Grok 4.5, 커서 인수 발표 두 달만의 성과

프리미엄 AI 매거진 AXyNow, 손상윤입니다.

xAI가 지난 7월 8일 Grok 4.5를 공개했습니다. 일론 머스크는 이 모델을 "오퍼스급(Opus-class)"이라고 소개하면서, 코딩과 에이전트 작업, 지식노동에 초점을 맞췄다고 밝혔습니다. 1.5조 파라미터급 V9 파운데이션 모델을 멤피스 데이터센터에서 엔비디아 GB300 GPU 수만 장으로 학습시켰고, 가격은 입력 100만 토큰당 2달러, 출력 100만 토큰당 6달러로 책정됐습니다. 경쟁 모델 대비 절반 이하 수준입니다.

그런데 이번 출시는 타이밍도, 만든 방식도 심상치 않습니다. 스페이스X는 지난 2월 xAI와 합병했고, 4월엔 AI 코딩 툴 커서(Cursor)와 파트너십 겸 인수옵션 계약을 맺었습니다. 6월 16일에는 스페이스X가 커서를 600억 달러 규모 주식으로 정식 인수하겠다고 발표했습니다. 거래는 아직 종결 전이고 3분기 중 마무리될 예정입니다.

물론, xAI는 인수 절차와 별개로 Grok 4.5를 "커서와 함께 학습시켰다"고 직접 밝혔습니다. 회사가 아직 완전히 한 몸이 되기도 전에, 기술은 벌써 협업을 통해 개선되고 있었죠. 실제로 Grok 4.5는 출시 첫날부터 커서 안에서 바로 고를 수 있는 모델 중 하나로 들어갔습니다.

접근 경로도 넓습니다. xAI API는 물론이고 자체 코딩 툴 Grok Build의 기본 모델로 채택됐고, 마이크로소프트 워드·파워포인트·엑셀용 플러그인으로도 나왔습니다. OpenRouter, 버셀, 클라우드플레어, 스노우플레이크, 데이터브릭스 같은 모델 게이트웨이에서도 바로 연동이 됩니다. 다만 EU에서는 아직 어떤 xAI 제품에서도 쓸 수 없고, 7월 중순은 돼야 풀린다고 합니다.

해외 반응은 엇갈리는 형국입니다. 코딩 에이전트 벤치마크 일부에서는 같은 시기 나온 GPT 계열이나 작년 세대 오퍼스급 모델에 뒤처진다는 보도가 나왔고, 반대로 토큰 효율과 속도, 가격 대비 성능에서는 확실히 앞선다는 평가가 많습니다. 머스크 스스로도 "작년 오퍼스와 비슷한 수준이지만 훨씬 빠르다"며 원점수보다 속도와 비용 쪽에 방점을 찍었습니다.

결론적으로, 실제로 코딩관련 추론이 필요한 작업에서 점수가 크게 뛰었습니다. 다만 최신 한국 제도를 알아야 하는 영역은 그대로였습니다. 커서와의 협업이 "더 똑똑하게 생각하는" 쪽엔 도움이 됐어도, "최신 정보를 안다"는 건 별개의 문제라는 뜻입니다.

그래서 해외 벤치마크 논쟁과는 별개로, 한국 맥락에서는 실제로 얼마나 달라졌는지 직접 재보기로 했습니다.

Grok 4.3 vs 4.5 in AXyBench

정규 측정 조건(시스템 프롬프트 없음, 도구 미사용, 단발 요청) 그대로, 주식 투자·부동산·금융·가계·자산관리·차사고 분쟁·생활 법률 같은 개인 의사결정 다섯 분야, 세무·법무·인사노무·마케팅 같은 사업 운영 네 분야, 코드·개발·문서 출력·문서 이해까지 기술 출력 세 분야, 총 12개 분야에 동일한 질문을 던지고 직접 채점했습니다.

평균은 4.3이 70.1점, 4.5가 87.6점으로 17.5점이나 크게 올랐습니다.

가장 크게 상승한 영역(코드·개발 +15.2, 문서 출력 +23.2, 법무 +12.4, 인사·노무 +15.0, 마케팅 +18.6)은 전부 지식보다 그 자리에서 조건을 따지고 구조화하는 능력이었습니다. 비동기 코드의 대표 함정 두 개(await 없이 방치된 코루틴은 실행되지 않는다는 것, gather()는 형제 태스크를 자동으로 취소하지 않는다는 것)를 동시에 정확히 짚었고, "그래프 y축을 45부터 시작해달라"는 요청엔 순응하는 대신 왜곡되는 폭을 수치로 반박하며 대안을 제시했습니다.

반대로 최신 한국 제도 지식을 묻는 두 분야(금융·가계·자산관리 0.0, 생활 법률·형사 +8.0)는 거의 움직이지 않았습니다. 5세대 실손보험은 이미 올해 5월에 나왔는데 "그런 상품 자체가 없다"고 잘라 말했고(어쩌면 당연하다고 볼 수 있겠지만), 정식재판을 청구해도 형이 더 무거워질 수 없다는 잘못된 규칙을 반복해서 단정했습니다. 둘 다 4.3에서도 있던 오류가 그대로 남았습니다. 코딩 툴 회사와 함께 학습시킨 시점과 추론이 필요한 분야가 뛴 시점이 겹치는 건 상관관계일 뿐 증거는 아니지만, 이번 업그레이드가 지식 자체를 새로 채운 게 아니라 사고하는 방식을 갈아 끼운 쪽에 가깝다는 정황은 분명합니다.

그래서, 지금 뭘 써야 할까

코드 리뷰, 데이터 시각화 요청, 계약서·약관 검토, 사고 과실 정리처럼 논리를 따라가야 하는 작업이라면 4.5로 넘어갈 이유가 충분합니다. 점프 폭이 15점에서 23점이면 실무에서 체감이 됩니다.

반대로 보험 갱신 시점, 대출 한도, 벌금이나 과태료처럼 "이번 달 제도가 어떻게 바뀌었는지"를 물어보는 용도라면 4.3이든 4.5든 그대로 믿지 마세요. 둘 다 여전히 몇 달 전 스냅샷에 갇혀 있고, 자신만만하게 틀린 숫자를 내놓는 습관도 그대로입니다. 이 두 영역은 반드시 사람이 원문을 대조해야 합니다.

가격까지 감안하면 저울은 더 확실히 4.5 쪽으로 기웁니다. 입력 100만 토큰당 2달러, 출력 6달러는 경쟁 모델 대비 절반에서 5분의 1 수준이라, 논리 싸움이 필요한 업무라면 굳이 비싼 모델을 고집할 이유가 줄어듭니다. 반대로 제도 지식이 걸린 질문에서는 가격 차이가 의미 없습니다. 어느 모델을 쓰든 사람이 원문을 확인하는 비용은 똑같이 듭니다.

한 줄 평. Grok 4.5는 생각은 확실히 잘하게 됐는데, 지식의 최신성은 몇 달 전에 멈춰 있습니다.

이상 AXyNow의 손상윤이었습니다.

영상으로도 보기