何が起きたか
SpaceXAIがリリースしたGrok 4.6は、複数のベンチマークを単一スコアに統合するArtificial Analysis Intelligence Index（AA Index）で61点を記録しました。前世代のGrok 4.5から5点の上昇で、OpenAIのGPT-5.6 Solと同点。これを上回るのはAnthropicのClaude Opus 5（63点）とClaude Fable 5（62点）だけです。
価格は100万トークンあたり入力$2／出力$6に据え置かれました。Claude Opus 5は$5/$25、GPT-5.6 Solは$5/$30ですから、6割以上安い水準で最上位から2点差につけたことになります。API、Cursor、Grok Buildのほか、OpenRouter、Vercel、Cloudflareといったパートナー経由ですでに利用可能で、最初の1週間はGrok BuildとCursorで利用枠が倍になります。
なぜ重要か——「差が2点、価格差が6割」の非対称
注目すべきは61と63という数字の近さではなく、その2点に支払う金額の開きです。出力トークン単価で見ればClaude Opus 5はGrok 4.6の4倍強、GPT-5.6 Solは5倍。ベンチマークの上位争いが数点差に収斂する一方で、価格は倍数で動いています。「最高性能を選ぶ」という調達方針が、コスト面で正当化しづらくなる領域が広がったということです。
53ステップと103ステップが示す、もう一つのコスト
Grok 4.6はエージェント的タスク——モデルが複数手順のワークフローを自律的に進める使い方——で特に強いとされます。実務的な知識労働をPC上で測るGDPval-AA v2ではEloスコア1,753で2位、Claude Opus 5に次ぐ位置につけました。
ここで効いてくるのが手順数です。複雑なタスクをGrok 4.6は約53ステップで完了し、Claude Opus 5は約103ステップを要します。エージェント運用では1ステップごとにトークンが積み上がるため、手順数の差は単価差にさらに掛け算される構造になります。単価だけを比べた「6割安」は、エージェント用途では実効コスト差の下限に近い可能性があります。
数字の読み方には留保がいる
ただし、少ないステップ数は常に善ではありません。手順を圧縮するモデルは、確認や検証の工程も同時に省いている可能性があります。GDPval-AA v2で首位に立ったのがClaude Opus 5であることは、ステップ数と成果物の質が別軸であることを示唆します。統合スコアであるAA Indexも、自社が実際に投げるタスクの分布とは一致しません。ベンチマーク順位は候補を絞る道具であって、採用判断そのものではないという原則は変わりません。
💼 事業会社視点：これは自社にどう効くか
日本の事業会社にとって、この一報は「モデル選定」ではなく「調達設計」の問題です。
SaaS・自社プロダクト：AI機能の原価がそのまま粗利を規定する構造では、$5/$30から$2/$6への移行は数値インパクトが即座に出ます。まずは自社の高頻度・低難度パスだけをGrok 4.6に切り替え、難所は上位モデルに残す階層化を検討すべきです。単一モデル固定の実装になっているなら、OpenRouterやVercel経由の抽象化レイヤーを挟む改修が先決です。
受託開発・SIer：見積の前提が崩れます。顧客側が「Grok 4.6なら6割安いはずだ」と言い出す局面は近い。API単価と工数を分離した提示に切り替え、モデル差し替えを保守契約の中に商品化しておくのが防衛策です。
EC・カスタマーサポート：問い合わせ対応のようにステップ数が積み上がる領域では、53対103という手順数差が単価差の上に乗ります。まず自社ログでA/Bを回し、解決率が落ちないラインを実測してください。
経営としての要点は、上位モデルとの差が2点しかない現状で、「最高性能を常用する」既定値を放置していないかを問うことです。1週間の増量枠は評価コストを下げる好機ですが、期間限定の条件に本番設計を寄せてはいけません。