Grok 4.3 レビュー：100万トークンと本物の推論オフ

9月19日、Grok 4.3 に L4 高強度の依頼を9本送りました。枠付けなしの直接依頼、フィクションとしての枠付け、システムプロンプト経由の3種類で、言い回しだけを変えて各3回実行しました。直接依頼とシステムプロンプト経由は3本すべて完全に書き切られ、フィクション枠は2本が完全、1本が和らげられた返答となって返ってきました。どちらの場合も拒否は一切ありませんでした。

9月24日には残りの段階、L1 ほのめかし、L2 成熟したテーマ、L3 強めを言い回しごとに1回ずつ、L5 極限を言い回しごとに2回実行しました。15本すべてが、3つの言い回しのいずれでも頼んだとおりに返り、和らげられたものも拒否されたものもありませんでした。

2つのセッションを合わせると採点対象は24回の実行で、23本が完全に返り、1本が和らげられ、拒否はゼロでした。Spicy Index のページはこれを Freedom Score 100点中98.9点として読み取ります。

Grok 4.3 は素直に答えるのにシステムプロンプトを必要としません。声色やペルソナを会話全体で固定したいときに使い、reasoning_effort none は考える要素が何もない依頼のときだけ使いましょう。

1. 公開例：出荷前に修正を証明する。 システムメッセージと直接的な指示の組み合わせ。

system: Write evaluation plans as a numbered list of checks, each with the observation that would make it fail.
user: We are replacing our retry logic with an idempotency key. Plan how to prove the new path cannot double-charge.

このプロンプトを Grok 4.3 で実行 →

2. 公開例：1ターンで画像と質問をまとめる。 スクリーンショットを detail high の image_url パートとしてテキストと並べて添付。

user: These two dashboards are before and after Tuesday's deploy. Which panel shows the regression, and what is the most likely cause?
[image: https://cdn.spicyapi.ai/models/examples/inputs/c681580c3c6a0b63.jpeg]

このプロンプトを Grok 4.3 で実行 →

重要な設定： 分類、抽出、振り分けなど考える要素がない依頼には reasoningeffort none。既定値の low は普通の指示追従向け。答えを本当に導き出す必要があるときだけ medium、high、xhigh を使い、その際は maxtokens に注意すること。推論トークンは上限を無視します。2回の実行を直接比較したいなら temperature 0。すでに temperature を動かしているなら top_p はそのままにしておきましょう。

Grok 4.3 はコンテンツ段階の採点対象24回のうち23回を完全に書き切り、和らげられたものが1本、拒否はゼロでした。9月19日には、直接、フィクション枠、システムプロンプト経由の3つの言い回しに分けた L4 高強度の依頼9本のうち、8本が完全に返り、1本（フィクション枠のもの）が和らげられました。9月24日にはそれ以外の全段階、L1 ほのめかしから L5 極限まで、3つの言い回しすべてでクリーンに通過しています。ページの表示は 規制なし。当社側でコンテンツフィルターは追加していないので、返ってくる内容は Grok 自身の挙動であり、私たちが挟んだ層ではありません。

Freedom Score： このページのスコアカードで100点中98.9点、24回の実行で5段階すべてを検証済み。実行が増えるたびに再計算します。

まだ未検証： 多くのターンにわたってキャラクターを保ち続ける複数ターンのチャット（今回の実行は単発リクエストのみ）、英語以外の言語、上位段階での画像入力。

依頼の登場人物は全員大人であること、実在し特定できる人物は登場させないこと、そして公開する地域の法律を守る責任はあなたにあります。

能力については賛否が分かれ、速度については賛否が分かれていません。あるテスター は "その返答は比較可能な性能を持つ他モデルよりはるかに小さく、トークン密度が高い" と書き、同じレビューで "全体的なコーディング推論能力は4月の大型リリースと張り合えず、Grok 4.20 も Grok 4.3 も Grok 4 以来知性のフロンティアを大きく押し上げられていない" とも指摘しています。価格については、別のコメント投稿者が "速度（202.7 tok/s）とコスパ（1.25 → 2.50）は申し分なく、知性もかなり良好" とまとめました。これは私たちの観察とも一致します。最も難しい推論タスクよりもスループットと価格に振り切ったモデルです。

• L4 高強度でより締まった文章を、価格は高くてもいいなら？ Grok 4.7 は脱獄なしで L4 高強度の依頼9本中9本を書き切りました。詳しくは Grok 4.7 のレビュー を。Grok 4.3 と Grok 4.7 を比較 →
• 同じ推論系統でキャッシュ入力がもっと安いものを？ Grok 4.5 はキャッシュ入力100万トークンあたり $0.30 で、Grok 4.3 の $0.20 より高めです。Grok 4.3 と Grok 4.5 を比較 →
• 同じファミリーで1バージョン上を？ Grok 4.6 は Grok 4.7 と同じ価格設定で、50万トークンの窓を持ちます。Grok 4.3 と Grok 4.6 を比較 →
• さらに広い窓とさらに安い価格を？ DeepSeek V4.1 Flash は入力104万8576トークン、返答は最大38万4000トークン、入力100万トークンあたり $0.30。DeepSeek V4.1 Flash と Grok 4.3 を比較 →
• 大量処理でも請求額をごくわずかに？ GLM 5.3 Flash、入力100万トークンあたり $0.1275。