SpaceXAIがGrok 4.5をリリース 法務ベンチマークで首位

SpaceXAIは新モデルGrok 4.5をリリースした。複数のベンチマークで高い評価を得ており、法務分野のエージェント評価で1位を獲得しているほか、コーディングや実務タスクでの性能が注目されている。文脈窓の拡大やツール連携の強化も予定されており、実用面での改善が期待される。

SpaceXAIがGrok 4.5をリリース

SpaceXAIはGrok 4.5を新たにリリースした。このモデルは法務分野のベンチマークであるHarvey’s Legal Agent Benchmarkで1位を記録し、コーディングタスクでもPareto最適な性能を示している。開発元は実世界のエンジニアリング作業に適した設計を強調しており、大規模なコードベースや複数リポジトリにまたがる長時間タスクへの対応を強みとしている。

ベンチマーク評価と性能改善

Artificial Analysisの評価ではGrok 4.5が54点を獲得し、全体4位に位置づけられた。GDPval+などの実務成果物評価でも29%のスコアを記録し、類似モデルを上回る結果となっている。開発元によると、改善のペースは加速しており、Grok Buildハーネスでの実用性が毎週向上しているという。

Grok 4.5は現在、内部開発のC/C++推論ソフトウェアを未使用の状態にある

Grok 4.5は現在、内部開発のC/C++推論ソフトウェアを未使用の状態にある。将来的にこれを適用することで速度が2倍以上になる可能性がある。また、文脈窓は1週間以内に100万トークンへ拡大する見込みだ。さらに、エージェントモードでImagineツールを呼び出して画像や動画生成を行う機能の追加も計画されている。

開発元はGrok 4.5をOpusクラスのモデルと位置づけ、TeslaやSpace…

開発元はGrok 4.5をOpusクラスのモデルと位置づけ、TeslaやSpaceX、Neuralink、Boring Companyといった実務現場での問題解決に寄与するとしている。来月にはさらに大きな改善版のリリースが予定されており、工程のループを閉じる取り組みが続けられる。