xAIプロプライエタリ

Grok 4.3 Beta (Early Access)

Name: Grok 4.3 Beta (Early Access)
Author: xAI

このモデルを比較

xAI開発の最新高性能モデル。世界最高知能モデルとされる。ネイティブツール使用とリアルタイム検索統合。

シェア:X はてブ LINE

パラメータ

5000

コンテキスト長

2000K

ライセンス

プロプライエタリ

リリース日

2026-05-17

ベンチマーク性能

AA インテリジェンス指数

—

LMArena Elo

—

Human-Like Evaluation

—

ARC-AGI-2

—

SWE-bench Verified

—

GPQA Diamond

—

MMLU-Pro

—

LiveCodeBench

—

AIME 2025

—

MATH-500

—

日本語性能

✅高品質日本語

多言語対応モデルのうち、日本語処理に優れた性能を持つモデル。

API料金

このモデルのAPI料金情報は現在未公開です

強み

弱み

活用例

深度分析

人工分析知能指数

全体で5位、Grok 4.20より+4ポイント

GPQA Diamond

90.1%

ランク20位 (Easy Benchmarks)

τ²-Bench Telecom

98%

フロンティアモデルの中で1位

GDPval-AA (エージェント ELO)

1500

Grok 4.20より+321 ELO

入力価格

$1.25/1M tokens

Grok 4.20より約40%安い

コンテキストウィンドウ

1,000,000 tokens

主要な西側のクローズドモデルの中で最大

強み

・ネイティブのリアルタイムWeb検索とX（Twitter）検索統合 — ライブソーシャルデータアクセスを持つ唯一のフロンティアモデル
・業界をリードするエージェント性能: τ²-Bench Telecom (98%) と人工分析全知全能ベンチマーク (最低の幻覚率) で1位
・最も攻撃的なフロンティア層の価格設定: 1百万トークンあたり$1.25/$2.50、キャッシュ入力$0.20

弱み

・知能指数53は、生の推論とコーディングベンチマークでGPT-5.5 (60) とClaude Opus 4.7 (57) に遅れをとる
・セッション間の永続メモリなし — この価格帯ではChatGPTやClaudeと比較して大きなギャップ
・コンシューマーアクセスは月額$300のSuperGrok Heavyに制限；標準層の展開はまだ段階的で未完成

競合比較

Model	GPQA	Price
GPT-5.5 (xhigh)	~93%*	$5.00/$30.00
Claude Opus 4.7 (max)	~92%*	$15.00/$75.00
Gemini 3.1 Pro Preview	~91%*	$2.50/$15.00

概要

Grok 4.3 Betaは、xAIが2026年4月17日に発売し（API GAは4月30日）、同社のこれまでで最もコスト効率の高いフロンティアモデルを表しています。人工分析知能指数で53ポイントを獲得し、Grok 4.20に比べ4ポイントの向上を見せました。入力価格は約40%、出力価格は約60%削減されました。このモデルの決定的な差別化要因は、ネイティブのサーバーサイドWeb検索とX（Twitter）検索統合であり、外部の検索パイプラインなしで、会話中にリアルタイムのソーシャルシグナル分析やライブデータ取得を可能にします。これにより、Grok 4.3は市場でユニークな位置を占めています：最もインテリジェントなモデルではありませんが、会話中に独立してライブソーシャルメディアデータにアクセスできる唯一のフロンティアクラスモデルです。モデルのエージェント機能は大幅に改善され、特にGDPval-AAベンチマークではELOスコアが1500に321ポイント跳ね上がりました。xAIは、人工分析全知全能ベンチマーク（最低の幻覚率）、τ²-Bench Telecomベンチマーク（98%）、Vals AI Case LawおよびCorporate Financeベンチマークで1位を獲得したと主張しています。これらの結果に、ネイティブのビデオ入力（最大5分）、ネイティブのファイル生成（PDF、PPTX、XLSX）、そして100万トークンのコンテキストウィンドウが加わり、企業のエージェントワークフロー、ドキュメント集約型分析、リアルタイム研究タスクに強力な選択肢となります。ただし、Grok 4.3の生のインテリジェンス天井は主要な競合他社に依然として下回っています。GPT-5.5 (xhigh) はインテリジェンス指数で60ポイントを獲得し、Claude Opus 4.7とGemini 3.1 Pro Previewはどちらも57ポイントです。最も困難な推論、コーディング、科学的タスクでは、これらのモデルが依然としてリードしています。Grok 4.3の戦略は明確です：純粋なベンチマーク優位性ではなく、価格対性能比とユニークなリアルタイムデータアクセスで競争します。攻撃的な$1.25/$2.50のAPI価格により、インテリジェンス対コストのパレートフロンティアに位置し、ライブデータ、長コンテキスト処理、スケールでのエージェントツール使用が必要なチームにとって魅力的な「第2のモデル」となります。

ベンチマーク＆性能

Grok 4.3は、ほとんどのベンチマークカテゴリでフロンティアクラスの性能を発揮し、特にエージェントおよび指示追従タスクで強みを示します。以下は、第三者評価（主にArtificial AnalysisとEasy Benchmarks）から得られた統合ベンチマーク比較です： | ベンチマーク | Grok 4.3 | GPT-5.5 (xhigh) | Claude Opus 4.7 | Gemini 3.1 Pro | |---|---|---|---|---| | Artificial Analysis Intelligence Index | 53 | 60 | 57 | 57 | | GPQA Diamond | 90.1% | ~93%* | ~92%* | ~91%* | | τ²-Bench Telecom | 98% (#1) | 報告なし | 報告なし | 報告なし | | IFBench (Instruction Following) | 81% | 報告なし | 報告なし | 報告なし | | GDPval-AA (Agentic ELO) | 1500 | 1776 (リーダー) | 報告なし | 1500未満 | | AA-Omniscience Accuracy | +8ポイント増 | 報告なし | 報告なし | 報告なし | | Humanity's Last Exam | 35.0% | 報告なし | 報告なし | 報告なし | | MATH-500 | Grok 4.0比23%向上 | 報告なし | 報告なし | 報告なし | | GSM8K | 96-97% | 報告なし | 報告なし | 報告なし | *業界レポートから推定；これらのモデルについてArtificial Analysisが正確な数値を公開していません。主要な性能ノート： - **コスト効率**: 完全な人工分析知能指数の実行にGrok 4.3は$395かかり、出力トークンが約44%増加しているにもかかわらず、Grok 4.20に比べ約20%安くなります。これにより、そのインテリジェンスレベルで最もコストの低いモデルの一つに位置します。 - **エージェントの飛躍**: GDPval-AAスコアは1500 ELO（Grok 4.20の1179から+321）で、Gemini 3.1 Pro Preview、Muse Spark、GPT-5.4 mini、Kimi K2.5を上回りました。ただし、GPT-5.5 (xhigh) には依然として276 ELOポイントの差があり、期待勝率は約17%です。 - **幻覚**: xAIは人工分析全知全能ベンチマークで1位を獲得し、フロンティアモデルの中で最低の幻覚率を達成したと主張しています。しかし、AA-Omniscience Non-Hallucination Rateは実際にはGrok 4.20比で8ポイント低下しており、精度向上と事実性の間のトレードオフを示唆しています。 - **推論努力の制御**: 設定可能な推論（なし、低、中、高）で、`低`が遅延とコストのごく一部でほとんどの精度向上を捉えます。GSM8Kでは、すべての努力レベルが96-97%の精度を達成しましたが、`低`努力は顕著に低い遅延を提供しました（Bedrockで3.14秒 TTFT、xAI APIで0.71秒）。 - **出力速度**: `高`努力で142.9トークン/秒、最初のトークン遅延は18.88秒（Easy Benchmarks）。

詳細比較

**Grok 4.3 vs GPT-5.5 (xhigh)** GPT-5.5は明確なインテリジェンスリーダーで、インテリジェンス指数で60対53とGrok 4.3を上回ります。GDPval-AA（1776 ELO対1500）で優勢であり、複雑な推論やコーディングでもリードしています。ただし、GPT-5.5は1百万トークンあたり$5.00/$30.00で、入力/出力それぞれ4倍/12倍高価です。コンテキストウィンドウは400K対Grokの1Mです。Grok 4.3は価格、コンテキスト長、リアルタイムXデータアクセス、ネイティブファイル生成（PPTX、XLSX）で勝ります。すべての推論ポイントが重要な場合はGPT-5.5を選び、コスト感受性の高いエージェント作業、長文書分析、ライブデータタスクにはGrok 4.3を選びます。 **Grok 4.3 vs Claude Opus 4.7 (max)** Claude Opus 4.7はインテリジェンス指数で57ポイントを獲得し、Grok 4.3の53を上回り、ニュアンスのある文章作成、慎重な分析作業、複雑なコーディングでより強力と広く見なされています。1百万トークンあたり$15.00/$75.00で、12倍/30倍高価です。Claudeのコンテキストウィンドウは標準200K（エンタープライズで1M）対Grokの標準1Mです。GrokはClaudeが欠くネイティブビデオ入力とファイル生成を提供します（Claudeは構造化出力にArtifactsを使用）。深い分析作業にはClaudeが勝ち、大量、コスト感受性の高いエージェントワークフローにはGrok 4.3がより良い価値を提供します。 **Grok 4.3 vs Gemini 3.1 Pro Preview** 両者はインテリジェンス指数で57対53とGemini有利ですが、Geminiは2Mコンテキストウィンドウ（Grokの2倍）を持ちます。Geminiは$2.50/$15.00で、約2倍/6倍高価です。Geminiは深いGoogle Workspace統合（直接Sheets/Docs/Slides出力）を提供し、Grokは追従できません。GrokはネイティブX/Twitterデータアクセス、より強力なエージェントスコア（98% τ²-Bench）、より攻撃的な価格設定で対抗します。Googleスタック企業にはGeminiが自然な選択肢であり、コスト最適化されたエージェントおよびソーシャルデータワークフローにはGrok 4.3が魅力的です。

コミュニティ評価

Grok 4.3に対するコミュニティと開発者の反応は、技術的优点については混合ながら概ね肯定的で、プライシングとアクセスが主な摩擦点となっています。 **価格設定とエージェントの向上に対する開発者の熱意**: Grok 4.20と比較した入力約40%、出力約60%の価格カットは好意的に受け止められています。Loka Engineeringチームは、Grok 4.3がAmazon Bedrock MantleとネイティブxAI APIの両パスでGSM8Kに96-97%の精度を達成し、サービングインフラに関係なくモデル品質の同等性を確認した詳細なベンチマークウォークスルーをMediumに公開しました。彼らの主な発見は、`低`推論努力がコストのごく一部でほとんどの精度を捉えるというもので、開発者によって実践的な最適化として引用されています。 **Bedrockコンテンツセキュリティの摩擦**: Lokaのベンチマークでは、Amazon Bedrockパスで有意なコンテンツセキュリティブロックが明らかになり、実行ごとに58から567件のリクエストが自動プロンプトセキュリティチェックに引っかかり、最終的にリトライで成功しました。xAI APIパスではそのようなブロックはゼロでした。これにより、Bedrockのフィルタリングレイヤーがプロダクションワークロードに遅延と予測不可能性を追加する懸念が生じています。 **アクセスとプライシングの批判**: TechSifted、PiunikaWeb、The AI Journalはすべて、月額$300のSuperGrok Heavy層が特に永続メモリの不在を考慮すると厳しい要求であると指摘しました。PiunikaWebが引用したあるユーザーは、Grokの基本的なメモリの欠如が高価な層を「日常使用には厳しい売り出し」となると述べました。 **エージェントファイル生成のフィードバック**: The AI Journalのハンズオンテストでは、CSV生成は「本番対応」と判断されましたが、スタイル付きExcelフォーマットは初回パスで約70%の信頼性しかありませんでした。5回以上の連続ツール呼び出しの長いチェーンではドリフトが見られ、人間のチェックポイントが必要でした。これらの発見は開発者フォーラム全体で共有されています。 **採用パターン**: xAIのCursor（AIコーディングIDE）とのパートナーシップとAmazon Bedrockでの利用可能性（2026年6月17日発表）は、企業統合の成長を示唆しています。モデルは、生のインテリジェンスよりもリアルタイムデータアクセスとコスト効率が重要なタスクで、GPT-5.5やClaude Opusと並ぶ「第2のモデル」としてますます使用されています。

ユースケース

**1. リアルタイムソーシャルリスニング＆市場調査** Grok 4.3のネイティブX検索は、他のフロンティアモデルが提供しない機能です。ブランドモニタリング、製品発売に関するセンチメント分析、速報ニュースの追跡のため、Grokは検索パイプラインなしで会話中にライブX投稿をサンプリングできます。例: 「過去48時間の[製品発売]に関するX投稿を分析し、上位3つの不満を特定し、箇条書きで要約してください。」このユースケースではGrokに競争相手がいません。ソーシャルシグナルが主要入力の場合は代替案よりこれを選びます。 **2. 高ボリュームドキュメント分析＆エクスポートパイプライン** 100万トークンのコンテキストウィンドウとネイティブPDF/PPTX/XLSX生成により、Grok 4.3はコードベース全体、法律コーパス、財務ファイルを摂取し、構造化された出力を生成することに優れています。1百万トークンあたり$1.25/$2.50でキャッシュ入力$0.20の価格設定により、長コンテキストの繰り返し分析はClaude Opus（$15/$75）やGPT-5.5（$5/$30）に比べて劇的に安価です。例: 500ページの規制ファイルをアップロードし、主要な規定を抽出し、フォーマットされたExcelリスクマトリクスを生成する。構造化ファイル出力が必要なコスト感受性の高いドキュメント集約型エージェントワークフローにはGrokを選びます。 **3. 企業エージェントカスタマーサポート** Grok 4.3のτ²-Bench Telecom（98%）での1位ランキング — カスタマーサポートシナリオでの実世界のツール呼び出しを測定するベンチマーク — とVals AI Case LawおよびCorporate Financeベンチマークでの1位は、正確なツール使用と指示追従を必要とするエージェントワークフローに対して特に強力です。例: ナレッジベースを照会し、API経由でアカウントデータを取得し、解決策要約を生成するカスタマーサポートエージェントを構築する。指示追従の信頼性とツール使用の精度が生の推論力より重要な場合はGrokを選びます。 **4. ビデオコンテンツ分析＆文字起こしパイプライン** ネイティブビデオ入力（最大5分、1080p、mp4/mov/webm）とGrokの新しいSTT API（$0.10-0.20/時間、ElevenLabsやOpenAIと比較して86-92%安い）の組み合わせにより、会議要約、講義文字起こし、製品デモ分析、監視映像レビューのための魅力的なオプションとなります。例: 製品レビュービデオをアップロードし、Grokに主要な主張を抽出し、タイムスタンプを特定し、構造化された要約を生成させる。文字起こし時間あたりのコストが重要なビデオ中心のワークフローにはGrokを選びます。