GDPVal: 실제 지식 노동 업무를 점수로 매기는 시험. 공식 표의 GDPVal-AA는 Artificial Analysis가 같은 과제를 다시 잰 값이다
Intelligence Index(지능 지수): Artificial Analysis가 여러 시험을 묶어 매기는 종합 점수
추론 강도(reasoning effort): 답을 내기 전에 얼마나 오래 생각할지 고르는 값. 단계는 low / medium / high(기본) / xhigh
prompt_cache_key(프롬프트 캐시 키): 같은 대화라는 표시. 이 키가 있어야 앞에서 보낸 글을 할인해서 다시 쓴다
컨텍스트 압축(context compaction): 긴 에이전트 대화를 짧게 줄여 다음 턴에 다시 쓰는 기능
빠른 옵션(fast variant): 같은 모델의 더 비싼 저지연 옵션. SpaceXAI는 기본 단가의 2배라고 한다
보충 학습(supplemental training): 기본 학습 뒤에 데이터를 더 넣어 이어 가는 추가 학습
오래 돌리는 에이전트(long-running agents): 여러 단계에 걸쳐 작업을 이어 가는 에이전트. SpaceXAI는 kernel·web·CAD 같은 도메인 RL에 쓴다고 한다
Elo: 상대 비교로 매기는 점수. 맞힌 비율(%)과 같은 눈금이 아니다
permalink(원문 글 주소): 그 게시물만 가리키는 고정 링크
1. 4.6은 뭐가 달라졌나
SpaceXAI는 2026년 8월 12일에 4.6을 공개했다.
코딩과 에이전트, 지식 업무를 겨냥한 모델인데, 발표에서 특히 앞세운 건 오래 돌리는 에이전트와 화면 만드는 일 두 가지였다.
입력·출력 단가는 4.5와 같으니, 같은 2달러·6달러인데 뭐가 달라졌는지부터 보자.
1편과 이번 편
입력 2달러, 출력 6달러는 1편 그대로다. 달라진 건 공식 표와 독립 리더보드에서 각각 누가 1위인지, 그리고 표에 잘 안 보이는 캐시 한 줄이다.
4.5보다 오래 배웠다고 한다
SpaceXAI 설명으로는 4.6의 보충 학습이 4.5보다 길었다.
Grok 4.5로 대화·작업 기록(SFT)을 새로 짠 다음, kernel·web·CAD를 넣어 에이전트 강화 학습(RL)까지 돌렸다고 한다.
다만 발표문에 있는 건 여기까지다. 파라미터 수도, 학습 토큰도, 안에 넣은 데이터가 뭔지도 밝히지 않았다.
(개인적으로 실제로 사용해보면 글쓰기에 활용했을 때에는 정말 많이 부족했지만, 개발 시에 오버엔지니어링을 잘만 제어해 주면 성능, 속도 측면에서는 매우 만족스러웠다.)
초안 뽑는 건 나아졌다고 한다
SpaceXAI는 큰 그림만 던져도 초안을 잘 뽑고, 화면 만드는 첫 결과물이 4.5보다 낫다고 했다.
여기까지는 SpaceXAI 주장이고, 이 글에서 같은 조건으로 재현해 보진 못했다.
한 줄로 묶으면 4.6은 가격이 달라진 제품이 아니라, 같은 단가에서 에이전트를 더 오래 돌리게 만든 후속이다. SpaceXAI도 코딩을 전부 1위라고는 안 했다.
2. 공식 사양과 가격
모델 이름은 grok-4.6이다.
한 번에 넣을 수 있는 양은 50만 토큰까지고, 학습된 지식은 2026년 2월 1일까지다.
그림은 넣을 수 있지만 나오는 건 글뿐이라 이미지 생성은 불가능하다.
출력 길이에는 제한이 없다. 추론 강도는 답을 내기 전에 얼마나 오래 생각할지 고르는 값인데, low·medium·high·xhigh 네 단계이고 기본값은 high다. (이번에 xhigh가 추가되었다.)
항목
2026-08-13 문서 기준
같이 볼 점
모델 이름
grok-4.6
API·CLI 모두 이 ID
컨텍스트
500,000 토큰
200k를 넘는 요청은 단가가 달라진다
지식 컷오프
2026-02-01
그 이후 사건은 검색 도구에 의존
입출력
텍스트·이미지 입력 / 텍스트 출력
이미지 생성은 이 모델 카드 밖
출력 제한
없음
길수록 출력 토큰 비용이 쌓인다
추론 강도
low / medium / high(기본) / xhigh
xhigh는 4.5 카드에 없던 칸
표에서 먼저 눈여겨볼 건 컨텍스트 50만이다. 이게 "50만까지 같은 값으로 쓴다"는 뜻이 아니라서, 바로 아래 단가 표와 같이 봐야 한다.
토큰 단가
기본 단가는 입력 100만 토큰당 $2, 출력 100만 토큰당 $6이다.
같은 모델의 저지연 옵션(fast variant)을 쓰면 그 두 배를 낸다.
여기에 200k를 넘어가면 붙는 구간이 따로 있는데, 4.5까지 같이 놓고 보면 아래와 같다.
모델·구간
입력
캐시 입력
출력
grok-4.6, 200k 미만
$2.00
$0.50
$6.00
grok-4.6, 200k 이상
$4.00
$1.00
$12.00
grok-4.5, 200k 미만
$2.00
$0.30
$6.00
grok-4.5, 200k 이상
$4.00
$0.60
$12.00
결론만 보면 입력·출력 단가는 4.5와 같은데 캐시만 $0.30 / $0.60에서 $0.50 / $1.00으로 올랐다.(출처: xAI 가격 문서)
키를 빼먹으면 할인이 안 된다
캐시는 이미 보낸 글의 앞부분을 다시 계산하지 않고 재사용하는 할인이다. 에이전트를 오래 돌릴수록 그 앞부분이 계속 반복되니까 아낄 여지도 커진다. 그런데 이 할인은 자동이 아니라서, 요청에 prompt_cache_key를 안 넣으면 할인이 그냥 안 붙고, 입력은 정가 그대로 청구된다. 붙이는 방법은 §7에 코드로 적어 뒀다.
Fable 5와 비교하자면
Fable 5는 입력 $10 / 출력 $50이다.
Grok 4.6은 입력 $2 / 출력 $6이니, 입력은 80%, 출력은 88% 싼 셈이다.
예를 들어 입력 100만 토큰에 출력 20만 토큰을 쓰는 작업이라면
Grok 4.6은 2 + 1.2로 $3.2,
Fable 5는 10 + 10으로 $20이다.
같은 조건에서 여섯 배 넘게 벌어진다.
두 공식 가격 페이지의 단가를 그대로 곱한 계산 예시이고, 캐시 할인과 실제 소비 토큰 차이는 뺀 값이다.
한 가지만 짚어 두면 이건 Fable 5와 견줬을 때의 이야기다. 4.5보다 내려간 값이 아니다.
20만을 넘기면 그 요청 전부가 비싸진다
컨텍스트가 50만이라고 50만 전체를 $2/$6로 쓰는 건 아니다. 프롬프트가 20만에 닿는 순간 그 요청 전부가 $4/$12로 올라간다. 이 20만에는 할인한 토큰도 들어간다. 넘어가면 캐시 단가도 $0.50에서 $1.00으로 같이 오른다. (출처: xAI Docs — Prompt caching usage)
3. 어디서 쓸 수 있나
쓸 수 있는 곳은 xAI API, Grok Build(코딩 에이전트 기본 모델), Cursor 전 플랜, 그리고 OpenRouter·Vercel·Cloudflare다.
Grok 4.6은 모델 ID고 Grok Build는 그 모델을 기본값으로 쓰는 코딩 에이전트다. (클로드 코드, 코덱스라고 생각하면 된다.)
API에서 빠지기 쉬운 설정
xAI는 같은 대화를 길게 이어 갈 때 prompt_cache_key를 꼭 쓰라고 한다. Responses API는 이 키를 쓰고, Chat Completions는 x-grok-conv-id 헤더를 쓴다.
앞글을 짧게 줄이는 압축(context compaction)도 같이 보라고 하는데, 이게 자동이 아니라는 게 함정이다.
POST /v1/responses/compact를 직접 부르고, 돌려받은 항목을 다음 요청 맨 앞에 붙여야 한다.
처음 붙이는 쪽이라면 콘솔에서 키부터 받는 것보다 Grok Build 화면을 먼저 여는 게 빠르다.
구체적인 순서는 §7에 화면과 함께 적어 뒀다.
4. 공식 표에서 1위는 세 칸뿐이다
발표 페이지에 있는 표에는 Grok 4.6 High, Grok 4.5 High, GPT-5.6 Sol Max, Fable 5 Max 네 개가 올라 있다.
표 아래 작은 글씨를 보면, 항목마다 제일 높은 점수는 굵게 칠했고 경쟁 모델은 자기네가 발표한 값과 공개된 결과 중 더 좋은 쪽을 가져왔다고 한다.
평가
4.6 High
4.5 High
Sol Max
Fable 5 Max
AA Intelligence Index
61
56
61
62
GDPVal-AA v2
1753
1526
1728
1741
CursorBench v3.2
69.9%
66.7%
67.2%
70.5%
DeepSWE v1.1
65.9%
54%
73%
70%
FrontierCode v1.1 (Extended)
61.3%
56.6%
60.6%
63.6%
APEX-Agents
57.5%
47.1%
56.7%
59.2%
Terminal-Bench v3.0
26%
15.7%
34.6%
34.1%
APEX-SWE
56.4%
53.6%
해당 없음
58.8%
AA-Briefcase
1577
1313
1502
1574
Harvey LAB (Vals)
15.8%
12.9%
2.5%
11.3%
사실 코딩 쪽은 Sol과 Fable이 위다.
벤치마크보다 개인적으로 만족스러웠던 건 Grok Build를 썼을 때의 압도적인 속도, 그리고 같은 비용에 사용량도 넉넉히 준다는 점이다. 그럼에도 성능도 어느 정도 만족할 만하다 (물론 아직 클로드 opus5, fable이나 gpt sol까지는 안 되는 것 같지만 .. 개인적으로 세컨 모델, 빠른 생산성을 중요하게 여기는 업무에서는 주요 모델로 사용하고 있다.)
SpaceXAI 발표로는 Intelligence Index에서 4.6이 GPT-5.6 Sol과 같다고 한다. 그냥 참고로만 살펴보자.
5. 독립 평가를 겹쳐 보면 순위가 갈린다
Artificial Analysis는 Grok 4.6 Intelligence Index를 61로 발표했다.
같은 글에서 Claude Opus 5 max는 63, Fable 5(max, fallback)는 62다.
위 표를 보면 답이 나온다. 공식 표에는 Claude Opus 5가 아예 없고, AA는 그 Opus 5를 1위에 뒀다.
결국 어떤 모델을 비교 대상으로 표에 넣었느냐에서 갈린다.
공식 표만 보면 이 네 모델 중 누가 앞서는지까지가 전부다.
AA(Artificial Analysis)를 같이 놓아야 Opus 5까지 들어간 순위에서 4.6이 어디쯤인지 보인다.
이 차이는 출시 당일 커뮤니티도 먼저 짚었다. Hacker News 댓글은 "Fable급인데 훨씬 싸다"는 쪽과 "실사용은 Opus 4.8 근처"라는 쪽으로 갈렸다.
26%와 88.4%는 다른 시험이다
공식 표의 26%는 v3.0이다. AA의 88.4%는 v2.1이다.
같은 이름에 점수가 세 배 넘게 갈리니, 버전을 빼고 "터미널 벤치 88%" 또는 "26%"만 남기면 틀린 숫자가 된다.
AA는 AA-Briefcase에서 4.6이 약 53턴에 입력 약 0.5B를 썼고, Opus 5 max는 약 103턴에 입력 약 2.0B를 썼다고 한다. 같은 글의 작업당 비용은 $0.84다.
에이전트를 오래 돌릴 생각이라면 지수 순위보다 이 턴·토큰 쪽이 실제 청구서에 가깝다.
SpaceXAI가 앞세운 Briefcase 1577도 이 턴 수와 같이 봐야 의미가 생긴다.
6. 일론이 말한 Grok 4.7
4.6이 나온 바로 그날, 일론 머스크가 4.7 이야기를 먼저 꺼냈다.
Grok 4.7 is significantly better than 4.6 and should be ready in 3 to 4 weeks. Initial training is complete and now we're adding a massive amount of SpaceX company data in supplemental training. This will be something special. (“Grok 4.7은 4.6보다 훨씬 낫고, 3~4주면 준비된다. 초기 학습은 끝났고, 지금은 SpaceX 사내 데이터를 대량으로 보충 학습에 넣고 있다. 이번 건 특별할 것이다.”)
작성일 2026-08-13 · 기준 버전 grok-4.6. 모델·가격·사용량·벤치 숫자는 바뀔 수 있다. 최신 값은 공식 모델 페이지와 공식 가격표에서 다시 확인하자. 벤치 수치는 각 출처의 비교 범위 안에서만 유효하다. 이 글의 Grok Build 화면은 필자 환경 1.0.3 캡처이며, API 장시간 실측은 포함하지 않는다. 면책: 이 글은 2026-08-13 기준으로 작성되었다. 이후 변경될 수 있다.
