Grok 4.5 공개

 (x.ai)
2P by GN⁺ | ★ favorite | 댓글 2개
  • SpaceXAI가 코딩·에이전트형 작업·지식 업무를 겨냥한 자사 최상위 모델 Grok 4.5를 출시
  • 학습 과정은 수만 개 NVIDIA GB300 GPU와 데이터 중복 제거·품질 점수화·도메인 중심 선택에 초점을 맞춰, 단순 토큰 규모보다 신호 품질을 강조함
  • 벤치마크에서는 Terminal Bench 2.1 83.3%, SWE Bench Pro 64.7%, DeepSWE 1.0 62.0%, DeepSWE 1.1 53% 를 기록
  • 서빙 속도는 80 TPS이며, SWE Bench Pro 작업당 평균 출력 토큰은 15,954개로 Opus 4.8(max)의 67,020개보다 약 4.2배 적음
  • Grok 4.5는 Grok Build, 모든 Cursor 플랜, SpaceXAI 콘솔에서 사용할 수 있지만, EU 제공은 아직 열리지 않았고 7월 중순으로 예정됨

코딩·에이전트 작업을 겨냥한 학습과 평가

  • Grok 4.5는 코딩, 과학, 엔지니어링, 수학 지식을 포함한 데이터셋으로 학습됐으며, 실제 엔지니어링 작업과 에이전트형 작업을 핵심 활용처로 삼음

  • 벤치마크 결과

    • 비교 모델 수치는 각 개발사의 공개 시스템 카드 또는 벤치마크 리더보드에서 가져온 값임
    • DeepSWE 1.0: Grok 4.5 62.0%, Fable(max) 66.1%, GPT 5.5(xhigh) 64.31%, Opus 4.8(max) 55.75%, Opus 4.7(max) 40.12%
    • DeepSWE 1.1: Grok 4.5 53%, Fable(max) 70%, GPT 5.5(xhigh) 67%, Opus 4.8(max) 59%, GLM 5.2 44%
    • Terminal Bench 2.1: Grok 4.5 83.3%, Fable(max) 84.3%, GPT 5.5(xhigh) 83.4%, Opus 4.8(max) 78.9%, Opus 4.7(max) 78.9%
    • SWE Bench Pro 해결률: Grok 4.5 64.7%, Fable(max) 80.4%, Opus 4.8(max) 69.2%, Opus 4.7(max) 64.3%, GLM 5.2 62.1%, GPT 5.5(xhigh) 58.6%

  • 학습 인프라와 데이터 처리

    • 학습 인프라는 수만 개의 NVIDIA GB300 GPU를 사용했으며, 대규모 학습 실행을 위한 안정성 기법을 포함함
    • 데이터 처리는 단순 토큰 규모보다 필터링과 큐레이션에 투자함
      • 중복 제거
      • 품질 점수화
      • 도메인 중심 선택
    • 강화학습은 토큰별 지능에 초점을 맞춰 수십만 개 작업을 대상으로 진행됨
      • 중심 작업은 다단계 소프트웨어 엔지니어링과 기타 기술 작업임
      • 채점에는 자동 채점과 모델 기반 채점이 사용됨
      • 에이전트형 롤아웃은 여러 시간 동안 실행될 수 있으며, 학습은 수만 개 GPU에서 계속 진행되는 비동기 학습 스택을 사용함

  • 코딩 활용 예시

    • Grok 4.5는 Rust, C/C++의 어려운 작업부터 프롬프트 기반 엔드투엔드 앱 제작까지 코딩 작업에 강하다고 제시됨
    • 예시 프롬프트는 threejs로 우주와 태양계 시뮬레이션을 만들고, 시간 조절·현실적인 움직임·궤도·별·현대적인 HUD를 포함하도록 요구함

속도, 가격, 업무 도구 지원

  • Grok 4.5는 80 TPS의 모델 속도로 제공됨
  • SWE Bench Pro 작업 기준 평균 출력 토큰은 15,954개이며, Opus 4.8(max)의 67,020개보다 약 4.2배 적음
  • 가격은 입력 100만 토큰당 2달러, 출력 100만 토큰당 6달러임
  • SpaceXAI는 Grok 4.5가 비교 대상 선도 모델보다 대략 2배 높은 토큰 효율을 달성하고, 작업을 절반 미만의 단계 수로 해결한다고 밝힘

  • Grok Build와 Office 플러그인

    • Grok 4.5는 Grok Build의 기본 모델임
    • Grok Build는 웹 리서치, 여러 시트의 수식 사용, 향후 참고용 스티키나 노트를 포함하는 복잡한 Excel 모델을 만들 수 있음
    • PowerPoint에서는 네이티브 도형으로 복잡한 다이어그램을 만들고 직관적인 슬라이드 콘텐츠를 설계할 수 있음
    • Word에서는 명확한 문장 작성을 지원함
    • Office 플러그인은 Word, PowerPoint, Excel용으로 제공됨

  • 제공 채널과 제한

    • Grok 4.5는 현재 Grok Build, 모든 플랜의 Cursor, SpaceXAI 콘솔에서 사용할 수 있음
    • 제한적으로 Grok Build와 Cursor에서 무료 Grok 4.5 사용을 제공함
    • EU에서는 아직 SpaceXAI 제품이나 API 콘솔에서 Grok 4.5를 사용할 수 없으며, 7월 중순 제공이 예상됨

함께 보면 좋은 글 β

gkhcdef   [-]

토큰 아끼려고 fast 끄고 썼는데도 상당히 빠릿빠릿하게 작업 해와서 만족스러웠습니다. 다만 아직 큰 작업 계획은 안 시켜서 바이브 코딩은 잘할지 모르겠네요.

답변달기
GN⁺   [-]
Hacker News 의견들

  • xAI가 모델 답변을 정치적 서사에 맞게 적극적으로 조정한다는 걸 알면서는 신뢰하기 어렵다고 봄
    백엔드에서 계속 유도되는 모델을 기업 환경에서 어떻게 신뢰할 수 있겠냐는 의문이 듦

    • 모든 모델 제공사도 자기들이 선호하는 정치적 서사에 맞게 답변을 조정하고 있을 가능성이 있지 않냐고 봄
    • 다른 모델들도 상황이 다르지 않지 않냐는 반문
    • Claude에게 서구권의 소수자 범죄율이나 트랜스 여성의 생물학 같은 민감한 주제를 물어보면 거짓말을 눈치채지 못했을 수 있음
      모델에게 거짓말을 짚어 줘도, 그게 HRLF 과정과 내장된 편향 때문이라고 인정하게 만들기는 쉽지 않았을 거라고 봄
      Claude가 스스로 10~15개 주요 연구 분야에서 쓰면 안 된다고 말하게 만들거나, “어려운” 사안에서 출처가 자주 체리피킹되고 극단적으로 잘못된 균형을 보인다고 인정하는 걸 보면 모든 LLM이 편향되어 있고 대다수는 진보 쪽으로 기울어 있다고 느끼게 됨
      오히려 테스트해 보면 Grok이 GPT나 Gemini보다 더 정치적으로 올바른 답을 하는 경우가 많았고, X 사용자들이 일부러 정치적으로 부적절한 말을 끌어낼 수 있어서 날 선 평판이 붙은 것뿐이라고 봄
      grok.com이나 앱의 Grok은 실제로는 꽤 얌전하고, 심지어 지루할 정도라고 덧붙임
    • 정치적인 용도로 쓰지 않으면 되는 것 아니냐고 봄
      코드 생성에만 쓸 거라면 그런 부분을 왜 신경 써야 하냐는 입장
    • Elon의 수사와 모델 동작은 잘 맞지 않음
      Grok은 Elon 비판도 하고, 그가 내세우는 여러 극단적인 우파 논점에도 반박하는 편임

  • 사람들이 Grok을 쓰려는 데 놀람
    xAI는 너무 노골적으로 도덕적으로 파산한 회사처럼 보이고, CSAM에 괜찮아 보이거나 적어도 막기 위해 충분히 하지 않는 유일한 AI 회사처럼 느껴짐
    굳이 돈을 줄 이유가 없고, 유일한 선택지라면 몰라도 지금은 전혀 그렇지 않음

    • 사람들은 바로 그 도덕적 태도 때문에 돈을 준다고 봄
      CSAM에 적극적으로 괜찮다고 여기거나 그냥 신경 쓰지 않는다는 해석
    • AI 회사는 하나, 많아야 둘만 있으면 된다는 식의 생각은 위험함
      누가 더 도덕적인지 정하는 방식은 역사적으로 별로 좋은 결과를 내지 않았음
    • 예전에는 Grok이나 도덕적으로 의심스러운 제품을 쓰는 일을 꽤 고민했지만, 집을 샀고 소프트웨어 엔지니어 급여로 큰돈을 썼으며, 몇 년 전 SF로 이사해 젠트리피케이션에 기여했을 수도 있고, 중국의 수많은 아이들이 교육비가 없는데도 아무것도 하지 않았다는 생각이 들었음
      그래서 Grok을 쓰고, 가족이 불편해할 만큼 중국 NGO에 꽤 많은 돈을 기부했으며, 아직 주택담보대출이 있고 스스로도 어느 정도 이기적이라 SF 비영리단체에는 기부하지 않기로 함
      도덕과 선행은 실용적인 태도로 접근해야 한다고 봄
      Grok은 여러 면에서 마음에 들고, 보이콧하는 것도 도덕적으로 좋지만 현실성을 유지하면서 할 수 있는 다른 도덕적 선택도 많다고 생각함
    • AI 업계 거물들의 도덕성은 전부 의심스럽다고 봄
      학습 말뭉치는 대체로 훔친 것이고, 모두 빠져나오기 어려운 빚을 지고도 계속 달리는 중임
      하지만 제품이 너무 유용해져서 “도덕적으로 받아들일 만한” LLM이 나오기를 기다리며 물러서 있을 사람은 거의 없고, 그런 모델은 필연적으로 더 열등할 가능성이 큼
      다만 CSAM에 대해서는 판단하기 어렵고, xAI가 정말로 괜찮다고 여긴다면 다른 회사들보다 더 비도덕적이라는 데 동의함

  • Grok 4.5는 매우 경제적으로 보임
    Opus 대비 추론 효율이 4배 좋고 가격은 $2/$6인데, 비교하면 GPT 5.4는 $2.5/$15, GPT 5.5/5.6은 $5/$30, Opus 4.8은 $5/$25, Fable은 $10/$50임
    벤치마크를 조작하지 않았다면 Opus 4.7 수준으로 보이고, Elon이 https://x.com/elonmusk/status/2074911038286295049에서 말한 것과도 맞음
    Cursor 데이터가 꽤 유용했을 것 같음

    • $2/$6 가격은 문맥 길이 200K 이하에만 적용되는 듯함
      그 이상, 최대 문맥 500K에서는 가격이 $4/$12로 두 배가 됨
      https://docs.x.ai/developers/models/grok-4.5
    • xAI는 가장 큰 클러스터 중 하나를 갖고 있지만 경쟁사보다 인기가 낮아 처리해야 하는 트래픽과 토큰이 훨씬 적고, 그 절감분을 최종 사용자에게 넘길 수 있다는 가설이 듦
    • Claude의 $100 요금제와 비슷한 연산 한도를 가진 동급 요금제가 있으면 좋겠음
      Grok 월 $40 버전을 쓰는데, 한 달에 “쉬지 않고” Grok Build 코딩을 할 수 있는 시간이 최대 8시간 정도임
    • 중국 API와 비교하면 어떤지 궁금함
      xAI가 중국 연구소보다 의미 있게 더 유능하거나 조금이라도 더 정직해 보이지 않는다면, 훨씬 싸지 않은 한 작업을 그냥 중국으로 보내도 되지 않나 싶음
    • 비슷한 성능의 Deepseek v4 Pro와 비교하면 매우 비쌈
      Grok은 애매한 위치에 갇혀 있음. 어떤 분야에서도 최고가 아니고, 가장 싸지도 않음
      과거 이력까지 고려하기 전에도 쓸 이유를 만들기 어렵고, 스스로를 “MechaHitler”라고 부르는 모델을 회사에서 쓰자고 제안하는 게 승진으로 이어질지도 의문임

  • Cursor 블로그에 따르면, Cursor 데이터 수조 토큰으로 학습했는데 코드베이스와 소프트웨어 도구를 다루는 실제 사용자 상호작용을 폭넓게 담고 있음
    이 데이터셋 덕분에 기존 소프트웨어뿐 아니라 개발자-에이전트 상호작용에서도 배우고, 개발자가 일하는 방식과 에이전트가 환경과 상호작용하는 방식을 포착할 수 있음
    큰돈이 들어간 이유가 여기라고 봄. Cursor는 Claude Code나 Codex가 본격화되기 전에 실제 프로젝트 데이터를 가진 첫 대형 플레이어였음
    현실적인 환경의 어려운 문제에 대해 강화학습을 사용해 문제 조사, 도구 사용, 실수 복구, 결과 검증을 가르쳤고, 기존 과제가 더 이상 새로 가르칠 것이 없어지는 만큼 프런티어 모델도 실패할 정도로 어려운 문제를 설계해야 했음
    엔지니어가 문제와 검증 방식을 정하면 대규모 에이전트가 환경을 구성·테스트·개선하는 분산 에이전트 시스템을 만들었고, 이전 세대 모델로 다음 반복 학습용 데이터셋을 준비하는 구조임
    모델이 좋아질수록 데이터도 좋아지고 다음 모델도 좋아지는 순환이며, “중국 모델이 최신 최고 수준에 가깝다”고 보는 사람들을 위해 Composer 2.5 학습과의 비교도 있음
    Anthropic에 많은 연산을 넘긴 뒤 xAI가 몰락했다는 평가는 다소 과장된 듯하고, Grok 4.5는 수만 개의 NVIDIA GB300 GPU에서 학습됨

    • Microsoft는 GitHub와 Visual Studio를 갖고도 좋은 코딩 모델이 없음
    • 이전 세대 모델로 다음 세대 모델용 데이터를 준비할 수도 있고, 아예 합성 데이터를 생성하게 할 수도 있음
      예전에는 나쁜 생각이라고 여겼지만, 많은 연산을 써서 데이터를 만들고 채점하는 스캐폴드를 구성하면 품질이 꽤 좋아지는 것으로 드러남
    • 큰돈은 SpaceX 주식, 그것도 IPO 직후 신주에도 들어갔으니 전체적으로 꽤 영리한 선택으로 보임
    • 이전 세대 모델로 다음 반복용 데이터셋을 준비하는 방식은 학습에 해롭다고 여러 번 읽었음
      사실상 많은 사람이 증류라고 부르는 걸 설명하는 셈인데, 이는 사후 학습에서 행동을 유도하는 데만 유용하고 행동 방식을 가르칠 뿐 생각하는 법을 가르치지는 못한다고 이해함
      틀렸을 수도 있으니 더 잘 아는 사람이 설명해 주면 좋겠음

  • 수십억 달러를 써서 3위 모델을 만드는 게 경제적으로 어떻게 말이 되는지 모르겠음
    1위와 2위도 이미 수익 내기 힘들어 보이는데, 뭘 놓치고 있는지 궁금함
    Ed Zitron식으로 끝까지 몰아가려는 건 아니지만 이해가 안 됨

    • 예전에는 멀찍이 떨어진 4위였고, 한 번에 OpenAI나 Anthropic을 따라잡을 수는 없지만 사다리 한 칸은 올라간 셈임
      단기적으로 연구소들은 수익성이 없고, Anthropic은 거의 가까워졌다고 알려져 있음
      Amazon도 오랫동안 수익이 없기로 유명했지만 결국 크게 이겼듯, 현재 수익 여부는 투자자에게 반드시 핵심이 아님. 중요한 건 미래 수익 가능성을 믿느냐임
      Elon은 앞으로 경제의 많은 부분이 AI로 운영되고, 토큰의 경제적 가치가 그 토큰을 생성하는 비용보다 더 빠르게 상승한다고 보는 듯함. 여기에는 해당 토큰을 만들 모델의 학습 비용 상각도 포함됨
      그래서 모델을 학습하고 추론 비용을 받는 연구소를 만들고 있으며, 지금은 아니더라도 결국 수익성이 생긴다고 믿는 것 같음
      이에 동의할 수도 있고, 그가 Anthropic/OpenAI를 이길 수 있는지는 연구자 유지에 겪는 최근 어려움을 보면 더 불확실하지만, 현재 수익은 미래 수익 가능성을 믿는지 판단하는 좋은 지표는 아님
      Tesla와 SpaceX도 수익성이 매우 나빴지만, 언젠가는 그렇지 않게 됐음
      개인적으로 미래에 막대한 수익이 생길 것이라는 데는 동의하지만, Elon이 Anthropic/OpenAI를 이길 능력에는 그만큼 확신하지 못함
    • 경쟁사들과 같은 꿈을 꾸는 것임
      돌파구를 찾아 우위를 얻고 지배적 위치에 오르려는 것
      또한 회사 주변에 AI라는 단어가 붙어 있으면 필요한 숫자들이 올라가므로, Musk가 다른 회사들과 묶어 밸류에이션을 끌어올릴 수 있는 사내 AI 부문은 제품 자체가 손실을 내더라도 그에게 유용함
    • 영구 하층계급에서 벗어나는 유일한 길이라면 Elon도 예외는 아니라는 농담 섞인 시각
    • 지금 Google이나 다른 여러 연구소에도 똑같은 말을 할 수 있음
      선택지가 많은 다양한 시장은 브라우저 전쟁이 반복되는 일을 막아 줌
    • 이 시장은 순위를 정할 만큼 성숙하거나 확립되지 않았음
      초기가 후반을 예측하지 못한 기술 시장은 많았음
      Grok에는 개인적으로 회의적이지만, Claude가 우위를 잃으면 Cursor 통합을 통해 수익성 있는 틈새시장을 만들 수도 있음

  • OpenRouter 설정을 ZDR 전용으로 해 둬서 Grok 모델을 써본 적이 없었음
    방금 확인해 보니 이제 ZDR xAI 엔드포인트가 있는 듯해서 실제로 시도해 볼 생각임
    언제 추가됐는지 아는 사람이 있는지 궁금함
    다만 익명성 항목에 “Requires user IDs”라고 되어 있는데 OpenRouter에서는 이례적이고 별로 보기 좋지 않음. 일반적으로 OpenRouter는 요청을 제공사에 익명화해 전달하는 프록시인데, ZDR 전용처럼 계정 전체에서 이를 강제하는 설정은 찾지 못했음

  • 첫인상은 꽤 좋음
    초당 토큰 수가 높고 대략 90쯤으로 보이며 토큰 효율도 매우 높아 GPT 5.5, Opus 4.8, GLM 5.2를 속도 면에서 쉽게 이김
    가격도 매우 좋고, API 비용을 직접 내면 GPT와 Opus는 지나치게 비싸며 토큰 효율까지 고려하면 GLM 5.2보다도 아마 쌀 수 있음
    지능 수준을 파악하려면 시간이 꽤 걸리겠지만 확실히 좋고, Opus와 같은 등급의 하단부에 GLM 5.2와 함께 있는 정도로 보임

    • 동의함
      Cursor에서 “이 테스트 스위트가 마음에 들 만큼 강하지 않고, 결과보다 내부 상태에 의존하는 경우가 너무 많다”는 문제를 두고 “검토하고 해결책을 제안해 달라”고 했더니 테스트 접근법, 강점, 약점, 빈틈을 잘 정리하고 신뢰받는 테스트 라이브러리인 https://hypothesis.readthedocs.io/en/latest/ 기반의 체계적인 다중 접근을 추천했음
      이번 개선 작업에서 할 일과 나중으로 미룰 일을 나누고, 매우 어렵거나 범위를 벗어날 수 있는 사례를 식별한 뒤 거기에 집중할지 선택지도 줬으며, 새 테스트도 논리적으로 구성했음
      피드백 한 번과 계획 조정 뒤 에이전트 모드로 돌리자 몇 분 뒤 훨씬 나은 테스트 스위트가 생김
      Grok을 써본 적이 없어서 기대가 낮았지만, 이전에는 GPT나 Opus에만 맡겼을 복잡하고 세밀한 다단계 작업을 훌륭히 해냈음
      업데이트로, 오래된 실질적 버그도 찾아냈음. 테스트 개선 뒤 전체 코드와 패키징 검토를 시켰더니 사소한 결함과 빠뜨린 부분도 잡았지만, 오류 처리 약점과 꽤 민망한 기능 버그 하나도 찾아내 수정하고 테스트까지 추가했음
    • 흥미롭지만 뭔가 잘못하고 있는 건지 이 모델은 거의 쓰기 힘들게 느껴짐
      맥락이 거의 필요 없는 기본 요청도 계속 망치고, 예를 들어 헬퍼 함수를 인라인하라고 했더니 10줄 변경 대신 관련 모듈 절반을 다시 작성했음

  • 직접 써본 3개 모델 중 Grok이 개인용으로 원하던 iOS 앱을 만드는 데 가장 잘했음
    특정 조건을 가진 자전거 컴퓨터 앱이었고, Claude는 포기하고 HTML/CSS 구현으로 가려 했지만 native SwiftUI+Metal을 고집했음
    Grok도 가끔 실수하지만, 일일이 지시해야 할 줄 알았던 부분을 의외로 잘 추론해서 놀랐음
    iOS 개발자가 아니라서 언어와 API를 몇 달·몇 년 배우는 대신 몇 시간·며칠 만에 필요한 걸 얻은 게 정말 도움이 됐음
    Caddy를 “바이브 코딩”하는 건 전혀 아니고, 개인 프로젝트로 만져보는 정도임

    • Claude가 HTML/CSS 구현으로 가려 했고 native SwiftUI+Metal을 고집했다는 건 매우 이상하고 내 경험과는 정반대임
      어떤 모델을 썼는지 말하지 않았지만, Opus 4.8이나 Sonnet이 원하는 언어와 스택을 무시한 적은 없었음
    • Opus 4.8로 네이티브 iOS 개발을 많이 하고 이전에는 4.7/4.6도 썼는데, 이 내용은 받아들이기 어렵다
      Opus를 쓴 건지 다른 모델을 쓴 건지 궁금함
    • 이와 거의 같거나 매우 비슷한 댓글을 전에 읽은 것 같음
      자전거 컴퓨터 iOS 앱과 어떤 모델이 포기했다는 요지가 같았음
      별개로 Caddy에는 정말 고마움. 새 프로젝트를 시작하는 데 큰 도움이 됐고, 팀 온보딩 때 신경 써야 할 오류 원인이 하나 줄어들 만큼 기본 상태에서 그냥 잘 동작했음
    • Claude는 Claude Code에서 쓴 건지 궁금함
      Haiku 같은 더 약한 모델을 쓴 건 아닌지, Claude가 말한 만큼 나빠서는 안 됨
    • 자전거 컴퓨터에 만족하지 못하는 입장에서, 끔찍한 UI/UX 결정이 꽤 많아 만든 것을 공유하거나 설명해 줄 수 있는지 궁금함
      웹 서버는 마음에 듦

  • Cursor도 모델 학습에 참여했고, 발표 글은 https://cursor.com/blog/grok-4-5에 있음
    특히 Grok 4.5와 Composer 2.5는 서로 다른 모델 가중치 등급이고, 두 크기와 가중치를 모두 지원하게 되어 기쁘다고 밝힘
    Composer 2.5는 계속 제공되며 앞으로도 이 크기의 새 모델을 출시할 예정이라고 함

    • Composer 2.5는 Kimi 2.5 기반으로 전체 1T, 활성 32B이고, Elon은 Grok 4.5가 전체 1.5T 매개변수라고 공개적으로 말했음
      서로 다른 가중치 등급이라고 하기엔 차이가 크지 않음
      API 비용 차이는 약 2.5배인데, 아마 xAI가 회수해야 할 비용이 훨씬 크기 때문일 것임

  • https://tools.simonwillison.net/markdown-svg-renderer#url=ht...

    • 햄스터도 점점 나아지고 있지만, 최신 최고 수준 모델들과 비교하면 아직 꽤 멀었음
      https://aibenchy.com/showcase/?q=grok
    • 두꺼운 휠캡이 달린 자동차 바퀴를 쓰는 자전거를 타는 것처럼 보임
답변달기