比較
Grok 4.6 vs Grok 4.5：性能、コスト、移行判断
EvoLink Team
製品チーム
2026年7月30日
更新日 2026年8月13日
6 分
結論：難しいコーディング、長時間エージェント、視覚的ソフトウェアではGrok 4.6を優先評価できますが、Grok 4.5を一律に置き換えるべきではありません。両者は500Kコンテキストと近い標準料金を持ちます。違いは新しい訓練、
xhigh、高いキャッシュ料金、ベンダー公表の性能向上です。現在のルートと料金はGrok 4.6 APIページで確認できます。早見比較
| 判断軸 | Grok 4.6 | Grok 4.5 | ルーティングへの影響 |
|---|---|---|---|
| モデルID | grok-4.6 | grok-4.5 | IDはコード分岐でなく設定に置く |
| コンテキスト | 500K | 500K | 容量だけでは移行理由にならない |
| 推論 | low, medium, high, xhigh | low, medium, high | xhighは価値の高いタスクだけで検証 |
| 標準料金/1M | $2入力 / $0.50 cache / $6出力 | $2 / $0.30 / $6 | cache比率が高いと4.5が有利な場合がある |
| 長文脈料金 | $4 / $1 / $12 | $4 / $0.60 / $12 | 200K以降もcache差が続く |
| 初期テスト | 難しいcode、agent、visual app | 安定したGrok workload | 新旧でなくworkload単位で移行 |
実際に変わった点
xAIはGrok 4.6を、長いエージェントタスク、未知のコードベース、構造化、実装、自己テスト向けに再設計したと説明します。これは評価対象を決めるベンダー主張であり、自社ツールや制約でのテストを代替しません。
Grok 4.5は依然として安定した基準です。4.6が失敗、再試行、ツールループ、レビュー修正を十分減らすかが判断基準です。
公式ベンチマークの読み方
xAIはCursorBench、DeepSWE、FrontierCode、Artificial Analysis、GDPValで改善を報告し、CursorBenchは69.9対66.7、DeepSWEは65.9対54.0です。これはベンダー公表値であり、テスト選定には使えても全環境の改善を保証しません。
| 質問 | 安全な解釈 | 本番での次の行動 |
|---|---|---|
| 発表値で4.6が上？ | はい、公開比較では上です。 | 最も近い自社タスクを再現する |
| 本番コスト低下を証明？ | いいえ。自社のtoolやretryは含まれません。 | 受入タスク単価を測る |
| 4.5を廃止すべき？ | いいえ。全trafficが同じ利益を得ません。 | segmentしwinnerだけcanary |
コストは同一ではない
直販の入力・出力は同じですが、200K未満のキャッシュ入力は4.6が100万当たり0.50ドル、4.5が0.30ドルです。EvoLinkのライブ料金と実使用量を比較してください。
accepted_task_cost = input + cached_input + output + tool_calls
+ retries + fallback_calls + reviewer_time最初に移行するワークロード
| ワークロード | 開始ルート | 昇格条件 |
|---|---|---|
| 未知のrepoでのfeature | Grok 4.6 shadow test | 完了率とtest pass率が上がる |
| 長時間tool agent | 4.5/4.6 paired replay | loopと人手介入が減る |
| visual frontend | Grok 4.6評価 | responsive、accessibility、design準拠 |
| 安定chat・抽出 | 当初は4.5維持 | 品質または総費用が改善した場合のみ |
| cache中心の長いsession | 同contextで両方比較 | cache料金とhit率を含める |
EvoLinkでの安全な移行計画
grok-4.5をrollbackルートとして残す。- 同じcontextとtoolで20〜50件を
grok-4.6にreplayする。 - 受入、遅延、token、tool call、retry、reviewを記録する。
- ユーザー表示前にshadow trafficを使う。
- 4.6が勝つworkloadだけcanaryする。
- ID、信頼性、費用、重要品質の悪化でrollbackする。
EvoLinkは統一ゲートウェイで統合作業を減らしますが、モデル固有の受入テストは必要です。
よくある質問
Grok 4.6はGrok 4.5より優れていますか？
公表値は高いですが、実タスク、ツール信頼性、遅延、受入タスク単価で判断します。
同じモデルIDを使いますか？
いいえ。
grok-4.6とgrok-4.5を使います。料金は同じですか？
標準入力・出力は同額ですがキャッシュ入力は異なります。EvoLinkのライブ料金を確認してください。
両方とも500Kコンテキストですか？
はい。両方の公式モデルページに500,000トークンと記載されています。
既存アプリはすぐ切り替えるべきですか？
いいえ。replay、shadow、small canaryを行い、fallbackを維持してください。
移行時に何を測るべきですか？
受入率、遅延、token、tool成功、retry、人手修正、受入タスク単価です。
