2026년 8월 12일, Grok 4.6이 나왔다. 회사 이름이 xAI에서 SpaceXAI로 바뀐 뒤 나온 첫 플래그십 모델이기도 하다. 머스크는 "객관적으로 1위"라고 했는데, 실제 숫자를 뜯어보면 이야기가 조금 다르다.
결론부터 말하면 이렇다. 코딩 모델로 홍보됐지만, 진짜 강점은 지식 작업(knowledge work) 쪽이다. 그리고 런치 포스트에 안 실린 지표가 하나 있는데, 서비스에 붙일 생각이라면 그게 제일 중요하다.
스펙부터
| 항목 | 값 |
|---|---|
| 모델 ID | grok-4.6 |
| 컨텍스트 | 500K 토큰 |
| 지식 컷오프 | 2026년 2월 1일 |
| 입력 | $2 / 1M 토큰 |
| 출력 | $6 / 1M 토큰 |
| 캐시 입력 | $0.50 / 1M 토큰 |
| 입출력 | 텍스트·이미지 입력 → 텍스트 출력 |
| 리즈닝 | low / medium / high(기본) / xhigh |
함수 호출, 웹 검색, X 검색, 코드 실행 툴을 지원한다. xAI API, Grok Build, Cursor 전 요금제, 그리고 OpenRouter·Vercel·Cloudflare 같은 게이트웨이에서 쓸 수 있다.
가격은 확실히 무기다. 동급 프론티어 모델 대비 절반 수준이고, 출시 첫 주에는 Grok Build와 Cursor에서 사용량 2배 프로모션도 돌렸다.
벤치마크: 3등이지만 1등인 구간이 있다
Artificial Analysis Intelligence Index 기준 61점. GPT-5.6 Sol Max와 동점이고, Fable 5 Max(62점)에 1점 뒤진다. 즉 세계 3위권이다.
| 벤치마크 | Grok 4.6 | Fable 5 Max | GPT-5.6 Sol Max |
|---|---|---|---|
| GDPVal-AA v2 | 1753 | 1741 | 1728 |
| Harvey LAB (법률) | 15.8% | 11.3% | 2.5% |
| CursorBench v3.2 | 69.9% | 70.5% | 67.2% |
| FrontierCode v1.1 | 61.3% | 64.9% | 60.6% |
| APEX-Agents | 57.5% | 59.2% | 56.7% |
| DeepSWE v1.1 | 65.9% | 70% | 73% |
| Terminal-Bench v3.0 | 26% | 34.1% | 34.6% |
패턴이 보인다. 지식 작업 벤치마크(GDPVal, Harvey 법률 평가)에서는 1등, 순수 소프트웨어 엔지니어링에서는 꼴찌. DeepSWE는 7.1포인트, Terminal-Bench는 8.6포인트나 뒤진다. Terminal-Bench 26%는 격차가 꽤 크다.
Harvey 법률 평가에서 GPT-5.6 Sol Max가 2.5%인데 Grok이 15.8%인 건 눈에 띄는 숫자다. 문서 읽고 판단하는 류의 작업에 강하다는 뜻이다.
런치 포스트가 빼먹은 지표
여기가 핵심이다. 공식 발표에는 없고, 서드파티가 찾아낸 숫자가 있다.
AA-Omniscience 정확도: 48.2%
환각 회피율: 65.7%
풀어 쓰면 이렇다. 모델이 모르는 질문을 받았을 때, 약 3분의 1은 모른다고 말하지 않고 자신 있게 틀린 답을 만들어낸다. 벤치마크 점수만 보고 고객 응대 챗봇이나 문서 Q&A에 그대로 붙이면 사고 나는 지점이 정확히 여기다.
또 하나. 캐시 읽기 가격이 Grok 4.5의 $0.30에서 $0.50으로 올랐다. 약 67% 인상이다. 입출력 가격이 싸다고 좋아했는데 긴 에이전트 워크플로처럼 캐시를 많이 태우는 패턴이면 실제 청구서는 생각보다 덜 싸다. 공식 문서도 prompt_cache_key를 반드시 설정하라고 강조한다. 캐시 미스가 나면 전체 입력 요금이 그대로 청구되기 때문이다.
참고로 벤치마크 추적 사이트 BenchLM은 Grok 4.6에 대해 검증된 항목이 5개뿐이라 종합 순위를 매기지 않았다. 리즈닝·지식·수학·다국어·멀티모달·지시 따르기 카테고리는 아직 측정 자체가 안 됐다.
그래서 언제 쓰면 되나
쓸 만한 경우
긴 문서를 통째로 넣고 분석·요약·검토하는 작업 (500K 컨텍스트 + 지식 작업 강세)
법률·리서치처럼 판단이 섞인 문서 업무
비용이 중요하고 정확도 요구가 극단적이지 않은 대량 처리
여러 단계를 오래 도는 리서치성 에이전트. SpaceXAI는 이전 세대보다 자기 검증(self-testing)을 더 많이 한다고 밝혔다
안 쓰는 게 나은 경우
터미널에서 실제로 명령 때리고 고치는 코딩 에이전트 (Terminal-Bench 26%)
사실 정확도가 생명인 고객 대면 서비스 (환각 회피율 65.7%)
프롬프트 캐시를 대량으로 쓰는 파이프라인 (캐시 단가 67% 인상)
정리
Grok 4.6은 잘 만든 모델이다. 다만 마케팅과 실제 강점이 어긋나 있다. "에이전틱 코딩 모델"로 포장됐지만 데이터는 "가성비 좋은 지식 작업 모델"이라고 말한다.
프론티어 모델 성능을 절반 가격에 쓰고 싶고, 작업이 코딩보다 문서·리서치 쪽이라면 지금 갈아탈 이유가 충분하다. 반대로 코딩 에이전트를 돌릴 거라면 벤치마크 표에서 GPT-5.6 Sol Max와 Fable 5 Max 줄을 다시 보는 게 좋다.
출처
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.