Grok 4.5 対 Claude Code: 1ドルあたりの承認済み変更数が真のベンチマーク

xAIが発表したGrok 4.5（DeepSWE 1.1で53％、Opus 4.8は59％、SWE Marathonのpass@1は29.0％対26.0％、トークン生成速度80 tokens/sec、入力$2/M、出力$6/M）は、単なるリーダーボードの主張ではなく、実用的なClaude Code比較として扱う価値があります。AIコーディングエージェントを使う開発者にとって重要な指標は、同じリポジトリ、プロンプト、ツール権限、テストコマンド、タイムアウト、レビュー基準における1ドルあたりの承認変更数です。

主な詳細

Grok 4.5はGrok Build、Cursor、およびAPIで利用可能です。低、中、高の推論モードをサポートしています。しかし、7月20日（The New Stack経由）のサードパーティテストでは、GrokとOpusをCursor Agentモードで同一の3つのRustタスクで実行しました：

• バグ修正：両方とも最初のテストに合格。
• 複数ファイルのリファクタリング：両方完了したが、Opusは1ファイル多く処理。
• 機能構築（最も実践的なテスト）：両方機能したが、Opusはテストカバレッジを追加し、マニュアルページのエントリを作成。

Opusの追加処理は、1ドルあたりの承認変更数に関係します。安価なモデルでも、追加の修正ループが必要ならコスト面で有利とは限りません。コミュニティでは、初回テスト合格率、修正回数、出力トークン数、経過時間、レビューアによる修正点の記録を推奨しています。

対象読者

Claude Code、Cursor、またはGrok Buildを使用してエージェントコーディングを行い、納品された変更の総コストを評価したい方。