Grok 4.6公開とコスパ再評価

4.6の話、まだ収まらない

そーくん
Grok 4.6の話題、第2回ですね。昨日の今日でまだ騒がしいんですか。
ボス
第1回は同価格で4.6公開、コスパ歓迎と日本語不足の指摘が同時に走った、だったね。
そーくん
第1回からまだ半日ちょっとですよね。新しい材料が出て、話が動いたんですか。
ボス
実機の報告と比較ベンチが出そろって、評価が分かれ始めた。まず時系列を追おう。
そーくん
発表からベンチが出るまでの流れですね。どこが拡散の起点になったかも気になります。
ボス
起点は公開の告知そのものだ。そこから何がどう積み上がったか、順に見てみよう。

何が起きたか

拡散の起点2026-08-12 15:32 UTC
Grok 4.6を同価格で公開
4.5同価格でフロンティア級へ改善と発表。入力2ドル／出力6ドル、他社フロンティアの約半額と説明。
同日〜翌未明
Cursor等で即日利用
Grok Build、Cursor、Grok Bot、APIで提供。初週はCursorとGrok Buildの利用枠が2倍。
2026-08-13 午前
実機と比較ベンチが分岐
GIGAZINEがSol／Fable並と速報。ts-benchでは4.5とほぼ同等、DeepSeek V4 Proとの併記、日本語美しさ報告が同時に出た。

同じ発表で評価が割れる

そーくん
時系列を追うと、同じ発表なのに受け取り方がここまで割れるものなんですね。
ボス
価格を軸に見る人と、実力の中身を軸に見る人で、そもそも土俵が違うからね。
そーくん
土俵が違うんですか。それだと、どっちが主流の見方かも決まらなそうですね。
ボス
主流の見方はある。ただ脇に別の見方が4つ立っていて、そこが今回は面白い。
そーくん
4つもあるんですね。主流と脇でそれぞれ何を見ているのか、まず読んでみます。

議論の現在地

主流派の視点: 半額近くでSol級なら、長時間エージェントの既定候補にする、がなお主流
その他の視点: 日本語は美しくなった、という実機と、文章はGrok臭いという実機が共存する
コーディングやTerminal-Benchは他に負け、定性はまだFable、という役割分担
モデルよりSkillsと完了条件を渡す方が効く、というハーネス論
同日のDeepSeek／Qwenと並べて、誰がFableに金を払うのか、という価格戦争フレーム
目立つ論者: SpaceXAI公式
Cursor／Grok Build利用者
ベンチを回す個人研究者
GIGAZINEなど日本語テックメディア

歓迎7割の中身は一枚岩か

そーくん
見方がこれだけ割れているのに、全体の空気はポジティブ寄りのままなんですか。
ボス
ポジティブが50から70%。ただ、その中身は同じ理由で喜んでいるわけじゃない。
そーくん
喜んでいる理由が違う、ですか。同じポジティブでも、中で二手に分かれるんですね。
ボス
そう。陣営ごとのシェアはレンジで出ているから、幅の広さも含めて見てほしい。
そーくん
幅そのものが情報なんですね。どの陣営が厚いのか、この下で確かめてきます。

世論の分布

意見陣営別シェア(推定レンジ)

Xサンプル上の可視的な言論に占める割合 · 下限—上限

コスパ本命派30–40%
日本語改善派15–25%
役割分担慎重派15–25%
性能過大評価派10–20%

推定下限推定上限

ポジ / 中立 / ネガ集計

陣営をスタンス別に統合 · コスパ歓迎が主流。最大セグメントで100に調整

60%

25%

15%

ポジティブ 50–70%(コスパ本命派、日本語改善派)中立 20–30%(役割分担慎重派)ネガティブ 10–20%(性能過大評価派)

テーブルビュー(グラフと同じデータ)

陣営	スタンス	シェア	中心的主張
コスパ本命派	ポジティブ	30–40%	Solの数分の一、Fableの約10分の1で実務ベンチ上位なら、寄せる合理がある(@yugen_matuni、@shota7180、@ninmashi2)
日本語改善派	ポジティブ	15–25%	原稿直しや地の文が自然になり、短いやり取りより長文向きになった(@kinopee_ai、@NanakatoAi)
役割分担慎重派	中立	15–25%	長時間エージェントとコスパは本命だが、定性やメタハーネスはまだFable。自社課題で測れ(@AI_masaou、@koharu_ai_hisho)
性能過大評価派	ネガティブ	10–20%	易しいベンチでは4.5と大差なく、コーディングは他に負ける。Fableを捨てる理由にならない(@gosrum、海外「まだFable 5が最高」勢の日本語中継)

噛み合わない2つの論点

そーくん
シェアの分布は分かったんですが、結局どこで話が噛み合っていないんですか。
ボス
争点は2つ。日本語実務の主戦力になるかと、ベンチ並びが乗り換え理由になるかだ。
そーくん
どちらも、はいかいいえで決着しそうな話に見えるのに、揉め続けるんですね。
ボス
どこを測るかが揃っていないからね。A側とB側の言い分を並べて見てみよう。
そーくん
測る物差しが違うわけですね。それなら両方の言い分を、じっくり読んでみます。

進行中の論争

論点1

4.6は日本語実務の主戦力になるか

A側 · なる

価格と速さ、改善した日本語で資料や長時間作業に耐える

B側 · まだ不足

文章の臭さやコーディング負けが残る。FableやCodexの役割は残る

根拠: 公開翌日の実機ポストが両方向に割れている

論点2

ベンチ並びは乗り換え理由になるか

A側 · なる

AA IndexでSol同点・半額なら配分を寄せる

B側 · ならない

易課題では4.5同等。難課題と比較環境を見ないと決められない

根拠: @gosrumのts-benchと公式価格スレが衝突している

主なポスト

SpaceXAI@SpaceXAI·公式発表Introducing Grok 4.6. It delivers frontier intelligence and is a significant improvement over Grok 4.5 at the same price.4.6公開の一次発表。議論の起点

SpaceXAI@SpaceXAI·価格の一次Grok 4.6 is faster than comparable models and can handle much more challenging tasks than Grok 4.5. It's half the price of other frontier models at $2/M input and $6/M output tokens.半額フレーミングの公式根拠

編集部まとめ

半額はどこまで効くか

そーくん
ここまで読むと、結局この話のキモは値段なのか中身なのか、まだ迷いますね。
ボス
両方だよ。入力2ドル、出力6ドルという価格が、中身の評価の基準まで動かしている。
そーくん
基準まで動く、ですか。安いと評価が甘くなる、という意味ではないですよね。
ボス
逆だ。半額なら同点で十分、と勝敗の条件が下がる。コスパ本命派はそこを突く。
そーくん
なるほど、勝たなくていいわけですね。数分の1なら寄せる合理はありますもんね。
ボス
Solの数分の1、Fableの約10分の1だ。実務ベンチで上位なら配分を寄せる、が彼らの主張。
そーくん
もう一つ、日本語がきれいになったという声もありましたよね。あれも歓迎組ですか。
ボス
日本語改善派だね。原稿直しや地の文が自然になり、長文向きになった、という実感だ。
そーくん
短いやり取りより長文で効くって、使い方によって評価が変わるということですか。
ボス
そこが今回の肝だ。同じモデルでも、何をさせるかで見える顔がまったく変わる。

慎重派が引かない理由

そーくん
でも慎重派も相当厚いままですよね。なんであそこまで簡単に引かないんですか。
ボス
乗り換えの痛みを負うのが自分たちだからだ。動かして壊れたら責任は現場に来る。
そーくん
言われてみれば、安くなっても差し替える手間と失敗の責任は残りますもんね。
ボス
役割分担慎重派の言い分はそこだ。長時間作業とコスパは本命、定性はまだFable、と。
そーくん
自社の課題で測れ、というのも慎重派でしたよね。あれ、けっこう手厳しいです。
ボス
厳しいが正しい。他人のベンチは他人の仕事の形で測った結果に過ぎないからね。
そーくん
もっと辛いのが性能過大評価派ですよね。あそこは何を根拠にしてるんですか。
ボス
易しいベンチでは4.5とほぼ同等、コーディングでは他に負ける。だから買い被るな、と。
そーくん
4.5と同等なら、そもそも乗り換える理由がないだろう、という話になりますね。
ボス
そう。彼らの結論は、Fableを捨てる理由にはならない、というところに落ちる。
そーくん
第1回を出したときと比べて、この対立の形はどのあたりが変わったんですか。
ボス
第1回は日本語や創作の実力不足の指摘だった。いまはそこに改善報告が並び始めた。
そーくん
不足の指摘ばかりだったところに、改善したという実感の声が乗ってきたんですね。
ボス
加えて争点が、実力の有無から、どこで測るかという比較の作法に移ってきた。

ベンチという物差しの癖

そーくん
比較の作法、ですか。なんでそんなところが、そこまで揉める話になるんですか。
ボス
この業界では、性能の順位は問題の難しさと環境の作り方で簡単に入れ替わるんだ。
そーくん
じゃあ今回のこれも、見方によっては易しい課題で並んだだけ、となるんですか。
ボス
そう主張できてしまう。だから作り手は得意な条件を、批判側は苦手な条件を出す。
そーくん
どっちも嘘はついてない、けど選んでる問題が違うわけですね。それは噛み合わない。
ボス
面白いのは、同等という言葉ですら、人によって指している中身が違うところだ。
そーくん
同じ同等でも、速さの話なのか答えの質の話なのかで、まるで別物になりますね。
ボス
その通り。だから同じ表を見ていても、勝った負けたの結論が両方とも成り立つ。
そーくん
モデルよりハーネスが効く、という声もありましたよね。あれもそこに繋がりますか。
ボス
繋がる。手順や完了条件の渡し方で成果が変わるから、モデル単体の実力は切り出しにくい。

読む前に置く5つの留保

そーくん
そうなると、この記事に出ている数字も、鵜呑みにはできない気がしてきました。
ボス
留保は5つある。まず、ここで扱うのは意見が割れた話題だけで、全体像ではない。
そーくん
静かに便利に使っている人は、そもそもここには出てこないということですね。
ボス
2つ目。まだ公開の翌日で、長時間コーディングの再現レビューは個別の報告どまりだ。
そーくん
一番お金がかかる使い方の検証が、まだ揃っていないというのは大きいですね。
ボス
3つ目。ベンチの数値は各アカウントの要約経由で、一次表との突合は限られている。
そーくん
要約の要約を読んでいる状態ですね。途中で意味がずれても、こちらは気づけない。
ボス
4つ目。公式の起点は英語圏で、日本語側は開発者や解説アカウントに偏っている。
そーくん
その偏りって、賛否の見え方そのものを歪めてしまうことは、ないんですかね。
ボス
歪む。声を出すのはいつも一部で、大多数は黙っている。その一部が空気に見えてしまう。
そーくん
それ、まさに今回のあれですね。歓迎の声が大きいだけ、という可能性もあるわけだ。
ボス
そのうえで5つ目。初週の枠2倍は期間限定で、定常的なコスト感とは別物だ。
そーくん
今のお得感のまま判断すると、枠が戻ったときに印象が変わってしまいますね。

次に見るべき3つの分岐

ボス
そこだよ。だからこそ、この読みがひっくり返る条件も3つはっきりしている。
そーくん
1つ目は何ですか。やっぱり、難しい課題のベンチが出てくるかどうかですかね。
ボス
そう。難課題や長時間コーディングの再現が一方に寄れば、この綱引きは終わる。
そーくん
2つ目は日本語ですか。改善したという声が、逆に振れる可能性もあるわけですね。
ボス
日本語実務のレビューが改善報告から不足報告へ逆転すれば、歓迎組の柱が折れる。
そーくん
3つ目は、さっきの値段の話そのものがひっくり返る場合、ということですか。
ボス
FableやSol側が同じ価格帯まで下げてくれば、半額という最大の武器が消える。
そーくん
そうなると、コスパ本命派の言い分だけが、ごっそり消えてしまうわけですね。
ボス
だから今は、どれか1つに決めるより、用途ごとに使い分けて様子を見る時期だね。
そーくん
勉強になりました。安いと聞くとすぐ飛びつきたくなるので、気をつけないと。
ボス
君は先週も、初回半額につられて新しい定食屋に3日通って、味の話は一切しなかった。
そーくん
まいりましたー。値段だけで選んでいた自覚、まったくありませんでした。降参です。

この記事をポスト