xAI Grok 4.5がプロフェッショナル業務テストでGPT-5.5とClaude Opus 4.8を上回る：Snorkel GDPval+ 29%正答率、法律・教育・医療で圧倒、価格60%安の破壊力

何があったのか

xAI（SpaceX傘下）は2026年7月8日にGrok 4.5を正式リリースした。この新モデルはxAI初のコーディングとエージェント業務専用に構築されたモデルで、Cursor（xAIが2026年に買収したAIコーディング環境）の実開発者セッションデータを共同訓練データに用いた。Snorkel AIが7月10日に公表したGDPval+評価では、法律、医療、教育、金融、建設、QA分析などの実際の職業タスクをカバーする約2,000のプロフェッショナル業務課題を用い、3モデル（Grok 4.5、GPT-5.5、Claude Opus 4.8）を横並びで評価した。結果として、Grok 4.5が29%の平均正答率で首位、GPT-5.5が22%で2位、Claude Opus 4.8が21%で3位となった。ドメイン別では、Grok 4.5が法律40%（他モデル27〜28%）、教育58%（同35〜42%）、医療35%（同23〜25%）、QA分析37%（同19〜27%）で圧倒的にリードした。一方、GPT-5.5は建設業務でトップ、Claude Opus 4.8は金融マネージャー業務でトップとなった。エラー分類分析でも、Grok 4.5は6カテゴリ全てで最低のエラー率を記録し、最も一般的な失敗であるドメイン分析の欠落は40%（他モデル51〜52%）まで減少した。

GDPval+とは何か

GDPval+は、Snorkel AIが構築したプロフェッショナル業務評価データセットで、44の知識労働職種、米国GDPの上位9産業から選定されている。ソフトウェア開発者、弁護士、看護師、機械エンジニアなど、日常業務でAIが実質的に補助できる職種を対象とする。従来のAI評価ベンチマーク（GPQA、SWE-bench、HumanEvalなど）と異なり、GDPval+はドメイン専門家が作成した実際の職場成果物（文書、スプレッドシート、プレゼンテーション）を求めるタスクを含む。単なる問答形式ではなく、実際に納品可能な業務成果物を作れるかを問う設計となっている。エージェント型AIが実務投入される時代において、プロフェッショナル業務の正答率がベンチマーク指標として重要性を増している背景がある。今回の評価では最高でも3タスクに1つ程度しかクリアできない厳しい基準で、Grok 4.5の29%という数字は絶対値としてはまだ改善余地があるが、他モデルとの差は業界標準として意義深いものとなる。

主要指標の整理

Grok 4.5の技術的優位性

Snorkel AIの分析によれば、Grok 4.5の優位性は深いプロフェッショナル判断が求められる領域に集中している。具体例として、賃金・労働時間の法的責任タスクでは、Grok 4.5だけが賃率計算の法的ニュアンス（他モデルが見落とした）を正しく処理し、専門家基準を全て満たした唯一のモデルとなった。商業不動産タスクでは、Grok 4.5がサイト別に差別化された推奨事項を提示したのに対し、他モデルは一般的で画一的なガイダンスを返した。この差は、xAIがCursorの実開発者セッションデータで訓練した効果、そしてSpaceXのAI計算リソース活用による訓練規模の恩恵とみられる。ただし、Artificial Analysisが独自に実施したIntelligence Indexでは、Grok 4.5は54ポイントで4位となり、Claude Fable 5（60）、Claude Opus 4.8（56）、GPT-5.5（55）に僅差で及ばない。GDPval+と Intelligence Indexで異なる結果となったのは、両ベンチマークの評価軸が異なるためで、GDPval+が実務成果物の質を重視するのに対し、Intelligence Indexは知的複雑さを重視する。この違いが、Grok 4.5がプロフェッショナル業務でリードする一方、純粋な知的タスクでは他モデルに競り負ける構造を生んでいる。

価格とトークン効率の破壊力

Grok 4.5の最大の競争力は価格とトークン効率にある。入力100万トークン2ドル、出力6ドルという価格設定は、Claude Opus 4.8（入力5ドル、出力25ドル）の40%と24%、GPT-5.5より60%以上安い。トークン効率では、SWE-Bench Proで1タスクあたり平均出力トークンがGrok 4.5の15,954トークンに対し、Opus 4.8は67,020トークンと4.2倍の開きがある。Artificial Analysis Intelligence Indexでは、Grok 4.5が1タスクあたり約14,000出力トークンで、Opus 4.8より60%以上少ない。1タスクあたりのコストで換算すると、Grok 4.5の約0.10ドルに対し、Opus 4.8は約1.68ドルとなり、実質的な単位仕事あたりコストは17倍もの差となる。エージェント型AI業務では、モデルコールが数十から数百に及ぶ長時間セッションが標準であり、この単位コストの差がセッション全体で数十倍の運用コスト差を生む。Elon Musk氏はGrok 4.5はOpusクラスのモデルだが、より高速で、トークン効率が良く、低コストと位置付けており、続けてGrok 4.5はOpus 4.7に匹敵するが、はるかに高速とも述べている。単純な性能競争ではなく、単位コストあたりの性能で勝負する明確な戦略が示されている。

関連企業と投資視点

投資視点では、この結果は5方向で含意を持つ。第1に、SpaceX（SPCX）への評価再構築である。SpaceXは2026年7月にNasdaq上場し、Nasdaq-100採用も見込まれる。従来はロケット・Starlinkの企業と認識されてきたが、xAI事業がAI業界の第一線に位置することが定量的に示された。Grok 4.5がSnorkel GDPval+で首位を取ったニュースは、SPCX株価にも直接影響し、Street High目標株価800ドルの見通しが示されている。第2に、Anthropicへの競争圧力である。Anthropicは長らくコーディング・エージェント業務のリーダーとみなされてきたが、Grok 4.5の登場でこの地位が揺らぐ可能性がある。同時にElon Musk氏が7月10日にAnthropicをAIリーダーと認める発言をしており、業界内での相互評価と競争が複雑化している。第3に、OpenAIへの含意である。GPT-5.5の相対的な位置低下は、7月9日にGPT-5.6 Sol/Terra/Lunaが一般提供されることで一部相殺される見通しだが、GPT-5.6 Luna（1ドル/6ドル）がGrok 4.5を価格で下回るまで動いており、価格戦争が加速している。第4に、モデルルーティング企業への追い風である。OpenRouter、Vercel、Cloudflareなど、複数モデルを動的に切り替える基盤の重要性が急速に高まっている。ベストモデルではなくタスク別最適モデルを選ぶ時代への移行が明確化しつつある。第5に、AI インフラサプライヤーへの継続的な需要である。NVIDIA、SK Hynix、Micron、TSMCなどは、モデル間の競争が激化するほど、その計算基盤への総需要が拡大する構造にある。

短期・中期の注視ポイント

短期的にはGPT-5.6 Sol/Terra/Lunaのフルローンチによる競争関係の変化が焦点となる。GPT-5.6 Luna（1ドル/6ドル）がGrok 4.5より安く、GPT-5.6 Solが最上位性能を狙う構造で、7月中旬〜下旬の相対的な位置付けが再び動く可能性がある。中期的には、Anthropicの次世代モデル（Fable 5系統の後継）とGoogleのGemini 4系統のリリースタイミングが、フロンティア競争を再定義する。エージェント型業務のベンチマーク結果と、実企業への導入実績の両方が、モデル選択の決定要因となる構造がさらに強化されるとみられる。長期的には、AI エージェントの実業務投入が拡大するにつれ、単一最強モデルではなく、タスク別に最適なモデルを組み合わせる運用が主流となる。ルーティングインフラ、モデル評価フレームワーク、エージェント運用プラットフォームなどが、その主戦場となる可能性がある。Grok 4.5のGDPval+首位獲得は、この構造変化の中でxAIがプロフェッショナル業務向け高効率モデルというポジションを確立する象徴的な出来事となる。フロンティアモデル競争が性能から性能×価格×効率の3次元競争へと本格移行する起点として、2026年7月のGrok 4.5リリースは業界史に位置付けられる可能性がある。