Grok 4.6 성능·가격, GPT·Claude 비교

Grok 4.6을 두고 나오는 평가는 두 갈래다. 하나는 “드디어 GPT와 Claude를 따라잡았다”는 쪽이다. 다른 하나는 “결국 싼 맛에 쓰는 모델”이라는 쪽이다. 벤치마크와 가격표를 같이 놓고 보면 둘 다 절반씩만 맞다.

이 글은 xAI 공식 발표와 독립 평가기관 수치를 나란히 놓고, 비개발자가 실제로 무엇에 쓸 수 있는지까지 정리한다.

Grok 4.6이 실제로 바꾼 것은 방향이다

Grok 4.6은 2026년 8월 12일 공개됐다. xAI는 4.5를 기반으로 추가 학습을 더 길게 돌렸다고 밝혔다. 보강한 영역이 성격을 그대로 드러낸다.

도구를 여러 번 호출하는 장기 작업, 코드베이스 수정, 웹 개발, 커널 최적화, CAD, 그리고 보고서와 스프레드시트 같은 지식노동이다. 한 번의 질문에 잘 답하는 훈련이 아니다. 여러 단계를 거쳐 결과물을 끝내는 훈련이다.

xAI가 직접 언급한 지점이 하나 더 있다. 결과물을 만든 뒤 스스로 테스트하고 검증하는 빈도가 4.5보다 늘었다는 설명이다. 에이전트 모델에서 이 습관은 점수보다 중요하다. 중간에 틀리면 뒤 단계가 전부 무너지기 때문이다.

기본 사양은 컨텍스트 50만 토큰, 입력은 텍스트와 이미지, 출력은 텍스트다. 추론 단계는 low·medium·high·xhigh 네 단계다. 지식 기준일은 2026년 2월 1일이다.

벤치마크, 종합점수는 붙었고 세부는 갈린다

Artificial Analysis 종합지능에서 Grok 4.6은 61점을 기록했다. GPT-5.6 Sol과 같고 Claude Fable 5와는 1점 차다. 숫자만 보면 격차가 사라진 것처럼 보인다.

출처: xAI Grok 4.6 발표 및 모델카드 · Artificial Analysis 등 각 벤치마크 공개자료 (2026.8.17 확인)

표를 보면 강점과 약점이 꽤 선명하게 갈린다. 실제 업무를 재현하는 GDPVal과 IDE 환경인 CursorBench에서는 Grok 4.6이 앞선다. 반면 DeepSWE와 Terminal-Bench 3.0에서는 격차가 남아 있다.

해석하면 이렇다. 새 웹앱을 만들고 프로토타입을 굴리는 일에는 강하다. 남이 짜둔 코드베이스를 깊게 수정하는 작업에서는 아직 최상위가 아니다. 같은 ‘코딩’이라도 갈린다.

다만 여기서 “터미널 작업 전반이 약하다”로 넘어가면 과하다. Artificial Analysis가 쓰는 Terminal-Bench v2.1에서 Grok 4.6은 88.4%로 선두권 결과를 냈다. 같은 이름의 평가라도 버전에 따라 결과가 크게 갈린다는 뜻이다. 벤치마크를 인용할 때 버전까지 확인해야 하는 이유가 여기 있다.

비교 조건도 봐야 한다. 항목 상당수가 Grok은 high, 경쟁 모델은 max 추론 설정이었다. 더 적은 자원으로 비슷한 점수를 냈다는 뜻이라 Grok에 유리한 해석도 가능하다. 완전히 동일한 조건의 비교는 아니다.

진짜 강점은 지식노동형 장기 작업

보고서, PDF, 재무모델, 프레젠테이션, 스프레드시트를 만드는 복합 평가가 AA-Briefcase다. 여기서 Grok 4.6은 1,577점을 기록했다. Fable 5의 1,574점과 사실상 같은 수준이다.

더 눈에 띄는 건 과정이다. 평균 작업 단계가 약 53회였다. Claude Opus 5 Max의 약 103회 대비 절반 수준이다. 입력 토큰 사용량도 약 4분의 1이었다.

비용 구조에서 이 차이가 크다. 토큰 단가만 싼 게 아니라 일을 끝내는 데 필요한 단계 자체가 적다. Artificial Analysis 기준으로도 Grok 4.6은 현재 최상위권에 있다. 다만 새 모델이 추가되고 평가 방식이 바뀌면 순위는 계속 움직인다.

가격은 확실히 세다, 조건만 빼면

각 사 공식 가격 페이지 기준 · 2026.8.17 확인

입력 10만 토큰과 출력 2만 토큰을 썼다고 가정해 본다. 검색·도구 비용과 캐시는 뺀 단순 계산이다. Grok 4.6은 약 0.32달러, GPT-5.6 Sol은 약 1.10달러, Claude Opus 5는 약 1.00달러, Fable 5는 약 2.00달러가 나온다.

체감상 3분의 1 수준이다. 다만 이 계산에는 빠진 조건이 있고, 실제 청구서는 여기서 올라갈 수 있다.

Grok은 프롬프트가 20만 토큰을 넘으면 요청 전체에 $4/$12 요금이 붙는다. 더 빠른 Grok 4.6 Fast 계층은 기본 가격의 두 배다. 웹 검색과 X 검색 같은 서버 도구도 별도 비용이 발생할 수 있다.

경쟁 모델 쪽에도 같은 종류의 조건이 있다. GPT-5.6 Sol은 입력이 272K를 넘으면 장문 요금이 적용된다. 두 진영 모두 캐시와 배치 할인이 있어서, 작업 구조에 따라 격차는 줄어든다.

싸다는 말과 빠르다는 말은 다르다

여기서 널리 퍼진 인상 하나를 짚어야 한다. 가격이 싸니 반응도 빠를 것이라는 짐작이다. 측정값은 반대에 가깝다.

Artificial Analysis가 xAI API에서 잰 출력 속도는 초당 57.9토큰이다. 유사 가격대 모델 중간값인 초당 약 74.5토큰보다 낮다. 첫 토큰까지 걸린 시간은 약 37.49초로, 비교군 중간값 약 2.81초와 차이가 크다. 2026년 8월 17일 측정 화면 기준이며, 이 값은 측정 시점마다 갱신된다. 추론을 medium이나 low로 내리면 반응은 빨라진다. 대신 결과물 완성도를 그만큼 내려놓는 거래가 된다.

화제가 된 데모, 무엇을 증명하고 무엇을 증명하지 않았나

공개 직후 여러 시연이 돌았다. 3D 우주선이 스크롤과 함께 움직이는 웹사이트, 무에타이 도장 홍보 페이지, 3D 콘티를 실사 영상으로 바꾸는 파이프라인, 스프라이트 캐릭터 게임이었다.

이 결과물들이 증명하는 건 분명하다. 아이디어를 웹사이트 구조로 옮기는 능력, Three.js 기반 3D 구현, 카피와 화면 흐름 구성, 외부 자산을 하나의 프로젝트로 조립하는 능력이다. 피드백을 받아 반복 수정하는 흐름도 잘 붙는다.

xAI 모델카드의 수치도 방향은 같다. CAD 생성 평가인 CadGenBench에서 40.9%로 비교 모델 중 가장 높았고, CadBench는 87.8%였다.

그래서 이 데모는 ‘모델 단독 생성물’의 증거가 아니다. Grok을 축으로 여러 AI 도구를 이어 붙인 제작 파이프라인의 사례로 보는 쪽이 정확하다. 이 구분을 해두면 자기 작업에 옮길 때 기대치가 어긋나지 않는다.

모든 지표가 좋아진 건 아니다

사실성부터 보면 방향이 엇갈린다. xAI 자체 평가에서 단일 응답 환각률은 4.5의 0.98%에서 4.6의 1.7%로 올라갔다.

검색을 쓰는 평가도 단순하지 않다. xAI가 8월 17일 갱신한 모델카드의 자체 구현 DeepSearchQA에서 Grok 4.6은 81.6%를 기록했다. 같은 표의 Grok 4.5는 85.3%다. 공개된 수치만 놓고 보면 4.6이 오히려 낮다.

그래서 “4.6은 사실성이 전반적으로 개선된 모델”이라고 말하기 어렵다. 검색 능력과 사실성은 과제별로 따로 봐야 한다. 정책, 금융, 의료, 법률 정보를 물을 때 원문 확인이 필요한 이유다.

안전성 지표도 혼재한다. 일반 유해 요청 응답률은 1.10%에서 0.93%로 내려갔고, 표준 탈옥 성공률은 0.73%에서 0.04%로 크게 낮아졌다. 반면 자해·위기 대응 평가의 실패율은 0.50%에서 0.84%로, 압박 상황에서의 부정직성은 0.67%에서 1.90%로 올라갔다.

자해 관련 지표는 정의를 함께 봐야 한다. 부적절하게 응한 경우만 세는 게 아니라, 적절한 지원으로 연결하지 못한 경우까지 실패로 처리한다. 절대 수치는 여전히 낮은 편이다. 그래도 “4.6이 모든 면에서 4.5보다 안전하다”고 말할 근거는 없다. 상당수가 내부 평가라 독립 재현에도 한계가 있다.

모델이 코드를 실행하고 파일을 고치고 외부 도구에 접근할수록 실수의 파장도 커진다. 장기 에이전트를 쓸 때 권한부터 정리하는 편이 낫다.

• 처음에는 읽기와 초안 작성까지만 맡긴다
• 파일 삭제, 결제, 발송, 배포는 승인 단계를 건다
• 테스트 프로젝트와 Git을 따로 둔다
• API 키와 비밀번호를 일반 채팅창에 넣지 않는다
• 생성된 코드의 보안과 라이선스를 확인한다
• 운영 서버에 곧바로 배포하지 않는다

비개발자에게 Grok 4.6이 유용한 지점

코드를 모르는 사람이 아이디어를 첫 결과물로 바꾸는 구간. 여기가 Grok 4.6의 자리다. 사업 아이디어용 랜딩페이지 시제품, 경쟁사 비교 조사, 내부 업무용 간단한 웹 도구, CSV와 엑셀 데이터 정리가 여기 들어간다.

반복 보고서 초안, 영상 제작 전 3D 콘티와 카메라 동선 설계, 기존 코드의 오류 원인 설명도 잘 맞는다. 실패해도 손실이 작고, 결과를 눈으로 바로 확인할 수 있는 일들이다.

반대로 신중해야 할 영역도 뚜렷하다. 결제와 개인정보와 회원인증이 들어간 서비스, 자동 주식주문 같은 금융 의사결정, 세무·법률·의료 판단이다. 테스트 없이 운영에 넣는 코드, 사실확인 없는 자동 발행도 같은 줄에 있다.

사용 경로도 하나가 아니다. SuperGrok은 월 30달러로 높은 사용 한도를 준다. 터미널형 코딩 에이전트인 Grok Build는 무료 플랜에서도 제한적으로 이용할 수 있다. 개발자는 xAI API로 쓴 만큼만 낼 수 있고, Cursor와 GitHub Copilot에서도 쓸 수 있다.

“X 연동이나 SuperGrok 구독이 있어야 한다”는 설명은 계정 중심 사용법만 본 것이다. 목적에 따라 더 싼 경로가 있다.

핵심 요약

자주 묻는 질문

모델 순위표는 몇 달이면 다시 뒤집힌다. 그보다 오래 남는 질문은 따로 있다. 내 일에서 어떤 단계를 이 도구에 넘길 수 있는가, 그리고 어디까지는 넘기면 안 되는가.

Grok 4.6을 직접 써보셨다면 어떤 작업에서 만족스러웠는지 댓글로 남겨주세요. 같은 조건에서 다른 모델과 비교해 보신 경험이라면 더 반갑습니다. 이 글이 참고가 되었다면 필요한 분에게 공유해 주셔도 좋습니다.

본 글의 수치는 2026년 8월 17일 갱신된 공개자료 확인 기준이며, 모델 성능·가격·순위는 이후 변경될 수 있습니다. 특정 서비스의 구매나 구독을 권유하는 글이 아닙니다.