grokの新モデルを、前世代のGrok 4.6、OpenAIのGPT-5.6 Sol、AnthropicのClaude Fable 5.1と比較します。

先に結論を言うと、API単価と長時間コーディングのバランスを重視するならGrok 4.7は有力です。一方、100万トークン級の文脈や幅広い組み込みツールを重視するならGPT-5.6 Sol、最難関の長時間タスクで品質を優先するならClaude Fable 5.1も同じ課題で試す価値があります。

本記事は2026年9月22日時点の公式情報に基づきます。ベンチマーク値は特に記載がない限りxAIが公開した結果であり、各社でハーネス、推論設定、試行回数が異なる可能性があります。

Grok 4.7の要点

• モデルIDは grok-4.7
• 50万トークンのコンテキスト
• テキストと画像を入力し、テキストを出力
• 推論強度はlow、medium、high、xhigh
• Grok API、Cursor、Grok Build、対応するモデルルーターで利用可能
• 標準APIは100万トークン当たり入力2米ドル、キャッシュ入力0.5米ドル、出力6米ドルから
• 20万入力トークンを超えるリクエストは入力4米ドル、キャッシュ入力1米ドル、出力12米ドル
• Fast版は約2倍の出力速度、単価も2倍。公開Grok APIではなくCursorとGrok Buildから提供

「2ドル／6ドル」という見出しだけで費用を見積もると、長いコードベースや大量資料を投入したときにずれます。20万トークンの境界、キャッシュ利用、ツール実行の追加費用まで確認してください。

4モデルの比較表

価格は100万トークン当たりの短い入力区分です。Grok 4.7は20万入力トークン超で単価が上がり、GPT-5.6 Solにも長文入力の料金区分があります。Claude Fable 5.1はキャッシュ読み取り価格の変更によって典型的な利用費がFable 5より約25％下がるとAnthropicが説明していますが、実際の総額は入力の再利用率で変わります。

Grok 4.6から何が変わったか

Grok 4.7はGrok 4.6より大きなベースモデルを使い、より難しく、完了まで数時間かかる課題を重くした強化学習を行ったとxAIは説明しています。改善点は、単にコードを生成する能力ではなく、次の三つです。

1. 長い作業で文脈と目的を維持する
2. 自分の結果を検査し、誤りを修正する
3. コード以外の文書、プレゼン、専門業務も扱う

前世代の詳細はGrok 4.6の解説で確認できます。既に4.6を使っている場合、プロンプトを変える前に同じタスクを4.7へ再実行し、完了率と手直し時間を比べるのが近道です。

公式ベンチマークをどう読むか

xAIの公開表では、Grok 4.7 xhighはCursorBench 4.0で46.3％となり、Grok 4.6 highの40.4％、GPT-5.6 Sol maxの41.7％を上回りました。一方、Claude Fable 5.1 maxは51.8％です。

別の課題では順位が変わります。

Grok 4.7は前世代から一貫して改善していますが、すべての指標で首位ではありません。また、xAIの表は競合モデルを含む比較であり、各社の最新システムカードや公開リーダーボードと評価条件が完全に一致するとは限りません。ベンチマークは候補を絞る材料にとどめ、自分のリポジトリで再現してください。

どのモデルを選ぶべきか

Grok 4.7が向くケース

• 長時間の実装を比較的低いAPI単価で試したい
• Cursorで通常版とFast版を切り替えたい
• コード、文書、プレゼンなど複数の成果物を一つのAgentへ任せたい
• 4.6からプロンプトや運用を大きく変えずに更新したい

GPT-5.6 Solが向くケース

• 50万トークンを超える大きな文脈を扱いたい
• Web検索、ファイル検索、Code Interpreter、Hosted Shell、Computer Use、MCPなどをResponses APIで組み合わせたい
• OpenAI Codexを中心に実装、テスト、レビューを進めたい

Claude Fable 5.1が向くケース

• API単価より、長時間の難しい知識・研究・コーディング作業の成功率を優先する
• Claude Codeの既存ワークフローを維持したい
• キャッシュを多用する長い反復作業で、実測コストを比較できる

日本語での比較方法

各社の公開情報だけでは、敬語、社内固有名詞、日本語の法務・業務文書、日英混在コードの品質は分かりません。次の小さな評価セットを作ってください。

1. 仕様維持：20項目の日本語要件を渡し、実装後に全項目を再確認させる
2. 日英混在：日本語Issue、英語ログ、英語識別子を同時に扱わせる
3. 長文調査：公開日と出来事の日付を分け、一次情報へリンクさせる
4. 画像入力：日本語UIのスクリーンショットから文字切れや入力エラーを直させる
5. 失敗復帰：依存関係を一つ欠かし、推測で成功扱いしないかを見る

記録する項目は、正答率だけでは不十分です。

タスク:
モデル / 推論強度:
完了条件の達成数:
所要時間:
入力・出力・キャッシュ費用:
再試行回数:
人間の質問・承認・手直し回数:
無断の送信・公開・削除:
最終成果物を採用できたか:

同じ比較方法はClaude Code・Codex・Cursorの比較にも使えます。モデルとAgent製品は別物なので、モデルだけでなく編集環境、権限、差分レビューまで揃えてください。

導入前の注意点

• Fast版を高品質版と誤解しない：同じモデルを高速に提供する選択肢で、単価も上がります。
• 長文料金を確認する：20万トークンを超えるGrok 4.7リクエストは通常区分の2倍です。
• 公式ベンチマークを絶対順位にしない：ハーネスと推論設定が違えば結果も変わります。
• 日本語品質を独立して測る：英語中心の総合スコアから敬語や固有名詞の精度は判断できません。
• 外部操作には承認を残す：送信、公開、購入、削除、秘密情報へのアクセスは人間が確認します。

まとめ

Grok 4.7は、Grok 4.6の低いAPI単価を維持しながら、長時間コーディング、自己検証、専門的な知識作業を強化した更新です。50万トークンで足りるタスクなら、価格と性能のバランスが取りやすく、Cursorから試せる点も導入のハードルを下げます。

ただし、最適なモデルはベンチマークの一位ではなく、あなたのタスクを最少の手直しと予測可能な費用で完了できるモデルです。まず一つの実際のIssueをGrok 4.7、GPT-5.6 Sol、Claude Fable 5.1へ同じ条件で渡し、完了率、時間、費用、介入回数を比較してください。

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

公式情報

• SpaceXAI：Introducing Grok 4.7
• Grok 4.7 API documentation
• SpaceXAI release notes
• OpenAI：GPT-5.6 Sol model
• Anthropic：Claude Fable 5.1 and Mythos 5.1

※ 機能、料金、モデル提供先、コンテキスト、利用条件は変更される場合があります。契約や本番導入の前に各社の最新ドキュメントを確認してください。