Claude Opus 5.5 vs Grok 4.8 のタイトルカードを生成しました。3つのチップには「Grok 4.8: モデルIDは未公開」「強化学習において、2026年11月10日」「最も近い呼び出し可能モデル: Grok 4.7」と表示され、フッターには SpaceXSI の開発者ドキュメントを2026年11月19日に確認した旨が記されています。右下に OrcaRouter のロゴ。
Guides & Insights

Claude Opus 5.5 対 Grok 4.8:呼び出せるモデルと、呼び出せない約束

著者

Gideon Frost

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

を開発する企業のCEOは、Grok 4.8とどう比較されるのか直接尋ねられた。Claude Opus 5.52026年11月10日にXで示された彼の回答は、この対決についてこれまでに公開された中で最も有用なものだ。「それほど良くはない。Opus 5.5は傑作だ。だがGrok 5はOpus 5.5を超えるはずで、それは2、3か月後かもしれない。その後も加速が続けば」。これはイーロン・マスクが比較を認めた発言であり、12日後になっても、Grok 4.8の能力に関する公開記録のすべてでもある。

Grok 4.8 は呼び出せるモデルではないからです。SpaceXSI 自身の開発者向けドキュメント — モデル一覧、料金ページ、リリースノート(いずれも2026年11月19日に閲覧)— には、grok-4.7が最新の項目として記載されており、grok-4.8の行は一切ありません:識別子も、料金表も、コンテキストウィンドウも、公開された評価もありません。Artificial Analysis にはそのページがなく、リクエストは404を返します。対照的に、Claude Opus 5.5 は2026年9月22日から一般提供されており、モデルID、料金表、そして8週間にわたる独立した測定結果があります。

Headless capture of SpaceXSI's Grok models and pricing documentation, showing the left-hand navigation listing 'Grok 4.7' as the latest model and the models and pricing pages, with no grok-4.8 entry in the model list.

つまり、このページの役に立つ版は、2つの仕様書の比較ではない。出荷済みモデルと公表されたスケジュールを比べるものであり、さらにマスク氏の認めたことが決着させる一点、つまり今日何を動かすべきかを加えたものである。

その譲歩は見かけ以上に価値がある。

ベンダーは、自社の未リリースモデルについてベンチマークで劣っているとは認めない。そしてそれに付随する留保条件——Grok 5は2、3か月でOpus 5.5を上回る——は、この記事のタイトルにあるモデルとは別のモデルについての主張だ。どちらの発言にも、ベンチマーク、テスト名、日付は添えられていない。これを仕様ではなくスケジュールとして読むと、開発者には二つのことが伝わる。Grok 4.8はその差を埋めるモデルにはならない、そして同社自身の見通しでは、その差は2027年第1四半期まで埋まらないままだ。

Grok 4.7 で現在構築していて、待つべきか迷っている人にとって、それは重大な告白だ。ベンダー自身の責任者からの答えは、待つというのは Grok 5 への賭けであり、Grok 4.8 への賭けではない、というものだ。

なぜGrok 4.8は後れを取ったのか

マスクの11月10日の投稿は、どのリリースノートよりも具体的な説明を示していた。Grok 4.8の事前学習は完了している。チームは強化学習の段階にあり、教師ありファインチューニングに使うデータを作り直す必要があった。遅延の原因として挙げられている之一つはインフラの再構築だ。SpaceXSIはJAXとSGLangから自社のRLシステムと自社の推論スタックへ移行した。モデルのRL段階の途中で訓練とサービングの基盤を作り直すのは、変更ログではなくスケジュールに現れる類の決定であり、9月以降「間もなく」と言われ続けてきたモデルについて、提示されている中で最も筋の通った説明だ。

比較すべき対象は、何事もなく予定通りに進んだClaude Opus 5.5のローンチそのものではなく、その平穏さがもたらしたものだ。競合モデルがスタックの書き直しを行っている間に、安定した識別子、公開価格、第三者スコアを8週間にわたって提供できたことである。安定性は機能であり、それこそがGrok 4.8が出荷できていない機能だ。

実際に実行できるのは:Grok 4.7 対 Opus 5.5

Grok 4.7は、4.8が完成するまでの間、SpaceXSIが販売するモデルだ。2026年9月21日にリリースされた——Opus 5.5の前日である——50万トークンのコンテキストウィンドウを持ち、定価は入力100万トークンあたり2.00ドル、出力100万トークンあたり6.00ドルだ。したがって両モデルはリリース日で見れば同じ世代に属しており、それにより、独立した数値が、Grok 4.8が打ち負かさなければならないものは何か、そしてGrokのリリースがフロンティアからどれだけ離れているかについて、利用可能な最も公平な判断材料となっている。

• インテリジェンス指数 — Claude Opus 5.5 が59.1、Grok 4.7 が35.5で、23.6ポイントの差。

Indexタスクあたりのコスト — $10.04 対 $7.77。つまりGrok 4.7は、表示価格が70%安いにもかかわらず、完了したタスクあたりではわずか23%しか安くない。

• Terminal-Bench 4.0 — 59.6% 対 25.8%。Opus 5.5 はエージェント型ターミナル作業で Grok 4.7 を2倍以上上回る。

• Terminal-Bench-Science 0.1 — 59.0% 対 11.4%。

• FrontierCode-AA 2.0 — 46.4% 対 28.7%。

• HLE-Diamond — 67.9% 対 23.2%。

• GDPval-AA v2.1 — 1866 Elo 対 1717、ここでは149ポイント差で最も狭い。

• AnalystAgent — 56.3% 対 52.5% で、このセットの中で最も差が小さいベンチマークです。

• AA-Omniscience — ハルシネーション率50.3%で48.1、対して20.0%で31.2。

• コンテキストと速度 — 117 tok/sで100万トークン、対して71 tok/sで50万トークン。

Generated two-column scoreboard titled 'Claude Opus 5.5 vs Grok 4.7 - the scoreboard'. Left column Claude Opus 5.5 rows: Intelligence Index 59.1, cost per task $10.04, Terminal-Bench 4.0 59.6%, HLE-Diamond 67.9%, context 1M tokens, price $4 / $20. Right column Grok 4.7 rows: Intelligence Index 35.5, cost per task $7.77, Terminal-Bench 4.0 25.8%, HLE-Diamond 23.2%, context 500K tokens, price $2 / $6. Footer: both per Artificial Analysis index v5.0.1, Grok 4.8 is unscored. OrcaRouter logo bottom-right.

分布こそが興味深い点だ。Grok 4.7 がどこでも24ポイント劣っているわけではない。経済価値のボードである GDPval では8%以内、AnalystAgent では4%以内だ。これらは実行の深さよりも、専門的なアウトプットの広さを評価するベンチマークだ。タスクが長いシーケンスを正確に実行することを要求する場合——ターミナル作業、科学向けターミナル作業、エージェント型コーディング——その差はボード上で最も大きい。23.6ポイントの総合スコアは、実のところ、ひとつの特定の弱点がスイート全体で複合的に積み重なったことの記述だ。

タスクあたりのコストこそが、Grokの価格設定を告発する数字だ

$2/$6 という表示価格は $4/$20 に対して、出力価格で 2.5 倍の優位に見える。Artificial Analysis の測定ではタスクあたり $7.77 対 $10.04——23% だった。理由は、Grok 4.7 が Index スイート全体で 1 億 4,800 万出力トークンを生成したのに対し、Opus 5.5 は 2 億 1,800 万で、優位はわずか 1.5 倍にとどまり、しかも生成速度は 71 tok/s 対 117 tok/s だからだ。

これらを合わせて考えると、Grok 4.7は価格に対してより冗長であるうえ、実時間でも遅く、Indexタスクあたり24.4分対24.6分となっている。24インデックスポイント分も能力が低いのにレイテンシはほぼ同じで、23%の節約——これは価値提案ではなく、より劣った製品への割引にすぎない。価格表を根拠にGrok 4.7を選んだ人は、その特権の代価を払ってきたのだ。

Claude Opus 5.5 も安くはありません。タスクあたり $10.04 でボードの高価格側に位置し、24.6 分というタスク時間は本当に遅いです。しかし少なくともその資金で何かを買っています。このボードでのコスト効率の正しい比較対象はこの2つではなく、57.3 インデックスに対してタスクあたり $1.01 の GPT-6.2 Sol であり、これが両方を価格的に見劣りさせる構成です。

Grok 4.8がこれを変えるには、何が成り立っていなければならないのだろうか

購入ではなく移行を計画しているなら、読む価値があるのはこの部分です。再設計された教師あり微調整を伴うRLから出てきたモデルは、どちらの方向にも大きく動く可能性があり、Grok 4.7が失敗する特定のベンチマークは、検証可能なタスクでのRLが最初に修正しがちなものです。ターミナル作業、エージェント型コーディング、科学的実行はいずれも機械的にチェック可能な報酬を持ち、それはまさにRLフェーズが最適化するものです。Grok 4.8が4.7の25.8%に対してTerminal-Benchで大きな向上を記録すれば、それはRLの実行がうまくいったというシグナルです。

これが実行に移せるようになるには、まず3つのものが必要だ。1つはgrok-4.8という識別子がSpaceXSIのドキュメントに現れること。料金表——そして新しい推論スタックは、価格がどちら向きに変わっても不思議ではない理由になり得ることに留意。さらに公開された評価結果。というのも、マスク氏自身の今月の発言は、品質の尺度としてのベンチマークスコアを明確に軽視していた。つまり、ベンダー自身の4.8に関する資料が数値の表として出てくる可能性は低い。

それらが存在するまでは、正直な見積もりとしては、Grok 4.8 は Grok 4.7 と Opus 5.5 の間のどこかに収まり、SpaceXSI の外にいる誰もその位置を知らない、ということになる。今日 Grok 4.8 のコンテキストウィンドウや価格、スコアを示しているページは、すべてそれをでっち上げているのだ。

今日を選択

Grok 4.8は判断の対象に入っていません。Claude Opus 5.5は、Grok 4.7や同じ枠を実際に争うモデルたちとともに、対象に入っています。

あなたの仕事が長期にわたるエージェント型実行——コーディングエージェント、ターミナル自動化、多段階リサーチ——であるなら、Claude Opus 5.5はあらゆる実行ベンチマークで、どれだけプロンプトエンジニアリングを重ねても埋まらない差で勝ち、しかもそれを実行するにはタスクあたりGrok 4.7より約29%コストが高い。それは妥当なトレードオフであり、迷う余地のない判断だ。

あなたの仕事が専門的な幅——分析、起草、経済価値のあるタスク——を伴うものであるなら、両者は十分に近く、23%の節約によってGrok 4.7が正当化されるかもしれません。ただし、1Mではなく500Kのコンテキストウィンドウで済ませられ、Omniscienceの総合スコア31対48が示唆する低い再現率を許容できる場合に限ります。

Grok上で構築していて、まさにこの種のずれに備えたいなら、実用的なパターンはモデル選択をコードの外に置くことです。どちらも1つのOrcaRouterキーから利用でき——anthropic/claude-opus-5.5とgrok/grok-4.7——プロバイダー定価への0%のマークアップで提供されるため、Grok 4.7のラインはベンダー自身の料金となり、4.8に対するSpaceXSIの価格変更は、気づいた日ではなく発表された日に反映されます。ルーティングルールを、評価でより強いと判断したモデルを優先するように設定し、自動フェイルオーバーに、実行中に応答しなくなったプロバイダーを処理させてください。Grok 4.8が登場したとき、それを追加するのは移行ではなくルーティングエントリです。

Headless capture of OrcaRouter's model page for grok/grok-4.7, showing the model name and its sections for code samples, pricing, performance and public benchmarks.

肝心なところは、お粗末ながらこんなものだ

マスクはGrok 4.8はClaude Opus 5.5ほど優れていないと述べ、その後、Grok 5は2~3か月後にそうなるかもしれないと述べた。額面通りに受け取るなら、それは2四半期の窓であり、その間、エージェント実行におけるフロンティアモデルは9月にリリースされたものということになる。その前提で計画を立て、Grok 4.8の発表があれば、統合を書き直す理由ではなく、評価を再実行する理由として扱え。

この記事で比較したモデル1

この記事から検出 · ベンチマーク:Artificial Analysis · 毎日更新