Nex-N2.6 対 Grok 4.7：16倍安く、コンテキストは半分、そして片方にはスコアがある

の間の価格差はNex-N2.6とGrok 4.7割引ではない。それは別カテゴリの購入だ。入力100万トークンあたり$0.12、出力100万トークンあたり$0.40で、Nex-N2.6のコストはGrok 4.7の$2.00と$6.00のおよそ16分の1だ。さらにプロンプトが200,000トークンを超えると、Grok 4.7の料金は$4.00と$12.00に倍増し、入力での差は33対1を超える。したがって有用な問いは、どちらのモデルが優れているかではない。Nex-AGIを含め、その答えを出せる数字を公表した者は誰もいない。有用な問いは、16倍の代金で何を買っているのかだ。500,000トークンのウィンドウ、2年分の公開ベンチマーク実績、文書化されたツール呼び出しの契約、そして営業窓口のあるベンダー——それに対して、昨日出荷された、価格とコンテキスト長と1文のポジショニングだけを持つモデルだ。

検証可能な部分だけに絞った2つのモデル

Grok 4.7はSpaceXAIのフラッグシップであり、2026年9月21日にリリースされた、この対決においては安定した実測済みの選択肢です。Nex-N2.6はNex-AGIによるNex-N2.5 Proの後継モデルで、2026年11月10日時点でベンダー自身のAPI上で稼働しており、まだ測定されていない側です。各次元ごとに、各数値の出典を添えて整理すると、次のとおりです：

• 100万トークンあたりの価格 — Nex-N2.6 は入力 $0.12 / 出力 $0.40（掲載価格、取り消し線の $0.15 / $0.50 によって示唆される20%の導入割引を含む）に対し、Grok 4.7 は入力 $2.00 / 出力 $6.00、入力トークンが200Kを超えると $4.00 / $12.00 に上昇（SpaceXAI自身の料金表）。

• コンテキストウィンドウ — Nex-N2.6 は 262,144 トークン、Grok 4.7 は 500,000 トークン。これに対し SpaceXAI は 1 回の呼び出しで最大 450,000 出力トークンを許可しています。Nex-N2.6 の出力上限は 235,929 です。

• 入力モダリティ — どちらもテキストと画像を受け取り、テキストを返します。SpaceXAIのドキュメントではAPIでのファイル入力も記載されていますが、Nex-N2.6の一覧には記載されていません。

• 推論制御 — Nex-N2.6 は推論必須で、設定は high と medium の2つ、デフォルトは high、思考をオフに切り替える方法はありません。Grok 4.7 は low、medium、high、xhigh を提供し、デフォルトは high で、タスクが機械的な場合は最も低コストの設定まで下げられます。

• ベースとサイズ — Nex-N2.6 は約3210億パラメータの GLM-5.3-Flash 上でポストトレーニングされており、SpaceXAI は Grok 4.7 のパラメータ数を一切公表していません。

• 独立スコア — Grok 4.7 にはあります。Nex-N2.6 には、どのボードにもありません。

• 重み — Nex-N2.6 の掲載情報は、公開カードではなく認証プロンプトを返す Hugging Face リポジトリを指しています。Grok 4.7 はクローズドで API 専用であり、そうでないふりはしていません。

500,000トークンで実際に何が得られるのか

コンテキストの差は、Grok 4.7のプレミアムを正当化しやすい唯一の領域であり、価格設定が最も直感的に理解しにくくなる領域でもある。ウィンドウを262Kから500Kへ倍増させることは、エージェント作業にとって「あれば嬉しい」程度のものではない。1回の呼び出しで試せるジョブが変わるのだ。中規模リポジトリのソースツリー全体、ログを含むインシデントスレッド全体、長時間稼働するエージェントが蓄積したスクラッチパッド——これらすべてはGrok 4.7に収まり、Nex-N2.6ではチャンク化、要約、または検索して取り込まなければならない。

ただし、お金がどこに向かうかに注目してください。入力トークンが200,000になると段階料金が発動するため、支払ったウィンドウを使い切るリクエストは、100万入力トークンあたり$4.00で請求され、$2.00ではありません。300,000トークンの1回の呼び出しは、Grok 4.7では$1.20かかりますが、同等のプロンプトならNex-N2.6では約$0.04です。長いコンテキストの能力は本物ですが、長いコンテキストの価格は高くつきます。つまり、それぞれの場合で賢明なアーキテクチャは異なります。Grok 4.7では難しい問題を巨大な呼び出しにまとめて、その特権に対価を払います。Nex-N2.6では呼び出しを小さく保ち、検索に頼り、ウィンドウは作業空間ではなく余裕として扱います。

Grok 4.7は、単に呼び出すだけでなくルーティングできるという点で、この2つのうち唯一のモデルです。OrcaRouterのカタログに grok/grok-4.7 として掲載されており、SpaceXAI自身の$2.00 / $6.00、マークアップなしで、Grok 4.6、4.5、4.3、そして4.20ファミリーといったGrokシリーズの他のモデルと同じキーで利用できます。これがここで重要なのは、ある特定の理由からです。つまり、2つ目の契約や2つ目のSDKを交わすことなく、1つのベンダーのファミリー内でフォールバックチェーンを組めるのです。Nex-N2.6は当社のカタログにはなく、そうでないふりをするつもりもありません。それが変わるかどうかはNex-AGIの判断であり、当社ではありません。

スコアと、騙されずにそれを読み解く方法

ここでこの比較は一旦立ち止まる必要がある。Grok 4.7 について最も引用されそうな数字は、文脈から切り離すと罠になるからだ。Artificial Analysis は現在、その Intelligence Index で 35 と測定しているが、それはタスクセットを作り直した Index バージョン 5.0.1 上での値だ。前のバージョン 4.3.2 では、同じモデルは 46 を記録した。どちらの数字も正しいが、比較可能ではない。また、5.x のボードの数値と並べて 46 を掲載した記事（9月の当社の記事を含む）は、バージョンの断絶をまたいで引用していたことになる。現在の読み取り値としては 35 を使い、旧インデックスで測定されたどの値からもそれを差し引かないでほしい。

バージョンが変わっても生き残るのは、結果の形と、その下にあるタスクごとの経済性である：

• AA-Briefcase Elo — xhigh effort の Grok 4.7 で 1,511.7、長期的な知識作業ボード上で独立に測定。

• Intelligence Indexタスクあたりのコスト — 加重平均で0.26ドル、そのうち0.11ドルがキャッシュ書き込み、0.11ドルが出力トークンです。キャッシュの行が決め手です。このモデルはプロンプトキャッシュを有効にして実行するように設計されており、実効価格は、呼び出し間でプロンプトのどれだけが安定しているかによって決まります。

• GDPval — 1,692.05、およびHLE 49.4。どちらも同じ独立した実行によるものです。

• Terminal-Bench 4.0 — 34.8、FrontierCode 2.0 — 24.0。コーディングは、今年を通じてフラッグシップモデルがオープンウェイトの挑戦者に対して示す優位が最も薄かった分野であり、これらの数字は議論に決着をつけるものではない。

そのボード上のNex-N2.6の列は空だ。弱いのではない——空なのだ。Artificial Analysisの項目も、ベンダーの表も、自分で評価を実行するための重みもない。存在する唯一の性能に関する記述は、Nex-AGIによる一行の説明で、N2.6はNex-N2.5 Proと比べて反復的な推論を減らし、現在の環境で利用可能なツールにこれまでより忠実に従うというものだ。これはツール呼び出しの規律に関する主張であり、ベンダーによるもので、再現されておらず、そしてこれがこのモデルの公開されている性能記録のすべてである。

それぞれが間違ったツールとなる場合

Nex-N2.6 は、仕事がウィンドウを必要とする場合には適切なツールではない。パイプラインが 300K トークンのコンテキストをモデルに投入し、それについて 1 つの質問をすることを前提としているなら、どれほどの価格優位も補えない。その呼び出しは収まらないからだ。また、コミットする前に数値が必要な場合にも適切なツールではない——調達、規制下のレビュー、文書で正当化しなければならない賭け。独立した測定値がゼロのモデルはその基準をクリアできず、議論で押し切るべきでもない。

Grok 4.7は、作業が量に比例する形で安価に済む場合には不適切なツールです。数千件の短い呼び出しを繰り返すループ——チケットの分類、フィールドの抽出、差分バッチの採点——は、35と仮想上の同等スコアとの差が出力では見えないようなタスクに、フラッグシップモデルの料金を払っていることになります。また、モデルを検査可能にする必要がある場合にも不適切です。重みも設定もなく、ローカル実行もできず、ホスト型でしか存在しません。コンプライアンス要件として手元に保持できるチェックポイントが必要なら、このモデルをその一部にすることはできません。

どちらの極端よりも有用な第三の立場があります。作業が反復的で評価可能な場合は安価な方を使い、作業が長く影響が大きい場合は高価な方を使い、どちらがどちらかをハードコードされたモデル名ではなくリクエスト自体からルーターに決めさせるのです。OrcaRouterのルーティングDSLはまさにそれを表現します—トークン数、タスククラス、呼び出し元に基づくルールセットをリクエストごとに評価するものであり、ここでの価格差がアーキテクチャの問題ではなくルーティングの問題である理由でもあります。16倍が問題になるのは、実際に高価な側へ送るトラフィックだけです。

決定は、それぞれ1段落で

すでにNex-AGIのツール群のエコシステム内にいて、プロンプトが短く、ワークロードがスクリーンショット駆動またはツール多用型のエージェントループであり、モデルの想定される改善がまさに自分に必要なもので、今週中に実際のタスクのサンプルでその出力を自分で評価できるなら、Nex-N2.6を選べ。$0.12 / $0.40なら実験は手頃で、良いと判明するモデルに早く乗っておくことには価値がある。ただし、公開された重みも独立したスコアもない単一エンドポイント依存を運用していること、そしてこのモデルは価格の引き下げではなく値上げによって登場したことを理解した上で臨め。

1回の呼び出しで500,000トークンが必要な作業なら、ベンチマーク記録が好みではなく要件なら、あるいはすでに5世代を重ねたファミリー内でルーターがフェイルオーバーできるモデルが欲しいなら、Grok 4.7を選べ。出力ではNex-N2.6の料金の16倍を支払い、入力が200Kを超える分はさらに高くなる。そして16倍の割増で正直に買える唯一のもの、つまり他者がすでに挙動を測定済みのモデルが手に入る。初回で確実に動かさなければならないものにとって、その割増はたいていより安く済む項目だ。

注目すべきもの

この対決は1か月以内にまったく別物になる。その引き金は価格変更ではなく、ベンチマークの一行だ。Nex-N2.6のカードが自前の表を冒頭に掲げるか、独立系のスコアが公開ボードに載れば、比較はありふれたものになる。数字を備えた2モデル、一方は安く、もう一方はより広い。どちらも起きなければ、この記事の差は能力の話ではなく信頼の話になり、Grok 4.7の16倍のプレミアムは、自分が何を買っているのかを知るための価格へと静かに変わる。