Grok 4.7 vs Claude Fable 5.1 徹底比較

Grok 4.7 と Claude Fable 5.1 は、非常にダイレクトな競合関係です。

Anthropic は Fable 5.1 について、要求の高い推論や長期ホライズンのエージェント業務向けのモデルだと説明しており、コーディング、マルチステップ調査、ドキュメント、スプレッドシート、プレゼンテーションでより強力な能力を備えています。

xAI は Grok 4.7 についても、非常に近い表現で説明しています。コーディング、エージェント的なタスク、より長時間にわたる作業、自動自己検証、そしてプロフェッショナルな知識業務です。

そのため「どちらのモデルがより印象的に聞こえるか」を比べるよりも、「どのような文脈で、どうコーディングし、どんな行動をするのか、ベンチマーク、そしてコストの違い」を比較するほうが実用的です。

まずは Grok の全仕様について、最初にこちらの Grok 4.7 レビュー をご覧ください。

Grok 4.7 vs Claude Fable 5.1 一目でわかる比較

Claude Fable 5.1 は 1M トークンのコンテキストウィンドウ、最大出力 128K、アダプティブ・シンキング、そして 2026年6月の信頼できる知識のカットオフを備えています。Grok 4.7 は 500K のコンテキストウィンドウで、推論の工数を Low から XHigh まで選択できます。

コーディング性能

コーディングは両モデルの中心です。

xAI の Grok 4.7 のリリースでは、両者を同じ表形式で比較するための最も分かりやすい例の1つが示されています。

これらの数値は xAI の公開している評価セットアップに基づいています。このセットでは、タスクによってモデルの立ち位置が入れ替わり、どこでも一方が常にリードするわけではありません。

ここでのもう1つの重要な教訓は、ベンチマークの実装が効くということです。

OpenAI による Fable 5.1 の評価では Terminal-Bench 4.0 が 55.8%、DeepSWE v1.1 が 67.4% となっており、これは xAI の表にある値とわずかに異なります。そのため、小さなベンダー間のベンチマーク差は、慎重に解釈する必要があります。

長期に走るエージェント業務

Fable 5.1 は長期ホライズンのエージェント的タスクのために、明確に設計されています。

Anthropic は、長時間にわたるコーディングやマルチステップ調査、プロフェッショナルな成果物の作成がより強いと強調しています。アダプティブ・シンキングは常にオンですが、必要な工数は制御できます。

Grok 4.7 も長期にわたる作業を対象にしていますが、xAI は少し異なる改善を強調しています。難しいタスクにおけるより長い強化学習、より良い自己検証、改善されたコンテキスト管理、そして Grok Bot ハーネスのネイティブ理解です。

実運用では、反復的なツール呼び出し、修正、検証を含むタスクで、両者をテストする必要があります。単発のコーディング指示だけではありません。

コンテキストウィンドウ

Fable 5.1 は 100万トークン のコンテキストを提供します。

Grok 4.7 は 50万トークン を提供します。

この差は、非常に大規模なリポジトリ、研究論文のコレクション、長い法務ファイル、あるいはツール出力が大量に蓄積されるエージェントセッションなどでは重要になり得ます。

しかし、コンテキストウィンドウを2倍にしても、自動的に性能が2倍になるわけではありません。

長文コンテキストの品質は、モデルが適切な情報を取得できるか、依存関係に気づけるか、そしてワークフロー全体を通じて指示を維持できるかにも左右されます。

価格

ここで両モデルは大きく分かれます。

Grok 4.7 は以下から始まります：

$2 / 100万入力トークン と $6 / 100万出力トークン。

Claude Fable 5.1 は以下の費用です：

$10 / 100万入力トークン と $50 / 100万出力トークン。

Fable のキャッシュ読み取りは 1百万トークンあたり $0.25 とかなり安く、Anthropic は、大きなプロンプトを再利用したり、高度にエージェント的なセッションを実行したりするワークロードでは、コストを実質的に下げられる可能性があると述べています。

つまり、生のトークン単価だけでは全体は分かりません。

同じ大きなコンテキストを何度も使い回すなら、キャッシュの挙動が重要になります。多くの独立したリクエストを処理するなら、ベースとなる入力・出力のレートのほうがより重要になるかもしれません。

ドキュメントと知識業務

Fable 5.1 はプロフェッショナルな成果物への強いフォーカスがあります。

Anthropic は、ドキュメント、スプレッドシート、スライド、リサーチ、そしてコーディングを扱う作業を特に強調しています。

Grok 4.7 もドキュメントやプレゼンテーションの作成を改善しています。一方 xAI は、オフィス業務、法務タスク、ヘルスケアの推論、そしてエンジニアリングをカバーするプロフェッショナル・ベンチマークでの伸びを報告しています。

ソース中心の素材を扱うチームであれば、現実的なテストとしては、複数のドキュメントを読み込み、矛盾する証拠を特定し、レポートを下書きし、フィードバック後に修正し、最終的な主張を元のファイルと突き合わせて確認する、といった内容が考えられます。

まずはどちらをテストすべき？

選択肢を1つのベンチマークに絞るのではなく、ワークフローの要件で判断してください。

実用上の違いは、ベンチマーク表が示唆するよりも大きくなったり小さくなったりします。

もし GPT-6 も評価対象に含めるなら、Grok 4.7 vs GPT-6 Astra をご覧ください。

最後に

Grok 4.7 と Claude Fable 5.1 は、多くの高価値な同種のタスクを対象にしていますが、異なるトレードオフを採用しています。

Fable 5.1 はコンテキストウィンドウが2倍であり、要求の高い長期ホライズンの推論とエージェント業務を中心に明確に設計されています。

Grok 4.7 は実質的にトークン価格がかなり低いところから始まり、選択可能な推論レベルと、xAI の検索、コード実行、そしてエージェントのエコシステムを組み合わせています。

したがって適切な比較は、「どのベンチマーク数値が大きいか？」ではありません。

それは、そのモデルがあなたのコーディング、調査、または知識業務を、正確に、安定して、そして納得できるコストで完了できるかどうかです。

もし Grok を直接テストしたいなら、こちらの Grok 4.7 の使い方 ガイドで、主要なアクセスオプションと設定を解説しています。