Grok 4.6 점수와 요금 읽기: 장문 요청 비용 계산하기

AI 모델 소개에서 "점수는 비슷한데 가격은 더 싸다"는 말을 자주 봅니다. 그런데 점수는 어떤 시험의 점수인지, 가격은 무엇을 얼마나 썼을 때의 금액인지 알아야 비교할 수 있습니다.

그록 4.6(Grok 4.6)은 2026년 8월 12일 발표된 모델입니다. 개발사 SpaceXAI는 출시 발표에서 긴 에이전트 작업, 코딩, 지식 업무가 나아졌다고 소개했습니다. 에이전트는 도구를 쓰면서 여러 단계의 일을 이어서 처리하는 AI입니다.

아래에서는 출시 당시의 평가 자료와 2026년 10월 4일의 요금 문서를 나눠서 봅니다. 앱 사용법은 그록 사용법에 따로 정리했습니다.

모델 사양과 내가 쓰는 서비스

현재 Grok 4.6 모델 페이지에 적힌 기본 사양은 세 가지입니다.

컨텍스트는 한 요청에서 다룰 수 있는 내용의 길이이고, 토큰은 모델이 내용을 잘게 나눠 처리하는 단위입니다. 토큰 수는 글자 수나 문서 쪽수와 일치하지 않습니다. 프로그램에서 이 모델을 부를 때는 모델 ID grok-4.6을 씁니다.

추론 강도는 답하기 전에 모델이 계산에 들이는 노력을 정하는 설정입니다. 강도를 올리면 품질과 함께 걸리는 시간과 비용도 달라질 수 있습니다. 추론 설정 문서에 따르면 4.6은 low, medium, high, xhigh를 지원하고, 가장 낮은 low도 추론을 완전히 끄지는 않습니다.

API는 다른 프로그램에서 모델을 호출하는 연결 방식이고, 쓴 만큼 청구됩니다. 그록 앱이나 코딩 도구를 구독해서 쓰면 그 서비스의 월 요금과 포함량이 따로 정해져 있어서 아래 계산이 적용되지 않습니다.

예전 주소인 /developers/grok-4-6은 지금 4.7 안내 페이지로 넘어갑니다. 링크를 열었다면 페이지 제목과 모델 ID가 4.6인지 먼저 봅니다. 그래야 4.7의 가격이나 예시를 4.6에 잘못 옮기지 않습니다.

구글 클라우드에서도 4.6을 쓸 수 있습니다. 구글의 모델 문서에는 8월 21일 출시와 현재 일반 제공(GA) 상태가 적혀 있고, 컨텍스트, 처리 한도, 지원 지역(리전)도 구글 기준으로 따로 안내합니다. 호출 권한과 결제 조건은 구글 계정과 별도로 갖춰야 합니다. 아래 계산은 모두 xAI 표준 글로벌 API 기준입니다.

61점은 정답률도 현재 순위도 아닙니다

위 그래프는 평가 기관 Artificial Analysis가 8월 출시 때 낸 분석 자료입니다. 지능 지수 v4.1.1은 평가 9개의 결과를 하나로 묶은 점수이고, 당시 Grok 4.6 high는 61점으로 GPT-5.6 Sol max와 같았습니다. Opus 5 max는 63점이었습니다. 61점은 업무 100건 가운데 61건을 맞힌다는 정답률이 아니라, 묶은 평가들의 종합 점수입니다.

10월 4일 같은 기관의 현재 모델 페이지는 Grok 4.6 high를 44점으로 표시합니다. 같은 모델의 점수지만 두 점수는 지수 버전도, 묶은 평가도 다른 시험에서 나왔습니다.

같은 모델, 다른 시험

항목	8월 출시 당시지수 v4.1.1	10월 4일 현재지수 v4.3.2
묶은 평가 수	9개	10개
Grok 4.6 high 점수	61점	44점

다른 모델과 점수를 비교할 때는 세 가지를 함께 적어 두면 같은 조건인지 바로 보입니다.

1. 평가 이름과 버전: 같은 시험인지
2. 모델 설정: high, max 같은 표기와 사용한 도구
3. 측정 시점과 범위: 지금의 결과인지, 내 업무와 가까운 과제인지

항목별 결과는 모델마다 앞서는 곳이 다릅니다

출시 발표에는 항목별 결과도 실렸습니다. 발표문은 경쟁 모델 수치를 각 개발사의 시스템 카드나 공개 평가에서 가져왔다고 밝혔습니다. 따라서 아래 표는 한 기관이 세 모델을 같은 조건으로 다시 시험한 결과가 아닙니다.

출시 발표의 항목별 결과

평가 항목	Grok 4.6high	GPT-5.6 Solmax	Fable 5max
GDPval-AA v2(지식 업무)	1753가장 높음	1728	1741
CursorBench v3.2(코딩)	69.9%	67.2%	70.5%가장 높음
FrontierCode v1.1 Extended(코딩)	61.3%	60.6%	63.6%가장 높음
DeepSWE v1.1(코딩)	65.9%	73%가장 높음	70%

GDPval은 지식 업무를, 나머지 세 항목은 서로 다른 코딩 과제를 평가합니다. Grok은 지식 업무 항목에서 가장 높습니다. 코딩 세 항목 가운데 CursorBench와 FrontierCode에서는 GPT-5.6 Sol보다 높지만 DeepSWE에서는 세 모델 가운데 가장 낮습니다. 코딩에 쓸 모델은 이 점수보다 아래에서 다룰 내 업무 비교로 정하는 편이 정확합니다.

AA-Briefcase는 여러 단계로 이어지는 지식 업무를 평가합니다. 그림 속 1577은 모델끼리 겨룬 결과로 매기는 Elo 점수이고 정답률이 아닙니다. 당시 Grok 4.6은 Fable 5(1574)와 3점 차이였고, 이 정도 차이로 보고서 작업 전체의 우열을 가리기는 어렵습니다.

요청 한 건의 요금 구간

10월 4일 공식 가격표의 Grok 4.6 토큰 단가입니다. 단위는 100만 토큰당 미국 달러이고, 장문 요청에서는 모든 단가가 정확히 두 배가 됩니다.

가격표는 입력이 200K 이상인 요청에 장문 요금을 적용한다고 적습니다. 200K는 200,000토큰입니다. 경계를 넘었는지는 요청마다 따로 판단합니다.

장문 단가는 20만 토큰을 넘은 부분에만 붙지 않고 그 요청 전체에 붙습니다. 반대로 짧은 요청을 여러 번 보내 한 달 합계가 20만 토큰을 넘어도 요청마다 짧은 요청 단가가 그대로 적용됩니다.

캐시는 이전에 처리한 입력 일부를 다시 쓰는 기능입니다. 할인은 실제로 재사용된 토큰에만 붙으며, 얼마나 적용됐는지는 응답의 cached_tokens 값에 나옵니다. 모델이 답하기 전에 쓰는 추론 토큰도 출력 단가로 청구되므로, 화면에 보이는 답변 길이만으로 출력 비용을 계산하면 실제 청구액보다 적게 나옵니다. 자세한 기준은 캐시 사용량과 요금 안내에 있습니다.

요청 한 건의 비용 계산

긴 계약서 묶음이나 한 해치 회의록을 통째로 넣고 요약을 받는 요청이라고 해 보겠습니다. 캐시와 도구 호출은 없고, 최종 답변과 추론을 합친 청구 대상 출력은 1,000토큰입니다. 입력 토큰 수를 100만으로 나눠 단가를 곱하고, 출력도 같은 방식으로 계산해 더합니다.

• 입력 190,000토큰(짧은 요청): 0.19 × 2 + 0.001 × 6 = 0.386달러
• 입력 210,000토큰(장문 요청): 0.21 × 4 + 0.001 × 12 = 0.852달러

두 번째 요청에서 20만 토큰까지는 2달러, 나머지 1만 토큰만 4달러로 계산하면 0.446달러가 나옵니다. 장문 단가를 초과분에만 붙인 잘못된 계산입니다. 경계 가까이에서 입력을 조금 줄여 200,000토큰 아래로 내리면 비용이 절반 아래로 줄어듭니다.

출력이 늘어나면 입력 구간은 그대로이고 출력 비용만 늘어납니다. 첫 번째 요청의 출력이 2,000토큰이면 0.19 × 2 + 0.002 × 6 = 0.392달러입니다.

이 금액에는 세금, 환율, 별도 도구 호출료가 들어 있지 않습니다. 미국 리전이나 우선 처리처럼 요금 조건이 따로 붙는 요청에는 표준 글로벌 단가를 쓰지 않습니다.

캐시로 읽은 입력은 한 번만 계산합니다

전체 입력이 10,000토큰이고 그중 6,000토큰이 캐시로 재사용된 요청이라고 해 보겠습니다. 청구 대상 출력은 1,000토큰입니다.

• 일반 입력은 10,000 - 6,000 = 4,000토큰이므로 0.004 × 2 = 0.008달러입니다.
• 캐시 입력은 0.006 × 0.50 = 0.003달러입니다.
• 출력은 0.001 × 6 = 0.006달러입니다.

흔한 실수는 전체 입력 10,000토큰에 일반 단가를 매긴 뒤 캐시 비용을 또 더하는 것입니다. 그러면 같은 입력 6,000토큰을 두 번 계산하게 됩니다. 캐시가 하나도 적용되지 않았다면 합계는 0.01 × 2 + 0.001 × 6 = 0.026달러이고, 캐시를 쓴 요청과의 차이는 0.009달러입니다.

작업당 비용 그래프는 어디까지 참고할까요

이 그림은 출시 당시 비용 분석에 실린 산점도입니다. 가로축은 평가 과제 하나를 푸는 데 든 비용이고 세로축은 지능 지수입니다. 가로축은 로그 눈금이라 화면에서 같은 간격이 같은 달러 차이를 뜻하지 않습니다. 약 0.84달러는 당시 평가 과제 하나에 든 비용이고, 내 보고서 한 건을 만드는 데 드는 고정 요금이 아닙니다.

실제 업무 비용에는 실패한 시도와 다시 물어본 비용, 사람이 고친 시간까지 들어갑니다. 예를 들어 한 모델은 초안 한 번에 0.02달러를 쓰지만 세 번 시도해야 하고, 다른 모델은 0.04달러로 한 번에 끝난다면 호출 비용은 0.06달러와 0.04달러입니다. 다만 한 번에 끝난 쪽의 내용이 틀렸다면 사람이 고치는 시간까지 더해서 비교해야 어느 쪽이 싼지 알 수 있습니다.

내 업무 자료로 비교하는 방법

벤치마크 점수보다 정확한 기준은 지난달에 실제로 처리한 업무 자료입니다. 회의 메모로 안내문 초안을 쓰는 일이라면, 날짜와 시간, 장소, 발송 여부처럼 틀리면 곤란한 항목부터 정해 둡니다.

위처럼 문장이 매끄러워도 핵심 항목이 틀리면 쓸 수 없는 초안입니다. 발송했다는 답이 나왔다면 답변만으로는 실제로 보냈는지 알 수 없으니 도구의 실행 기록을 함께 봅니다.

비교는 이 순서로 합니다.

한 번 맞혔다고 끝내지 않고 조건을 하나 바꿔 다시 요청합니다. 장소를 301호로 바꿨을 때도 오후 2시와 301호를 모두 지키는지 보면, 첫 결과가 우연히 맞았는지 알 수 있습니다. 바꾼 조건을 놓친 결과도 기록에 남깁니다.

4.5에서 4.6으로 옮길 때

모델 ID만 바꾼다고 전환이 끝나지는 않습니다. 단가가 같아도 같은 작업에 쓰는 토큰 양과 캐시 적용량은 모델마다 달라서 청구액이 바뀔 수 있습니다.

기존 프로그램을 바꾸기 전에는 복사한 테스트 환경에서 평소 보내는 실제 요청 몇 건을 4.5와 4.6에 각각 보내 결과를 비교합니다. 오류가 나면 모델 접근 권한, 지원하지 않는 설정, 요청 형식을 차례로 봅니다. 오류 메시지와 청구 내역을 보지 않고 같은 호출을 되풀이하면 비용만 늘어납니다. 기존 모델 ID와 설정은 비교와 되돌리기에 쓰도록 기록해 둡니다.

3줄 요약

1. Grok 4.6의 출시 당시 지능 지수 61점은 특정 평가 버전의 결과이며 현재 순위나 모든 업무의 정답률이 아닙니다.

2. 표준 글로벌 API는 짧은 요청에서 100만 토큰당 일반 입력 2달러와 출력 6달러이고 장문 구간은 각각 4달러와 12달러입니다.

3. 입력이 200,000토큰 이상이면 그 요청의 입력과 출력 전체에 장문 단가가 붙어서 입력 210,000토큰과 출력 1,000토큰 요청은 0.852달러입니다.