米SpaceXAIが「Grok 4.7」発表、価格据え置きで法務・電気設計のベンチマーク改善

　米SpaceXAIは9月21日、大規模言語モデルの最新版「Grok 4.7」を発表した。コーディングと知識労働に向けた同社で最も高性能なモデルと位置づけており、前世代の「Grok 4.6」と同じ価格・速度で提供する。

　料金は入力100万トークンあたり2ドル（約310円、1ドル156円換算）、出力100万トークンあたり6ドルに据え置いた。同社が比較対象として挙げた競合モデルは入力4?10ドル、出力20?50ドルで、価格性能比を前面に押し出した格好だ。出力速度を2倍にした高速版も用意するが、こちらは料金も2倍となる。

　性能向上の中身は、ベースモデルの大型化と強化学習の長期化だという。学習に使うタスクの構成をより難しいほうへ寄せ、完了までに数時間かかる問題に重みを置いた。その結果、自らの出力を検証する力と、長い文脈を扱う力が高まったとしている。対話用エージェント「Grok Bot」の実行環境をモデル自身が理解するよう訓練した点も新しい。


　ベンチマークでは、長時間のコーディングを課すCursorBench 4.0で46.3％を記録し、Grok 4.6の40.4％から伸びた。電気設計のEEBenchは64.0％、法務作業のHarvey Legal Agent Benchmarkは19.6％で、いずれも同社が並べた4モデルの中で最高値。一方、ターミナル操作を長時間続けるTerminal-Bench 4.0は38.0％にとどまり、57.9％の「Fable 5.1」には届いていない。弁護士や看護師、財務アナリストの実務を模したGDPvalでも、Eloスコアは1695でFable 5.1の1735に次ぐ2番手だった。

　安全性では、セーフガードの仕組みを全面的に刷新した。危険なサイバータスクを測るHackerBench v0.3では、リスクのあるプロンプトの通過率を3.3％に抑えつつ、正当なセキュリティ業務は妨げないという。バイオセーフティの指標でも62.4％で首位に立った。一部のセキュリティ企業には、招待制で攻撃側の検証機能を開放している。

　提供はCursorとGrok Buildで同日開始した。Grok API経由のほか、外部のコーディング環境やモデルルーター、クラウド基盤からも利用できる。同社は8月に「Grok 4.6」を出したばかりで、約40日での刷新となる。