그록 4.7 공개, 긴 코딩 작업과 비용 경쟁력 강조

xAI가 코딩과 지식 업무에 초점을 맞춘 새 모델 그록 4.7(Grok 4.7)을 공개했다. 회사는 더 오래 걸리는 과제를 수행하고 결과를 스스로 더 꼼꼼히 점검하면서도, 이전 모델 그록 4.6과 같은 가격·속도로 제공한다고 밝혔다. 코딩 성능뿐 아니라 문서 작성, 전문직 업무, 생물학·사이버보안 분야의 안전성까지 전면에 내세웠다. 다만 실제 이용자가 체감하는 속도와 비용, 결과물의 완성도는 별개의 평가 항목이다.

핵심 요약

  • xAI는 그록 4.7에 더 큰 기반 모델과 더 긴 강화학습 과정을 적용해, 오래 걸리는 코딩 과제와 지식 업무에 집중했다고 밝혔다.
  • 회사는 그록 4.7을 그록 4.6과 같은 가격·속도로 제공하며, 장시간 코딩 과제 평가에서 가격 대비 성능이 경쟁력 있다고 주장한다.
  • 전문직 과제 평가에서는 문서·프레젠테이션 제작 능력이 개선됐고, 위험한 생물학·사이버보안 요청을 거절하는 새 보호장치도 도입됐다.
  • 그록 4.7의 API 가격은 입력 토큰 100만 개당 2달러, 출력 토큰 100만 개당 6달러부터이며, 출력 속도가 두 배인 고속 버전도 더 높은 가격으로 제공된다.
  • 이용자 토론에서는 모델의 실용성을 인정하는 평가와 함께 작업별 완성도, 실제 토큰 소비량, 사용 한도를 따져야 한다는 의견이 나왔다.

그록 4.6과 같은 가격·속도

xAI는 그록 4.7을 자사의 코딩·지식 업무용 모델 가운데 가장 강력한 모델로 소개했다. 어려운 작업을 더 오래 이어 가고, 낸 답을 이전보다 신중하게 확인하도록 만들었다는 설명이다. 발표의 핵심은 성능 개선 자체보다 그 비용이다. 회사는 그록 4.7을 그록 4.6과 같은 가격과 속도로 제공한다고 밝혔다.

동시에 xAI는 비슷한 급의 모델과 비교하면 속도는 두 배, 가격은 절반이라고 주장했다. 이 비교 문구와 ‘그록 4.6과 같은 가격·속도’라는 설명은 기준이 다르므로 구분해서 읽어야 한다. 전자는 다른 모델과의 경쟁력을 강조한 표현이고, 후자는 기존 이용자가 새 버전으로 옮길 때 적용되는 조건을 설명한다. 발표에서 구체적인 비교 대상 모델의 목록은 제시하지 않았다.

이런 구성은 모델의 최고 성능만이 아니라 실제 작업에 들이는 시간과 비용을 함께 보겠다는 방향을 드러낸다. 코딩 도구에서 긴 작업을 맡길 때는 한 번의 답변보다 작업을 끝까지 이어 가는 능력이 중요하다. 결과를 스스로 확인하는 과정도 수정 요청의 횟수와 연결된다. xAI가 새 버전의 첫머리에서 긴 과제, 자기 점검, 가격 대비 성능을 나란히 내세운 이유다.

더 큰 기반 모델과 더 긴 강화학습

그록 4.7은 그록 4.6보다 큰 새 기반 모델을 사용한다. xAI는 학습 과정에서도 강화학습(결과에 대한 평가를 바탕으로 모델의 행동을 개선하는 학습)을 더 오래 진행했다고 밝혔다. 과제 구성은 완료까지 여러 시간이 걸리는 문제에 무게를 뒀다. 빠르게 정답 하나를 내는 문제보다 긴 시간 동안 진행 상황을 관리해야 하는 문제를 더 중시한 셈이다.

회사는 이 변화가 모델의 자기 검증 능력과 긴 문맥을 다루는 능력을 높였다고 설명한다. 긴 문맥은 대화나 작업 도중 앞서 주어진 자료와 지시를 폭넓게 참고하는 능력과 관계가 있다. 코딩에서는 처음 받은 요구사항을 유지하면서 수정 사항을 반영해야 하고, 지식 업무에서는 여러 단계에 걸쳐 만든 내용을 다시 점검해야 한다. xAI가 강조하는 개선점은 이런 연속 작업을 겨냥한다.

그록 4.7은 그록 봇(Grok Bot)의 하네스도 기본적으로 이해하도록 학습됐다. 하네스는 모델에 도구와 작업 절차를 연결해 실제 과제를 수행하게 하는 실행 환경을 뜻한다. xAI는 이 학습이 대화형 과제와 일반적인 지식 업무에 도움이 된다고 밝혔다. 모델 자체를 키우는 것과 모델이 일하는 환경에 익숙해지게 하는 것을 함께 추진한 것이다.

장시간 코딩 과제를 겨냥한 평가

xAI가 코딩 분야에서 제시한 근거는 커서벤치 4.0(CursorBench 4.0)이다. 이 평가는 오래 이어지는 코딩 작업의 수행 능력을 시험하도록 설계됐으며, 회사는 그록 4.7의 가격 대비 성능이 최상위권이라고 설명했다. 단순한 코드 조각 생성보다는 작업을 지속하며 요구사항을 처리하는 능력을 강조하는 지표다. 발표에는 이 주장과 함께 이용자가 어떤 환경에서 모델을 쓸 수 있는지도 담겼다.

그록 4.7은 커서(Cursor)와 그록 빌드(Grok Build)에서 공개됐다. 그록 API뿐 아니라 외부 코딩 하네스, 모델 라우터, 클라우드 플랫폼을 통한 이용도 가능하다. 모델 라우터는 요청에 맞춰 사용할 모델을 연결하는 경로를 말한다. 개발자가 이미 쓰는 작업 환경 안에서 그록 4.7을 선택할 수 있도록 배포 경로를 넓힌 구성이다.

다만 장시간 코딩 평가에서의 성적과 개별 프로젝트에서의 경험은 같은 질문에 답하지 않는다. 평가에서는 정해진 과제를 처리한 결과를 비교하지만, 현장에서는 코드베이스를 이해하고 중간 수정 요청을 받아들이며 최종 결과를 검토하는 과정이 이어진다. 그래서 xAI가 강조한 ‘오래 작업하기’와 ‘자기 점검’은 이용자가 직접 확인할 지점이기도 하다. 토론에서도 모델이 답을 냈는지뿐 아니라 그 답이 실제로 문제를 고쳤는지를 두고 평가가 갈렸다.

문서와 전문직 과제로 확장

그록 4.7의 목표는 프로그래밍에 그치지 않는다. xAI는 새 모델이 문서와 프레젠테이션을 만드는 능력에서도 나아졌다고 밝혔다. 함께 제시한 평가는 GDPval과 AA 브리프케이스(AA Briefcase)다. 이 평가들에서는 AI가 변호사, 간호사, 금융 분석가 등 전문직이 수행하는 유형의 과제를 맡는다.

xAI에 따르면 그록 4.7은 두 평가 모두에서 그록 4.6보다 개선됐고, 다른 최상위권 모델과 비교할 만한 성능을 보였다. 여기서 회사가 내세우는 것은 특정 직업을 대체한다는 주장이 아니다. 직업별로 요구되는 자료 정리와 결과물 작성 같은 업무에서 모델의 활용 범위를 넓혔다는 설명이다. 코딩과 문서 제작을 하나의 발표에 묶은 것도 그록 4.7을 폭넓은 업무용 모델로 자리매김하려는 선택이다.

긴 작업을 처리하는 능력은 이 분야에서도 중요하다. 문서나 발표자료는 초안을 한 번 만드는 것으로 끝나지 않고, 요구사항을 반영해 구성을 고치고 내용을 확인하는 과정을 거친다. xAI가 말하는 자기 검증과 긴 문맥 관리는 이런 과정과도 맞닿아 있다. 새 모델의 평가는 결국 첫 답변의 그럴듯함뿐 아니라 수정 후 결과물의 완성도까지 보게 만든다.

위험한 요청과 정당한 보안 업무 사이

xAI는 그록 4.7에 완전히 새 보호장치 체계를 적용했다고 밝혔다. 회사가 지금까지 시험한 모델 가운데 거절 능력과 탈옥(jailbreak·안전 규칙을 우회하도록 유도하는 시도) 저항성이 가장 강하다는 설명이다. 특히 사이버보안과 생물학처럼 같은 지식이 방어와 위해 양쪽에 쓰일 수 있는 분야를 강조했다. 목표는 유익한 요청에는 답하면서 위험한 요청은 거절하는 것이다.

xAI는 래치바이오(LatchBio)의 생물안전성 평가에서 그록 4.7이 62.4%를 기록해 선두에 올랐다고 밝혔다. 자체 평가인 해커벤치 0.3(HackerBench v0.3)에서는 위험성이 있는 사이버 과제에 대한 안전성이 가장 높았다고 설명했다. 회사가 제시한 수치에 따르면 위험한 이중용도 요청 가운데 허용된 비율은 3.3%였다. 정당한 보안 작업을 거절하는 경우는 드물었다는 것이 xAI의 설명이다.

이 대목의 관건은 거절 비율을 무조건 높이는 데 있지 않다. 정상적인 방어 연구까지 막으면 보안 업무용 도구로서의 쓸모가 줄어들기 때문이다. xAI는 이 균형을 시험하기 위해 일부 사이버보안 협력사에 초대 방식으로 그록 4.7의 레드팀(방어 체계를 시험하기 위해 공격을 모의하는 활동) 역량을 제공하기 시작했다. 일반 배포와는 별도로 방어 연구에 한정한 접근 경로를 둔 것이다.

입력 2달러·출력 6달러의 API 가격

그록 4.7의 기본 API 가격은 입력 토큰 100만 개당 2달러, 출력 토큰 100만 개당 6달러부터다. 토큰은 모델이 읽고 생성하는 텍스트를 계산할 때 쓰는 단위다. xAI는 출력 속도를 두 배로 높인 고속 버전도 제공하며, 그 가격 역시 두 배라고 밝혔다. 이용자는 비용과 응답 속도 가운데 작업에 맞는 조건을 고를 수 있다.

같은 토큰 단가로 새 모델을 제공한다는 점은 그록 4.6 이용자에게 눈에 띄는 변화다. 하지만 API 단가만으로 한 작업의 총비용이 정해지지는 않는다. 모델이 답변과 내부 추론에 얼마나 많은 토큰을 쓰는지, 원하는 결과를 얻기까지 몇 차례 다시 요청해야 하는지가 함께 작용한다. 토론에서 이용자들이 단가뿐 아니라 토큰 사용량과 결과물의 품질을 따져 본 이유도 여기에 있다.

xAI는 그록 빌드에서 무료로 시험해 볼 수 있다고 안내했다. 커서와 API, 외부 도구까지 배포 경로가 마련된 만큼 이용자는 같은 모델을 여러 작업 방식에서 접하게 된다. 발표가 약속한 성능 개선은 이제 각자의 코드 작업과 문서 작성, 보안 업무에서 평가받는다. 특히 오래 걸리는 과제에서 추가 시간과 토큰을 쓴 만큼 결과가 좋아지는지가 가격 경쟁력의 실제 기준이 된다.

커뮤니티 의견

한 사용자는 그록 계열이 프런트엔드 개발과 일부 문제 해결에서 인상적이었다면서도, 벤치마크만으로 모델을 고르기는 어렵다고 했다. 자신이 겪은 작업에서는 다른 모델이 해결하지 못한 설정 문제를 이전 그록 모델이 풀었고, 반대로 백엔드 루비 작업은 클로드(Claude)가 더 나았다는 것이다. 답글에서는 토큰 단가를 비교하려면 같은 작업에 필요한 토큰 수까지 알아야 한다는 지적이 나왔다.

다른 사용자는 그록 4.7에서 추론 강도를 바꿔 가며 토큰 사용량을 살폈다. 처음에는 강도를 높여도 사용량이 예상대로 늘지 않았고, 중간 서비스를 거치지 않고 xAI API로 다시 시험했을 때도 강도별 차이가 크지 않았다고 했다. 설정 이름만 보고 비용이나 작업량을 예측하기 어렵다는 경험이다.

출시 간격이 짧아지고 품질이 계속 좋아지는 점을 반기는 의견도 있었다. 이 사용자는 커서 관련 인력과 연산 자원의 결합이 앞으로 더 큰 개선으로 이어지기를 기대했다. 이에 대한 답글에서는 다른 개발사의 공개 가중치 모델과 저렴한 API를 경쟁력으로 꼽으며, 효율성 경쟁의 상대가 서구권 최상위 모델에만 국한되지 않는다고 봤다.

반면 한 사용자는 자신의 코딩·에이전트형 작업에서 그록 4.6이 기대에 못 미쳤고, 4.7은 느리고 비용도 더 드는 느낌이라고 했다. 벤치마크를 올리려고 토큰을 더 쓰는 것처럼 보였지만, 실제 업무에 쓸 만한 수준을 넘었는지는 아직 판단하기 어렵다는 평가다. 답글에서는 그록 4.6을 여러 주 동안 잘 썼다는 반대 경험도 나왔다.

모델에 얽힌 정치적 논란 때문에 자신의 LLM 평가에 그록을 넣지 않았다는 사용자도 있었다. 다른 이용자는 평가 대상에서 빼면 비교 자체의 유용성이 떨어질 수 있다고 반박했다. 이 논쟁은 모델을 채택하거나 평가할 때 성능 외의 기준을 어디까지 반영할 것인지로 이어졌다.

어떤 변화가 최상위 모델의 성능을 끌어올리는지 묻는 의견도 나왔다. 데이터, 학습 절차, 하네스 가운데 무엇이 더 중요한지 궁금하다는 질문에, 답글은 실제 이용자의 코딩 작업과 CLI 하네스에서 얻는 상호작용을 추측으로 제시했다. xAI가 발표에서 기반 모델, 강화학습, 그록 봇 하네스를 모두 언급한 만큼 개선의 원인을 하나로 좁혀 보기는 어렵다는 문제의식이다.

그록을 꾸준히 좋아했던 한 구독자는 최근 사용 한도가 줄어든 듯해 만족도가 떨어졌다고 했다. 앱에서 하루 한두 번 질문하는 정도로도 7일 사용 한도에 가까워져, 모델이 좋아도 별도 구독을 유지할 이유가 약해졌다는 경험이다. 답글에서도 음성 대화 도중 한도가 소진될까 걱정해 다른 서비스를 택한다는 의견이 나왔다.

이미지를 HTML로 구현하는 작업을 비교한 사용자는 그록 4.7이 가격 대비 좋은 출발점을 만들었지만, 다른 모델의 최종 결과가 더 다듬어졌다고 평가했다. 같은 사례에서 제시한 API 비용은 그록 4.7이 12.60달러, 비교 모델이 35달러였다. 이 의견은 싼 비용으로 초안을 얻는 이점과 최종 완성도를 높이는 일을 분리해서 봐야 한다는 점을 보여 준다.

핵심 통찰

그록 4.7의 변화는 더 큰 모델을 같은 기본 가격에 제공하면서, 긴 코딩 작업과 문서 작성, 안전성까지 하나의 업무용 모델에 묶었다는 데 있다. 그러나 이용자가 지불하는 것은 표에 적힌 토큰 단가만이 아니다. 작업을 끝내기까지 걸린 시간, 소비한 토큰, 다시 고쳐야 하는 횟수가 총비용을 결정한다. 앞으로 지켜볼 것은 새 모델이 평가 점수의 상승을 실제 결과물의 완성도와 안정적인 사용 경험으로 바꾸는지다.


원본: Introducing Grok 4.7

토론: Hacker News