ハッキングには Grok 一択 !!

新しい Claude ほど止まる

• Claude の新しいモデル（Opus 5・5.5）は、エクスプロイト作りや侵入テストのような攻撃寄りの依頼だと、Opus 4.8 に切り替わることがあります（Anthropic のサポート記事）
• また、モデルのダウングレードだけではなく、依頼そのものを拒否する場合もあります。
• セキュリティの仕事をする人向けの申請（Cyber Verification Program）もあります。ただ、個人で取れるのは守りの枠（Defense）までで、攻撃の枠（Red Team）は組織向けだけです。私は取りましたが、それでも止まります

ChatGPT や Gemini も止まるらしい

• Kubernetes の設定ミスなどを突く6題を、44 のモデルに解かせた比べがあります（raesene さんの Dearbhadh）
• 新しい Claude（Sonnet 5・Fable 5 / 5.1）・GPT（5.5・6 Astra）・Gemini（3.6 Flash・3.7 Flash）は、6題とも止まりました
• 一方、中国の Kimi K3 と DeepSeek V4.1 Flash は1題も止まらず、30点満点の29点でした
• Grok は、この比べに載っていません

ざっくり比べると

※ 速さと API の値段は Artificial Analysis、K3 の API は Kimi の公式、Kimi の定額は Kimi の料金 から（2026年11月7日）

Kimi K3 は、Grok から乗り換えるほどではない

• 賢さは Grok とほぼ同じです（Vals の比べ）
  • コードの直し（SWE-bench）は Grok が上（95.6% と 93.4%）、端末での作業（Terminal-Bench 4.0）は同じ点でした
  • 比べた 24 の項目では K3 が上の項目のほうが多い（15 対 8）けど、大差はありません
• 中国の AI だからといって、もう安くはありません。 API の単価は Grok より高く、定額も少し安い程度です
• 速さは Grok の半分ほどです

K3.1 Pro は賢いけど、高くつく

• K3.1 Pro は、Artificial Analysis の指数 で 46点。Grok の新しい 4.7 でも 35点なので、一段上です
• ただ、定額のプランで使うと、枠が K3 の約11倍の速さで減ります（2026年10月27日から。Wokey の実測）
• 従量で払うと、私の使い方では、HTB の問題を1日解いたぶんで約 $8。毎日だと、月に3万円を超える計算です💦

Grok は月5,000円ほどから

• SuperGrok は、Web なら月 $30、iPhone のアプリからなら月5,000円です（aipicks のまとめ）
• 使ってみると、応答速度も早く、チートシート作りや、問題のヒント出しには、これで十分でした！
  • Hacking-Op で使っている Claude Code 用の自作のスキルも、Grok Build がそのまま読んで動きました
  • ヒントも、段階を飛ばさずに出してくれます（段階の決め方は AI にどこまで任せる？）

Grok も締まり始めている

• xAI は、2026年9月に出した Grok 4.7 で、安全の仕組みを作り直しました（xAI の発表）
• 危ない攻撃系の依頼を通すのは 3.3% だけで、まっとうなセキュリティの作業はめったに止めない、としています（xAI 自身の物差しでの数字）
• 攻撃側（red team）の機能は、一部の相手にだけ招待制で出しています。Claude の申請で、攻撃の枠が組織向けだけなのと同じ流れですね
• Grok Build の既定のモデルも 4.7 に変わりました。私は今、4.6 を選んで使っています（grok -m grok-4.6）