2026年9月13日、Elon MuskはXプラットフォームで発表した。xAIの次世代モデルGrok 4.8がメイントレーニングの最終段階にあり、パラメータ数は2.5兆、xAIがゼロから自社開発したC++ソフトウェアスタック上に構築されており、トレーニング終了後は直ちに強化学習フェーズに入ると述べた。この発表の時点で、パラメータ数2.1兆のGrok 4.7はいまだ未リリース状態にあった。つまりxAIは、前のモデルをまだ届けていない段階で、より大規模かつアーキテクチャを刷新した次世代バージョンを宣言したことになる。
5度にわたる未達の約束
Grok 4.7の延期の経緯は複雑を極めた。cellcog.aiの整理によると、2026年7月24日の「4週間以内にリリース」に始まり、8月12日の「3〜4週間以内」、9月1日の「10日後」と、Muskは少なくとも5回異なるリリース時期を提示したが、すべて実現しなかった。9月11日、彼はこれまでで最も具体的な技術的説明を行った。強化学習トレーニングがモデルの応答長に過度のペナルティを課した結果、モデルが能力範囲内の難問に対して粘り強く解を追求するのではなく途中で諦めてしまい、自己検証も十分に行われなくなったというものだ。
大規模モデルがRLアライメント段階で能力の劣化を示すことは珍しくないが、Grok 4.7の事例は具体的な設計上のトレードオフを示している。出力をより簡潔にするため、過長な応答にペナルティを与える訓練シグナルを用いた結果、長いチェーン推論を必要とする高難度タスクでの性能が損なわれるという副作用が生じた。これは「パラメータが多ければ強い」という直感的な期待と矛盾する。
9月14日、MuskはGrok 4.7の公開的な位置づけをさらに引き下げ、「AnthropicのClaude Opus 5.0とほぼ同等」と説明した。当初示唆していた「市場最強を全面的に超越する」という表現からは後退した形となった。
Grok 4.8のアーキテクチャという賭け
Grok 4.8の技術的な差異は、パラメータ数が2.1兆から2.5兆へ増加（約19%増）という点にとどまらない。progressiverobot.comの報道によると、xAIはこのバージョンのために全く新しいC++トレーニングインフラを構築した。22万枚のNVIDIA GB300 GPUで稼働し、GPU間は800G高速ネットワークカードで接続され、パイプライン並列を大量に活用している。Muskはこの方式のトレーニング効率が主流のJAX方式と比べて「1桁以上高い」と主張している。
自社開発のトレーニングフレームワークはハイリスク・ハイリターンの選択だ。PyTorchやJAXといった主流フレームワークは多年にわたるコミュニティによるデバッグと最適化の蓄積がある。ゼロから構築するということは、xAIがすべての基盤的な数値安定性の問題、分散通信のエッジケース、メモリ管理の細部を独力で解決しなければならないことを意味する。一方で、このスタックが完成すれば、xAI自身のColossusスーパーコンピューティングクラスターと深く結合し、競合他社が直接模倣できない優位性を形成する。Grok 4.7はすでにRLフェーズの脆弱性を露呈した。自社開発トレーニングフレームワークへの切り替え後、Grok 4.8のリスク要因は減るどころか増している。
SpaceXデータという堀
Grok 4.7のトレーニングにはSpaceXのエンジニアリングデータが組み込まれた。内部ドキュメント、テレメトリーデータ、Starlinkの衛星記録、ロケット開発資料などが含まれる。bighatgroup.comの報道によると、この補完的なトレーニングフェーズはメインの事前トレーニング完了後に実施され、リリース前の最終ステップとなった。
これはxAIが保有する、競合他社が物理的に複製不可能な唯一のデータ資産だ。OpenAI、Anthropic、Google DeepMindはいずれもSpaceXのエンジニアリングテレメトリーデータベースにアクセスする手段を持たない。
ベンチマークの座標：Grok 4.6の実際の性能を起点に
4.7と4.8の相対的な位置を理解するには、唯一公開済みの前世代モデルを起点とする必要がある。finance.biggo.comが報じた評価データによると、Grok 4.6はAA知能指数で61点を獲得し、GPT-5.6 Sol Maxと並んだが、Claude Fable 5 Maxの62点には及ばなかった。GDPVal-AA v2ベンチマークではGrok 4.6が1753点を記録し、同世代の競合モデルをリードした。しかしTerminal-Bench v3.0では26%にとどまり、GPT-5.6 Sol Maxの34.6%に大きく遅れを取った。
この数値群は、能力分布が不均一なモデルの姿を描き出している。総合推理はトップクラスに近いが、ターミナル操作やコマンドライン実行を伴うタスク類では構造的な弱点がある。Grok 4.5が同指数で56点だったのに対し、4.6は61点へと上昇しており、この世代間の跳躍は本物だ。しかしMuskが4.7を「Claude Opus 5.0相当」と位置づけたことは、4.7の4.6に対する実際の改善幅が当初の宣伝より控えめだったことを意味する。
価格設定：唯一論争のない競争優位
性能の位置づけが揺れ動く中、Grokファミリーが現時点で最も定量化しやすい優位性は価格だ。progressiverobot.comの報道によると、Grok 4.6のAPIは入力100万トークンあたり2ドル、出力6ドルという価格設定であり、競合他社のフラッグシップモデルが通常10ドル/50ドル前後であることと対照的だ。この約5倍の価格差は、大量呼び出しのシナリオにおいて企業の選定ロジックを左右するに十分だ。
Grok 4.7と4.8が正式リリース時に同様の価格帯を維持し、Terminal-Benchカテゴリのタスクにおける4.6の構造的弱点を補えるなら、それが企業ユーザーの実際の移行を促す引き金となるだろう。
ロードマップと検証シグナル
Muskは自己評価的な性格の開発ロードマップを示した。Grok 4.7はClaude Opus 5.0に概ね相当し、Grok 4.8は4.7から明確な改善があり、Grok 4.9は「おそらくAstra/Fableレベルに達する」とし、Grok 5はxAI初のAGIレベルモデルと位置づけた。このロードマップは公開されたベンチマークカードに基づくものではなく、独立機関による検証もない。創業者がソーシャルメディア上で自ら語った内容だ。
Grok 4.7の経緯は、このロードマップに対する根本的な注記を刻んだ。発表と実際の提供の間には構造的な時間差が存在し、性能への期待値はリリース直前になると下方修正される傾向がある。これはロードマップ自体が誤りであることを意味しないが、APIの安定性に依存して製品計画を立てる開発者には、十分なバッファを確保することが求められる。
以下の3つのシグナルが、ロードマップの信頼性を検証する具体的な観測点となる。Grok 4.8の正式リリース時におけるTerminal-Bench v3.0カテゴリのタスクでの得点、公式リリースに完全なベンチマークカード・APIドキュメント・価格表が添付されるかどうか、そしてRLトレーニング完了から正式公開までの実際の所要時間だ。これら3点が2026年10月中旬までに揃い、かつTerminal-Benchのスコアが明確に改善されていれば、xAIのロードマップは実質的な裏付けを得ることになる。
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接