Grok 4.5：単なるAIチャットから「業務エージェントOS」への進化
xAI が 2026年7月に段階的公開し、7/22〜23 に全プラットフォームへ展開した Grok 4.5。約1.5兆パラメータの V9 Foundation Model を基盤に、Google Workspace と Microsoft 365 のサイドパネルへアドオンとして常駐し、シートやドキュメントを直接編集する。SWE Bench Pro 64.7% を競合比 約4.2倍少ない出力トークンで達成するトークン効率、最大1,024エージェントの並列 Workflows、そして全文書の閲覧・編集・削除を求める広範な OAuth スコープが企業導入に突きつける統制課題を整理する。
前世代から大幅に拡張された基盤モデル
200k 超で追加課金が発生する可能性あり
実務的なソフトウェア工学タスクの解決率
Opus 4.8 max 比。1タスク平均 15,954 トークン
PR レビュー・Issue 分類・コード監査に適用
キャッシュ入力は $0.30 / 1M トークン
Grok 4.5 とは何か：速度・精度・コストのパレート最適
Grok 4.5 は xAI（現 SpaceXAI）が 2026年7月に段階的公開した、コーディング・エージェント指向のフラッグシップモデルである。API 提供が 7/8、公開告知が 7/16、そして 7/22〜23 に全プラットフォームへ展開された。狙いは単一指標での首位ではなく、速度・精度・コストのパレート最適（Pareto frontier）にある。
| 項目 | 詳細仕様 |
|---|---|
| アーキテクチャ | V9 Foundation Model（約1.5兆パラメータ） |
| コンテキスト窓 | 500,000 トークン（200k 超で追加課金が発生する可能性あり） |
| 配信速度 | 約 80 TPS（Tokens Per Second） |
| 推論オプション | Low / Medium / High の3段階（デフォルト High、無効化不可） |
| API 価格 | 入力 $2 / 出力 $6（1M トークン）、キャッシュ入力 $0.30 |
学習手法の特異性：IDE との共同トレーニング
Grok 4.5 は IDE「Cursor」と共同でトレーニングされ、匿名化されたワークフローデータを用いた「Supplemental training」を実施している。これは単なる知識の蓄積ではなく、「エンジニアがどう思考し、どう修正を重ねるか」というプロセス自体を学習信号として取り込んでいることを意味する。ベンチマーク上の知識量ではなく、実務での手戻りの少なさに効くタイプの学習と位置づけられる。
業務スイート統合：サイドパネルに常駐し、ファイルを直接編集する
今回のアップデートで最も実務インパクトが大きいのは、Grok が外部アドオン／アドインとして業務アプリのサイドパネルに常駐し、ファイルを直接編集・操作できるようになった点である。「チャットにコピペして、返答をコピペで戻す」という往復が消える。
Google Workspace（1つのアドオンで3アプリ対応）
Sheetsセル引用付きの分析
選択範囲を読み取り、根拠となるセルを引用しながら分析。自然言語から本物の数式を生成してセルに挿入し、シナリオの再計算やチャート生成まで行う。
Slidesアウトラインから即デッキ化
箇条書きのアウトラインから既存テーマに沿ったスライド一式を生成。Web / X 検索によるリサーチ結果を反映し、編集可能な形式で出力する。
Docs粗いメモを構造化ドラフトへ
文法修正・スタイル統一に加え、コネクタ経由で Drive やメールを参照して内容を補強する。
Microsoft 365（Excel / Word / PowerPoint / Outlook）
Google 版とほぼ同等の機能をアドインとして提供する。とりわけ Outlook 統合の深度が特徴で、長いメールスレッドの要約、決定事項や未対応タスクの抽出、ユーザー自身の文体に合わせた返信下書きの作成に加え、受信トレイの整理（アーカイブ・削除）まで指示できる。
「サイドパネルからファイルを直接編集できる」ことは、裏を返せばアドオンが文書の閲覧・作成・編集・削除の権限を持つということでもある。この点は 06 で詳述する。
ベンチマーク：エージェント性能と低い幻覚率
公開ベンチマークにおいて、Grok 4.5 は実務的なソフトウェア工学およびエージェント性能で高いスコアを記録している。特筆すべきは幻覚率の低さで、シングルターンで 0.98% と、GPT-5.5 の 1.14%、Opus 4.8 の 3.35% を下回る。
Grok 4.5 の主要ベンチマークスコア
エージェント／ソフトウェア工学系の評価。数値は xAI 公表値
上位3項目は 0〜100% を横幅 530px にスケールした比較。幻覚率のみ「低いほど良い」指標のため、同一スケールで表示している。
本当の差別化点：驚異的な「トークン効率」
スコアそのものより実務インパクトが大きいのが出力トークン効率である。xAI のデータによれば、Grok 4.5 は SWE Bench Pro の1タスクあたり平均 15,954 出力トークンで解決に達する。これは Opus 4.8 max の約4.2分の1にあたる。
SWE Bench Pro：1タスクあたりの平均出力トークン数
少ないほどコストが低く、実効的な待ち時間も短い
Opus 4.8 max 側の絶対値は「約4.2倍」の公表比から算出した参考値。比率は xAI 公表、絶対値は本図での換算である点に留意されたい。
この効率性は API コストの低減にとどまらない。エージェントが自律的に何十ターンも回るワークロードでは、1タスクあたりの出力量がそのままレイテンシと課金の両方に直結する。ベンチマーク順位が同程度なら、トークン効率の差が実運用での体感差になる。
受動的なチャットから、自律的なワークフロー実行へ
Automationsスケジュール／メール起動
毎日・毎週などの時刻指定や、特定のメール受信をトリガーにジョブを自動実行。朝のニュース要約や定期リサーチの無人化に使える。
Workflows最大1,024エージェント並列
大規模タスクを分割し、最大1,024のエージェントを並列稼働させて処理。PR レビュー、大量の Issue 分類、コードベース監査などに適する。
Voice Agent Builderコード不要の電話対応
25以上の言語に対応した電話対応エージェントをノーコードで構築。API・MCP ツール呼び出しと、人間オペレーターへの転送に対応。
OSS 化エージェントハーネス公開
Grok Build のエージェントハーネス、TUI、ツール呼び出し実装がオープンソース化。ローカル推論エンジンへの接続も可能になった。
ここで質的な変化が起きている。従来のAI活用が「人間が質問し、AIが答える」単発の往復だったのに対し、Automations と Workflows は人間不在の時間帯にタスクが進行する。ユーザーの役割は「問いかける人」から「起動条件と検収基準を設計する人」へ移る。
強力な機能は、広範な権限と表裏一体である
企業導入において最も慎重な検討を要するのが権限とデータの扱いである。Workspace アドオンは全文書の閲覧・作成・編集・削除を含む非常に強力な OAuth スコープを要求する。「ファイル内での直接動作」という利便性は、この権限があって初めて成立する。
データ学習ポリシーは利用形態で明確に分かれる
| 利用形態 | 入出力データのモデル訓練利用 | 備考 |
|---|---|---|
| API / Business / Enterprise | 原則として使用されない | 業務利用はこちらを前提とすべき |
| Consumer（X / grok.com） | 使用される場合がある | X の公開ポストや Grok とのやり取りがデフォルトで対象。設定でオフにするか Private Chat の利用が必要 |
運用上の推奨策
- 段階的導入とスコープ審査
全社配布の前に、機密度の低い部門でパイロット運用を行い、OAuth スコープをガバナンス観点で審査する。
- プランの選定
業務利用では、学習不使用が明記されている Business / Enterprise プランを前提とする。Consumer プランの業務転用は避ける。
- Human in the loop の徹底
数式の生成、メールの自動下書き、ファイルの更新・削除については、必ず人間が最終確認を行う運用を敷く。
とくに Outlook 統合の「受信トレイの整理（アーカイブ・削除）」と Sheets の「数式をセルへ直接挿入」は、誤動作が静かにデータを壊すタイプの操作である。自動実行の対象から外し、明示的な承認を挟む設計を推奨する。
競合比較：最高精度と包括統合の「間」を突く
Grok 4.5 の立ち位置は、最高精度を追求する Fable 5 と 包括的なネイティブ統合を誇る Gemini / Copilot の間にある、実務特化型の選択肢と整理できる。
| 観点 | Grok 4.5 | Google Gemini | MS 365 Copilot |
|---|---|---|---|
| 強み | リアルタイム X 検索、最高クラスのトークン効率、エージェント並列処理 | Google アプリとの深いネイティブ統合、強いデータ保護明文化 | 大企業向けコンプライアンスの厚さ、MS Graph との連携 |
| 提供形態 | サードパーティ製アドオン（ベンダー中立的） | 第一者純正機能 | 第一者純正機能 |
| 価格感 | API 単価が安く、アドオンのインストールは無料 | 対象プランのライセンスに依存 | $30/月/ユーザー（標準） |
| 特筆機能 | Sheets でのセル引用付き分析、OSS エージェント基盤 | ユーザーデータの学習不使用の強い保証 | エンタープライズデータ保護（EDP） |
Google / Microsoft が「自社スイートの純正機能」として提供するのに対し、Grok は両方のスイートに後付けで入り込むベンダー中立的なアドオンという形を取る。既に Workspace と M365 が混在している組織では、この中立性そのものが選定理由になり得る。
結論：ベンチ順位ではなく、自社タスクでの実測で判断せよ
Grok 4.5 の登場により、AI活用は「チャットへの質問」という単発の行為から、OS レベルで常駐する自律ワークフォースとの共生フェーズへ移行しつつある。とりわけ「Sheets でのセル根拠付き分析」と「最大1,024エージェントによる並列調査」は、これまでのAIでは到達できなかった種類のユースケースを開いた。
一方で、導入判断をベンチマーク順位で下すのは誤りである。実務で効くのは自社の典型タスクにおける「成功率」「出力トークン効率」「P95 応答速度」の3点であり、これらは公開スコアからは読み取れない。パイロット部門での実測を経てから全社展開を判断すべきだ。