본 문서는 SpaceXAI가 발표한 최신 모델 Grok 4.6의 성능 분석을 다루며, 이 모델이 Artificial Analysis Intelligence Index에서 61점을 획득하여 GPT-5.6 Sol과 동등한 수준의 Frontier 모델로 도약했음을 강조한다.

핵심 성능 및 벤치마크 결과

Grok 4.6은 정적인 추론 능력보다 Agentic performance(에이전트 수행 능력)에서 두드러진 강점을 보인다.

• GDPval-AA v2: 1753 Elo를 기록하며 Claude Opus 5에 이어 업계 최상위권에 위치하며, Claude Fable 5 및 Qwen3.8 Max와 통계적으로 유사한 성능을 나타낸다.
• 𝜏³-Banking: 50.7%의 점수로 Qwen3.8 Max(51.3%)와 함께 2강 체제를 형성하며 복잡한 툴 사용과 고객 서비스 업무 수행 능력을 입증했다.
• Terminal-Bench v2.1: 88.4%의 점수를 기록하여 터미널 기반 소프트웨어 작업 분야에서 선도적인 모델들과 대등한 위치를 점했다.

기술적 방법론 및 효율성 분석

Grok 4.6의 가장 주목할 점은 성능 향상 대비 비용 효율성이다.

• 비용 구조: 헤드라인 가격은 Grok 4.5와 동일한 1M 토큰당 $2/$6(입력/출력)를 유지하여, Claude Opus 5($5/$25) 및 GPT-5.6 Sol($5/$30) 대비 압도적인 가격 경쟁력을 확보했다. 특히 추론 중심 워크로드에서 결정적인 출력 토큰 비용이 현저히 낮다.
• Long-horizon Agentic Work: AA-Briefcase 벤치마크(Elo 1577)에서 Claude Fable 5 수준의 성능을 보여주었다. 특히 효율성 측면에서 뛰어난데, 평균적으로 약 53 turns와 0.5B input tokens를 사용하여, Claude Opus 5(max)의 약 103 turns 및 2.0B input tokens 대비 월등한 토큰 효율을 보였다.
• 캐시 최적화: 캐시 적중(cache hits) 시 1M 토큰당 $0.5의 비용이 적용되어, 빈번한 문맥 참조가 필요한 작업에서 추가적인 비용 절감이 가능하다.

결론

Grok 4.6은 지능 지수(Intelligence Index) 61점을 통해 업계 Frontier 모델 대열에 합류했으며, 특히 에이전트 작업에서의 효율성과 경제성 측면에서 우위를 점하고 있다. $0.84의 작업당 비용은 해당 성능대에서 매우 경쟁력 있는 수치이며, 이는 모델의 per-token pricing뿐만 아니라 작업 수행 과정에서의 높은 토큰 효율성($Efficiency$)에서 기인한다. 결과적으로 Grok 4.6은 Intelligence vs. Cost per Task Pareto frontier의 최전방에 위치하고 있다.