独立検証まとまる：Grok 4.5、実務ベンチで首位29%も『幻覚』が25→54%に倍増——安いが要チェックの新AI

結論から言うと、Grok 4.5は『実際の専門仕事』では強いのに、事実の正確さでは注意がいる、という独立検証の結果が7月に出そろいました。SpaceXAI（旧xAI）が7月8〜9日に公開したGrok 4.5について、AI評価会社Snorkel AIは、専門家が作った約2,000件の実務課題ベンチマーク『GDPval+』でテストし、平均正答率29%を記録したと発表しました。

これはGPT-5.5の22%、Claude Opus 4.8の21%を上回る数字です。特に法務40%、教育58%、医療35%、品質保証37%など、深い専門判断が必要な分野で差が目立ちました。

一方、別の評価機関Artificial Analysisの知能指数ではGrok 4.5は54点で4位（1位Fable 5、2位GPT-5.5、3位Opus 4.8）にとどまり、さらに『幻覚（もっともらしい嘘）』の割合が前世代の25%から54%へ倍増したと報告されました。知識は増えたのに、間違えるときの自信も強くなった形です。

私たちに関係するのは、Grok 4.5は料金が安く（入力100万トークン$2・出力$6）実務の下書き代行に向く一方、出力をそのまま信じず必ず人が確認する使い方が前提になる点です。用途で強み・弱みがはっきり分かれるため、モデルは仕事内容で選ぶ時代になっています。