Grok 4.7発表、長時間のコーディングと安全性を重視

概要

xAIは、コーディングと知識労働向けの新モデルGrok 4.7を発表した。今回の説明で目立つのは、短い質問への応答速度よりも、数時間続く複雑な作業への対応である。長いコンテキストを維持し、出力を自分で確認しながら、コードや文書作成を進めるモデルとして位置付けられている。

ただし、発表元はxAI自身であり、以下のベンチマーク結果や競合比較は独立評価ではない。利用する際は、評価方法やプロンプト条件を確認する必要がある。

主なポイント

• 長時間タスクを意識した学習。 xAIによれば、Grok 4.7はGrok 4.6より大きな基盤モデルを使い、より長い強化学習を行った。数時間かかる課題を重く扱うことで、計画、継続実行、結果の検証を改善したという。
• コードと知識作業を一体化。 発表では、CursorBench 4.0、DeepSWE、電気工学、オフィス業務で前世代から改善したとされる。高い努力設定でのDeepSWEスコアは71%と記載されている。また、Grok Botの実行環境をネイティブに理解するよう訓練し、会話や一般的な知識作業への適応を狙う。
• 比較的低いトークン価格。 APIは入力100万トークン2ドル、出力100万トークン6ドルから。出力速度を約2倍にした高速版は通常版の2倍の価格で提供される。Grok Build、Cursor、API、コーディング用ハーネス、ルーター、クラウド経由での利用が案内されている。
• 安全対策を前面に。 新しい保護機構により、拒否性能、脱獄耐性、生物安全性、サイバーセキュリティで強い結果を得たとxAIは説明する。危険なプロンプトの通過率として3.3%という数値も示されるが、テストの分類や条件と合わせて見るべきだ。

意味と影響

Grok 4.7の狙いは、チャットボットやコード補完にとどまらず、計画、実行、確認、納品を繰り返すエージェントの基盤になることだ。トークン価格が抑えられていれば、開発者は複数回の試行やエージェント実行を比較的低コストで試せる。一方、実際の導入では、実コードベースでの成功率、ツール呼び出しの安定性、遅延、コンテキスト管理、過剰拒否の少なさが重要になる。

公表表では、Grok 4.7がすべての項目で首位というわけではない。端末操作や臨床推論などでは他モデルが上回る項目もあるため、発表だけで総合的な優位性を判断するのは早い。自社のデータと作業を使った小規模な検証、第三者による再現評価が必要だ。

このモデルは、長時間の処理能力と価格競争力を組み合わせたxAIの賭けといえる。その価値が本番環境での安定したエージェント運用につながるかは、今後の利用実績にかかっている。

出典：Hacker News