xAIが「Grok 4.7」発表、コーディング性能向上で入力1Mトークン2ドル

複雑なコードのリファクタリングをAIに任せていて、途中でつじつまが合わなくなり頭を抱えた経験がある人は多いはずです。

xAIが9月21日に発表した「Grok 4.7」は、まさにそうした開発現場のペインを狙い撃ちした新モデルです。コーディングと専門的なナレッジワークに焦点を絞り、前世代のGrok 4.6と同じ処理速度と価格設定を維持したまま投入されました。

長時間タスクの自己検証を強化

Grok 4.7では、従来よりも大規模なベースモデルを採用し、完了までに何時間もかかる難易度の高いタスク群に対して強化学習の期間を大幅に延長しました。

これにより、長いコンテキストを破綻なく保持し、自らの出力結果を丁寧に検証する能力が底上げされています。法律や金融分析などの実務作業を想定した「GDPval」テストではGPT-6 Astraを上回るスコアを記録し、長時間の開発負荷を測る「CursorBench 4.0」でも46.3%を記録しました。

安全面でも新しいセーフガード構造を導入しており、バイオセキュリティ評価のLatchBioで62.4%を獲得したほか、サイバー脅威評価のHackerBench v0.3では危険プロンプトの通過率をわずか3.3%に抑え込んでいます。

提供形式は柔軟で、入力100万トークンあたり2ドル、出力100万トークンあたり6ドルで利用できます。速度と料金をそれぞれ2倍にした高速バリアントも用意され、CursorやGrok Build、API経由ですでに利用可能です。

独立評価機関からはコスト面の疑問符も

ただし、手放しの絶賛ばかりではありません。

第三者検証を取り上げた海外のレビュー動画では、評価機関Artificial Analysisのデータを引き合いに、総合的な知能指数で見れば依然としてGPT-6や最新のClaudeシリーズに及ばず、オープンソースモデルのMimo 2.6 Proと同等水準にとどまると指摘されています。

さらに、トークン単価こそ安く見えるものの、タスクを最後まで完遂する実質コストで計算した場合、GPT-6よりも高くつくケースがあるという試算も示されており、公式の打ち出す割安感には議論の余地が残ります。

なぜ重要か

私たちは、xAIがベンチマークの総合首位争いから一歩引き、開発者の実務環境という実利的な戦場へリソースを集中させ始めた点に注目しています。

すでにCursorなどで作業しているプログラマーにとって、自己検証能力が高まったモデルが同じ単価で選べるメリットは小さくありません。長文コードの文脈管理に不満があったなら、今すぐ試す価値は十分にあります。

一方で、公式の提示するトークン価格と、実際のタスク完了にかかる総コストの乖離は注意すべきリスクです。いくら単価が安くても、解決までに余計な試行錯誤を挟むようであれば実質的な優位性は消えてしまいます。

それでも、開発者が最も頻繁に触るコードエディタに初日から直接新モデルを送り込む動きは、競合各社にとっても大きなプレッシャーになるはずです。