SpaceXAI、Grok 4.6でAI最前線に復帰——翌日にはGoogleがGemini 3.7 Flashで対抗、AI価格戦争が激化

一方、Googleが8月13日にリリースしたGemini 3.7 Flashの導入価格は、入力100万トークンあたり0.75ドル、出力あたり3.75ドルだ。これは前世代のGemini 3.6 Flashの半額にあたり、Grok 4.6の約3分の1という衝撃的な価格である 。ただしこの価格は2026年12月31日までの期間限定で、その後は2倍になる 。

価格設定の対比は鮮明だ。Grok 4.6は知能面ではGPT-5.6 SolやClaude Opus 5と直接競合しながら、大幅な割安感を打ち出す。一方のGemini 3.7 Flashは「ワークホース」層に位置づけられ、Claude Sonnet 5やGPT-5.6 Terraに匹敵する性能を、はるかに低いコストで提供する 。

ベンチマーク性能：Grok 4.6がフロンティアクラスに仲間入り

Grok 4.6は、9種類の評価を合成した「Artificial Analysis（AA）Intelligence Index」でスコア61を記録した 。これはGPT-5.6 Sol Maxと同点で、Claude Fable 5 Max（62）に1ポイント、Claude Opus 5 Max（63）に2ポイント差と迫る。xAI（現SpaceXAI）のモデルが初めて「フロンティアクラス」と呼ばれるグループに加わった瞬間だ 。

SpaceXAIは、CursorBench、FrontierCode、APEX-Agents、Terminal-Benchなど、掲載したすべての評価でGrok 4.5を上回ったと報告している 。Artificial Analysisによる独立したテストでも、その主張はわずか0.08ポイントの誤差範囲で確認された 。

特筆すべきは、Grok 4.6の最も強い独立した結果が知識業務系の評価で出ている点だ。GDPval-AA v2（1753 Elo）、AA-Briefcase（1577）、そしてHarveyの法務ベンチマークでトップを記録しており、専門知識を要する業務に特に適していることが示唆される 。しかし、エージェント型コーディングモデルとして売り出されているにもかかわらず、CursorBench v3.2のスコア（69.9%）はFable 5 Max（70.5%）にわずかに及ばなかった。それでもGPT-5.6 Sol Max（67.2%）は上回っている 。

Gemini 3.7 Flashも、コーディングとエージェント系ベンチマークで大きな躍進を示した。FrontierCode v1.1では、実運用可能なコード生成率が34.4%（3.6 Flash）から43.6%に向上。これはClaude Sonnet 5（42.7%）やGPT-5.6 Terra（41.3%）を上回る 。DeepSWE v1.1（49.0%→65.3%）やAutomationBench（17.0%→30.4%）でも大幅なスコアアップを達成している 。

アーキテクチャ：xhigh推論とエージェント耐久性

Grok 4.6の最大のアーキテクチャ上の追加点は、新しい**xhigh推論レベル**だ。これは特に難易度の高いエージェント業務やコーディングタスクのために設計された、より深い推論モードである 。モデル全体としては、長時間動作するエージェントの耐久性を最適化。Claude Opus 5が必要とするタスクを、およそ半分のターン数で解決できるとされ、入力トークン数に換算すると約4分の1で済むという 。この効率性は、数時間に及ぶコーディングセッションを実行する開発者にとって、最も強力なセールスポイントと言えるだろう 。

SpaceXAIは、Grok 4.6の性能向上について、パラメータ数の増加ではなく、より長い補足トレーニングと、大幅に改善された教師付きファインチューニングおよび強化学習によるものだと説明している 。モデルはGrok 4.5と同じ1.5兆パラメータのV9基盤を維持している 。

Gemini 3.7 Flashも負けてはいない。品質、コスト、レイテンシーのバランスを調整できる「カスタマイズ可能な思考設定」を導入。さらにGoogleのモデルとして初めて、エージェントによる動画処理を可能にした 。

Grok 4.6の主な強みと限界

強み:

• フロンティア級の知能を、競合フロンティアモデルより60～80%安いコストで実現
• 知識業務で優位——GDPval-AAとAA-Briefcaseでトップスコア
• タスク効率——Opus 5よりもはるかに少ないエージェントターンで複雑なタスクを解決
• 耐久性のある50万トークンのコンテキストウィンドウ——長時間のコーディングセッションに最適
• 独立した検証結果——ベンチマークが独立計測と0.08ポイント差以内で一致
• 高速な開発サイクル——Grok 4.5からわずか35日でリリース

限界:

• 単一のコーディングベンチマークではトップに立てず——CursorBenchでFable 5にわずかに及ばず（69.9% vs 70.5%）
• 総合知能指数でClaude Opus 5に及ばず（61 vs 63）
• ユースケースが主にコーディングとエージェント業務に特化
• 価格が据え置き——競合が積極的に値下げする中、リリース時の値下げはなし

GitHub Copilot連携：開発者の需要を如実に示す

リリースから2日後の8月14日、Grok 4.6がGitHub Copilotで利用可能になった 。対応範囲は広く、CopilotのPro、Pro+、Max、Business、Enterpriseの全プランで利用できる 。選択可能な開発環境（サーフェス）は8つにのぼる：VS Code、Visual Studio、JetBrains IDE、GitHub CLI、GitHub Mobile、GitHub.comのチャット、Copilotコードレビュー、そしてGitHub DocsのAI検索だ 。

GitHubの公式チェンジログは、このモデルを「エージェント型のコーディングと複雑なマルチステップワークフロー向けに設計された」と説明している 。この迅速な統合は、開発者プラットフォームからの需要の高さを明確に示すものと言える 。

競合上のポジショニング：2つの異なる戦略

8月12日と13日に相次いだこのローンチは、2つの明確に異なる競争戦略を浮き彫りにした。

Grok 4.6（SpaceXAI）—— 2ドル/6ドル（100万トークンあたり）—— フロンティア複合スコア（AA Index 61）—— 50万トークンコンテキスト—— エージェント型コーディングと知識業務向け—— Opus 5に対するタスク効率の優位性

Gemini 3.7 Flash（Google）—— 0.75ドル/3.75ドル（100万トークンあたり、導入価格）—— Claude Sonnet 5やGPT-5.6 Terraに匹敵するワークホース級の性能—— 100万トークンコンテキスト—— Googleのモデルとして初めてエージェント型動画処理に対応—— Gemini Sparkを搭載

Grok 4.6はフロンティア級の知能を割安で提供することで競争する。一方、Gemini 3.7 Flashはワークホース級の性能を破格の価格で提供する戦略だ。Googleは、前世代の半額という導入価格を設定しただけでなく、フラッグシップとなるProモデルのリリース時期を明らかにしなかった 。これは、ワークホース層での市場シェア獲得に注力するという、明確な意思表示と受け取れる。

結論

Grok 4.6は、SpaceXAIをフロンティア層に復帰させることに成功した。総合知能指数でGPT-5.6 Solに並び、大幅に低いコストで、エージェント業務において現実的な効率性の優位性を持つ。一方で、単一のコーディングベンチマークでトップに立てないことや、総合知能でClaude Opus 5に劣ること、価格を据え置いたことなどは、確かな限界として認識すべきだろう。

しかし、Googleの回答は、わずか24時間後に価格設定の議論そのものを塗り替えた。Grok 4.6の約3分の1のコストで、Gemini 3.7 Flashは強力なコーディング性能とエージェント性能を、ワークホース価格帯で提供した。しかも100万トークンというコンテキストウィンドウを備えている。競争環境は今や明確に二極化したと言える。すなわち、「割安なフロンティア知能（Grok 4.6）」か、「破格のワークホース性能（Gemini 3.7 Flash）」か、だ。

開発者や企業は、もはや「良いか悪いか」ではなく、まったく異なる2つの価値提案の間で選択を迫られている。Grok 4.6がリリースからわずか2日でGitHub Copilotに統合された事実は、少なくとも一方の戦略がすでに確固たる支持を得ていることを示唆している。