Grok 4.5、長時間コーディングと知識業務を重視しxAI API・Cursorへ展開

現在SpaceXAIのブランドで表示される公式サイトは、xAI / Grokの新モデルGrok 4.5を、コーディング、エージェントタスク、知識業務向けのモデルとして発表しました。単発のコード生成より、長時間の実行、ツール利用、成果物作成を重視した位置付けです。

要点

• Cursorと連携した学習を行い、長時間のソフトウェア開発タスクとエージェント実行を重視しています。
• Grok Build、Cursor、xAI API の grok-4.5 として提供され、API料金は入力100万トークンあたり2ドル、出力100万トークンあたり6ドルです。
• コードだけでなく、Excel、PowerPoint、Wordを使う知識業務も対象として説明されています。
• ベンチマークやトークン効率はベンダー測定を含むため、自社リポジトリや業務文書で完了率、手戻り、総費用を確認する必要があります。

今回のブログ記事で語られていること

発表は Grok 4.5 を、コーディング、エージェントタスク、知識業務で高い能力を狙ったモデルとして位置付けています。学習では Cursor と協力し、コード、科学、工学、数学のデータを使ったと説明しています。大量の学習データについて重複除去、品質選別、領域選定を行い、強化学習では多数のタスクと非同期の長時間エージェント実行を利用したとしています。短い問題への正答だけでなく、複数の操作を続け、途中の結果を読み、方針を修正して完了へ進む能力を狙った説明です。

評価では DeepSWE、SWE Bench Pro、Terminal Bench、SWE Marathon など、実際のリポジトリ作業や端末操作に近い指標を並べています。公式記事は一部の比較で高いスコアや少ない出力トークンを示し、毎秒80トークンの生成速度、同等の主要モデルと比べて約2倍のトークン効率を主張しています。ただし、競合比較には各社のシステムカードやリーダーボードを組み合わせた値が含まれます。実務では、ベンチマーク順位をそのまま生産性と見なさず、代表タスクが完了したか、修正差分が妥当か、テストを通したか、人のレビューがどれだけ必要かで確かめる必要があります。

提供面では Grok Build の既定モデルとなり、Cursor の全プラン、xAI API の grok-4.5 から利用できます。期間限定で Grok Build と Cursor の無料利用枠も案内されています。API料金は入力100万トークンあたり2ドル、出力100万トークンあたり6ドルです。長時間エージェントは入力文脈、ツール結果、生成コード、再試行でトークンが増えるため、単価だけでなく1タスクの総量を測る必要があります。

知識業務では、Excelでの調査、複数シートの編集、数式や注記の扱い、PowerPointやWordのネイティブ作業を例示しています。これは開発者専用モデルではなく、コードと文書・表計算をまたぐ作業を一つのモデルに任せる方向を示します。一方、ファイルの正確性、数式の参照、出典、権限、機密データの扱いはモデル能力とは別の検証項目です。

背景にあるテーマ

モデル競争の評価軸が、短い会話や問題集から、数十分・数時間にわたるツール利用と成果物の完成へ移っています。Grok 4.5 は、モデル単体と開発環境・業務アプリの統合を同時に進める発表です。

今回のブログ記事が関係する人

コーディングエージェントを評価する開発組織、xAI API利用者、Cursor管理者、表計算や資料作成をAIへ委ねる業務部門、費用とセキュリティを管理するチームに関係します。

どう読むと価値があるか

高いベンチマーク値の発表ではなく、長時間タスクをどう評価するかの材料として読むと有用です。成功率、差分品質、テスト、実行時間、出力トークン、人の介入、情報漏えいリスクを同じ評価表に置きたいです。

実務へのつながり

自社の既知バグ、複数ファイルの変更、調査から資料化までの業務を小さな評価セットにし、Grok 4.5 と既存モデルを同じ条件で比較します。API、Cursor、Grok Buildでは周辺機能が違うため、利用面ごとに評価を分けます。

結局、今回のブログ記事をどう読むべきか

Grok 4.5 は、長いコーディングと知識業務を一つの実行モデルへ寄せるxAIの方向性を示します。導入判断では、主張された効率が自社タスクの完了率と総費用に結び付くかを確かめることが重要です。