Grok 4.7 vs 4.6: 무엇이 바뀌었나, 벤치마크, 업그레이드해야 할까?
grok-4.6과 grok-4.7로 제공 중입니다.이 가이드는 무엇이 바뀌었는지, xAI와 Artificial Analysis의 벤치마크 수치를 나란히 놓으면 어떻게 보이는지, 단가가 같은 청구서에서 토큰 차이가 무엇을 바꾸는지, 그리고 트래픽을 옮기기 전에 내 워크로드에서 업그레이드를 테스트하는 방법을 다룹니다.
Grok 4.7에서 바뀐 것
xAI는 세 가지 변화를 설명합니다. 첫째, 더 큰 기반 모델입니다. Grok 4.7은 4.6보다 큰 기반 모델에서 훈련됐습니다. 둘째, 완료에 여러 시간이 걸리는 문제에 비중을 둔 더 어려운 작업 구성으로 강화학습을 더 길게 진행했습니다. 셋째, xAI가 강조하는 행동상의 결과입니다. 모델이 "자기 작업을 검증하고 더 긴 컨텍스트를 다루는 데 더 능숙"해졌다는 것입니다.
바뀌지 않은 것: 500,000토큰 컨텍스트, 텍스트와 이미지 입력, function calling과 구조화 출력, 네 단계의 추론 강도, 속도 제한, 그리고 가격입니다.
Grok 4.7 vs 4.6 벤치마크: xAI 발표 수치와 제3자 측정
xhigh, Grok 4.6을 high에서 실행합니다.| 벤치마크 | Grok 4.6(xAI) | Grok 4.7(xAI) | Grok 4.6(AA) | Grok 4.7(AA) |
|---|---|---|---|---|
| Terminal-Bench 4.0 | 20.3% | 38.0% | — | 4.6 대비 +4.5점 |
| Artificial Analysis Intelligence Index v4.3.2 | — | — | 44 | 46 |
| CursorBench 4.0 | 40.4% | 46.3% | — | — |
| DeepSWE v1.1 | 65.2% | 71.0% | — | — |
| EEBench | 53.0% | 64.0% | — | — |
| AA-Briefcase v1.1(Elo) | 1,546 | 1,657 | 1,546 | 1,657 |
| GDPval(Elo) | 1,605 | 1,695 | 1,605 | 1,695 |
| Harvey 법률 에이전트 | 15.8% | 19.6% | — | — |
| HealthBench Professional | 48.5% | 56.7% | — | — |
| 인덱스 작업당 출력 토큰 | — | — | ≈36k | ≈81k |
xhigh의 Grok 4.7은 작업당 약 81,000개의 출력 토큰을 쓰는데, high의 Grok 4.6은 36,000개를 썼습니다.사양 나란히 보기
| 항목 | Grok 4.6 | Grok 4.7 |
|---|---|---|
| API 모델 ID | grok-4.6 | grok-4.7 |
| 출시 | 2026년 8월 12일 | 2026년 9월 21일 |
| 컨텍스트 윈도우 | 500,000토큰 | 500,000토큰 |
| 모달리티 | 텍스트와 이미지 입력, 텍스트 출력 | 텍스트와 이미지 입력, 텍스트 출력 |
| 추론 강도 | low, medium, high(기본값), xhigh | low, medium, high(기본값), xhigh |
| function calling과 구조화 출력 | 지원 | 지원 |
| 100만 토큰당 표준 단가(xAI 직접) | 입력 $2, 캐시된 입력 $0.50, 출력 $6 | 입력 $2, 캐시된 입력 $0.50, 출력 $6 |
| 장문 컨텍스트 구간 | 프롬프트 200,000토큰 이상: 모든 토큰이 2배로 과금 | 같은 규칙, 같은 기준점 |
| Fast 변형 | — | Grok 4.7 Fast: 속도 2배, 가격 2배($4 / $1 / $12). Cursor와 Grok Build 전용이며 공개 API에는 없음 |
| 공개된 속도 제한 | 초당 150요청, 분당 50M 토큰 | 초당 150요청, 분당 50M 토큰 |
| EvoLink 라우트 | 제공 중 | 2026년 9월 22일부터 제공 중(표준 모델) |
같은 토큰 단가, 같은 청구액은 아닙니다
두 모델 모두 xAI 직접 단가 기준으로 100만 입력 토큰당 $2, 100만 출력 토큰당 $6을 청구합니다. 단위 가격은 정해져 있습니다. 바뀐 것은 새 모델이 작업을 끝내는 데 쓰는 단위의 수입니다.
xhigh에서 작업당 출력 토큰 81,000개 대 high의 4.6에서 36,000개입니다. 100만 출력 토큰당 $6이면 입력, 캐시, 도구 요금을 더하기 전 작업당 출력 비용이 대략 $0.49 대 $0.22입니다. 더 높은 추론 강도 설정이 그 차이의 일부이므로, 가장 먼저 할 일은 내 작업에서 두 모델을 같은 추론 강도로 실행해 보는 것입니다.수락된 작업당 비용 = 모든 시도의 총 청구 비용 / 수락된 작업 수분자에는 실패와 재시도도 포함하세요. 수락된 작업이 하나도 없다면 그 결과를 그대로 보고하고, 비용을 0으로 표시하지 마세요. 사람이 리뷰하는 비용은 API 요금과 분리해 두세요.
설명을 위한 예시이며, 모델 테스트가 아닙니다. 모델 A는 100개 작업에 $24를 쓰고 80개가 수락됩니다. 수락당 $0.30입니다. 모델 B는 같은 단가로 같은 100개 작업에 $54를 씁니다. 더 오래 추론하기 때문입니다. 대신 92개가 수락되어 수락당 약 $0.59입니다. B는 수락된 작업당 비용이 거의 두 배지만, 재시도하거나 사람에게 넘겨야 할 실패를 12개 덜 남깁니다. 어느 쪽이 더 나은 거래인지는 실패 하나가 여러분에게 얼마의 비용을 발생시키느냐에 달려 있습니다. 토큰 단가는 그 질문에 답할 수 없고, 동일 조건 비교 테스트는 답할 수 있습니다.
세 가지 과금 규칙은 두 모델에 똑같이 적용되며, 실제 트레이스로 확인해야 합니다.
- 200,000토큰 기준점. 프롬프트가 200,000토큰에 도달하면 xAI는 그 요청의 모든 토큰을 장문 컨텍스트 단가로 청구합니다. 세션 중간에 기준점을 넘어가는 대화는 그 시점부터 비용이 두 배가 됩니다.
- 캐시된 입력. 안정적인 시스템 프롬프트와 도구 스키마는 캐시 단가로 제공될 수 있습니다. 사용량의 캐시 토큰 필드를 확인해 내 요청 패턴에서 캐시가 실제로 적중하는지 확인하세요.
- 도구 요금. 2026년 9월 21일부터 xAI는 X Search를 호출 단위가 아니라 가져온 게시물(1,000건당 $5)과 가져온 사용자 프로필(1,000건당 $10) 단위로 과금하며, Grok 4.5, 4.6, 4.7에 동일하게 적용됩니다. 다른 서버 도구는 여전히 호출 단위입니다.
공정한 업그레이드 테스트를 실행하는 방법
4.6이 실제로 겪는 문제에서 출발하세요. 4.6이 수락 규칙과 마감을 충족한다면 남아 있어도 비용상 불이익이 없습니다. 테스트는 이름을 붙일 수 있는 실패가 있는 워크로드에 아껴 두세요. 수정을 실제로 하는 대신 설명만 하는 코드 어시스턴트, 필드가 빠진 채 유효한 JSON을 반환하는 추출 작업, 작업은 끝내지만 도구 호출을 반복하다 지연 예산을 넘기는 에이전트 같은 경우입니다.
| 현재 상황 | 해야 할 것 | 워크로드를 옮길 만한 근거 |
|---|---|---|
| 결과가 정확하고 비용과 지연도 허용 범위 | 작은 회귀 세트를 저장하고, 서두르지 않고 4.7을 테스트 | 필요한 동작을 잃지 않으면서 분명한 이점이 있을 때 |
| 저장소 작업이 미완성으로 끝남 | 대표적인 실패 사례와 독립적인 테스트를 수집 | 같은 예산 안에서 수락되는 수정이 더 많을 때 |
| 도구 루프나 비용이 큰 재시도 | 트레이스와 통제된 오류 사례를 보존 | 복구가 더 낫고 수락된 작업당 비용이 더 낮을 때 |
| 장문 컨텍스트 작업에서 앞선 제약 조건을 잃음 | 200K 부근을 포함해 실제 컨텍스트 크기로 사례를 구성 | 같거나 더 적은 토큰으로 제약 조건이 유지될 때 |
| 납품 마감이 빠듯함 | 검증된 4.6 설정을 유지 | 검증이 마감 전에 끝났을 때 |
high부터 시작하고, 각 모델이 소비한 추론 토큰과 출력 토큰을 기록하세요. 2차 실행에서는 모델별로 따로 튜닝해도 되지만, 두 실행의 결과는 분리해서 보고하세요.저장소 작업이라면 수락되는 실행은 동작하는 패치를 만들고, 관련 테스트를 통과하고, 허용된 범위를 지켜야 합니다. 그럴듯한 설명만 있고 패치가 없으면 실패입니다. 에이전트가 테스트를 실행했다고 말한다면, 리뷰어가 그 주장을 확인할 수 있도록 도구 출력을 보관하세요. 이것이 "자기 작업을 검증한다"는 주장을 눈으로 확인할 수 있게 만드는 방법입니다.
응답이 아니라 완료된 작업을 채점하세요.
| 지표 | 측정 방법 | 막아 주는 실수 |
|---|---|---|
| 수락된 작업 비율 | 고정된 채점 기준을 충족한 작업 수를 시도한 작업 수로 나눔 | 그럴듯한 답변을 완료된 작업으로 세는 것 |
| 범위 준수 | 허용된 수정, 행동, 제약 조건을 확인 | 효과는 있지만 받아들일 수 없는 우회책에 점수를 주는 것 |
| 완료 시간 | 작업 시작부터 수락된 결과물까지, 재시도를 포함해 측정 | 첫 토큰 속도를 전체 지연 시간으로 보고하는 것 |
| 작업당 추론 및 출력 토큰 | 시도별 사용량 필드를 추론 강도 설정별로 기록 | 단가가 같으면 지출도 같다고 가정하는 것 |
| 수락당 청구 비용 | 모든 시도의 요금을 수락된 작업 수로 나눔 | 실패한 요청과 재시도 비용을 숨기는 것 |
| 리뷰 부담 | 수정 사항과 리뷰어 시간을 따로 기록 | 모델의 일을 보이지 않게 사람에게 떠넘기는 것 |
백분율 옆에 원시 수치를 함께 남기고, 고난도 사례는 다시 실행해 변동성을 드러내세요. 코딩 벤치마크가 내 작업 구성을 대신하게 두지 마세요. 번역, 추출, 스크린샷 사례를 회귀 세트에 남겨 두세요.
호환성 점검과 배포
같은 공급자, 같은 프로토콜, 같은 추론 강도 값. 서류상으로는 한 줄만 바꾸면 되는 변경입니다. 실제로 버전 변경이 드러나는 곳은 출력 형태, 도구 동작, 엣지 케이스입니다.
| 영역 | 유지할 것 | 다시 테스트할 것 |
|---|---|---|
| 모델 ID | 명시적인 설정과 롤백 값 | grok-4.7을 보내고 응답에 반환되는 모델 ID를 확인 |
| 구조화 출력 | 기존 스키마와 검증기 | 누락된 필드, 잘못된 값, 잘림 |
| 도구 | 도구 정의와 권한 경계 | 인자, 반복 호출, 오류 복구 |
| 스트리밍 | 부분 출력에 대한 처리 | 이벤트 형태, 중단된 응답, 종료 상태 |
| 대화 상태 | 원본 메시지와 테스트 데이터 | 컨텍스트 한도, 압축, 유지되는 제약 조건 |
| 사용량 및 과금 | 작업과 그 시도들을 연결하는 로그 | 모델별 캐시, 추론, 출력, 도구 과금 |
모델, 프롬프트, 도구 어댑터, 재시도 정책을 한꺼번에 바꾸지 마세요. 오프라인 리플레이부터 시작하고, 사용자에게 보이는 결과는 4.6이 계속 책임지는 상태에서 읽기 전용 작업을 섀도로 돌린 뒤, 제한된 워크로드를 옮기세요. 중단 조건은 운영 용어로 정의하세요. 치명적인 스키마 실패, 권한 없는 도구 동작, 수락된 결과의 감소, 예산을 벗어난 비용이나 지연 등입니다. 되돌릴 때는 4.6에서 재시도하기 전에 어떤 부작용이 이미 완료됐는지 확인하세요.
승격이 전부 아니면 전무일 필요는 없습니다. 후보 모델이 어려운 저장소 작업을 맡고, 4.6은 예측 가능한 추출 작업을 계속 맡을 수도 있습니다. 단가가 같으므로 이렇게 나눠도 단위 가격에서는 추가 비용이 없습니다. 드는 것은 모니터링과 설정 비용뿐입니다.
EvoLink에서의 실무적 결정
자주 묻는 질문
Grok 4.7이 Grok 4.6보다 나은가요?
xAI 수치로는 분명히 그렇습니다. Terminal-Bench 4.0이 거의 두 배가 되고 나열된 모든 벤치마크가 개선됩니다. Artificial Analysis의 독립 실행에서는 향상 폭이 더 작습니다. 인덱스 2점, Terminal-Bench 4.5점이며, 작업당 출력 토큰은 두 배가 넘습니다. 나에게 더 나은지는 동일 조건 비교 테스트로 측정할 일입니다.
Grok 4.7 vs 4.6 벤치마크 차이는 어느 정도인가요?
xAI는 Terminal-Bench 4.0 38.0% 대 20.3%, CursorBench 46.3% 대 40.4%, GDPval 1,695 대 1,605 Elo를 보고합니다. Artificial Analysis는 Intelligence Index를 46 대 44로 측정합니다. 출처가 포함된 전체 목록은 위 표를 참고하세요.
Grok 4.7은 Grok 4.6보다 비용이 더 드나요?
xhigh의 Grok 4.7이 작업당 약 81,000개의 출력 토큰을 썼고 high의 4.6은 36,000개를 썼으므로, 같은 작업의 비용이 더 커질 수 있습니다.Grok 4.6에서 4.7로 업그레이드해야 하나요?
4.6에 이름을 붙일 수 있는 실패가 있고, 4.7이 허용 가능한 수락된 작업당 비용으로 동일 조건 비교 테스트를 통과하는 워크로드만 업그레이드하세요. 4.6은 롤백 대상으로 유지하세요. 출시는 종료 공지가 아닙니다.
같은 프롬프트와 추론 강도 설정을 그대로 써도 되나요?
low, medium, high, xhigh를 받습니다. 그다음에 각각 따로 튜닝하되 두 실행의 결과는 분리해서 보고하세요.도구 호출과 구조화 출력도 다시 테스트해야 하나요?
예. 스키마, 인자, 복구, 출력 검증을 다시 테스트하고, 도구 비용도 다시 확인하세요. X Search는 이제 가져온 게시물과 사용자 프로필 단위로 과금됩니다.
Grok 4.7 Fast는 무엇인가요?
같은 모델을 더 빠른 인프라에서 제공해 출력 속도가 두 배, 토큰 단가도 두 배입니다. xAI는 Cursor와 Grok Build에서만 제공하며 공개 API에는 없습니다. EvoLink의 Grok 4.7 라우트는 표준 모델을 제공합니다.
언제 롤백해야 하나요?
핵심 동작이 실패하거나 미리 정한 품질, 비용, 지연 한도를 넘으면 롤백하세요. 다른 모델에서 작업을 재시도하기 전에 이미 완료된 부작용을 점검하세요.
