xAIのGrok 4.7は期待外れのアップグレード

Grok 4.7は、期待されたような衝撃はなく、期待外れの形で登場しました。Elon Muskによる事前の大きな宣伝にもかかわらず、コミュニティの多くはxAIの最新モデルをGrok 4.6からのわずかな改善と見なし、全体的な推論能力における有意義な飛躍をもたらすことはできませんでした。多くのユーザーが「受け入れがたいほど悪い」フロントエンド機能、存在しない3D機能、「ランダムなGeminiスタイルのループに陥る」といった苛立たしい体験を挙げ、このモデルを「期待外れ」と評価しました。GPT-5.6 Sol (max)やClaude Claude Opusといった競合他社のフロンティアモデルと比較して、単にフロンティアモデルとは感じられなかったのです。

しかし、内部構造を見ると、Grok 4.7は大幅なアーキテクチャの飛躍を遂げています。Grok 4.6の1.5兆パラメータから40%増となる、2.1兆パラメータの新しいベースモデルを誇ります。このより大きな基盤は、長時間タスクと自己検証の改善に特化した、より長く困難な強化学習トレーニングを経て構築されました。また、全く新しい強力なセーフガードスタックを統合し、「Grok Bot harness」の機能も強化されています。

印象的な基礎スペックと認識されるパフォーマンスの間のこの明白な乖離は、「不均一な知能（jagged intelligence）」という重要な傾向を浮き彫りにしています。Grok 4.7は、コーディングエージェントのパフォーマンス（Artificial Analysis Coding Agent IndexでGrok 4.6の47から56に上昇）や長期間のエージェント型ナレッジワークなど、特定の分野では大幅な向上を見せていますが、これらの改善が普遍的に賢く、より一貫して有能なユーザー体験につながっているわけではありません。実際、一部のテストでは、特定の分野でGrok 4.7の推論能力がGrok 4.6よりも低下していることが示されています。さらに、その向上には高い代償が伴い、一部のタスクでは前モデルと比較して2倍以上の出力トークンを消費します。

Grok 4.7は一般ユーザーを失望させるかもしれませんが、コーダーは注目すべきです。初期の評価は芳しくありませんでしたが、xAIの最新モデルは、持続的な一貫性を必要とするエージェント型ナレッジワークやコーディングタスクにおいて優れています。Artificial Analysis Coding Agent Indexでは47から56へと急上昇し、前モデルのパフォーマンスから大幅な飛躍を遂げました。

ベンチマークデータは、Grok 4.7が真価を発揮するこれらのターゲット領域での勝利を裏付けています。Terminal-Bench 4.0ではGrok 4.6の20.3%に対し38.0%という大きな伸びを達成しました。さらに、複雑なDeepSWE v1.1ベンチマークでは、Claude Fable 5.1 Maxのような強力な競合を抑え、65.2%に対して71.0%という結果を出しました。これらはわずかな向上ではありません。

xAIの戦略は明確です。Grok 4.7を専門的な「開発者の主力ツール」として位置づけることです。彼らは、コーダーがその専門的なスキルを最も高く評価し、ターゲットを絞った改善を実感できるツールへの深く即時的な統合を推進しています。Grok 4.7は以下に導入されています：

• Cursor
• Grok Build
• GitHub Copilot

この直接的な統合は、その新たな強みを活用するユーザーをターゲットにしており、プロフェッショナルな開発環境にとって、ニッチではあるものの価値のあるアップグレードとなっています。

理論上、Grok 4.7は当初、競争力のある価格設定に見えます。xAIは標準のAPI料金を前モデルのGrok 4.6と同一に維持しました。入力トークン100万あたり2ドル、出力トークン100万あたり6ドルです。これはClaude Claude Opusなどのモデルの価格設定と一致しており、プレミアムコストなしでフロンティアレベルの機能を提供しているように見えます。

ここが落とし穴であり、財布にとって大きな問題となります。Grok 4.7の性能向上は、トークン消費量の大幅な増加という高い代償を伴います。前述の優れたパフォーマンスを解放する「xhigh」設定では、同じタスクを実行する際にGrok 4.6の2倍以上のトークンを消費します。具体的には、Grok 4.7 (xhigh) はIntelligence Indexのタスク1件あたり約81,000トークンを出力しますが、Grok 4.6 (xhigh) はわずか38,000トークンでした。

この膨大なトークン消費量により、Grok 4.7はコスト面で優位とは言えません。実際の運用では、その運用コストがGPT-6 Astraをも上回ることが多く、前モデルと比べて大幅に高額になります。技術仕様やトークン処理の詳細については、Grok 4.7 | SpaceXAI Docsを参照してください。

したがって、Grok 4.7は日常的な廉価ツールではなく、特定の要求の厳しいワークフロー向けのプレミアムツールとして位置付けられます。その卓越したエージェント型ナレッジワークやコーディング能力、特に複雑で長期的なタスクにおいてその能力が必要であれば、高いコストも正当化できるかもしれません。そうでなければ、わずかな汎用的な改善のために多額の費用を支払うことになります。

Grok 4.7は、現在のAIフロンティアモデルから明らかに遅れをとっています。GPT-6 AstraとClaude Fable 5.1は汎用知能ベンチマークで圧倒的なリードを保っており、Artificial Analysis Intelligence Indexではそれぞれ53と51を記録しています。対照的にGrok 4.7は46にとどまっており、主要な汎用モデルのグループから外れている現状を浮き彫りにしています。

Elon Musk氏がGrok 4.7をAnthropicの旧モデルであるClaude Claude Opus 5.0と同等程度と表現したことは、xAIにとって重要な戦略的転換を示唆しています。このより保守的な姿勢は、過去の誇張された主張から脱却するものです。これは、エージェント型ナレッジワークとコーディングに特化した、着実で焦点の絞られた改善という現実的な戦略を採用しています。

結局のところ、Grok 4.7は多くの人が期待したような革命ではなく、トップクラスの競合他社の汎用知能に挑戦するものでもありません。これは戦略的に極めて重要なアップグレードであり、開発者やコーディングの分野における強力なニッチプレイヤーとしてのxAIの地位を固めるものです。Artificial Analysis Coding Agent Indexで47から56へと大幅にスコアを伸ばしたことは、たとえ汎用モデルのトップ層に食い込めなかったとしても、特定の用途におけるその価値を証明しています。

Grok 4.7はGrok 4.6よりも大幅に優れていますか？

Grok 4.7は、特にコーディングやエージェントタスクにおいてターゲットを絞った改善を提供しますが、汎用的な推論において革命的な飛躍を遂げたわけではありません。多くのユーザーにとって、ベースモデルが大型化したにもかかわらず、パフォーマンスの向上は漸進的なものと感じられるかもしれません。

Grok 4.7はGPT-6 AstraやClaude Fable 5.1と比べてどうですか？

Grok 4.7は、広範な知能や推論のベンチマークにおいて、GPT-6 AstraとClaude Fable 5.1の両方に遅れをとっています。しかし、特定のコーディングベンチマークではそれらを上回る可能性があり、トップ層の汎用モデルというよりは専門的なツールとして位置付けられます。

Grok 4.7は競合他社よりも費用対効果が高いですか？

トークンあたりの価格は競争力がありますが、Grok 4.7は前モデルやGPT-6 Astraのような競合他社と比較して、タスクあたりのトークン消費量が大幅に多くなっています。これにより実際の運用コストが高くなり、見かけ上の価値が相殺されてしまう可能性があります。

Grok 4.7の主な強みは何ですか？

主な強みはエージェント型コーディングのパフォーマンスにあり、Artificial Analysis Coding Agent IndexやDeepSWEといったベンチマークで顕著な向上を見せています。また、CursorやGitHub Copilotといった開発者ツールにも即座に統合されています。