SpaceXAIのGrok 4.6、長時間AIエージェントを強化
元記事公開日: 2026年8月14日
出典: https://ledge.ai/articles/spacexai_grok_4_6_release
Grok 4.6は、調査、アプリ構造の決定、主要機能の実装、フィードバックを受けた改良を長時間連続して進め、工程ごとに自身でテストや検証を行えるとしている。追加学習とエージェント型強化学習を経て、DeepSWE v1.1など複数の評価でGrok 4.5を上回った。
背景
SpaceXAIは2026年7月16日に前世代モデルのGrok 4.5を発表した。Grok 4.6はその約4週間後の8月12日に公開され、Grok 4.5を基盤として追加学習を実施したモデルである。前世代からの更新として、長時間にわたる複数工程の実行と、インタラクティブ・ビジュアル作業が重点的な強化対象となった。
要望・目的
単発の質問に答えるだけでなく、複数の工程を長時間連続して進めるAIエージェント能力の強化を目標とした。未知の分野の調査、アプリ構造の決定、主要機能の実装、フィードバックを受けた反復改良を想定する。調査や情報分析、コードベースを横断する作業、アイデアからアプリや業務成果物を作る作業も対象に含まれる。
実装・実施内容
Grok 4.5より長期間の追加学習を行い、推論や高度な技術分野向けに選別したモデル生成データと、高品質なエンジニアリングデータを使用した。知識労働、一般的なコーディング、Web開発、CADを対象とするエージェント型の強化学習も実施した。Grok 4.6はCursorと連携して開発され、匿名化されたCursorのワークフローデータも追加学習に用いられた。
AIサービス・システム
Grok 4.6は、長い作業工程で次の工程へ進む前に、モデル自身が成果をテストし、内容を検証する動作を増やしたとしている。コンテキストウィンドウは50万トークンで、テキストと画像を入力し、テキストを出力する。推論強度を設定でき、Cursor、Grok Build、SpaceXAI API、OpenRouter、Vercel、Cloudflareのパートナー経由で提供を開始した。
結果・効果
SpaceXAIが公表した評価では、Artificial Analysis Intelligence IndexはGrok 4.5の56から61へ上昇した。DeepSWE v1.1は54％から65.9％、CursorBench v3.2は66.7％から69.9％、FrontierCode v1.1（Extended）は56.6％から61.3％となった。一方、全評価で他社モデルを上回ったわけではない。Web版、モバイルアプリ、X上のGrokへの導入は後日とされている。