Grok 4.7 가격과 벤치마크: 점수가 다를 때 읽는 법

Grok 4.7은 SpaceXAI가 2026년 9월 21일 공개한 언어 모델이고, 값은 프롬프트 20만 토큰 이하의 기본 구간에서 입력 100만 토큰에 2달러, 출력에 6달러입니다. 회사는 코딩과 지식 작업에서 자사 최고 모델이라고 소개하면서 견줄 만한 모델의 절반 값에 두 배 빠르다고 내세웠습니다.

벤치마크는 정해진 과제로 모델을 비교하는 시험입니다. 모델 선택에 도움이 되지만, 시험 점수와 자신의 업무에서 맞는 답을 얻는 비율은 다를 수 있습니다. 이 글에서는 계정을 새로 만들거나 결제하지 않고 가격 계산과 평가표 읽기를 연습합니다.

그런데 이번에는 같은 벤치마크 이름에 서로 다른 숫자가 돌아다닙니다. 초기 캡처의 Terminal-Bench 4.0 회사 발표는 38.0%, 독립 평가 기관 Artificial Analysis의 공개 분석 그림은 26%입니다. 2026년 10월 4일 회사 페이지에는 37.6%로 표시되어 있습니다. 어느 쪽을 보고 도구와 예산을 정할지 혼동되는 상황이라, 9월 출시 자료를 비교하되 현재 회사 표와 API 문서를 10월 4일 기준으로 함께 표시합니다. 그록 채팅 화면에서 4.7을 어떻게 쓰는지, 요금제와 무료 범위는 어떤지는 그록 사용법 총정리에 따로 있습니다.

Grok 4.7에서 달라진 세 가지

회사가 밝힌 변경점은 세 가지입니다.

• 기반 모델: Grok 4.6보다 크고 새로운 기반 모델을 썼습니다
• 학습 방식: 수행 결과에 보상을 주며 행동을 학습시키는 강화학습을 더 어려운 작업 묶음으로 길게 돌렸고, 몇 시간씩 걸리는 작업에 가중치를 두었습니다
• 작업 방식: 자기 결과를 검증하고 긴 맥락을 관리하는 쪽이 나아졌다고 적었습니다

아래 가격은 프로그램에서 모델을 호출하는 API의 단가이며 채팅 구독료가 아닙니다. 토큰은 모델이 글을 나누어 처리하는 단위입니다. 입력은 보낸 자료와 요청, 출력은 모델이 생성한 내용입니다. 기본 단가는 Grok 4.6과 같습니다. 출력 속도를 두 배로 올린 변형도 있는데 값도 두 배입니다.

입력 길이에 따른 추가 요금 구간도 있습니다. 프롬프트가 20만 토큰을 넘으면 입력 4달러, 출력 12달러로 오르고 그 요청의 모든 토큰에 높은 값이 적용됩니다. 캐시 입력은 앞선 요청과 같은 앞부분을 재사용해 처리하는 입력입니다. 캐시된 입력은 0.5달러, 20만 토큰을 넘으면 1달러입니다.

쓸 수 있는 곳은 Grok API와 Grok Build, Cursor, 서드파티 코딩 도구, 모델 라우터와 클라우드 플랫폼입니다. 클라우드 쪽은 2026년 9월 28일 Amazon Bedrock에도 올라왔고, 호출 방법은 아래 별도 절에 적었습니다.

여기서 하나 구분해 둘 것이 있습니다. 파라미터는 학습으로 얻은 모델 내부 수치이며 그 개수가 모델 규모를 설명하는 데 쓰입니다. 파라미터 2.1조라는 숫자가 일부 블로그에 실렸는데 공식 발표문에도 API 문서에도 파라미터 수는 나오지 않습니다. 회사가 적은 것은 "더 크고 새로운 기반 모델"까지입니다. 컨텍스트는 공식 API 문서에 50만 토큰으로 적혀 있습니다. 한 요청에서 다루는 자료와 대화의 용량이며, 매달 무료로 쓰는 토큰 수가 아닙니다.

회사가 낸 벤치마크 표

공식 발표문에 실린 비교표의 초기 캡처입니다. Grok 4.7은 기본적으로 xHigh 설정이지만 별표가 붙은 DeepSWE는 high입니다. 추론 강도는 답을 준비하는 데 들이는 계산 수준이며, 개발사가 다른 모델들의 High와 Max가 동일한 계산량을 뜻하지는 않습니다.

아래 표는 10월 4일의 회사 페이지 값입니다. 위 캡처에는 Terminal-Bench가 38.0%이고 현재 표에는 37.6%라 차이가 있습니다. 비교할 때는 캡처 날짜와 페이지 확인 날짜를 함께 남깁니다.

회사 표의 성능 항목은 직전 모델인 Grok 4.6보다 모두 올랐습니다. 입력과 출력의 기본 단가는 그대로입니다. 특히 Terminal-Bench 4.0은 20.3%에서 37.6%로 거의 두 배가 됐고, 전기공학과 법률 항목은 표에 오른 네 모델 가운데 가장 높습니다. 반면 CursorBench와 임상 추론, 장시간 사무와 장시간 터미널은 Fable 5.1이 앞서고 DeepSWE는 GPT-5.6 Sol이 1위입니다.

점수 차이의 원인과 순위 변화는 따로 보기

Artificial Analysis의 9월 21일 분석에서 Intelligence Index용 Terminal-Bench 4.0 그림은 Grok 4.7 xhigh를 26%로 표시합니다. 초기 회사 캡처 38.0%와는 12%포인트, 10월 4일 회사 값 37.6%와는 11.6%포인트 차이입니다.

두 자료가 모두 xhigh라고 적었다고 해서 모든 조건이 같지는 않습니다. 모델을 실행하는 도구와 지시, 제한 시간, 과제 구성과 채점 방식까지 대조해야 합니다. 이 숫자들만으로 차이의 원인을 하나로 확정할 수는 없습니다. 같은 기관도 기본 평가 환경과 Grok Build를 사용한 코딩 에이전트 평가를 구별하며, 후자의 Terminal-Bench 4.0은 33%라고 보고했습니다. 모델 이름뿐 아니라 모델을 어떤 도구와 함께 실행했는지도 기록해야 합니다.

자동차 공인 연비가 같은 차라도 측정 절차에 따라 다르게 나오듯, 벤치마크도 누가 어떤 환경에서 돌렸는지에 따라 값이 달라집니다.

비교 대상도 다릅니다.

위 두 표는 비교하는 오픈AI 모델부터 다릅니다. 이 차이는 Grok이 상대보다 앞서는지 뒤지는지에 영향을 줍니다. 다만 비교 상대가 바뀐 사실이 Grok 점수 자체가 달라진 원인은 아닙니다.

벤치마크 열 개를 묶은 Artificial Analysis Intelligence Index에서 Grok 4.7은 당시 46점으로 보고됐습니다. 이는 당시 지표의 비교이며 모든 업무에서의 순위는 아닙니다.

같은 평가에서 함께 나온 숫자가 하나 더 있습니다. 과제 하나를 푸는 데 든 비용이 Grok 4.7 xHigh 기준 3.74달러로, 입력 단가가 2배이고 출력 단가는 약 3.3배인 GPT-5.6 Sol Max의 1.99달러보다 높았습니다. 토큰 단가가 싸도 답을 내기까지 토큰을 많이 쓰면 실제 청구액은 뒤집힐 수 있습니다.

차이가 있다는 사실만으로 어느 한쪽의 허위를 입증할 수는 없습니다. 독립 평가는 공통 조건에서 비교할 근거를 더해 주지만 자신의 업무 환경을 대신하지는 않습니다.

CursorBench를 만든 Cursor가 SpaceXAI 자회사라는 점

공식 발표문이 가장 먼저 보여 주는 것은 CursorBench 4.0 기준 가격 대비 성능 차트입니다. 값이 쌀수록 오른쪽에 놓이는데 Grok 4.7 곡선이 오른쪽 위를 지납니다.

이 차트에도 GPT-6 Astra는 올라와 있지 않습니다. 앞에서 본 비교 대상 문제가 차트에서도 그대로 이어집니다.

여기서 짚어 둘 이해관계가 있습니다. CursorBench를 만든 Cursor는 SpaceX가 600억 달러에 인수해 2026년 8월 절차를 마친 자회사이고 SpaceXAI 산하로 들어갔습니다. 2026년 2월 SpaceX가 xAI를 인수했고 7월에 SpaceXAI로 이름을 바꾸는 사이에 벌어진 일입니다.

자사가 소유한 평가표에서 자사 모델이 좋게 나왔다는 사실이 점수를 틀리게 만들지는 않습니다. 다만 여러 평가표 가운데 무엇을 앞세울지 정할 때 이해관계가 없다고 보기는 어렵습니다. 코딩 도구를 고를 때는 CursorBench 하나보다 독립 지표를 함께 보는 편이 안전합니다.

Grok 4.7의 안전 관련 발표

회사는 새 안전 장치를 처음부터 다시 만들어 넣었고 위험한 요청의 거부와 탈옥 저항에서 자사 모델 가운데 가장 강하다고 밝혔습니다. 탈옥은 안전 제한을 우회하도록 유도하는 시도를 말합니다. 숫자로 공개한 것은 둘입니다.

• 생물안전: LatchBio 평가에서 62.4%로 가장 높았다고 적었습니다
• 사이버 보안: HackerBench v0.3에서 위험한 이중용도 요청 가운데 3.3%만 통과시켰다고 밝혔습니다

여기 적은 수치는 회사 발표의 주장입니다. 특정 평가의 거부율을 모든 공격을 막는 비율로 옮겨 읽지 않습니다. 레드팀은 공격자의 관점에서 취약점을 찾는 보안 시험을 뜻합니다. 사이버 보안 연구용으로 일부 협력사에 레드팀 기능을 초대 방식으로 열었다는 내용도 있습니다.

AWS를 이미 쓰는 경우: Bedrock 호출 조건

발표 일주일 뒤인 2026년 9월 28일, AWS가 Grok 4.7을 Amazon Bedrock에 올렸다고 공식 블로그로 알렸습니다. Bedrock은 여러 회사의 모델을 AWS 계정 하나로 호출하는 서비스라서, SpaceXAI에 따로 계정을 만들지 않고 기존 AWS 권한과 청구 안에서 쓸 수 있게 된 것입니다.

이 절은 AWS 계정과 API 코드를 이미 관리하는 분들을 위한 선택 안내입니다. 가격과 표를 읽는 연습에는 필요하지 않습니다. 실제 호출은 AWS 요금이 발생하며 앞의 SpaceXAI 직접 API 단가를 그대로 적용하지 않습니다. 모델 자체의 ID 대신, 어느 리전(AWS 데이터센터 지역)에서 처리할지 묶어 둔 추론 프로필의 ID를 지정합니다.

AWS 설명으로는 글로벌 프로필이 미국 프로필보다 값이 낮고 처리 용량이 큰 대신 어느 리전에서 처리될지 정할 수 없어 지연 시간이 들쭉날쭉할 수 있습니다. 데이터를 미국 안에 두어야 하거나 지연 시간이 중요하면 미국 프로필, 비용과 처리량이 우선이면 글로벌 프로필을 고르라는 안내입니다. 한국 리전이 처리 대상에 포함되는지는 블로그에 적혀 있지 않으므로, 쓰기 전에 Bedrock 콘솔에서 자기 리전의 모델 목록을 확인해야 합니다.

지원하는 API는 Responses와 Chat Completions, InvokeModel, Converse 네 가지입니다. 오픈AI 호환 경로가 열려 있어서 오픈AI SDK의 기본 주소만 Bedrock의 /openai/v1 경로로 바꾸고 Bedrock API 키를 넣으면 요청 방식의 일부를 재사용할 수 있습니다. 다만 모델 ID도 추론 프로필로 바꿔야 하고, 계정에 모델 호출 권한이 있어야 합니다. 모든 매개변수가 자동으로 호환되는 것은 아닙니다. AWS SDK로 다른 모델과 같은 메시지 형식을 유지하려면 Converse를 씁니다. 다만 Converse에서는 추론이 항상 켜져 있어서 첫 번째 내용 블록이 추론이고 답은 뒤쪽 블록에 들어가므로, 첫 블록만 읽으면 답이 비어 보입니다.

Bedrock에서 함께 사용할 수 있는 기능도 있습니다.

• 프롬프트 캐시: 반복되는 앞부분에 자동으로 적용됩니다. 긴 시스템 프롬프트를 매번 보내는 에이전트가 이득을 봅니다
• Guardrails: 별도로 만든 안전 정책의 ID와 버전을 요청에 지정해 콘텐츠 필터와 금지 주제, 개인정보 마스킹을 적용할 수 있습니다
• 호출 기록: 호출 로깅은 기본으로 꺼져 있습니다. 저장 목적지와 로깅을 설정하면 요청과 응답, 추론 토큰을 포함한 토큰 수를 CloudWatch에서 확인할 수 있습니다. CloudWatch는 AWS의 로그와 운영 상태를 보는 서비스입니다
• 서비스 등급: 기본 종량제 외에 빠른 처리를 우선하는 priority와 급하지 않은 작업용 flex가 있습니다. 등급별 단가는 Bedrock 요금 페이지에 있고 블로그에는 숫자가 없습니다

호출이 거절되면 모델 이름을 grok-4.7만 적었는지부터 봅니다. Bedrock에서는 위의 프로필 ID를 써야 합니다. 권한 오류라면 관리자에게 선택한 프로필과 리전, 오류 문구를 전달해 호출 권한을 확인합니다. 답이 비어 보이면 Converse 응답에서 text가 든 내용 블록을 찾습니다. 인증키를 바꾸며 반복 호출하기보다 이 세 조건을 먼저 구별합니다.

AWS 블로그는 독립 평가 기관 Artificial Analysis의 Grok 4.6 대비 수치도 함께 실었습니다.

Elo는 모델끼리 겨루게 해서 매긴 상대 점수입니다. 마지막 줄이 앞에서 본 과제당 비용 문제와 같은 이야기입니다. 이 평가에서는 과제 하나에 쓰는 출력 토큰도 두 배 이상 늘었고, AWS 블로그도 이 점을 들어 추론 강도(low, medium, high, xhigh)를 기본값에 맡기지 말고 작업마다 정하라고 권했습니다.

작은 계산과 표 비교로 판단하기

계산기에서 캐시 없는 기본 단가로 가상 요청 비용을 계산해 봅니다. 입력 1만 토큰과 출력 2천 토큰이면 10,000 ÷ 1,000,000 × $2 + 2,000 ÷ 1,000,000 × $6 = $0.032입니다. 출력만 4천 토큰으로 바꿔 다시 계산하면 $0.044입니다. 두 값이 같다면 입력과 출력에 서로 다른 단가를 적용했는지 확인합니다. 이 예는 모델을 호출하지 않으며 도구 비용과 세금은 제외합니다.

다음에는 위 회사 표에서 Grok 4.7과 Grok 4.6의 전기공학 점수를 찾아 뺍니다. 64.0 - 53.0 = 11.0%포인트입니다. ‘모든 작업 정확도가 11% 높다’가 아니라 ‘이 평가에서 11%포인트 높다’고 메모합니다. 다음에는 같은 표의 DeepSWE 행으로 반복합니다. Grok 4.7은 71.0%, Grok 4.6은 65.2%라 차이는 5.8%포인트입니다. 단, 첫 열 제목만 보고 xhigh라고 적으면 틀립니다. 별표 설명에 나온 high를 함께 기록합니다. 다른 표에서도 누가, 언제, 어떤 설정으로 무엇을 측정했는지 확인합니다.

그다음 자신의 작업을 고릅니다.

발표문의 "Grok 4.6보다 나아졌다"는 자사 이전 모델과 견준 말이고, 다른 회사 최신 모델과 견준 말이 아닙니다. 두 문장을 섞어 읽지 않는 편이 낫습니다.

자주 묻는 질문

Grok 4.7의 컨텍스트 길이는 얼마인가요?

50만 토큰입니다. 발표문에는 없지만 공식 API 문서에 적혀 있습니다. 다만 프롬프트가 20만 토큰을 넘으면 그 요청의 모든 토큰이 두 배 값으로 청구되므로 긴 맥락을 쓸 때는 비용을 함께 봐야 합니다.

xAI가 아니라 SpaceXAI라고 적는 이유는 무엇인가요?

2026년 2월 SpaceX가 xAI를 인수했고 7월에 AI 부문 이름을 SpaceXAI로 바꿨습니다. 발표 페이지 제목과 저작권 표기도 SpaceXAI로 되어 있습니다.

출력 속도가 두 배인 변형은 언제 쓰나요?

회사는 같은 모델의 빠른 변형을 값 두 배에 제공한다고 밝혔습니다. 응답을 기다리는 시간이 사용자 경험을 좌우하는 곳이라면 검토할 만하고, 일괄 처리에는 이점이 크지 않습니다.

회사 발표 점수와 독립 측정 가운데 무엇을 믿어야 하나요?

둘 다 봅니다. 회사 표는 그 모델이 가장 잘하는 조건을 보여 주고, 독립 평가는 같은 조건에서 여러 모델을 줄 세웁니다. 실제 업무에 넣기 전에는 정답을 아는 작은 자료로 결과와 비용을 비교합니다.

정리

경쟁 모델의 절반 값으로 같은 구간에서 겨루겠다는 구성으로 보입니다. 다만 토큰 단가가 절반이라는 사실과 과제를 푸는 데 드는 비용이 절반이라는 사실은 다르고, 독립 평가에서는 뒤쪽이 오히려 비쌌습니다. 평가 날짜와 조건, 자신의 작업에서 필요한 정확도를 함께 놓고 판단할 일입니다.

Sources

• Introducing Grok 4.7 (SpaceXAI 공식 발표)
• xAI launches Grok 4.7 at bargain prices, but benchmarks reveal a wide gap to Claude and GPT-6 (The Decoder)
• Grok 4.7 모델 문서 (SpaceXAI 공식 API 문서)
• Grok 4.7 분석과 평가 그림 (Artificial Analysis)
• Grok 4.7 is now available on Amazon Bedrock (AWS 공식 블로그)
• Musk's xAI, SpaceX combo is the biggest merger of all time, valued at $1.25 trillion (CNBC)