xAI 그록 4.6 공개: 장시간 에이전트와 시각 작업에 초점

xAI가 대규모 언어모델 그록(Grok)의 새 버전인 4.6을 내놓았다. 이번 버전은 앞선 4.5를 토대로 하되, 여러 단계에 걸쳐 오래 이어지는 에이전트 작업과 좀 더 야심 찬 시각·인터랙티브 결과물에 방점을 찍었다. xAI는 4.6이 주제 리서치, 정보 분석, 코드베이스 전반을 넘나드는 작업, 아이디어를 완성도 있는 애플리케이션이나 업무 산출물로 바꾸는 과정처럼 긴 호흡의 과제에서 흐름을 놓치지 않고 붙어 있는 능력을 강조한다.

성능 지표 측면에서 xAI는 4.6이 여러 에이전트형 코딩·지식 노동 벤치마크에서 프런티어급 지능을 달성했다고 밝혔다. 특히 아홉 개 벤치마크를 합산한 아티피셜 애널리시스 인텔리전스 인덱스에서 경쟁 모델인 GPT-5.6 솔과 동률을 기록했다고 설명했다. 다만 이런 비교 수치는 각 개발사가 공개한 시스템 카드나 벤치마크 리더보드에서 가져온 것으로, 서로 다른 조건에서 산출된 값을 나란히 놓은 것인 만큼 절대적 우열의 근거로 삼기에는 조심스러운 부분이 있다.

무엇이 달라졌나

학습 방식에서 xAI는 4.5보다 더 긴 보충 학습(supplemental training)을 진행했다고 밝혔다. 추론과 고급 기술 개념을 위한 선별된 모델 생성 데이터, 고품질 엔지니어링 데이터, 개선된 옵티마이저와 학습 레시피를 투입해 이후의 지도학습(SFT)과 강화학습(RL) 단계를 위한 더 튼튼한 기반을 만들었다는 설명이다. 흥미로운 대목은 4.5를 활용해 SFT 궤적을 다시 생성했다는 점이다. 다양한 추론 강도와 에이전트 하네스, STEM·소프트웨어 엔지니어링·지식 노동 등 여러 도메인에 걸쳐 데이터를 재생성한 뒤, 모델 기반 검사로 문제 있는 흔적을 걸러냈다고 한다. 강화학습 단계에서는 지식 노동과 일반 코딩뿐 아니라 커널 최적화, 웹 개발, 컴퓨터 지원 설계(CAD) 같은 도메인 특화 환경까지 폭넓게 다�’다.

실무자 입장에서 눈여겨볼 변화는 자기 검증 경향이다. xAI는 긴 작업 궤적에서 모델이 다음 단계로 넘어가기 전에 스스로 결과를 점검하고 검증하는 모습이 나타나기 시작했다고 밝혔다. 여러 단계를 거치는 에이전트 작업에서 중간 오류가 뒤로 전파되며 결과물 전체를 무너뜨리는 것이 고질적인 문제였던 만큼, 모델이 스스로 자기 작업을 테스트하려는 성향은 실제 운영 환경에서 신뢰도를 좌우할 수 있는 지점이다.

시각·인터랙티브 작업과 첫 결과물의 완성도

xAI는 4.6이 4.5에 비해 시각적이고 상호작용적인 프로젝트에서 더 나은 첫 결과물을 내놓는다고 강조한다. 구체적인 제품 아이디어를 주면 한 번의 패스로 애플리케이션의 구조와 시각적 언어를 세울 수 있다는 것이다. 넓은 제품 아이디어를 실제 동작하는 초기 버전으로 바꾸는 데 특히 강하며, 낯선 도메인을 리서치하고 애플리케이션을 구조화한 뒤 핵심 상호작용을 구현하고 여러 차례 피드백을 거쳐 다듬어 나가는 흐름을 이어간다고 설명했다. 곧, 처음부터 어느 정도 형태를 갖춘 결과물을 만들어 놓고 반복적으로 개선하는 방식이 가장 빠른 길인 작업에서 유용하다는 얘기다.

가격과 도입 경로

그록 4.6은 커서(Cursor)와 그록 빌드(Grok Build)에서 바로 쓸 수 있으며, API를 통해서도 제공된다. 오픈라우터, 버셀, 클라우드플레어 같은 파트너에서도 이용 가능하다. 가격은 입력 토큰 100만 개당 2달러, 출력 토큰 100만 개당 6달러로 시작하며, 가격이 두 배인 고속(fast) 변형도 별도로 마련됐다. xAI는 첫 주 동안 그록 빌드와 커서 안에서 포함 사용량을 두 배로 제공해 곧바로 시험해 볼 수 있게 했다.

안전장치와 관련해 xAI는 모델의 확장된 역량에 맞춰 세이프가드를 개선·보정했다고 밝혔다. 취약점 패치, 엔지니어링 설계 주기 가속, AI 연구 보조 같은 정당한 용도에서 유용성과 보안을 함께 극대화하도록 설계했으며, 배포 전 가장 넓은 범위의 역량·세이프가드 테스트와 배포 후 및 제3자 테스트를 병행했다고 설명했다. 다만 이런 안전 관련 서술은 대부분 개발사 자체 발표에 기반한 것으로, 실제 운영 환경에서의 오작동 빈도나 구체적인 실패 사례에 대한 외부 검증 자료는 아직 제한적이다. 결국 벤치마크 동률이나 자기 검증 능력 같은 개선 지점이 실무에서 얼마나 체감되는지는 각 팀이 자신의 워크로드에 직접 붙여 보며 확인해야 할 몫으로 남는다.