공개 제원 및 이용 범위
이번 모델의 주 타겟은 장기 실행 에이전트(Long-running agents), 코딩, 그리고 지식 작업이다. SpaceXAI는 Grok 4.6의 컨텍스트 윈도우를 500,000토큰으로 설정했다. 모델 성능을 측정하는 제3자 지표인 Artificial Analysis Intelligence Index에서는 61점을 기록하며 Kimi K3를 앞질렀고, OpenAI의 GPT-5.6 Sol Max와 동일한 수준에 도달했다. 이는 이전 버전인 Grok 4.5 High보다 5점 상승한 수치다.
사용 가능 범위는 Grok Build를 통해 제공되며, 월 30달러의 SuperGrok 플랜부터 이용할 수 있다. 또한 SpaceX가 인수한 AI 코딩 스타트업 Cursor와 OpenRouter, Vercel, Cloudflare 등 파트너사를 통해 API 형태로 제공된다. SpaceXAI는 출시 첫 주 동안 Cursor와 Grok Build 내에서 Grok 4.6의 기본 제공 사용량을 두 배로 확대했다.
비용 구조에서 주의할 점은 프롬프트 길이에 따른 차등 요금제다. 200,000토큰 미만의 프롬프트는 입력 100만 토큰당 2달러, 캐싱된 입력 0.50달러, 출력 6달러가 적용된다. 하지만 프롬프트가 200,000토큰 이상이 되는 순간, 해당 요청의 모든 토큰에 대해 입력 4달러, 캐싱된 입력 1달러, 출력 12달러의 요금이 부과된다. 이는 단순한 헤드라인 가격보다 실제 TCO(총소유비용) 산정 시 더 중요한 변수가 된다.
학습 메커니즘 및 성능 검증
학습 과정에서는 Grok 4.5보다 더 긴 보충 학습(Supplemental training run)을 수행했다. 큐레이션된 모델 생성 추론 데이터와 기술 데이터, 엔지니어링 데이터를 활용했으며 옵티마이저와 학습 레시피를 변경했다. 이후 Grok 4.5를 이용해 추론 수준, 에이전트 하네스, STEM, 소프트웨어 엔지니어링, 지식 작업 전반의 지도 미세 조정(SFT) 궤적을 재생성하고, 모델 기반 체크를 통해 문제 있는 궤적을 필터링했다. 강화 학습(RL) 단계에서는 일반 코딩, 커널 최적화, 웹 개발, 컴퓨터 보조 설계(CAD) 등 에이전트 환경을 집중적으로 공략했다.
벤치마크 결과는 영역별로 편차가 나타난다. 실세계 작업 성능을 측정하는 GDPVal-AA v2에서는 Elo 1,753점을 기록해 Grok 4.5(1,526점)와 GPT-5.6 Sol Max(1,728점)를 모두 앞섰다. 전문 지식 작업인 AA-Briefcase(Elo 1,577)와 Harvey LAB(15.8%)에서도 Fable 5 Max와 GPT-5.6 Sol Max보다 높은 수치를 보였다. 반면 터미널 조작 능력을 보는 Terminal-Bench v3.0에서는 26%를 기록해 GPT-5.6 Sol Max(34.6%)와 Fable 5 Max(34.1%)에 비해 여전히 낮은 성능을 보였다.
특히 효율성 측면에서 주목할 지표는 작업 완료까지의 소요 자원이다. Artificial Analysis의 테스트에 따르면, Grok 4.6은 AA-Briefcase 워크로드를 평균 53턴과 약 0.5억 개의 입력 토큰으로 완료했다. 이는 Claude Opus 5 Max가 동일 작업을 수행하는 데 103턴과 약 20억 개의 입력 토큰을 사용한 것과 대비되는 결과다. 다만 이는 특정 하네스 설계에 따른 결과이며, 실제 운영 환경의 비용은 프롬프트와 도구 호출 방식에 따라 달라질 수 있다.
도입 시 고려사항
기업용 AI 배포의 흐름이 단순한 질의응답에서 상태를 유지하고 도구를 조작하며 오류를 스스로 복구하는 에이전트 형태로 이동하고 있다. Grok 4.6은 긴 실행 경로에서 스스로 작업을 검증하고 확인하는 셀프 테스팅 능력을 강화해, 코드베이스 탐색이나 제품 아이디어의 애플리케이션 구현 같은 연속적 작업에 최적화되었다.
실무자가 도입을 검토할 때 가장 다르게 판단해야 할 지점은 '토큰당 비용'이 아닌 '워크플로우당 비용'이다. 20만 토큰 임계치에 따른 API 단가 급증 구간을 고려하여, 에이전트의 상태 유지 방식과 캐싱 전략을 설계함으로써 전체 작업 완료 비용을 최적화하는 접근이 필요하다.
