그록 4.7, ‘반값에 두 배 속도’는 어디까지 사실일까? 가격·종합 점수·분야별 성적으로 따져 본 실제 위치
토큰 단가는 GPT-6 Astra의 5분의 1입니다. 그런데 외부 평가 기관이 같은 시험을 돌려 보니, 과제 한 건에 든 돈은 오히려 Grok 4.7 쪽이 더 많이 나왔습니다. xAI는 9월 21일 Grok 4.7을 공개하며 “비슷한 모델보다 두 배 빠르고 가격은 절반”이라고 내세웠습니다. 단가가 싸고 법률·전기공학 점수가 높은 건 사실입니다. 하지만 외부 종합 점수는 비교한 두 상위 모델(GPT-6 Astra, Claude Fable 5.1)보다 7점 낮습니다. 어떤 잣대를 대느냐에 따라 평가가 어떻게 갈리는지 하나씩 따져 봅니다.
공개 자료 해설·분석 · 편집: 단단한 아빠 · 작성 기준
- Grok 4.7
- xAI
- OpenAI
- Anthropic
- xAI는 Grok 4.7을 “비슷한 모델보다 두 배 빠르고 가격은 절반”이라고 소개했습니다. API 토큰 단가는 GPT-6 Astra의 입력 5분의 1, 출력 약 8분의 1입니다. 다만 토큰을 훨씬 많이 쓰는 탓에, 외부 기관이 잰 과제당 비용은 오히려 Astra보다 높았습니다.
- xAI가 발표한 표에서는 법률(Harvey)과 전기공학(EEBench)에서 비교 모델 가운데 1위입니다. 하지만 외부 평가 기관 Artificial Analysis의 종합 지수는 46점으로 Astra와 Claude Fable 5.1(각 53점)보다 낮고, 출력 속도는 두 모델보다 약 1.4배 빠른 것으로 나왔습니다.
- 순위표 하나만 볼 게 아니라 내 작업의 종류와 실수 비용부터 따져야 나에게 맞는 모델을 고를 수 있습니다.
xAI가 Grok 4.7에서 내세운 것
xAI(엑스AI)가 내세운 핵심은 값은 그대로 두고 성능을 올렸다는 점입니다. 가격과 속도는 이전 버전 Grok 4.6과 같고, API 요금은 100만 토큰당 입력 $2, 출력 $6입니다(프롬프트 20만 토큰 미만 기준). 참고로 “두 배 빠르고 가격은 절반”이라는 문구는 Grok 4.6이 아니라 비슷한 급의 다른 모델과 견준 말입니다.
입력 단가
출력 단가
(Astra 53)
단가 차이를 금액으로 바꾸면
AI API 요금은 텍스트를 잘게 나눈 단위인 토큰을 얼마나 썼느냐로 매깁니다. 입력 토큰 수가 같다고 치면, GPT-6 Astra로 입력 비용이 100만 원 나오는 분량을 Grok 4.7로는 20만 원에 처리합니다. 출력도 같은 양이라면 약 12만 원이면 됩니다(단가 $6÷$50, 약 88% 낮음).
함정은 “토큰 수가 같다면”이라는 전제에 있습니다. 같은 일을 끝내는 데 쓰는 토큰 수와 재시도 횟수는 모델마다 다릅니다. 단가가 5분의 1이라고 같은 돈으로 일을 다섯 배 할 수 있는 건 아닙니다. 하루에 수만 건을 자동으로 처리하는 서비스라면 실제 작업을 돌려 토큰 사용량부터 재 보세요.
Grok 4.6에서 달라진 점
xAI 발표에 따르면 바뀐 점은 네 가지입니다.
- 더 큰 기반 모델: Grok 4.6보다 새롭고 더 큰 기반 모델을 씁니다.
- 오래 걸리는 작업 위주의 학습: 몇 시간씩 걸리는 문제에 더 무게를 두고 강화학습을 더 오래 했습니다.
- 자기 검증 강화: 자기 작업을 더 꼼꼼히 검토하고, 긴 맥락도 더 잘 다룬다고 설명합니다.
- Grok Bot 환경 기본 지원: xAI의 에이전트 실행 환경인 Grok Bot을 처음부터 이해하도록 학습해, 대화형 작업과 일반 지식 업무를 더 잘하게 했다고 설명합니다.
xAI 발표 표로 본 성적: 법률·전기공학 1위
아래 표는 xAI가 발표 글에 실은 수치입니다. 비교 모델의 점수도 xAI가 정리한 값이라, 각 회사가 직접 발표한 수치와 다를 수 있습니다.
| 영역 / 벤치마크 | Grok 4.7 xHigh | Grok 4.6 | GPT-5.6 Sol | Fable 5.1 |
|---|---|---|---|---|
| 입력 가격 ($/M) | $2 | $2 | $4 | $10 |
| 출력 가격 ($/M) | $6 | $6 | $20 | $50 |
| CursorBench 4.0 (코딩) | 46.3% | 40.4% | 41.7% | 51.8% |
| DeepSWE v1.1 (코딩) | 71.0%* | 65.2% | 72.7% | 70.0% |
| EEBench (전기공학) | 64.0% | 53.0% | 39.4% | 56.4% |
| AA Briefcase v1.1 (몇 시간짜리 사무 작업) | 1,657 | 1,546 | 1,487 | 1,678 |
| Terminal-Bench 4.0 (터미널 작업) | 37.6% | 20.3% | 37.3% | 57.9% |
| Harvey 법률 에이전트 | 19.6% | 15.8% | 2.5% | 6.7% |
| HealthBench Professional (임상 추론) | 56.7% | 48.5% | 60.5% | 62.1% |
* high effort 설정 · 출처: xAI 발표(2026.09.21)
강점이 뚜렷한 영역
Grok 4.7이 확실히 앞서는 곳은 전기공학(EEBench 64.0%)과 법률 에이전트(Harvey 19.6%)입니다. Harvey 벤치마크 점수는 GPT-5.6 Sol(2.5%)의 약 8배, Fable 5.1(6.7%)의 약 3배입니다. 이 분야에서 일하는 사람이라면 종합 순위보다 이 격차가 더 와닿을 수 있습니다.
같은 표에서 뒤지는 영역
반면 같은 표에서도 코딩(CursorBench 4.0), 몇 시간짜리 터미널 작업(Terminal-Bench 4.0), 임상 추론(HealthBench Professional)은 Fable 5.1이 앞섭니다. 터미널 작업에서는 Grok 4.7(37.6%)과 Fable 5.1(57.9%)의 차이가 20%포인트가 넘습니다.
외부 기관이 잰 종합 점수: 46점 대 53점
회사가 내놓는 표에는 그 회사가 고른 시험만 들어갑니다. 그래서 여러 모델을 같은 조건으로 시험하는 외부 기관의 점수를 함께 봐야 합니다. 독립 평가 기관 Artificial Analysis가 10개 벤치마크를 묶어 계산한 종합 지수(Intelligence Index)에서 Grok 4.7은 46점입니다. Claude Fable 5.1과 GPT-6 Astra는 나란히 53점입니다.
7점 차이는 작지 않습니다. 게다가 그사이 윗자리는 더 붐비게 됐습니다. 10월 6일 확인한 같은 지수에서 9월 22일 공개된 Claude Opus 5.5는 58점, 9월 29일 공개된 GPT-6.1 Sol은 52점입니다. 이 기준만 보면 Grok 4.7을 최상위 모델이라고 부르기 어렵습니다.
같은 시험, 다른 점수: Terminal-Bench 4.0
- xAI 발표: Grok 4.7 37.6%
- Artificial Analysis 측정(세 모델 모두 xhigh 설정): Grok 4.7 26%, GPT-6 Astra 60%, Claude Fable 5.1 55%
이름이 같은 시험이라도 실행 환경, 설정, 재시도 횟수에 따라 결과가 크게 달라집니다.
회사가 내놓는 벤치마크 표는 자기가 잘하는 과목만 골라 보여 주는 성적표에 가깝습니다. 거짓말은 아니지만, 빠진 과목이 있다는 걸 기억하고 읽어야 합니다.
두 회사가 앞세운 벤치마크
Grok 4.7과 GPT-6 Astra의 발표 자료를 나란히 놓고 보면, 고른 시험부터 다릅니다.
- xAI: 몇 시간짜리 사무 작업(AA Briefcase)과 전문가 업무 평가(GDPval Elo)를 앞세웁니다.
- OpenAI: 업무 자동화(AutomationBench)와 에이전트 시험(Agents’ Last Exam)을 앞세웁니다.
- xAI는 불리한 수치도 일부 실었습니다. 발표 표에는 Fable 5.1(57.9%)보다 낮은 Grok 4.7의 Terminal-Bench 점수도 그대로 들어 있습니다.
DataCamp의 비교 분석에 따르면, 두 회사 모두 상대가 고른 벤치마크에서 자기 모델이 지는 결과는 보여 주지 않습니다. 발표 표만 봐서는 두 모델의 우열을 가리기 어려운 이유입니다.
xAI 발표는 37.6%, 독립 측정은 26%. 회사가 잰 점수와 외부에서 잰 점수가 항상 같지는 않습니다.
Terminal-Bench 4.0 · xAI 발표와 Artificial Analysis 측정 비교가격: 토큰 단가는 5분의 1, 과제당 비용은 다른 이야기
| 입력 ($/M) | 출력 ($/M) | Grok 4.7 대비 | |
|---|---|---|---|
| Grok 4.7 | $2 | $6 | 기준 |
| GPT-6 Astra | $10 | $50 | 입력 5배, 출력 약 8.3배 비쌈 |
| Claude Fable 5.1 | $10 | $50 | 입력 5배, 출력 약 8.3배 비쌈 |
토큰당 가격만 보면 Grok 4.7이 확실히 쌉니다. 양이 많거나 비용에 민감한 자동화라면 이 격차가 승부를 가를 수 있습니다. 출력 속도가 두 배인 대신 값도 두 배인 빠른 버전(Grok 4.7 Fast)도 있습니다. 다만 xAI 문서에 따르면 Cursor와 Grok Build에서만 쓸 수 있고, 공개 API로는 쓸 수 없습니다.
그런데 토큰당 가격과 일 한 건을 끝내는 데 드는 비용은 다른 이야기입니다. OpenAI는 Astra가 같은 일을 더 적은 토큰으로 끝낸다고 주장해 왔는데, 외부 측정도 같은 방향을 가리킵니다. Artificial Analysis가 종합 지수 시험을 돌리며 잰 과제당 평균 비용은 Grok 4.7이 3.74달러로, GPT-6 Astra(3.26달러)보다 높았습니다(10월 6일 확인). Grok 4.7은 이 시험에서 출력 토큰을 2억 4천만 개 썼습니다. 비교 대상 모델 중앙값(8,100만 개)의 약 3배입니다. 단가가 아무리 싸도 토큰을 많이 쓰면 청구서는 두꺼워집니다.
단가 경쟁 판도도 달라졌습니다. xAI 표의 GPT-5.6 Sol은 입력 $4, 출력 $20이지만, OpenAI가 9월 29일 DevDay에서 내놓은 GPT-6.1 Sol은 입력 $2, 출력 $10입니다. 입력 단가는 Grok 4.7과 같은데, 같은 기관이 잰 과제당 비용은 0.72달러로 Grok 4.7의 약 5분의 1에 그쳤습니다.
싼 모델이 맞는 작업, 맞지 않는 작업
월 100만 건의 분류 작업처럼 양이 많고 한 건 틀려도 손해가 작다면, 품질이 조금 낮아도 토큰 단가가 80~88% 낮은 모델이 합리적일 수 있습니다. 반대로 법률 문서 검토처럼 한 번 실수에 치르는 값이 큰 작업이라면 품질 차이가 승부를 가릅니다.
기준을 바꾸면 달라지는 평가
몇 년 전만 해도 프런티어 모델, 즉 성능의 한계를 밀어 올리는 최상위 모델을 고르기는 쉬웠습니다. OpenAI, Anthropic, Google의 최신 모델을 고르면 그만이었습니다. Grok 4.7은 이 구분을 흐려 놓습니다. 외부 종합 점수는 비교한 두 상위 모델보다 7점 낮지만, 토큰 단가는 훨씬 낮고, xAI가 발표한 일부 분야 시험에서는 비교 모델 중 1위이기 때문입니다.
| 기준 | Grok 4.7 | 평가 |
|---|---|---|
| 종합 성능 (Artificial Analysis 지수) | 46점 (GPT-6 Astra·Claude Fable 5.1 각 53점) | 비교한 두 상위 모델보다 7점 낮음 |
| 토큰 단가 | Astra 입력 단가의 1/5 ($2/$10), 출력 단가의 12% ($6/$50) | xAI 표의 비교 모델 중 가장 낮은 단가(Grok 4.6과 같음) |
| 특정 분야 (법률·전기공학) | Harvey 19.6% (GPT-5.6 Sol 2.5%) | 1위 (xAI 발표 기준) |
설명을 위한 분류: 2026년 AI 모델을 세 부류로 나누면
업계에서 쓰는 표준 분류가 아니라, 위 표의 세 기준을 정리하려고 이 글에서 나눈 묶음입니다.
- 절대 프런티어 (종합 성능 최상위): Claude Opus 5.5, GPT-6 Astra, Claude Fable 5.1. 가장 어려운 작업이나 실수 비용이 큰 업무에 맞습니다.
- 실용 프런티어 (낮은 단가에 준수한 성능): Grok 4.7, GPT-6.1 Sol, 딥시크(DeepSeek) V4 계열, 제미나이(Gemini) Flash 계열. 대량 처리와 비용 관리가 중요한 자동화에 맞습니다.
- 분야별 프런티어 (특정 분야 최상위): Grok 4.7(법률·전기공학), 특정 분야에 맞춰 추가 학습한 모델. 해당 분야 실무자에게 맞습니다.
이 글의 구분으로 보면 Grok 4.7은 실용 프런티어이면서 일부 분야의 프런티어입니다. 절대 프런티어는 아니지만, “프런티어가 아니다”라고 잘라 말하기도 어렵습니다.
안전성: xAI가 발표한 새 안전장치
xAI는 Grok 4.7에 새로 만든 안전장치 체계를 넣었다고 밝혔습니다. 아래 내용은 모두 xAI의 자체 발표입니다.
- HackerBench v0.3 (xAI 자체 벤치마크): 위험한 이중 용도 사이버 요청 가운데 3.3%만 통과시키고, 정당한 보안 작업은 거의 막지 않는다고 설명합니다.
- LatchBio 생물안전 벤치마크: 62.4%로 1위를 기록했다고 밝혔습니다.
- 레드팀 기능 제공: 일부 사이버보안 파트너에게 Grok 4.7의 레드팀(공격 역할) 기능을 초대받은 곳에만 열기 시작했습니다. 방어 연구에 쓰라는 취지입니다.
DataCamp는 두 회사가 말하는 “안전”의 뜻이 다르다고 짚습니다. xAI는 위험한 요청을 애초에 거절하는 쪽에 힘을 주고, OpenAI는 Astra가 스스로 작업하는 동안에도 정해진 선을 지키는 정렬(alignment)에 힘을 줍니다.
그래서 어떤 작업에 Grok 4.7을 고를까
좋은 점
- API 토큰 단가가 GPT-6 Astra의 입력 5분의 1, 출력 약 8분의 1입니다(작업당 비용은 토큰 사용량에 따라 다름)
- 법률·전기공학에서는 비교 모델을 크게 앞섭니다(xAI 발표)
- Grok 4.6과 가격이 같은데 성능은 올랐습니다
아쉬운 점
- 10개 시험을 합친 외부 종합 점수가 GPT-6 Astra·Claude Fable 5.1보다 7점 낮습니다
- 토큰을 많이 써서, 외부에서 잰 과제당 비용은 오히려 Astra보다 높았습니다
- 코딩·터미널 작업·임상 추론은 Fable 5.1이 앞서고, 터미널 작업은 자체 발표(37.6%)와 외부 측정(26%)이 크게 다릅니다
그러면 “두 배 빠르다”는 어디까지 확인됐을까요? 우선 이 말은 xAI가 비슷한 급의 모델과 견준 주장입니다. 그런데 속도라는 말 안에는 세 가지가 섞여 있습니다. 1초에 토큰을 몇 개 내놓는지(출력 속도), 첫 답이 나오기까지 얼마나 기다리는지(TTFT, 생각하는 시간 포함), 일 한 건이 끝나기까지 얼마나 걸리는지(도구 호출·재시도·검토 포함)입니다. Artificial Analysis의 Grok 4.7 (Xhigh) 페이지는 10월 6일 확인했을 때 출력 속도를 초당 88.2토큰으로 표시했고, 같은 페이지의 비교 차트에서 GPT-6 Astra는 63, Claude Fable 5.1은 64토큰이었습니다. 출력 속도로 치면 약 1.4배라, 두 배에는 못 미칩니다. 게다가 토큰을 많이 쓰는 모델은 출력이 빨라도 일이 빨리 끝난다는 보장이 없습니다. 내 일이 얼마나 빨리 끝나는지는 결국 직접 재 봐야 합니다.
고를 때는 아래 순서로 따져 보세요.
- 작업 유형을 먼저 정하세요. 코딩인지, 문서 작업인지, 분류인지에 따라 봐야 할 점수가 다릅니다. 종합 지수는 참고 자료일 뿐입니다.
- 실수 비용을 계산하세요. 틀린 결과를 사람이 고치는 비용이 API 비용보다 크다면, 비싼 모델이 오히려 쌉니다.
- 실제 데이터로 시험하세요. 한국어 입력, 실제 코드베이스, 실제 문서로 10~20개 사례만 돌려 봐도 내 작업에서 어디가 막히는지 보입니다. 결과와 함께 토큰을 얼마나 썼는지, 시간이 얼마나 걸렸는지도 적어 두세요. 다만 사례가 적으니 결과를 일반적인 성능 순위로 받아들이지는 마세요.
- 모델을 바꾸기 쉽게 만들어 두세요. 모델 순위는 몇 달 만에 바뀝니다. 특정 모델에 꽁꽁 묶인 코드는 나중에 짐이 됩니다.
검증 노트: 자료마다 다른 수치와 이 글의 기준
| 항목 | 확인한 내용 (2026.10.06) |
|---|---|
| Grok 4.7의 Terminal-Bench 4.0 (xAI 발표) | xAI 발표 페이지에는 37.6%로 나옵니다. DataCamp 등 일부 매체는 38.0%로 인용했는데, 이 글은 xAI 페이지 수치를 따랐습니다. |
| Terminal-Bench 4.0의 57.9% | xAI 표에서는 Claude Fable 5.1의 점수입니다. OpenAI의 Astra 발표에서는 Astra의 점수이고, 같은 표의 Fable 5.1은 55.8%입니다. 두 회사 표가 서로 달라서, 모델 간 비교에는 Artificial Analysis의 독립 측정치(xhigh 설정 기준 Astra 60%, Fable 5.1 55%, Grok 4.7 26%)를 썼습니다. |
| Harvey 법률 벤치마크 격차 | 19.6% ÷ 2.5% ≈ 7.8배라서 “약 8배”로 적었습니다. |
| “두 배 빠르다” | xAI가 비슷한 급의 모델과 견준 표현입니다. Grok 4.6과는 가격과 속도가 같습니다. |
| 가격 비교 | API 정가 기준입니다(xAI 공식 문서: 프롬프트 20만 토큰 미만은 입력 $2·출력 $6, 그 이상은 $4·$12). 작업당 비용은 모델이 쓰는 토큰 수에 따라 달라집니다. |
| “같은 예산으로 5~8배 더 많은 작업”? | 토큰 단가 비율을 작업량으로 옮기면 생기는 착시입니다. 같은 예산으로 늘어나는 것은 살 수 있는 토큰 양이고, 처리할 수 있는 작업 수는 작업마다 쓰는 토큰과 재시도 횟수에 따라 달라집니다. |
| 출력 비용 예시 | $6÷$50 = 0.12이므로 100만 원은 약 12만 원입니다. 비율로는 약 8.33배이고, 본문의 “약 8분의 1″은 이를 어림한 표현입니다. |
| 종합 순위 표현 | Artificial Analysis 지수에 오르는 모델 수와 설정이 계속 바뀌어 “몇 위”, “중위권” 같은 표현은 쓰지 않았습니다. 대신 직접 비교한 GPT-6 Astra·Claude Fable 5.1(각 53점)과의 점수 차이를 적었습니다. |
