xAI、高性能AIモデル「Grok 4」を発表 - 複数ベンチマークで業界トップレベルを達成

xAIは2025年7月9日、同社の最新AIモデル「Grok 4」と、その高性能版「Grok 4 Heavy」を発表しました¹。今回の発表では、強化学習の大規模化、ネイティブツール使用機能、そして複数の学術ベンチマークでの業界トップレベルの成果が注目を集めています。

特に印象的なのは、Grok 4 Heavyが人類の知識の最前線を測る「Humanity’s Last Exam」ベンチマークで、ツール使用時に44.4%のスコアを達成したことです¹。また、ARC-AGI V2ベンチマークでは15.9%を記録し、これはClaude Opus 4の約8.6%のほぼ2倍の性能となっています¹。

強化学習の大規模化による性能向上

xAIは、200,000個のGPUからなる同社のクラスター「Colossus」を活用し、前例のない規模で強化学習トレーニングを実施しました¹。これにより、Grok 4の推論能力を事前学習スケールで改良することに成功しています。

技術的な改善点

トレーニングプロセスでは、スタック全体にわたるイノベーションにより、計算効率が6倍向上しました¹。また、検証可能なトレーニングデータを数学とコーディングのデータから多くのドメインへと大幅に拡張する大規模なデータ収集活動も実施されています。

ネイティブツール使用機能の統合

Grok 4は、コードインタープリターやウェブブラウジングなどのツールを使用するよう強化学習でトレーニングされています¹。これにより、大規模言語モデルが通常苦手とする状況でも、ツールを活用して思考を補強できるようになりました。

X内の高度な検索機能

特筆すべき機能として、Grok 4はX（旧Twitter）内の情報を深く検索するための強力なツールも使用できます¹。高度なキーワード検索やセマンティック検索ツールを活用し、メディアを表示して回答の質を向上させることも可能です。

Grok 4 Heavyとパラレルテストタイム計算

xAIは、複数の仮説を同時に検討できる「パラレルテストタイム計算」でさらなる進歩を遂げました¹。この技術を活用したGrok 4 Heavyは、新たな性能と信頼性の基準を確立しています。

複数のエージェントが同時に問題に取り組み、その後「学習グループのように」作業を比較して最良の答えを見つけるという仕組みが採用されています²。

ベンチマーク結果と業界での位置づけ

Artificial Analysisによると、Grok 4はIntelligence Indexで73を達成し、OpenAI o3の70、Google Gemini 2.5 Proの70を上回っています²。主要なベンチマーク結果は以下の通りです：

Humanity’s Last Exam: Grok 4 Heavyが44.4%（ツール使用時）、Gemini 2.5 Proの26.9%を大幅に上回る²
ARC-AGI V2: 15.9%のスコアで新たな最高記録を達成、次点の商用AIモデルの約2倍¹
USAMO 2025: 61.9%でトップ¹
AIME 2025: 競技数学で優れた成績¹

APIとサブスクリプションプラン

Grok 4は、256kのコンテキストウィンドウとマルチモーダル理解機能を備えたAPIとして開発者に提供されます¹。APIはSOC 2 Type 2、GDPR、CCPA認証を含むエンタープライズグレードのセキュリティとコンプライアンスを確保しています。

サブスクリプションプランについては、新たに月額300ドルの「SuperGrok Heavy」プランが導入され、Grok 4 Heavyへの早期アクセスと新機能への優先アクセスが提供されます²。通常のGrok 4は、SuperGrokおよびPremium+サブスクライバー、およびxAI APIを通じて利用可能です¹。