기사를 읽어드립니다.

스페이스XAI가 차세대 AI 에이전트 시장을 겨냥한 고성능 모델을 내놓으며 오픈AI와 앤트로픽을 추격하고 있다. 특히 아티피셜 애널리시스의 지능 순위(AAII)에서 3위권에 진입, 본격적인 프론티어 모델 경쟁에 합류했다. 

스페이스XAI가 장시간 에이전트 작업과 코딩, 지식 업무에 특화한 최신 AI 모델 ‘그록 4.6(Grok 4.6)’을 공개했다.

그록 4.6은 여러 단계에 걸친 장기 작업을 지속적으로 수행하는 능력에 초점을 맞췄다. 단순히 질문에 답하는 것을 넘어 새로운 분야를 조사하고 정보를 분석하거나 코드베이스를 탐색하고, 제품 아이디어를 실제 작동하는 애플리케이션으로 구현한 뒤 여러 차례 수정하는 작업을 수행할 수 있다는 설명이다.

특히 장시간 작업에서는 스스로 결과를 테스트하고 검증하는 능력도 강화됐다.

가장 주목된 것은 AAII에서 61점을 기록한 점이다.이 지수는 9개 주요 벤치마크를 종합해 AI 모델의 전반적인 지능 수준을 평가하는 지표로, 그록 4.6은 이 평가에서 'GPT-5.6 솔 맥스(Sol Max)'와 같은 61점을 기록했다.

이는 앤트로픽의 '클로드 오퍼스 5(63점)'와 '페이블 5(62점)'에 이어 세계 3위에 해당한다. 문샷의 '키미 K3(60점)'까지 앞서며 최상위권 모델 대열에 진입했다. 

실제 업무 수행 능력을 평가하는 'GDPVal-AA v2'에서는 1753점의 Elo 점수를 기록, 뛰어난 에이전트 능력을 선보였다. 이는 일정 관리나 문서 작성, 다이어그램 제작 등 실제 지식 노동에 가까운 작업에서 에이전트가 얼마나 효과적으로 업무를 수행하는지를 평가하는 지표다. '그록 4.5'의 1526점에서 크게 상승한 수치로, GPT-5.6 솔 맥스(1728점)보다도 높았다.

코딩 분야에서도 세대교체 수준의 개선이 나타났다. '커서벤치 v3.2'에서 69.9%를 기록해 그록 4.5의 66.7%를 웃돌았으며, '딥SWE v1.1'에서는 65.9%로 54%에서 크게 상승했다. 'APEX-에이전트'에서는 57.5%를 기록해 GPT-5.6 솔 맥스의 56.7%를 소폭 앞섰다.

다만 모든 평가에서 경쟁 모델을 앞선 것은 아니다. 일부 코딩 및 터미널 벤치마크에서는 GPT-5.6 솔 맥스와 페이블 5가 여전히 우위를 보였다.

특히 주목되는 부분은 작업 완료에 필요한 토큰과 대화 횟수를 줄였다는 점이다. 아티피셜 애널리시스의 장기 지식업무 벤치마크인 'AA-브리프케이스'에서 그록 4.6은 평균 53회 대화와 5억개의 입력 토큰으로 작업을 완료했다.

클로드 오퍼스 5 맥스는 같은 평가에서 103회 대화와 20억개의 입력 토큰을 사용했다. 이는 단순한 토큰당 가격뿐 아니라 하나의 업무를 완료하는 데 실제로 얼마나 많은 추론 비용이 드는지에서 경쟁력을 갖췄다는 의미다.

가격 경쟁력도 돋보인다. API 가격은 입력 토큰 100만개당 2달러, 출력 토큰 100만개당 6달러다. 이는 GPT-5.6 솔의 5달러/30달러보다 크게 낮으며, 클로드 오퍼스 5의 5달러/25달러와 비교해도 저렴하다. 빠른 응답을 제공하는 별도 버전은 두 배의 가격이 적용된다. 캐시된 입력 토큰은 100만개당 0.50달러다. 

다만 장문 작업에서는 비용 계산에 주의해야 한다. 그록 4.6은 최대 50만 토큰의 컨텍스트 창을 지원하지만, 20만 토큰을 초과하는 요청에는 입력/캐시/출력 토큰 가격이 각각 4달러/1달러/12달러 상승한다. 따라서 단순히 2달러와 6달러라는 기본 가격만으로 실제 기업 운영 비용을 판단하기는 어렵다.

스페이스XAI는 그록 4.6을 '그록 빌드(Grok Build)'와 코딩 플랫폼 '커서(Cursor)'에 탑재했으며, API와 오픈라우터, 버셀, 클라우드플레어 등 파트너 플랫폼에서도 이용할 수 있도록 했다. 출시 첫 주에는 그록 빌드와 커서에서 그록 4.6에 제공되는 기본 사용량을 두 배로 늘린다.

이번 모델은 지난달 9일 그록 4.5가 출시된 지 한 달여 만에 등장했다. 스페이스XAI는 그록 4.6을 위해 더 긴 추가 학습을 진행했으며, 추론과 고급 기술 분야의 데이터, 고품질 엔지니어링 데이터, 개선된 최적화 방식 등을 활용했다고 밝혔다.

이후 그록 4.5를 활용해 다양한 추론 수준과 에이전트 환경, 소프트웨어 엔지니어링 및 지식 업무에 대한 학습 데이터를 다시 생성하고 문제 있는 작업 기록을 걸러내는 방식으로 사후 학습을 진행했다.

반응도 좋다. 벤처비트는 "그록 4.6이 프론티어급 성능에 도달한 것이 확실하다"라며 "일부 코딩 분야에서는 성능이 약간 떨어지지만, 뛰어난 가격과 경제성으로 이를 만회하고 있다"라고 평가했다.

이에 따라 기업의 워크플로우 처리 비용을 대폭 낮출 수 있다는 점을 강조했다.

박찬 기자 cpark@aitimes.com