SpaceXAI、「Grok 4.6」を発表 総合指標で「GPT-5.6 Sol Max」に並ぶと謳う

SpaceXAI が Grok 4.6 を発表した。複数のベンチマークで測定し、「OpenAI の GPT-5.6 Sol Max に並ぶ」と謳っている。ただ、詳しく見ると実は Anthropic の Fable 5 Max（62）の方が高く、Grok 4.6 は 61。「並んだ」という表現は微妙だ。ベンチマークの選び方で、都合よく見える数字は作れる。

だが注目すべきは、特定の業務分野での強さだ。経済的価値測定（GDPVal-AA v2）で 1753、ナレッジワーク系（AA-Briefcase）で 1577 と、ビジネス実務に直結した指標で最高値を示している。ソフトウェアエンジニアリングやターミナル操作では GPT-5.6 Sol Max が上だが、企業の判断業務や調査では Grok が優位かもしれない。つまり「全体で最強」ではなく「用途で使い分ける」の時代に入った。

エージェント機能の強化も実務寄りだ。「複数の手順をまたいで作業を続ける」とは、1回の指示で終わらず、中途で判断して軌道修正する能力。「大まかな製品アイデアから動作する初版を作る」というのは、中小企業のプロトタイピング周りで一番困る部分だ。経営企画が「こういうシステムが欲しい」と言ったとき、エンジニアが「要件定義が不明確です」と言い返す。その往復を減らせる可能性がある。

API料金も $2/$6（百万トークン当たり）で、Claude や GPT-4 より安めだ。実装規模が決まると、こういうコスト差が経営判断を左右する。中小企業にとって意味があるのは、単なるモデルの性能ランキングではなく、使える場面と料金。Grok 4.6 は「ビジネス実務向け」という位置付けが明確になった。自分たちの業務に合うかどうか、試してみる価値はある。