2026年9月21日、第三者ベンチマーク機関のArtificial AnalysisがGrok 4.7の完全評価を公開しました。結論は明確です。これは「エージェント能力優先」のバージョンアップであり、Grok 4.7はIntelligence Indexで46点（4.6比＋2点）を獲得し、xAIを世界のトップ4のAIラボの仲間入りさせました。真の飛躍はコーディングエージェントにあります。
3つの重要な数字
第一に、エージェント型ナレッジワーク。AA-Briefcase（長期的なエージェント型ナレッジワークのプライベートベンチマーク）でGrok 4.7は1657 Eloを記録し、Grok 4.6を111点上回り、Claude Opus 5とClaude Fable 5.1に次ぐ位置につけ、正式に第一集団入りしました。GDPval-AAでも1695 Eloと、前世代を90点リードしています。
第二に、コーディングエージェント。Grok 4.7（xhigh推論設定）と公式コーディングエージェントGrok Buildの組み合わせは、Coding Agent Indexで56点（4.6比＋9点）を獲得。ネイティブハーネスの中では4位で、Claude Fable 5.1、GPT-6 Astra、Claude Opus 5に次ぎ、GPT-5.6 Solを上回りました。内訳では、DeepSWE v1.1が65％から73％へ、Terminal-Bench 4.0が18％から33％へと跳ね上がっています。
第三に、マスク氏の位置づけ。マスク氏はこの評価を引用し、Grok 4.7によってxAIはエージェント型コーディングでAnthropicとOpenAIに次ぐ3位になったと述べました。
スコアの裏にあるコスト
スコアアップはタダではありません。xhigh推論設定での評価において、Grok 4.7はIntelligence Indexの1タスクあたり約8.1万の出力トークンを消費します。これはGrok 4.6（xhigh、約3.8万）の2倍以上、GPT-6 Astra（max、2.7万）のほぼ2倍です。出力速度は約188トークン/秒、1タスクあたり平均7.1分かかります。
朗報は価格が据え置きなことです。入出力は100万トークンあたり2ドル／6ドルのまま、キャッシュヒット時の入力は0.5ドル。コンテキストウィンドウは50万トークンを維持し、推論強度はlowからxhighまで調整可能です。つまりxAIは「より強い」を「より多くの推論でより多くの点数を稼ぐ」形にし、請求額の増加幅はユーザーが自分でコントロールできるようになっています。
このアップグレードをどう見るか
Grok 4.7の戦略は明確です。汎用Q&Aの微差を追うのではなく、推論予算をエージェントタスクに全振りしました。長期ナレッジワークとコーディングエージェントは、商業化に最も近い2つのシナリオです。幻覚率が34％から29％に下がったのは好材料ですが、正答率は47％対48％とほぼ横ばいであり、今回勝ったのは「知識そのもの」ではなく「仕事をこなす能力」だと言えます。
開発者にとって、Grok Build＋Grok 4.7は試す価値がありますが、まず推論コストの計算を。xhigh設定のスコアは華やかですが、日常使いではhigh設定こそがコスパのスイートスポットかもしれません。
