Grok 4.5とは何か——1.5兆パラメータのV9アーキテクチャ
xAIがGrok 4.5に採用したV9基盤モデルは、1.5兆パラメータとされている。 これは前世代のv8-smallアーキテクチャ（約5000億パラメータ）の約3倍に当たる規模だ。
Grokの特徴的な訓練手法として注目されるのが、Cursorのコーディングデータを補助訓練に組み込んでいるという点だ。 Cursorはエンジニアが実際の開発タスクに使っているIDEであり、そのデータには「実際の問題解決プロセス」が含まれている。 コーディング能力を向上させる戦略として理にかなっているが、訓練データの使用許諾については公式な説明がまだない。
xAIはさらに、2026年残りの期間に毎月新モデルをゼロからトレーニングしてリリースする計画を明らかにしている。 テスラのスーパーコンピューター「Dojo」やColossusクラスターの能力が試される。
パラメータ数でモデルを語ることの限界
AI研究者として最も強調したいのは、「1.5兆パラメータ」という数字単体がほとんど意味を持たないという事実だ。
モデルの実際の能力は、アーキテクチャの質、訓練データの選定、ポストトレーニング（RLHF・Constitutional AIなど）の精度、そして推論時の計算量によって決まる。 パラメータ数は「器の大きさ」に過ぎず、「何が入っているか」とは別の話だ。
たとえば、AnthropicがClaude Sonnet 5を発表した際に示したように、小さなモデルでも高度なポストトレーニングによってOpusに迫る性能が出る時代になっている。 サイズと性能のトレードオフは、もはや単純な正比例ではない。
またClaude Fable 5（Opus 4.8）の詳細を見ても、評価指標・安全性レポート・システムカードといった透明性の担保が当然視されている。 Grok 4.5にはそれらが現時点では一切存在しない。
ベンチマークなき主張が引き起こすもの
マスクは「一部の評価でClaude Opusを超える」とXで発言した。 しかしLMArena、Artificial Analysis、SWE-bench、Humanity's Last Examのいずれにも、Grok 4.5のスコアは存在しない。
公開APIがなければ研究者が独立して評価することもできない。 つまりこの主張は、現時点では「検証不可能な広告」に過ぎない。
AI研究者の立場から見ると、これは深刻な問題だ。 検証不能な性能主張が、資金調達プレゼンや採用競争において「事実」として引用され始めるからだ。 OpenAIのGPT-5.6発表時ですら、20社のパートナーへの限定プレビューという段階で性能データが公開されている。 「SpaceXとテスラの2社のみ」というクローズドな運用は、業界の透明性規範から大きく外れている。
「月次リリース」計画が示す開発哲学
xAIはGrok 4.5に続き、2026年残りの期間に毎月新モデルをゼロからトレーニングしてリリースする計画を明らかにしている。
技術的には可能だが、「毎月ゼロからトレーニング」はコストと電力消費の観点から非常に野心的だ。 一般的なLLM開発では、前世代モデルの重みから始まる継続訓練や蒸留が採用される。 「毎月ゼロから」はデータ多様性を確保しやすい反面、膨大なリソースを要する。
月次リリースという開発哲学は、モデルの「製品としての安定性」にも疑問を投げかける。 企業がエンタープライズ用途でモデルを選定する際、月替わりで別モデルになる可能性がある基盤は採用しにくい。 Anthropicが複数のClaude Scienceパイプラインを研究者向けに安定提供している姿勢とは対照的だ。
AI研究者が問うべき本質的な問い
Grok 4.5の登場が示す最も重要なことは、モデルの性能主張が「公開検証可能な科学」から「プロダクトマーケティング」の領域に侵食されつつあるという現象だ。
Anthropicは安全性評価フレームワークを公開し、OpenAIはSystem Cardを出す。 一方xAIは、SpaceXとテスラという2社のみが使える状態で「Claudeを超える」と主張している。
科学的な評価が後から追いついてくるのか、それとも主張だけが先行し続けるのか。 AI研究者としては、独立した評価機関の整備と、性能主張の透明性を業界標準として確立することが急務だと感じる。
モデルの性能主張に「公開ベンチマークによる検証」を義務付けるべきという議論は、今後より具体的な形で浮上してくるだろう。
xAIは今後、Grok 4.5を本当に公開ベンチマークにさらすつもりがあるのだろうか。 あなたはどう評価するか。
ソース:
