2026年の夏、上位モデルが短期間に出揃いました。Anthropic の Claude Fable 5、OpenAI の GPT-5.6（Sol / Terra / Luna）、SpaceXAI の Grok 4.5。さらに8月には Grok 4.6 が続いています。
「どれが最強か」という比較記事は多いのですが、実務で回してみると、その問いはあまり役に立ちませんでした。3モデルは強さの序列ではなく、性格が違います。この記事では公式資料で確認できる事実と、限定的な利用から見えた傾向を分けて整理します。
前提として、以下の点を断っておきます。
- 使用感に関する記述は限られた利用例に基づく傾向であり、普遍的な性能評価ではありません
- 価格、公開日、製品機能、ベンチマークは公式資料で確認しています
- ベンチマークは実行環境、推論設定、エージェント・ハーネスによって結果が変わるため、単純な総合順位とはみなしません
1. 結論：最強は1つではない
| モデル | 実務上の位置づけ | 向いている場面 |
|---|---|---|
| Grok 4.5 | 速く大量に実装するエンジニア | 低コストで試行回数を増やす、実装を素早く回す |
| GPT-5.6 | 計画から完了まで進めるプロジェクトリーダー | ツールを使う複雑な作業、長い工程、批判的レビュー |
| Claude Fable 5 | 難点を見抜くシニアアーキテクト | 設計、複雑な問題、完成度や忠実度を重視する実装 |
これは公式な能力分類ではなく、傾向を理解するための比喩です。
2. 公開時系列を正確に押さえる
| 日付 | 出来事 |
|---|---|
| 2026年6月9日 | Anthropic が Claude Fable 5 を初回公開 |
| 2026年6月12日 | 米政府の措置を受け、Anthropic が Fable 5 へのアクセスを停止 |
| 2026年7月1日 | Fable 5 の提供を世界的に再開 |
| 2026年7月9日 | OpenAI が GPT-5.6 Sol / Terra / Luna を一般公開 |
| 2026年7月16日 | SpaceXAI が Grok 4.5 を公開 |
Fable 5 の提供再開を起点にすると、3モデルは約1週間おきに利用可能になりました。ただし Fable 5 の正式な初回公開は6月9日です。「3モデルすべてが3週間以内に初公開された」という書き方は正確ではありません。
出典：Anthropic：Fable 5初回公開 / Anthropic：提供再開 / OpenAI：GPT-5.6 / SpaceXAI：Grok 4.5
3. GPT-5.6
3.1 3階層のモデル構成
| モデル | 位置づけ | API価格（100万token、標準処理） |
|---|---|---|
| Sol | 最上位。難しいエージェント作業向け | Input $5 / Output $30 |
| Terra | 日常業務とコストのバランス | Input $2 / Output $12 |
| Luna | 高速・低価格・大量処理向け | Input $0.20 / Output $1.20 |
Terra と Luna は2026年7月30日に値下げされ、この価格になりました。Sol は変更されていません。日常利用の選択肢として Terra の位置づけが、この値下げでかなり良くなっています。
3.2 推論設定とマルチエージェント
GPT-5.6 には思考量を制御する設定があります。
maxはxhighより長く考え、代替案の探索・検証・修正に多くの計算を使うultraは標準で4エージェントを並列に動かし、結果を統合する
並列実行は品質や所要時間を改善する可能性がありますが、token 消費と費用も増えます。ultra を常用すると、コスト面では Fable 5 と近い水準になります。
実務上の印象としては、Ultra は複数視点から批判的に検討する傾向があり、Fable 5 は自ら選んだ方向へ深く掘り下げる傾向があります。設計レビューのように「別の視点を出してほしい」場面では Ultra、「一つの方向を詰めてほしい」場面では Fable 5 が噛み合います。ただしこれは限定的な利用例に基づく印象であり、一般的な優劣を証明するものではありません。
3.3 Programmatic Tool Calling
GPT-5.6 は Responses API の Programmatic Tool Calling に対応しています。モデルがメモリ上で軽量なプログラムを実行し、複数ツールの呼び出し、中間結果の処理、次の行動の選択をまとめて進められる仕組みです。
ツールを多用するエージェント作業で GPT-5.6 が強い理由の一つがこれです。ただし「他社モデルには同等の仕組みがない」とまでは断定できません。各社のエージェント・ハーネスにも、プログラム実行や複数ツールを統合する機能があります。
4. Claude Fable 5
4.1 公式な位置づけ
Anthropic は Fable 5 を、長時間かつ複雑なプロジェクト、難しい知識労働、大規模なコード変更に向く最上位モデルとして説明しています。
- 複数段階の計画を立て、サブエージェントへ作業を委任できる
- 自分の作業を検証し、テストを作成できる
- 大規模移行、複雑な実装、長期間の自律作業を想定している
- 画像を使い、実装結果を設計や目標と照合できる
API価格は100万token当たり Input $10 / Output $50。3モデル群の中では最も高価ですが、「Opus より上」という単純な製品階層ではありません。Anthropic は Fable 5 を Mythos クラスの一般利用向けモデルと説明しています。
4.2 実務上の使用感
- 難点を深く考え、設計や完成度を高めることが得意
- 自分で方向性を選び、結論へ強く寄せる傾向がある
- 指示どおりの実行より、周辺も考えて改善することがある
- 応答開始や完了までの待ち時間が長い
- 重要な設計レビューでは有力だが、日常的な小作業には重い
指示から少し広がる点は、評価が分かれるところです。周辺まで考えて改善してくるため、依頼内容と微妙にずれることがある。ただ内容としては間違っていないので、突き返しにくい。この挙動を「気が利く」と取るか「余計」と取るかで、使い勝手の評価は変わります。
これらは限定的な利用例から見られる傾向です。速度や指示追従性は、利用製品、混雑状況、推論設定、プロンプト、ツール構成に左右されます。
5. Grok 4.5
5.1 公式な位置づけと価格
Grok 4.5 は、コーディング、エージェント作業、知識労働を対象とするモデルとして2026年7月16日に公開されました。公式情報では約80 token/秒で提供され、API価格は100万token当たり Input $2 / Output $6 です。
SpaceXAI は「Cursor と並行して訓練した」と説明しています。なお Cursor については SpaceX が買収手続きを進めていると報じられており、「xAI が買収を完了した」という表現は正確ではありません。
出典：SpaceXAI：Grok 4.5 / AP：SpaceXによるCursor買収計画
5.2 実務上の使用感
- 応答と実装が速く、チャット用途以上にプログラミングで強い
- 完成度は Fable 5 に届かない場合があっても、実務を素早く進められる
- 低価格なので、同じ予算で試行・検証・改善を多く回せる
Grok はチャット用途のイメージが先行しがちですが、4.5 はコーディング用途で評価すべきモデルです。「安いから弱い」とは限りません。低コストで試行回数を増やせること自体が、開発上の強みになります。
5.3 後継モデル Grok 4.6
2026年8月13日に Grok 4.6 が公開されました。第三者評価では、Artificial Analysis Intelligence Index 上で GPT-5.6 Sol Max とほぼ同水準、Fable 5 Max の少し下と報じられています。
新規導入なら 4.6 も有力な候補です。ただし公開直後であり、公式ドキュメント、価格、独立評価はまだ十分に揃っていません。安定した API 仕様と検証済みの価格を重視するなら Grok 4.5、最新能力を試したいなら Grok 4.6、という判断になります。
6. ベンチマークの読み方
各社資料を見ると、すべての指標で同じモデルが首位という状態にはなりません。
OpenAI が公表した GPT-5.6 の結果
- Artificial Analysis Coding Agent Index：Sol Max が80で、Fable 5 を2.8ポイント上回る
- Terminal-Bench 2.1 および DeepSWE で最高水準
- Terra は Coding Agent Index で Fable 5 をわずかに上回る
- Luna は同指標で Opus 4.8 を上回る
SpaceXAI が掲載した Grok 4.5 の結果
| ベンチマーク | Fable 5 | Grok 4.5 | 読み方 |
|---|---|---|---|
| DeepSWE 1.1 | 70.0% | 53.0% | Fable が上 |
| Terminal-Bench 2.1 | 84.3% | 83.3% | ほぼ同水準だが Fable が上 |
| SWE-Bench Pro | 80.4% | 64.7% | Fable が上 |
| SWE Marathon | 24.0% | 29.0% | Grok が上 |
注意点が2つあります。
1つは比較対象です。SpaceXAI の当該比較表に載っている OpenAI モデルは GPT-5.5 であり、GPT-5.6 Sol ではありません。したがって「SWE-Bench で Grok 4.5 が GPT-5.6 Sol を上回った」とは、この資料からは結論できません。
もう1つは指標自体の信頼性です。OpenAI は SWE-Bench Pro に評価上の問題があると指摘しています。ベンチマークを引用するときは、同じハーネス、同じ推論予算、同じ採点条件で比較されているかを確認する必要があります。
出典：OpenAI：GPT-5.6 / SpaceXAI：Grok 4.5 / OpenAI：コーディング評価の分析
7. 実務で感じられる「性格」の違い
以下はベンチマークではなく、限定的な利用例から見られる傾向です。
| 観点 | Grok 4.5 | GPT-5.6 | Fable 5 |
|---|---|---|---|
| 応答速度 | 最も軽快 | 速い | 遅い |
| 指示への従い方 | 素早く実行へ進む | 指示を整理し、計画とツールを使う | 周辺事情も考え、独自判断を加えやすい |
| 考察のスタイル | 実装志向 | 複数案を検討して批判的に確認 | 1つの方向を深く掘る |
| 主な魅力 | 価格と速度 | 統率力、検証、ツール運用 | 深さ、設計、完成度 |
Anthropic 系の応答には共感的な前置きが多い、Fable 5 は指示から少し広がりやすい、と感じられる場合があります。ただしこれは固定されたモデル特性とは限らず、システムプロンプトや利用環境の影響も考えられます。
見落としやすいのが待ち時間の影響です。Fable 5 と GPT-5.6 の max / ultra は思考時間が長く、投げ直しのコストが高くなります。結果として、実行前に「どのモデルを使うか」を毎回検討することになり、選択そのものが作業時間に乗ってきます。
8. 実践的な使い分け
| やりたいこと | 選択肢 | 理由 |
|---|---|---|
| 同じ予算で実装と検証を何度も回す | Grok 4.5 / 4.6 | 4.5 は API 単価と速度が明確。4.6 は最新能力を重視する場合の候補 |
| 複数ツールを使う長い作業を計画から完了まで進める | GPT-5.6 Sol / Max | ツール連携と長工程の管理を重視 |
| 複数視点で設計や成果物を厳しくレビューする | GPT-5.6 Sol / Ultra | 4エージェント並列による検討が可能。ただし高コスト |
| 難しい設計や大規模実装を深く考える | Fable 5 | 長期・複雑プロジェクト向け。ただし高価格で待ち時間も考慮 |
| 日常的なコーディング | GPT-5.6 Terra | 品質と価格のバランス。値下げ後はさらに使いやすい |
| 大量の軽量処理 | GPT-5.6 Luna | 2026年7月30日の値下げで最安クラス |
1モデルに固定するよりも、Grok / Luna / Terra で低コストに案を出し、Sol や Fable で重要部分をレビューする組み合わせが合理的です。
なお GPT-5.6 Luna の単価は Grok 4.5 を大きく下回ります。ただし判断材料は単価だけではありません。1タスクに必要な token 数、成功率、待ち時間を含めた総コストで見る必要があります。単価が安いモデルが失敗を重ねて結果的に高くつく、というのはよくある話です。
9. まとめ
- 速度と試行回数を重視するなら Grok 4.5。最新能力を優先する場合は Grok 4.6 も候補
- 複雑な工程、ツール運用、批判的レビューには GPT-5.6 Sol
- 難しい設計と長期・高完成度の作業には Fable 5
- 日常利用では値下げ後の Terra、低価格大量処理では Luna が有力
- 「最強モデル」を1つ選ぶより、課題の重要度、待ち時間、成功率、総 token 数を含むタスク単位の費用で使い分けるほうが実践的
モデル選定は、性能表を見比べる作業ではなく、予算と時間の配分を決める作業です。そう捉え直すと、比較記事の順位が入れ替わっても慌てずに済みます。
0 コメント:
コメントを投稿