요약 / 핵심 포인트
SpaceXAI가 Grok 4.5를 출시했습니다. 이 모델은 저렴한 비용으로 최첨단 성능을 자랑합니다. 그러나 놀라운 벤치마크 점수를 자세히 살펴보면 모든 것을 의심하게 만드는 데이터 오염 논란이 드러납니다.
벤치마크 전격전
Grok 4.5가 출시되어 AI 커뮤니티를 충격에 빠뜨린 폭탄선언과 함께 등장했습니다. 이 새로운 모델은 DeepSWE와 같은 전문 소프트웨어 엔지니어링 벤치마크에서 Opus 4.8 Max와 같은 최고 수준의 경쟁자를 능가하는 점수를 기록했다고 합니다. 예를 들어, DeepSWE 1.0에서의 성능은 소프트웨어 및 엔지니어링 작업에서 최첨단 수준의 지능을 나타내어 이러한 주장을 특히 강력하게 만듭니다.
주목할 만한 하이라이트는 Grok 4.5의 Terminal-Bench 성능입니다. 이는 숙련된 DevOps 엔지니어처럼 실제 명령줄 인터페이스를 작동하는 AI의 능력을 평가하는 중요한 테스트입니다. 정적 코드 편집과 달리 이 벤치마크는 AI가 실제 셸을 사용하여 작업을 완료하도록 요구합니다. Grok 4.5는 Terminal-Bench 2.1에서 83.3%의 점수를 기록하며 'GPT 5.5' 수준의 역량과 일치한다고 보고되었으며, Opus 4.8 Max를 크게 능가하는 인상적인 실용적 능력을 보여주었습니다.
순수한 코딩을 넘어, Grok 4.5는 GDPVal 벤치마크에서도 인상적인 29%를 달성했습니다. 이 벤치마크는 실제 전문 작업을 평가하며, Grok 4.5는 GPT-5.5 (22%)와 Opus 4.8 (21%) 모두를 능가합니다. 이러한 결과는 단순한 학술적 벤치 테스트가 아닌 전문 환경에서의 실용적인 적용 가능성이 높음을 시사합니다. 모델의 보고된 효율성과 낮은 비용은 사용자에게 더욱 매력적인 요소입니다.
저렴한 비용으로 최첨단 AI
Grok 4.5의 가격표는 아마도 가장 파괴적인 기능이며, AI 커뮤니티를 충격에 빠뜨렸습니다. 백만 토큰당 입력 $2, 출력 $6에 불과하여, 유사한 최첨단 성능을 제공하는 경쟁사보다 5배에서 10배까지 가격이 훨씬 저렴합니다. 예를 들어, Terminal-Bench와 같은 벤치마크에서 80%의 유사한 성능을 달성하는 모델은 백만 토큰당 입력 $5, 출력 $30를 요구할 수 있습니다.
이 공격적인 가격 전략은 Grok 4.5를 '지능 대 비용' 지수에서 독특한 위치에 놓습니다. 이 모델은 '가장 매력적인' 사분면에 정확히 위치하며, 최고의 가성비를 약속합니다. 이는 개발자와 기업 모두에게 중요한 승리인, 프리미엄 비용 없이 고급 지능을 얻을 수 있음을 의미합니다.
비용 외에도 Grok 4.5는 속도와 효율성을 우선시합니다. 이 모델은 빠른 초당 80 토큰 (TPS)으로 제공되며, Opus 4.8과 같은 선도적인 모델보다 최대 4배 더 높은 토큰 효율성을 자랑합니다. 이는 복잡한 소프트웨어 엔지니어링 작업을 처리할 때 계산 낭비를 줄이고 더 빠른 결과로 이어져 생산성을 높이고 운영 비용을 절감합니다.
'완벽한' 점수에 붙은 별표
복잡한 실제 코드베이스 작업에서 AI 모델을 테스트하도록 설계된 벤치마크인 Cursor Bench에서 Grok 4.5가 보여준 겉보기에 완벽한 성능은 즉시 큰 경고 신호를 보냈습니다. 그 점수는 실용적인 코딩 능력의 도약을 시사하는 경이로운 수준이었지만, 이 특정 벤치마크는 이제 진정한 기술 측정보다는 잠재적인 조작처럼 보입니다.
Grok 4.5 출시와 함께 제공된 세부 사항에서 중요한 문제가 드러났습니다. Cursor 코드베이스의 초기 스냅샷이 모델 훈련에 '실수로 포함'되었다는 것입니다. 이 중대한 데이터 오염은 Grok 4.5가 벤치마크가 제시한 과제를 해결한 것이 아니라, 단순히 답을 암기했을 가능성이 높으며, 이는 전체 테스트를 사실상 무효화합니다. 미리 본 해결책을 단순히 되풀이하는 모델을 뛰어나다고 주장할 수는 없습니다.
이 문제는 명백한 이해 상충으로 인해 더욱 심각해집니다. Grok 4.5의 개발사인 SpaceXAI는 최근 이 매우 유리한 벤치마크를 개발하고 발표한 바로 그 회사인 Cursor를 인수했습니다. 조용한 면책 조항에도 불구하고 자사 모델을 긍정적으로 묘사하는 오염된 결과를 발표하는 것은 투명성과 헤드라인을 장식하는 주장의 전반적인 신뢰성에 대해 심각한 의문을 제기합니다. Grok 4.5의 명시된 기능 및 벤치마크에 대한 자세한 내용은 Introducing Grok 4.5 | SpaceXAI를 참조하십시오.
실험실 테스트에서 실제 코드까지
일부 벤치마크는 의문을 제기하지만, Grok 4.5는 Harvey's Legal Agent Benchmark에서 결정적인 1위를 차지했습니다. 이 특정 테스트는 AI가 실제 법률 업무를 처리하는 능력을 평가하며, 전문적인 응용 분야에서 진정한 가능성을 시사합니다. 이는 Grok 4.5가 코딩에서 단순히 한 가지 재주만 있는 것이 아님을 보여주는 강력한 지표입니다.
Enjoying this? Get one like it in your inbox each morning.
one email a day · unsubscribe in two clicks · no third-party tracking
그러나 이러한 빛나는 실험실 결과는 초기 사용자 경험과 극명하게 대조됩니다. 소셜 미디어 플랫폼의 개발자들은 Grok 4.5의 실제 코딩 성능에 대한 경험을 공유하며, 종종 이를 "실망스럽다"거나 심지어 "쓰레기"라고 평가합니다. 통제된 테스트와 일상적인 유용성 사이의 이러한 극명한 차이는 통합을 고려하는 모든 사람에게 중요한 우려 사항입니다.
최종 판결은 여전히 불확실합니다. Grok 4.5는 의심할 여지 없이 강력하고 비용 효율적인 도구이며, 백만 토큰당 입력에 2달러, 출력에 6달러와 같은 요금을 제공하여 경쟁사보다 훨씬 저렴합니다. 그러나 때로는 결함이 있더라도 인상적인 벤치마크 점수를 증가하는 실제 보고서와 비교하여 평가해야 합니다. 과대광고가 현실을 앞지르고 있는가, 아니면 Grok 4.5가 귀하의 특정 요구 사항에 진정으로 부합하는가? 그것이 돈을 투자하기 전에 답해야 할 질문입니다.
자주 묻는 질문
Grok 4.5는 무엇인가요?
Grok 4.5는 SpaceXAI에서 개발한 새로운 대규모 언어 모델로, 경쟁사보다 훨씬 저렴한 비용과 빠른 속도로 소프트웨어 엔지니어링 및 실제 작업을 위한 고급 '최첨단 수준'의 지능을 제공하도록 설계되었습니다.
Grok 4.5의 비용은 얼마인가요?
Grok 4.5는 백만 토큰당 입력에 약 2달러, 출력에 6달러로 매우 경쟁력 있는 가격이며, 이는 Claude Fable 5 또는 Opus 4.8과 같은 유사 모델보다 훨씬 저렴합니다.
Grok 4.5 Cursor Bench 논란은 무엇인가요?
이 논란은 주요 코딩 벤치마크에 사용된 Cursor 코드베이스의 초기 버전이 Grok 4.5의 훈련 데이터에 '우연히 포함'되었다는 인정에서 비롯됩니다. 이는 결과를 오염시켜, 해당 특정 벤치마크에서 보여준 인상적인 성능 중 얼마만큼이 실제 능력이고 얼마만큼이 암기인지 불분명하게 만듭니다.
Grok 4.5는 코딩에 좋은가요?
Grok 4.5는 DeepSWE 및 Terminal Bench와 같은 여러 코딩 벤치마크에서 뛰어난 성능을 보여줍니다. 그러나 논란이 된 Cursor Bench 결과와 엇갈린 초기 사용자 피드백은 강력하긴 하지만, 실제 코딩 능력은 헤드라인 수치가 시사하는 것보다 더 미묘할 수 있음을 시사합니다.