SpaceXAI, Grok 4.6 공개
2026년 8월 12일, 일론 머스크의 SpaceXAI(옛 xAI)가 새 플래그십 모델 Grok 4.6을 공개했습니다. 원래 8월 7일 출시 예정이었다가 며칠 밀려 나온 모델인데, 막상 나오고 보니 숫자만 보면 꽤 인상적입니다 — 제3자 평가기관 Artificial Analysis 기준 종합 지능 지수 61점으로, OpenAI GPT-5.6 Sol Max와 동점을 찍고 Kimi K3를 앞질렀습니다.
다만 “동점”이라는 표현에 함정이 있습니다. 아래에서 벤치마크를 하나씩 뜯어보면, 실제로는 이기는 항목도 있고 지는 항목도 있는 전형적인 “부분적 우위”에 가깝습니다.
핵심 스펙
| 항목 | 내용 |
|---|---|
| 공개일 | 2026-08-12 |
| 베이스 모델 | Grok 4.5와 같은 1.5T 파라미터(V9) — 더 키운 게 아니라 후속훈련만 강화 |
| 지식 컷오프 | 2026년 2월 1일 |
| 컨텍스트 윈도우 | 50만 토큰 |
| 입력 방식 | 텍스트 + 이미지 (출력은 텍스트만) |
| 추론 강도 | low / medium / high(기본) / xhigh(신규) |
| 입력 가격 | $2 / 백만 토큰 (20만 토큰 이하 프롬프트 기준) |
| 출력 가격 | $6 / 백만 토큰 (20만 토큰 이하 프롬프트 기준) |
| 오픈 웨이트 | 없음 (API 전용) |
| 제공처 | xAI API, Grok Build, Cursor, OpenRouter, Vercel, Cloudflare |
20만 토큰을 넘는 프롬프트를 넣으면 가격이 입력 $4, 출력 $12로 두 배 뜁니다. 50만 토큰 컨텍스트를 지원한다고 해서 그 전체를 $2/$6에 쓸 수 있는 건 아니라서, 긴 문서·코드베이스를 자주 통째로 넣는 용도라면 실제 비용을 이 기준으로 다시 계산해봐야 합니다.
뭐가 달라졌나 — “더 큰 모델”이 아니라 “더 오래 훈련한 모델”
Grok 4.6은 Grok 4.5와 같은 베이스 모델을 그대로 씁니다. 대신 SpaceXAI가 강조하는 건 후속훈련(post-training) 방식의 변화입니다.
- Grok 4.5가 생성한 데이터로 추론·에이전트 하네스·STEM·소프트웨어 엔지니어링 영역의 지도학습 궤적을 다시 만듦
- 코딩·지식노동·커널 최적화·웹개발·CAD 등 에이전트형 환경에서 강화학습 추가 진행
- 긴 작업 흐름에서 스스로 결과를 재검증하는 습관을 더 많이 학습
기반 모델은 그대로 두고 훈련 데이터와 방식만 갈아엎은 결과물인 셈입니다. SpaceXAI는 이걸 벤치마크 점수보다 더 중요한 변화로 소개하는데, 실제 수치가 그 주장을 뒷받침하는지는 다음 표로 확인할 수 있습니다.
벤치마크 — 이긴 항목, 진 항목
발표 수치를 그대로 옮기되, 경쟁 모델(GPT-5.6 Sol Max, Claude Fable 5 Max)과 나란히 놓았습니다.
| 벤치마크 | Grok 4.5 | Grok 4.6 | GPT-5.6 Sol Max | Claude Fable 5 Max |
|---|---|---|---|---|
| — | —: | —: | —: | —: |
| AA 지능 지수 | 56 | 61 | 61(동점) | 62 |
| GDPval-AA v2(Elo) | 1,526 | 1,753 | 1,728 | 1,741 |
| AA-Briefcase(Elo) | 1,313 | 1,577 | 1,502 | 1,574 |
| Harvey LAB(법률) | 12.9% | 15.8% | 2.5% | 11.3% |
| CursorBench v3.2 | 66.7% | 69.9% | — | 70.5% |
| DeepSWE v1.1 | 54.0% | 65.9% | 73.0% | — |
| Terminal-Bench v3.0 | 15.7% | 26.0% | 34.6% | 34.1% |
| APEX-Agents | 47.1% | 57.5% | 56.7% | 59.2% |
실전 업무형 평가(GDPval, AA-Briefcase, 법률 리서치인 Harvey)에서는 Grok 4.6이 확실히 앞섭니다. 반면 터미널 조작·코딩 실행 능력(Terminal-Bench, DeepSWE)에서는 여전히 GPT-5.6 Sol Max에 뒤처집니다 — Terminal-Bench는 26% vs 34.6%로 8.6%p 차이가 남아있습니다.
Artificial Analysis도 이 발표자료에 대해 “각 모델의 자체 공개 수치 중 최선의 것을 모은 것”이라 완전히 통제된 4파전 비교는 아니라는 단서를 달아뒀습니다. Grok 4.5 대비 세대 간 개선폭은 분명하지만, 경쟁 모델 전체를 이겼다고 보기는 어렵습니다.
가격 대비 — 싸긴 한데, “가장 저렴한 프론티어 모델”은 아님
VentureBeat가 정리한 프론티어급 모델 가격표를 기준으로 보면, Grok 4.6($2/$6, 총 $8)은 GPT-5.6 Sol($5/$30, 총 $35)의 4분의 1이 안 되는 가격입니다. Claude Opus 5($5/$25, 총 $30)보다도 확실히 저렴합니다.
“업계 최저가”는 아닙니다. GLM-5.2($1.40/$4.40)나 GPT-5.6 Luna($0.20/$1.20)처럼 더 저렴한 모델도 여럿 있고, Artificial Analysis의 작업당 비용(Cost-per-Task) 지표 기준으로는 오히려 전작인 Grok 4.5보다 작업당 비용이 늘었다는 역설적인 결과도 나왔습니다. 토큰 단가는 내렸는데 작업당 실제 소비 토큰이 늘어난 셈입니다.
작업 효율성 쪽은 다릅니다. AA-Briefcase 기준 Grok 4.6은 평균 53턴·5억 토큰으로 작업을 끝낸 반면, Claude Opus 5 Max는 같은 작업에 103턴·20억 토큰을 씁니다. 토큰 단가만 보지 말고 그 작업을 끝내는 데 실제로 얼마가 드는지를 따져야 한다는 뜻인데, 이건 하네스 설계·프롬프트·캐싱 방식에 따라 크게 달라지므로 자기 워크플로우로 직접 재봐야 확실합니다.
이런 상황이라면 이 모델
| 상황 | 추천 | 이유 |
|---|---|---|
| 실전 업무 자동화(리서치·법률·분석 보고서) 위주 | Grok 4.6 | GDPval·Harvey 같은 실무형 평가에서 확실한 우위 |
| 코드 저장소 전체를 다루는 리팩터링·마이그레이션 | GPT-5.6 Sol Max 고려 | Terminal-Bench·DeepSWE에서 아직 격차 있음 |
| 예산이 빠듯한 장시간 에이전트 워크플로우 | Grok 4.6 | GPT-5.6 Sol 대비 4분의 1 이하 가격 |
| 20만 토큰 넘는 긴 문서를 자주 통째로 처리 | 비용 재계산 필요 | 20만 토큰 초과 시 단가가 두 배로 뜀 |
| 사내 반출 불가 데이터, 자체 호스팅 필요 | Grok 4.6 아님 | 오픈 웨이트 미공개, API 전용 |
참고할 점 — Grok이라는 브랜드 자체의 리스크
성능·가격과는 별개로, 기업 도입을 검토한다면 짚고 넘어가야 할 부분이 있습니다. Grok은 2025년 7월 반유대주의성 발언(“MechaHitler” 자칭) 논란, 같은 해 여름 무단 수정으로 인한 정치적 편향 응답 사고, 이미지 생성 기능의 부적절한 사용으로 인한 영국 Ofcom·ICO, EU 집행위원회의 조사(디지털서비스법 위반 여부 포함)까지 여러 차례 안전·거버넌스 논란을 겪었습니다. 해당 조사들은 X와 이전 xAI 조직을 대상으로 한 것이며 Grok 4.6 자체의 법 위반을 특정한 건 아니지만, 규제 준수가 중요한 조직이라면 기술 성능과 별개로 검토해둘 만한 이력입니다.
정리
Grok 4.6은 “베이스 모델을 키우지 않고 후속훈련만으로 이 정도 성능 향상을 냈다”는 점에서 실용적인 업그레이드입니다. 특히 GDPval·AA-Briefcase·Harvey 같은 실전 업무형 평가에서 GPT-5.6 Sol Max와 Claude Fable 5 Max를 앞서면서 가격은 4분의 1 수준이라는 조합은 분명한 강점입니다.
다만 “AA 지능 지수 동점”이라는 헤드라인만 보고 전 영역에서 GPT-5.6과 동급이라고 판단하면 곤란합니다. 터미널 조작·코드 실행처럼 개발자가 매일 체감하는 영역에서는 아직 격차가 남아있고, 작업당 비용도 토큰 단가만큼 유리하지 않을 수 있습니다. 실무 자동화·리서치 위주라면 지금 시도해볼 가치가 있고, 코드베이스 전체를 다루는 작업이 핵심이라면 GPT-5.6 Sol Max와 나란히 테스트해보고 고르는 걸 권합니다.