Grok Buildはローカルモデルを使えますか？

はい。~/.grok/config.tomlにカスタムモデルを追加し、Ollamaの例を含むローカルのOpenAI互換エンドポイントへ接続できます。

Grok 4.5をローカルで実行できますか？

Grok Buildのオープンソース公開だけではできません。公開されたのはcoding agent harness、CLI、TUI、ツールと拡張システムで、Grok 4.5の重みは公開されていません。

Grok BuildはOllamaに対応していますか？

対応しています。公式のカスタムモデル例ではhttp://localhost:11434/v1を使います。モデルのコンテキスト長とツール呼び出し能力は別途確認してください。

Grok Buildは完全オフラインですか？

ローカル推論エンドポイントを使えばモデル推論を端末内に留められますが、認証、リモート取得、コードインデックス、MCPなどは通信する可能性があります。監査前に完全オフラインとは呼ばないでください。

Grok Buildはコードをアップロードしますか？

有効なモデルエンドポイントと機能によって変わります。localhostの推論先でも、テレメトリ、リモート取得、コードインデックス、ツール、MCPサーバーを確認する必要があります。

LM StudioやvLLMはGrok Buildで使えますか？

どちらもOpenAI互換APIを提供できますが、ストリーミング、チャットテンプレート、ツール呼び出しが実際に動くかはモデルとサーバー次第です。導入前に検証してください。

コーディングにはどのローカルモデルを選べばよいですか？

コード生成、必要なコンテキスト長、安定したツール呼び出しに対応するモデルを選びます。まず小さなリポジトリと取り消し可能な作業で試してください。

Grok Buildのローカル推論：Ollamaと自前モデルの設定方法

Grok Buildは、自分で管理する推論エンドポイントに接続できるようになりました。コード、プロンプト、モデル費用を自分でコントロールしたい開発者にとって、オープンソース公開の重要なポイントです。

ただし、パソコンでGrok Build CLIを動かすことと、モデル推論をローカルで動かすことは同じではありません。xAIが公開したのはcoding agent harnessとターミナルUIであり、Grok 4.5のモデル重みではありません。

結論： ~/.grok/config.tomlにカスタムモデルを追加し、base_urlをローカルのOpenAI互換サーバーに向け、Grok Buildでそのモデルを選択します。最後にローカルサーバーのログでリクエストを確認してください。公式例としてはOllamaが最も分かりやすい入口です。

「Grok Build ローカル推論」とは

次の3つを分けて考える必要があります。

Grok Buildはagent harnessです。コンテキストを読み、ツールを呼び出し、ファイルを編集し、ターミナルUIを表示します。
推論エンドポイントはモデルリクエストを受け取ります。xAI、別のクラウド、またはlocalhost上のサーバーです。
モデル重みが回答を生成します。Ollama、LM Studio、vLLMなら、自分で管理するハードウェア上で動かせます。

ローカル推論とは、2と3が自分の端末またはプライベートネットワークに残ることです。CLIをインストールしただけでは、リクエストがローカルになるとは限りません。

Grok Buildからローカルモデルランタイムへリクエストを送る構成図

xAIが公開したもの、公開していないもの

公式発表によると、公開内容にはagent loop、ツール、ターミナルUI、skills、plugins、hooks、MCP servers、subagentsなどの拡張システムが含まれます。GitHubリポジトリにはCLI/TUIとagent runtimeのRustソースがあります。

これにより、コンテキストの組み立て方やツール呼び出しを調べられます。また、カスタムのローカルモデルエンドポイントも接続できます。

一方、ダウンロード可能なGrok 4.5は提供されていません。ここで使うローカルモデルは、Ollamaなどが提供する別のモデルです。

必要なもの

macOS、Linux、またはWindows
インストール済みのGrok Build
OllamaまたはOpenAI互換サーバー
RAM/VRAMに収まるモデル
変更を簡単に戻せるテスト用リポジトリ

ローカルモデルのコーディング性能は大きく異なります。通常のチャットには答えられても、agentが要求する構造化ツール呼び出しに失敗することがあります。最初は1ファイルを読むだけの小さな課題で試しましょう。

Grok Buildをインストールする

macOS、Linux、Git Bash：

curl -fsSL https://x.ai/cli/install.sh | bash
grok --version

Windows PowerShell：

irm https://x.ai/cli/install.ps1 | iex
grok --version

3つのプラットフォームにはビルド済みバイナリがあります。ソースからのビルドはmacOSとLinuxが対象で、Windowsはbest effortです。

`~/.grok/config.toml`を理解する

カスタムモデルは[model.*]セクションに置きます。公式ガイドはOpenAI Chat Completions、OpenAI Responses、Anthropic Messagesをサポートしています。

[model.local-coder]
model = "your-model-id"
base_url = "http://localhost:8080/v1"
name = "Local Coder"
api_backend = "chat_completions"
context_window = 32768

[models]
default = "local-coder"

model：サーバーへ送る正確なモデルID
base_url：ローカルまたは自前APIのルート
name：モデル選択画面に表示する名前
api_backend：リクエストプロトコル。既定はChat Completions
context_window：セッションを圧縮する判断に使うコンテキスト長

context_windowはモデルの実際の上限に合わせます。大きな数字を書いても、モデルのコンテキストが増えるわけではありません。

Ollamaに接続する

公式カスタムモデルガイドではCodeLlamaを例にしています。まずOllamaを起動してモデルを取得します。

ollama serve
ollama pull codellama

~/.grok/config.tomlに追加します。

[model.ollama-codellama]
model = "codellama"
base_url = "http://localhost:11434/v1"
name = "CodeLlama (Ollama)"

重要なのは/v1です。Grok BuildはOllamaのnative generate APIではなく、OpenAI互換APIを使います。

grok modelsでカスタムエントリを確認し、次のようにモデルを指定できます。

grok -p "Summarize this repository without changing files" -m ollama-codellama

TUIでは/model ollama-codellamaまたは/mを使います。スクロール領域にフォーカスがある場合はCtrl+Mでも選択できます。

LM StudioとvLLM

Grok Buildは汎用のOpenAI互換サーバーに対応するため、LM StudioとvLLMも候補になります。ただし、OpenAI互換だからといってagent機能がすべて動くとは限りません。

導入前に次を確認します。

/v1/chat/completionsまたは/v1/responsesを提供するか。
/v1/modelsに出る正確なモデルID。
ストリーミングが最後まで完了するか。
通常のチャットだけでなく構造化ツール呼び出し。
実際のコンテキスト長と控えめなcompletion上限。
サーバーログにフィールドやテンプレートのエラーがないか。

[model.local-openai]
model = "model-id-from-your-server"
base_url = "http://localhost:1234/v1"
name = "Local OpenAI-Compatible Model"
api_backend = "chat_completions"
context_window = 32768

LM Studioは1234、vLLMは8000がよく使われます。実際のポートを優先してください。

推論が本当にローカルか確認する

回答が返っただけでは証明になりません。

選択中のモデルがカスタムエントリで、grok-buildではないことを確認する。
base_urlがlocalhost、127.0.0.1、または管理下のプライベートホストであることを確認する。
小さなプロンプトを送り、Ollama、LM Studio、vLLMのログを同時に見る。
期待した時刻とモデルIDのリクエストが現れることを確認する。
可能なら一時的にパブリックネットワークを切り、読み取り専用の安全なプロンプトを再実行する。

モデルリクエストがローカル端末内に留まることを確認するプライバシー図

ローカルモデルのリクエストと、アプリ全体が完全オフラインであることは別です。認証、リモート取得、コードインデックス、MCPなどは通信する可能性があります。

プライバシー：コード、プロンプト、ログ、テレメトリ

ローカル推論は、モデルプロンプトをクラウド推論サービスへ送らないという大きな露出を減らします。しかし、すべてのファイルやツールが安全になるわけではありません。

公式設定ガイドと、インストールしたバージョンのソースを確認してください。

テレメトリ設定
リモート取得とコードインデックス
MCPサーバーとプラグイン
shellコマンドの承認
.gitignoreをツールが尊重するか
.env、SSH設定、Git履歴の秘密情報

API keyをコミット済みの設定に直接書かないでください。ローカルサーバーが認証不要なら、偽のsecretを追加せずkeyを省略します。

よくあるエラー

Connection refused

サーバーが起動していない、ポートが違う、またはコンテナ/WSLの境界でlocalhostが別環境を指しています。Grok Buildと同じ環境から/v1/modelsを確認してください。

Model not found

modelはサーバーのモデルIDと完全一致する必要があります。表示名とは限りません。

ツール呼び出しに失敗する

モデルやchat templateがGrok Buildの期待する形式に対応していない可能性があります。agent coding向けのモデルで試し、サーバーのraw errorを確認します。

コンテキストまたはタイムアウト

context_windowをモデルの実上限まで下げ、リポジトリやタスクを小さくします。GPUなしでは推論時間も長めに取ります。

ストリーミングが途中で止まる

選択したapi_backendをサーバーが実装しているか確認します。まず同じエンドポイントで通常のチャットを試してください。

ローカルモデルとクラウドcoding agent

項目	Grok Build + ローカルモデル	クラウドcoding agent
モデルリクエスト	端末またはプライベート先	プロバイダーへ送信
品質	モデルとハードウェア次第	前線モデルを使うことが多い
速度	ローカル計算資源に依存	回線とサービス容量に依存
コスト	ハードウェア、電力、保守	サブスクまたは従量課金
コンテキスト	ローカルランタイムの制約	多くはサービス側で管理
ツール呼び出し	モデルごとに検証が必要	agent向けに調整済みのことが多い
コントロール	高い	プロバイダー次第

最大のモデル性能より、管理性と検証可能性を優先するならローカル推論が向いています。Claude CodeとCodexは管理された前線モデル寄り、OpenCodeはプロバイダーの柔軟性で近い比較対象です。

バージョン履歴

日付	確認範囲
2026年7月16日	xAIの発表、GitHubのインストール手順、カスタムモデルと設定ガイド、Ollama例、API backendを確認。LM StudioとvLLMは互換性の案内であり、この版での実機通過を意味しません。

まとめ

Grok Buildのローカル推論とは、オープンソースのagent harnessを別のローカルモデルサーバーへ接続することです。Grok 4.5の重みをダウンロードできるという意味ではありません。

まず公式のOllama設定で始め、カスタムモデルを明示的に選び、ローカルサーバーのログで到達を確認してください。その後、任意のネットワーク機能を監査してから、環境をオフラインまたはプライバシー重視と説明しましょう。