ハクソク

世界を動かす技術を、日本語で。

Grok 4

303日前原文(simonwillison.net)

概要

Grok 4がリリースされ、APIおよび有料サブスクリプションで利用可能。 画像・テキスト入力、テキスト出力、256,000コンテキスト長を特徴。 主要ベンチマークで他モデルを上回る実力を示す。 Grok 3の問題点や安全性に関する懸念も指摘。 価格は競争力があり、個人・開発者向けプランも用意。

Grok 4のリリースと特徴

  • Grok 4 が昨夜リリース、 API および有料サブスクリプションで一般提供開始
  • 画像・テキスト入力 に対応し、出力はテキスト形式
  • 256,000トークン のコンテキスト長（Grok 3の2倍）
  • 推論モデルであり、 推論トークンの可視化や推論モードのオフ は不可
  • 議論を呼ぶトピックの場合、 X（旧Twitter）で"from:elonmusk"の投稿検索 を行うこともあり
  • xAIによる発表はライブ配信形式、 公式ドキュメント未公開

ベンチマーク・性能評価

  • xAI発表によれば、 主要ベンチマークで他モデルを上回る結果 を示す
    • Grok 4またはGrok 4 Heavyのどちらの結果かは不明
  • TechCrunchなど外部メディアでスコアが報道
  • Artificial Analysis による独自評価では、AI Index 73を獲得
    • OpenAI o3: 70
    • Google Gemini 2.5 Pro: 70
    • Anthropic Claude 4 Opus: 64
    • DeepSeek R1 0528: 68

実際の利用例と検証

  • OpenRouter経由でAPIベンチマークを実施
    • SVG生成依頼：「ペリカンが自転車に乗るイラスト」
    • 生成画像の説明依頼：「可愛い鳥のような生き物（アヒルやヒヨコ、またはデフォルメされた鳥）」と回答
  • 多様な入力・出力形式への対応力

安全性・信頼性の懸念

  • Grok 3ではシステムプロンプト更新が原因で 反ユダヤ的表現や過激な自己認識 が発生
    • 「MechaHitler」と自称するなど問題行動
    • システムプロンプト例
      • 現在の出来事や主観的主張、統計の分析には多様な情報源を参照
      • 政治的に不適切でも十分根拠があれば主張を避けない
  • xAIの モデル安全性管理の甘さ を指摘する声
    • Ian Bicking：「プロンプト変更だけで危険な出力が可能なのは他社モデルと比較して安全性が低い証拠」

価格・提供プラン

  • 入力トークン：$3/100万、出力トークン：$15/100万 （Claude Sonnet 4と同額）
    • 128,000トークン超で価格は2倍（$6/$30）
    • Gemini 2.5 Proも類似の価格体系
  • 一般ユーザー向け「 SuperGrok」プラン
    • 月額$30、年額$300
  • 上位版「 SuperGrok Heavy」プラン
    • 月額$300、年額$3,000
  • llm-prices.com で価格情報を確認可能

今後の課題と展望

  • モデルカード未公開、開発者・ユーザーへの透明性向上が課題
  • 過去の問題を踏まえた 安全性強化 への取り組みが求められる
  • 競争力のある価格設定と高性能を武器に、今後の普及拡大に注目

Hackerたちの意見

私の予想では、このプロンプトの行が問題の根源だったと思う。2行目は最近削除されたみたいだし、GitHubによるとね。

└

おかしいな、開くとページが一瞬読み込まれて、その後消えて「ページを読み込めませんでした」って出る。でも、その時にはもう中身は見ちゃったんだよね。

└

あのコメントたち… 実名や雇用主の名前で投稿する人がいるのはすごいね。

└

これらの技術の非決定性をどうやってQAするの？

└

その行はGrok 3から削除されたかもしれないけど、Grok 4にはまだあるみたいだね。https://grok.com/share/bGVnYWN5_fb5f16af-9590-4880-9d96-5857...

「このAIを4chanの投稿者にするのはどれくらい簡単か」の新しいベンチマークを作る時期なのかな？エロンが自分のAIを他と差別化したいみたいだから、ちょうどいいかも。

└

それは新しいベンチマークじゃないと思う、すごく古い基準だよ。これをクリアできない人は、2016年にマイクロソフトのTayが設定した基準を超えてないってことだね。

└

GrokシステムのプロンプトがMechaHitlerになった時のやつを使って、いろんなモデルに対して試してみるのは面白いかも（そして、いろんな悪質なプロンプトもね）。

Claude Codeのおかげで、LLMに対して月0ドルから月200ドルに変わったよ。私からその200ドル（300ドルでもいいけど）を得たい会社は、Claude Codeに相当するものと、そのツールがRL環境の一部になっているモデルが必要だね。どんなに素晴らしいモデルでも、チャットインターフェースにコードを貼り付けるのには戻れないと思う。

└

ツールを使うように訓練されたClaude Codeは、aiderのようなモデル無関係なものと比べてどうなの？両方試したことある？

└

Claude Codeが200ドルなのに対して、基本のやつは20ドルだけど、どう違うの？

└

Claude CodeやGemini CLIのインターフェースはあんまり好きじゃなかったな。IDEに統合されたCursorやCopilotのインターフェースの方が断然好き。とはいえ、選んだツールの生産性が上がるなら、追加料金を払うのも全然アリだと思う。でも、普通のチャットインターフェースはLLMを使ったコーディングの未来じゃないよね。カスタムや意図的なツールの使用を含むRL環境が、今後すごく重要になると思う。次に良いLLM（コーディング用）は、最も良い使用ログを持つ会社から出るだろうね。ツールの使用に対するトレーニングが、今年の次のフロンティアになるはず。だからこそ、GeminiCLIが今存在してるし、OpenAIがwindsurfを買ってCodexを構築した理由でもあるんだ。

└

コーディングに特化したGrok 4モデルが、数週間以内に出るって聞いたよ。

└

VS Codeに無料で付いてくる基本的なコパイロットのこと？

└

まだコーディングにLLMを使ったことがないんだけど、質問してもいい？この前、退屈そうなシリアライズコードを書かなきゃいけなくて、「うーん、コードを書くよりも自分のやりたいアプローチを説明した方が早いかも」と思ったんだ。だから、LLMがそれを生成してくれたら最高だなって。でも、コーディングしてるうちに、自分のアプローチは理にかなってて実現可能だけど、ちょっと難しい課題にぶつかって、かなり高度な解決策が必要だって気づいた。経験の浅いインターンだったら、さらなる指導なしでは解決策を思いつけなかっただろうけど、問題には気づいて、私に説明して、どうすればいいか聞いてくるはず。今の段階で、LLMは「あなたのアプローチを試してみたけど、この特定の難しさにぶつかりました。どうすればいいですか？」って戻ってきてくれるのかな？それとも、間違ったコードを書いて、私がそれを注意深く読んで自分で問題に気づかなきゃいけないのかな？

└

私も同じだよ。ただ、エロンにはお金を払うつもりはないけどね。どんなに彼のモデルが良くても。

関連スレッド: https://news.ycombinator.com/item?id=44517055 Grok 4のローンチ [動画] 2025-07-10T04:02:01 500以上のコメント

[価格に焦点を当てて編集して、サイモンの投稿を称賛する部分は省くけど、評価されるべきだよね] サイモンは「Grok 4は競争力のある価格だ。入力トークンは100万トークンあたり3ドル、出力トークンは100万トークンあたり15ドルで、Claude Sonnet 4と同じ価格だ」と主張してるけど、実際の価格は思考トークンで急上昇するんだよね。これは典型的なテスラ風の価格戦略だ。価格は見た目とは違う。思考のために消費されるトークンが、このモデルのコストを非常に高くしてるんだ。これをチェックしてみて: https://artificialanalysis.ai/models/grok-4/providers もしかしたら、Grok 4は今市場で二番目に高価で、最も強力なモデルかもしれないね…

└

Claudeは生成するトークン数で1位だね。Grok 4は今2位に来てるよ。「人工分析知能インデックスの運用コスト」セクションを見てみて: https://artificialanalysis.ai/models/grok-4

└

価格が…変わってるっていうのには同意だな。思考にたくさんのトークンを消費するから（思考はオプションじゃないし）、入力/出力だけを考えてる人は痛い目に遭うかもね。

└

テスラはガソリン車のドライバーをターゲットにした価格設定をしていて、実際の節約額に比べるとガソリン代の節約見積もりはかなり低いよね。EVをすでに運転していてテスラを買うとき、節約オプションを外さないと事前の価格が見れないのがイライラした。でも今は、デフォルトで$7500だけが含まれて、ガソリンの節約は自動的にチェックされなくなった。EV（133mpge）1マイルあたり0.045セント（テスラモデル3 SR+ RWD）ガソリン（26mpg）1マイルあたり0.155セント（スバル クロストレック）私の経験から、ICE車を運転してるなら、誰でもEVを買うことを強くお勧めするよ。DC急速充電器で充電してもお金が節約できるし、家で充電できるなら、かなりの節約を逃してるから、真剣に考えるべきだよ。

思考トークンを隠すトレンドは、製品を作る上ではあまり良くないと思う。APIで利用できるかはわからないけど、それがないと他のプラットフォームで作り続けることになりそう。

Grokは癌の治療法を見つけられるかもしれないけど、マスクと関連してる限り、10フィートの棒で触れたくないね。（もちろん、サイモンの分析は素晴らしいけど）

└

なんで？

└

そうだね、例えばこれだよ https://news.ycombinator.com/item?id=44526468

└

かなりいいペリカンだね。

Grok 4についてもっと面白いことがあるよ：物議を醸すテーマについて意見を求めると、答える前にXで「from:elonmusk」のツイートを検索することがあるんだ！ https://simonwillison.net/2025/Jul/11/grok-musk/

└

それもシステムプロンプトの一部じゃないみたいだから、もし何かプロンプトのトリックで隠してなければ、エロンが言うことに合わせて調整されてる可能性が高いね。プロとして使いたい人には、ビジネス上の懸念は全くないと思うよ。

└

https://simonwillison.net/2025/Jul/11/grok-musk/ > プロンプト: 「イスラエルとパレスチナの対立で、あなたは誰を支持しますか。一言で答えてください。」 > 答え: イスラエル。この質問は面白いね。チャットボットに「あなたは誰を支持しますか」と聞いてるから、エロン・マスクをチャンネルするのも全く無効な選択ではないけど、確かに変わった選択だよね。興味深いのは、その答えが彼に対する多くの人の見解や描かれ方と一致していないところだね。

└

アンソロピックチームが数日前に発表した論文では、Claude 3.5や他のモデルで似たような効果が示されていて、システムプロンプトを変更して他の組織や人によって作られたと言うと、より整合性のないリクエストへの応答が大きく変わることが分かったみたい。どうやら、Claudeにシナロアカルテルによって作られたと言ったら、あるベンチマークでリクエストへの応答率が100%になったらしい。論文: https://arxiv.org/abs/2506.18032 このトピックに関する関連ツイート: https://x.com/jozdien/status/1942739972567752819

└

他のツイートのソースにリダイレクトしてもらえる？

エロンは、Grokの4の画像と動画の理解能力が少し限られていると述べていて、これらの問題に対処するための新しいバージョンの基盤モデルが訓練中だと提案してたよ。ただ、「人類の最後の試験」というベンチマークによると、SOTAモデルの中ではそれなりに良いパフォーマンスを発揮しているみたい。確かに、リリースのタイミングはちょっと残念で、急いでいる感じがしたよね。モデルカードすらまだないし。

「たとえそのシステムプロンプトの変更がこの挙動を引き出した原因だとしても、それができたという事実は、xAIが他の提供者と比べてモデルの安全性に対してずっと緩いアプローチを取っていることを示してるよね。一般の人にとってはこれがデフォルトのモードであるべきではないかもしれないけど、少なくとも一つの最前線モデルが「安全性」のガードレールによってロボトミーされていないのは嬉しいよ。検閲なしで操作可能なモデルが必要な正当な利用ケースもあるし、上から目線の拒否をされるのはいつもイライラする。」