バージョン4 → 4.7、xAIは何を急いでいるのか
xAIは今週、Grok 4.7を静かにリリースした。バージョン番号に注目してほしい。4から一気に4.7へ飛んでおり、4.5と4.6は存在しない。
このやり方はLLM業界では異例だ。Anthropic、OpenAI、Googleは皆、4 → 4.1 → 4.5と順当に番号を刻んできた。小数点には意味がある。.1は微調整、.5は中規模アップデート、整数はアーキテクチャレベルの変更を示す。
xAIは4.5と4.6を意図的に空け、4.7を直接出した。つまり「イテレーションの可視性」を「バージョン番号の意味的正確さ」より優先したということだ。テンポ感 > 厳密さ。
なぜそうするのか。考えられる理由はいくつかある。
- 開発者にモデルが急速に進化している印象を与え、「もう少し待てばもっと良くなるかも」と思わせる
- Hacker Newsのような技術コミュニティで話題を作る(実際235ポイント・191コメントを達成している)
- 他社の「次のメジャーアップデート」と心理的に並び、梯队を揃える
これはエンジニアリング戦略ではなく、オペレーション戦略だ。
HNの191コメントは何を議論していたか
Hacker Newsのコメント欄をざっと拾ったところ、議論の焦点はベンチマークではなかった。
頻出キーワードは以下の通り。
- pricing(価格)——100万トークンあたり$3 / $15という料金が繰り返し比較されている
- rate limits(APIレート制限)——無料枠と有料枠の差
- vs GPT/Claude/Gemini——「Grokはどこが強いのか」がオープンクエスチョンになっている
HNユーザーのxAIに対する懐疑論調は、他のモデル発表時より明らかに強い。スコアの高いコメントのひとつはこう大意だ。「またバージョン番号が増えたね。独立した第三者によるベンチマーク再現がいつ見られるのか」。別のは「MMLUのスコアは、xAI発表分と第三者の実測でちょっと乖離がある」と直接疑っている。
このコミュニティの雰囲気は孤立した事例ではない。AnthropicがClaude 4.5を出した時のHNコメントは、codingベンチマークやlong contextの仕様细节にフォーカスしていた。OpenAIがGPT-5を出した時はreasoningとagent capabilityの話が中心だった。xAIの今回の議論は「価格/可用性/横並び比較」が支配的で、開発者が気にしているのは「使えるか、使いやすいか」で、「ベンチマークスコアを取れるか」ではないということだ。
ひとつ参考になる数字がある。Grok 4.7はHNのフロントページに14時間滞在してtop 30から外れた。Claude 4.5の同日が22時間だったのに比べると短い。話題性は十分だが、深い議論にはならなかったということだ。
国内の開発者が得られる示唆
Grokは国内に公式チャンネルがない。ただ今回のリリースは国内開発者にも間接的な影響を2つ与える。
1. サードパーティ経由APIの選定コスト
4.7への転送API(主にAWS Bedrock、Azure経由)を利用する場合、市場価格は公式の1.2〜1.5倍程度。レイテンシやreasoning性能を重視するプロダクトなら、Claude 4.5かGPT-5のほうが安定感のある選択肢だ。Grok 4.7の強みはXプラットフォームとの統合にあり、Xデータに依存しないアプリなら割高感がある。
2. 同世代オープンソースモデルのイテレーション速度の参考
xAIのbase modelアーキテクチャは完全には公開されていないが、コミュニティではGrok 4.7とQwen3、DeepSeek V3.2は同じ世代の基盤モデルと見なされている。国内開発者にとっての意味は以下の通り。
- QwenやDeepSeekの次のメジャーバージョンを待っているなら、Grok 4.7の能力レンジが参考になる
- fine-tuningデータセットやreward modelの設計は、すぐにオープンソースの再現版が出る可能性がある
- 価格競争が波及する——xAIが今回価格を明示したことで、オープンソース勢のベンチマークラインができた
# LiteLLMでGrok 4.7とQwen3のレイテンシを同時に計測する
import litellm
import time
def benchmark(model_name, prompt):
start = time.time()
response = litellm.completion(
model=model_name,
messages=[{"role": "user", "content": prompt}],
max_tokens=512
)
latency = time.time() - start
return {
"model": model_name,
"latency_s": round(latency, 2),
"tokens": response.usage.completion_tokens
}
# 10回回して平均を取る
results = []
for _ in range(10):
results.append(benchmark("grok/grok-4-7", "transformerのself-attentionについて説明して"))
results.append(benchmark("openai/qwen3-72b", "transformerのself-attentionについて説明して"))
横並び比較:4.7 vs Claude 4.5 vs GPT-5
公開データで早見表を作った。情報源は各社の公式アナウンスとStanford HELMの最新版。
| 観点 | Grok 4.7 | Claude 4.5 Sonnet | GPT-5 |
|---|---|---|---|
| MMLU | 88.4% | 89.7% | 91.2% |
| HumanEval | 92.1% | 94.8% | 93.5% |
| AIME 2025 | 78.3% | 82.5% | 85.1% |
| 入力価格($/M tok) | 3.00 | 3.00 | 2.50 |
| 出力価格($/M tok) | 15.00 | 15.00 | 10.00 |
| 200K context | ✅ | ✅ | ✅ |
| vision | ✅ | ✅ | ✅ |
| tool use latency | 280ms | 320ms | 210ms |
いくつか気づいた点。
- Grok 4.7はMMLUとHumanEvalでClaude 4.5とGPT-5に明確に劣り、1〜3ポイントの差がある
- 価格はClaude 4.5と同水準だが、GPT-5より50%高い
- 唯一の亮点はtool useレイテンシ——280msでClaude 4.5の320msより速く、GPT-5の210msに迫る
- AIME 2025の78.3%から、reasoning能力は同世代ではやや弱い
価格/性能比の分岐点はどこか。
coding-heavyなアプリなら、Claude 4.5のHumanEval 94.8%がいまも最良。agent用途でtool latencyが重要なら、GPT-5 > Grok 4.7 > Claude 4.5。汎用QAなら3つとも大差ないので、最も安いGPT-5でいい。
Grok 4.7の位置づけはなかなか苦しい。どの軸でも1位を取れておらず、価格も安くない。唯一勝ち取れるシナリオは、Xプラットフォームと深く統合済みの開発者がXデータストリーム処理にGrokを使うケースだ。xAIの堀ではあるが、幅は狭い。
編集部の所感
Grok 4.7で本当に議論すべきは、モデル自体ではない。
ベンチマークでGrok 4.7は更新を見せていない。機能面で言えば、vision、200K context、tool useはどれも2025年時点で标配のスペックだ。価格もClaudeやGPTより安いわけではない。公開されている全軸で「悪くないが最高ではない」にとどまっている。
それでもxAIは今回HNで235ポイント・191コメントを獲得しており、Claude 4.5に匹敵する話題性を持っている。技術的な勝利ではなく、オペレーションの勝利だ。
私見だが、LLMの同質化が加速する2026年において、「小刻みなリリース + マーケの存在感」の組み合わせは、「長い熟成期間を決めてじっくり作る」よりも開発者の心証を掴みやすい可能性がある。Anthropicのスタイルは6〜12ヶ月にひとつ重要なバージョンを出し、論文とアナウンスと長尺ベンチマークで勝負する。テンポは遅いが堅実。xAIのスタイルは2〜3ヶ月にひとつバージョン番号を打ち、実際の中身がどうであれ先に話題を作る。どちらも生き残れるだろうが、xAIの手法は後発(特に国内ベンダー)にとって参考にしやすい。
今回従来と違うのは、大手ベンダーが初めて能動的に「中間のバージョン番号を飛ばした」点だ。OpenAIがかつてGPT-3.5からGPT-4に飛んだのは本当にアーキテクチャの変更があったからだが、Grok 4 → 4.7には公開されたアーキテクチャ変更がない。これはバージョン番号が「技術的なシグナル」から「マーケティングシグナル」へと変質しつつあることを意味しており、ひとつの転換点だ。
不確かな部分もある。xAIの実際の技術イテレーション速度は本当に速いのか、それともバージョン番号だけ動かして重みは変えていないのか。後者の場合、このやり方は3〜6ヶ月で開発者に見抜かれる。HNコメント欄にはすでにその兆候が出ている。
出典:xAI公式アナウンス、Hacker Newsコメント欄(2026-08-24スナップショット)