그록4 달라진 점, 특징, 평가 : 일론 머스크의 AI가 보여준 놀라운 성과

최근 AI 업계에서는 일론 머스크가 이끄는 xAI에서 그록4(Grok 4)를 출시하면서 큰 화제가 되고 있는데요. 그록3를 건너뛰고 바로 4로 넘어간 것도 흥미롭지만, 실제로 성능면에서도 챗GPT나 제미나이를 능가하는 벤치마크 점수를 기록했다고 하네요.

그록4는 세계에서 가장 지능적인 모델로, 네이티브 도구 사용과 실시간 검색 통합 기능을 포함하고 있으며, 현재 SuperGrok 및 Premium+ 구독자들과 xAI API를 통해 이용할 수 있다고 하는데요.

특히 Humanity’s Last Exam이라는 벤치마크에서 50%를 넘은 최초의 모델이 되었다는 점에서 많은 전문가들의 관심을 받고 있습니다.

그렇기에 이번 포스팅에서는 그록4의 달라진 점과 특징, 그리고 실제 사용자들의 평가까지 자세히 살펴보려고 합니다. AI에 관심이 있으시거나 새로운 AI 모델을 찾고 계신 분들께는 유용한 정보가 될 것 같네요.

※ 그록4 (Grok4) 공식 홈페이지

이렇게 그록4는 2025년 7월 9일 라이브스트림을 통해 공개되었는데요. 가장 눈에 띄는 변화는 그록2 대비 100배 더 많은 학습 데이터를 사용했다는 점입니다. 이는 단순히 데이터량만 늘린 것이 아니라, 강화학습 훈련에서 이전보다 한 차원 높은 규모의 컴퓨팅을 사용했다고 하네요.

특히 xAI의 20만 GPU 클러스터인 Colossus를 활용하여 강화학습 훈련을 진행했으며, 이를 통해 훈련 효율성을 6배 향상시켰다고 합니다. 이러한 대규모 투자와 기술 혁신이 그록4의 뛰어난 성능의 기반이 되었다고 볼 수 있겠네요.

또한 그록4의 가장 큰 특징 중 하나는 도구 사용을 위한 강화학습으로 훈련되었다는 점인데요. 이를 통해 코드 인터프리터와 웹 브라우징과 같은 도구를 활용하여 대규모 언어 모델이 일반적으로 어려워하는 상황에서도 문제를 해결할 수 있게 되었습니다.

Grok 4 API는 개발자들에게 프론티어 수준의 멀티모달 이해 능력, 256,000 컨텍스트 윈도우, 그리고 고급 추론 능력을 제공합니다. 다만 앱에서는 128,000 토큰으로 제한된다는 점은 참고해주시면 좋을 것 같네요.

이 외에도 X, 웹, 다양한 뉴스 소스를 포함한 실시간 데이터 검색을 새롭게 출시된 라이브 검색 API를 통해 통합하여, 최신의 정확한 응답을 제공할 수 있게 되었습니다. 이는 기존 AI 모델들이 가지고 있던 정보의 최신성 문제를 해결한 중요한 개선점이라고 할 수 있죠.

그록4의 벤치마크 성능은 정말 인상적인데요. Humanity’s Last Exam에서 2,500개의 수학, 물리학, 화학, 인문학, 컴퓨터 과학 문제 중 절반 이상에서 두 자릿수 점수를 기록했으며, 대부분의 현재 모델들은 낮은 한 자릿수만을 기록한다고 합니다.

특히 Artificial Analysis Intelligence Index에서 73점을 기록하여 OpenAI o3의 70점, Google Gemini 2.5 Pro의 70점, Anthropic Claude 4 Opus의 64점을 앞섰다는 점이 주목할 만하네요.

ARC-AGI 벤치마크에서는 15.9%를 기록하여 10% 장벽을 깨뜨린 유일한 모델이 되었으며, 이는 Claude Opus의 8.6%에 비해 거의 두 배에 달하는 성과입니다. 이는 모델이 단순히 암기하는 것이 아니라 실제로 일반화하고 추론하며 적응한다는 것을 의미한다고 하네요.

코딩 능력 면에서도 SWE-Bench에서 72-75%의 점수를 기록하여 o3-mini (high)와 Claude 3.5 Sonnet을 크게 앞섰습니다. 이는 실제 소프트웨어 문제를 해결하는 능력을 평가하는 것으로, 단순히 문법을 암기하는 것이 아니라 논리를 구축하고 데이터 구조를 올바르게 사용할 수 있다는 것을 보여주죠.

하지만 실제 사용자들의 평가는 벤치마크만큼 압도적이지는 않은데요. 크라우드소싱 리더보드에서는 그록4가 중간 정도의 순위를 기록했으며, 이는 벤치마크 점수가 시사하는 것보다 훨씬 낮은 수준이었습니다.

개인적으로는 이러한 차이가 발생하는 이유가 실제 사용성과 벤치마크 성능 사이의 괴리 때문이 아닐까 싶은데요. 아무리 성능이 좋아도 사용자 경험이 따라오지 않으면 실제로는 활용하기 어려울 수 있다는 점을 보여주는 것 같네요.

그록4의 가격 정책은 SuperGrok 플랜이 월 $30 또는 연 $300이며, SuperGrok Heavy 플랜은 월 $300 또는 연 $3,000입니다. Heavy 버전은 멀티 에이전트 버전으로, 여러 에이전트가 협력하여 더 복잡한 문제를 해결할 수 있다고 하네요.

API 가격의 경우 입력 토큰당 $3/백만, 출력 토큰당 $15/백만으로 Claude Sonnet 4와 동일한 가격입니다. 128,000 입력 토큰을 초과하면 가격이 두 배로 증가하여 $6/$30이 됩니다.

사용자들의 평가를 살펴보면 긍정적인 면과 부정적인 면이 모두 존재하는데요. 수학과 프로그래밍에 강하며, 문제 해결에 대한 독창적이고 논리적으로 타당한 접근 방식을 보여주는 사고 과정의 품질에 감명을 받았다는 평가가 있었습니다.

반면에 그록3가 시스템 프롬프트 업데이트 이후 반유대주의적 표현을 사용하고 자신을 MechaHitler라고 부르는 등의 문제를 일으켰다는 점은 상당히 우려스러운 부분이네요. 이러한 브랜드 리스크는 기업들이 그록을 도입하는 데 있어 큰 걸림돌이 될 수 있을 것 같습니다.

또한 컨텍스트 윈도우가 경쟁사에 비해 작아서 대규모 코드베이스를 다루는 데 어려움을 겪을 수 있다는 지적도 있었는데요. 특히 Gemini 2.5 Pro가 100만 토큰을 제공하는 것과 비교하면 확실히 아쉬운 부분이라고 할 수 있겠습니다.

이 외에도 o3와 유사한 검색 중심 스타일을 보여주지만, 스타일과 취향 면에서는 부족하다는 평가도 있었는데요. 기술적으로는 훌륭하지만 사용자 경험 측면에서는 개선이 필요하다는 의견이 많았습니다.

오늘은 일론 머스크의 xAI에서 출시한 그록4의 달라진 점과 특징, 그리고 실제 평가에 대해서 알아보았습니다.

벤치마크 성능만 놓고 보면 확실히 현재 시점에서 가장 뛰어난 AI 모델 중 하나라고 할 수 있는데요. 특히 수학과 과학 분야에서의 추론 능력은 정말 인상적이었습니다. 하지만 실제 사용성이나 안정성 측면에서는 아직 개선이 필요한 부분들이 있어 보이네요.

개인적으로는 AI 모델을 선택할 때 단순히 성능만 보는 것이 아니라, 실제로 내가 사용하려는 목적에 맞는지, 그리고 안정적으로 서비스를 제공받을 수 있는지를 종합적으로 고려해보시는 것이 좋을 것 같습니다.

그록4는 분명 혁신적인 기술을 보여주고 있지만, 아직은 챗GPT나 클로드와 같은 검증된 서비스들과 비교해서 조금 더 지켜봐야 할 부분들이 있지 않을까 싶네요.