Grok 4.7 출시: 코딩·지식노동용 모델, Grok 4.6과 같은 가격

TL;DR Highlight

Grok 4.7은 4.6과 같은 $2/$6 가격에 코딩 벤치마크 점수를 올렸다

Who Should Read

코딩 에이전트에 쓸 모델을 고르면서 비용 대비 성능을 비교하는 백엔드 개발자

Core Mechanics

새 베이스 모델에 RL을 더 오래 돌렸다
- Grok 4.6보다 더 큰 새 베이스 모델을 썼다.
- 몇 시간씩 걸리는 어려운 문제 비중을 높여 강화학습(보상으로 행동을 다듬는 학습)을 더 길게 돌렸다.
- 자기 작업 검증과 긴 컨텍스트 관리가 나아졌다고 한다.
가격은 4.6과 같고 경쟁 모델보다 낮다
- 입력 $2, 출력 $6 (백만 토큰당)이다.
- GPT-5.6 Sol Max는 $4/$20, Fable 5.1 Max는 $10/$50이다.
- 출력 속도가 2배인 fast 변형은 가격도 2배다.
CursorBench 4.0은 4.6보다 올랐다
- Grok 4.7 xHigh 46.3%, Grok 4.6 High 40.4%이다.
- GPT-5.6 Sol Max는 41.7%, Fable 5.1 Max는 51.8%이다.
- 비용 대비 점수에서는 프런티어 수준이라고 주장한다.
벤치마크별로 결과가 갈린다
- Terminal-Bench 4.0은 37.6%로 4.6의 20.3%보다 크게 올랐으나 Fable 5.1 Max는 57.9%이다.
- Harvey Legal Agent Benchmark는 19.6%로 비교 모델 중 가장 높다.
- HealthBench Professional은 56.7%로 Sol Max 60.5%, Fable 62.1%보다 낮다.

Community Reactions

입력 가격만 보면 안 된다는 지적
- 캐시 읽기가 Grok $0.50/M, Fable $0.25/M이라 오히려 두 배라는 의견이다.
- 장시간 에이전트 작업은 캐시 읽기가 비용 대부분이라 헤드라인 가격이 오해를 부른다는 지적이다.
느리고 토큰을 많이 쓴다는 경험
- 4.6보다 느리고 비싸게 느껴져 벤치마크용으로 토큰을 태운 것 같다는 경험담이다.
- artificialanalysis.ai 지수에서 4.6 대비 토큰 효율이 크게 떨어졌다는 언급도 있다.
Simon Willison의 reasoning 레벨 실험
- low와 medium이 비슷한 토큰을 썼고 xhigh가 high보다 적게 쓴 경우가 있었다고 한다.
- xAI API로 직접 다시 해도 레벨 간 차이가 크지 않았다.
비교 조건이 불공정하다는 반론
- 4.7 xhigh를 4.6 high와 비교한 점이 의심스럽다는 의견이다.
- 점수만 있고 소요 시간과 코드 품질 비교가 없다는 지적이다.
용도별 평가는 엇갈렸다
- 이미지→HTML 작업에서 Astra보다 덜 다듬어졌지만 가격 대비 좋은 출발점이라는 평이다.
- WebGL 깊이 테스트와 웹훅 진단에서 해결하지 못했다는 실패 경험도 있다.

How to Apply

지금 쓰는 에이전트 작업 3개를 4.7로 돌려 보기
- 평소 쓰는 코딩 작업 3개를 현재 모델과 4.7에서 같은 프롬프트로 돌려라.
- 성공 여부, 소요 시간, 총 토큰, 비용을 기록하라.
캐시 읽기 단가까지 넣어 비용 계산하기
- 입력·출력 단가만으로 비교하지 말고 캐시 읽기 단가를 추가하라.
- 에이전트 로그의 캐시 읽기 토큰 비중으로 월 비용을 다시 계산하라.
effort 레벨별 토큰 사용량 측정하기
- 같은 작업을 low, high, xhigh로 돌려 reasoning 토큰을 비교하라.
- 토큰이 늘어도 성공률이 오르지 않으면 낮은 레벨로 고정하라.
용도별로 모델을 나눠 라우팅하기
- 프론트엔드, 백엔드, 터미널 작업을 나눠 모델별 성공률을 비교하라.
- 이긴 모델을 작업 유형별 기본값으로 설정하라.

Try It

복사해서 바로 해보기

# Claude Code나 ChatGPT에 붙여넣기: 모델 비교 실험 설계 도우미

나는 코딩 에이전트용 모델을 바꿀지 판단하려 한다.
후보: 현재 모델 {{현재 모델}}, 새 모델 Grok 4.7
내가 자주 하는 작업: {{작업 3개}}

다음을 만들어 줘.
1. 같은 프롬프트로 두 모델을 돌릴 때 기록할 표(성공 여부, 소요 시간, 입력·출력·캐시 읽기 토큰, 비용, 코드 품질 메모)
2. 캐시 읽기 단가를 포함한 비용 계산식
3. reasoning effort를 low/high/xhigh로 바꿀 때의 실험 순서

이어서 해 볼 것: 표를 채운 뒤 결과를 붙여 주면 어느 작업에 어느 모델을 쓸지 판단해 줘.

Terminology

RL(강화학습)정답을 외우게 하지 않고 결과에 점수를 매겨 잘한 행동을 늘리는 학습이다. 게임 AI가 반복 플레이로 실력을 올리는 것과 비슷하다.

reasoning effort답하기 전에 모델이 얼마나 오래 생각할지 정하는 설정이다. 올리면 정확도가 오를 수 있지만 토큰과 시간이 더 든다.

하네스(harness)모델 주변의 도구 호출·파일 접근·루프 같은 실행 틀이다. 엔진을 감싼 차체와 같다.

캐시 읽기이미 보낸 긴 프롬프트를 재사용할 때 내는 낮은 단가의 토큰 요금이다. 에이전트는 같은 맥락을 반복해 읽으므로 비중이 크다.

CursorBenchCursor가 만든 코딩 벤치마크다. 4.0은 오래 걸리는 코딩 작업에 초점을 둔다.