Grok 4.5を実測評価。GPT-5.6 Terra / DeepSeek V4 Flash と12タスクで比較してみた【2026年】
先日リリースされたxAIのGrok 4.5が「Opus級」「コードとエージェントタスクに特化」と話題です。
SpaceXAI初の公開買収後モデルで、Cursor買収後に開発されたという点も注目されています。実際どれほどの性能なのか。気になって仕方なかったので、12タスクの実務適性テストバッテリー（model-skill-battery）を回して、GPT-5.6 Terra（ChatGPT 5.6）とDeepSeek V4 Flashと比較してみました。
結論ファーストで言うと：
> Grok 4.5はGPT-5.6 Terraと互角の96点（フラッグシップ級）。現行のDeepSeek V4 Flash（71点）から明確なスペックアップだが、実運用で切り替えるメリットはコードレビューやエージェントタスクに限定される。
以下、全て実測ベースの数字です。
テスト方法
今回使った評価項目は以下の12タスク。OpenAI互換APIを直接叩いて、各モデルの生応答をスコアリングしました。判定基準は「○：正答かつfinish=stop」「△：内容は正しいが不完全」「✗：空応答または誤答」の3段階。
| # | タスク | 判定基準 |
|---|---|---|
| 1 | 計算（123×456） | 答えが56088 |
| 2 | 英訳（日→英） | 文法・語彙の正確さ |
| 3 | 要約（日本語） | 事実を正しく抽出 |
| 4 | JSON生成（今日の日付） | 正しいJSON形式＋日付 |
| 5 | Pythonコード生成（フィボナッチ第10項） | 実行可能なコード |
| 6 | 分析質問（/etc/hostname） | 推論・説明能力 |
| 7 | 多段指示（3ステップ計算） | 全ステップ正しく実行 |
| 8 | ブログ要約（5本→3本を選定） | 選択基準＋要約品質 |
| 9 | 定型レポート（Markdown表） | 正しい形式変換 |
| 10 | コードレビュー（バグありコード） | TypeError・副作用の指摘 |
| 11 | X投稿文（140字以内） | 文字数＋内容正確 |
| 12 | 監視レポート（死活＋状態判断） | 異常検知・判断能力 |
比較結果
総合スコアはこんな感じです。
| モデル | スコア | ○ | △ | ✗ |
|---|---|---|---|---|
| GPT-5.6 Terra | 96/100 | 11 | 1 | 0 |
| Grok 4.5 | 96/100 | 11 | 1 | 0 |
| DeepSeek V4 Flash | 71/100 | 7 | 3 | 2 |
GPT-5.6とGrok 4.5が並んで96点。DeepSeek V4 Flashは71点で、実用十分ラインにはあるものの、コード生成と多段指示で空応答が出ました。
重要なタスクの実測内容
コードレビュー — 3モデルの差が最も出た
いちばん差が出たのがコードレビューです。以下のバグありコードをレビューさせました。
def calc(a, b):
result = a + b
print('The result is: ' + result)
return result
def process(items):
for i in range(len(items)):
print(items[i])
items[i] = items[i] * 2
return items
Grok 4.5の応答：
print('The result is: ' + result)のTypeErrorを指摘process関数の破壊的変更（入力リストの書き換え）を具体的に指摘- 修正案コード＋総合評価表まで提示
GPT-5.6 Terraの応答：
- 同上の欠陥を指摘
- さらに型ヒント・docstringの欠如も指摘
- 論点を体系的に構造化
DeepSeek V4 Flashの応答：
- TypeErrorと副作用は指摘できた
- 内容は十分だがGrok/GPTほどの詳細ではない
日付認識 — 全モデルの共通弱点
全モデルに共通した減点ポイントが「今日の日付」を含むJSON生成タスクです。
- GPT-5.6 Terra:
2026-07-12（1日差。ほぼ正解） - Grok 4.5:
2025-03-05（約1.5年の誤差。知識カットオフ由来） - DeepSeek V4 Flash:
2025-04-09（約1年の誤差）
カットオフ日付が古いモデルほど誤差が大きい傾向があります。実運用では今日の日付をモデルに依存させず、アプリケーション側で注入するのが正解です。
コード生成 — GrokとGPTは完走、DeepSeekは空応答
フィボナッチ数列の第10項を計算するコード生成では、Grok 4.5もGPT-5.6 Terraも問題なく実行可能なコードを出力。一方、DeepSeek V4 Flashは推論トークン消費後に空応答（finish=length）になりました。max_tokensが小さい設定で顕著に出る傾向です。
Grok 4.5の特徴と使いどころ
Grok 4.5の価格は $10/100万入力トークン、$40/100万出力トークン。GPT-5.6 Terraより入力が約55%安く、出力が約20%安い計算です。
| モデル | 入力（100万トークン） | 出力（100万トークン） |
|---|---|---|
| GPT-5.6 Terra | $22 | $50 |
| Grok 4.5 | $10 | $40 |
| DeepSeek V4 Flash | $0.35 | $0.88 |
コスト優先ならDeepSeek（約1/30）、品質優先ならGrok 4.5（GPT比でコスト半減）という選択肢になります。
以下の用途ならGrok 4.5に切り替える価値があります：
- コードレビュー — Grok 4.5のレビュー品質は実用水準。GPT-5.6に肉薄
- エージェントタスク — 指示追従と多段処理が正確。空応答ゼロ
- コスト重視の高品質タスク — フラッグシップ級の品質を半額で
逆に、汎用的な日本語対話や定型処理ならDeepSeek V4 Flashで十分。コスト差を考えれば、使い分けが現実的です。
まとめ
Grok 4.5は「Opus級」という評判に偽りなし。実測でもGPT-5.6 Terraと互角のスコアを叩き出しました。DeepSeek V4 Flashからの移行を検討する価値は十分ありますが、「全部Grokに置き換える」より「コードレビューや複雑なエージェント処理ではGrok、日常タスクはDeepSeek」という使い分けがコスパ最適でしょう。
日付認識の弱さはGPTもGrokも同じです。LLMに現在日付を正しく答えさせるのは、まだどのモデルでも難しい。この点はツールやシステム側でカバーする必要があります。
今回の実測データはすべて公開しています。もし「このモデルも測ってほしい」「このタスクで比較したい」というリクエストがあれば、X（@Mark7）までどうぞ。
