2026년 9월 22일 확인 · 오늘의 AI 생활실험실
스페이스XAI(SpaceXAI, 옛 xAI)가 9월 21일 Grok 4.7을 API에 공개했습니다. 50만 토큰 문맥, 이미지 입력, 네 단계 추론 강도, 웹 검색·코드 실행 도구를 지원하며 짧은 문맥 기준 입력 100만 토큰당 2달러, 출력 6달러입니다. 그러나 “신형이니 무조건 갈아타자”는 결론은 이릅니다. 공개 성능표는 제공사 측정값이고, 비교 모델의 실행 설정은 공개되지 않았으며, 장문 요청은 단가가 두 배로 올라갑니다.
이 글은 스페이스XAI의 공식 출시문·모델 문서·가격표를 교차 확인한 분석입니다. 이 블로그가 유료 API로 직접 성능을 측정한 후기가 아닙니다. 독립 평가 기관의 충분한 Grok 4.7 결과도 아직 확인되지 않아, 제공사 수치와 독자가 재현할 시험 절차를 분리했습니다. 글에 사용한 사진 3장은 가상 성인을 표현한 AI 생성 실사 이미지이며 실제 직원이나 직접 테스트 장면이 아닙니다.
1. Grok 4.7에서 실제로 바뀐 것
스페이스XAI 공식 릴리스 노트는 API 모델 식별자를 grok-4.7로 명시합니다. 용도는 코딩, 에이전트 작업, 지식 업무입니다. 공식 모델 문서에 따르면 문맥 창은 500,000토큰이고 지식 기준일은 2026년 5월입니다. 텍스트와 이미지를 입력할 수 있지만 출력은 텍스트입니다. 텍스트 출력 한도는 별도로 두지 않았다고 안내합니다.
| 항목 | 공식 사양 | 도입 전 해석 |
|---|---|---|
| 모델 ID | grok-4.7 |
별칭 대신 고정 ID로 시험 기록 |
| 문맥 창 | 500,000토큰 | 기억 정확도나 전량 활용을 보장하지 않음 |
| 입출력 | 텍스트·이미지 입력, 텍스트 출력 | 음성·영상 생성 모델과 혼동 금지 |
| 추론 강도 | low·medium·high·xhigh | 기본값은 high, 비용·시간을 함께 측정 |
| API | Responses, Chat Completions | 신규 개발은 상태·도구 처리 요구에 맞춰 선택 |
| 도구 | 함수 호출·웹·X 검색·코드 실행 | 도구 호출료와 권한 통제를 별도 계산 |
Grok 4.7은 Responses API에서 reasoning.encrypted_content를 요청 여부와 관계없이 반환합니다. 다중 턴에서는 이 추론 항목을 변경하지 않고 다음 입력에 다시 보내야 문맥이 이어집니다. Chat Completions 동작은 같지 않으므로 두 API의 응답 구조를 섞어 구현하면 안 됩니다.
2. Grok 4.6과 비교해 무엇이 개선됐나
공식 출시 발표는 이전 4.6보다 더 큰 기반 모델을 사용하고, 장시간 걸리는 어려운 과제 비중을 높여 강화학습을 더 오래 수행했다고 설명합니다. 자기 검증과 긴 문맥 관리, Grok Bot 환경 이해를 개선했다고도 밝힙니다. 다만 이 설명은 제공사의 설계 주장이지 모든 기업 데이터에서 확인된 결과가 아닙니다.
중요한 변화는 단가를 올리지 않고 공식 벤치마크 수치를 개선했다는 점입니다. Grok 4.6과 4.7의 표준 API 가격과 50만 토큰 문맥은 같습니다. 따라서 기존 4.6 사용자라면 먼저 동일한 프롬프트·도구·합격 기준으로 A/B 시험을 만들기 쉽습니다. 반면 4.5나 4.3에서 이동하는 경우 캐시 가격과 문맥 한도가 달라 전체 비용을 다시 계산해야 합니다.
3. 실제 성능: 공식 벤치마크를 어떻게 읽을까
아래 수치는 모두 스페이스XAI가 공개한 제공사 측정값입니다. 공식 각주는 시험 이름과 결과, 그리고 Grok 4.7의 DeepSWE 점수에 붙은 별표가 high effort라는 사실만 밝힙니다. 각 모델을 어떤 추론 강도와 도구 권한으로 실행했는지는 공개하지 않았습니다. 실행 조건을 확인할 수 없으므로 작은 점수 차이를 모델 자체의 확정적 우열로 해석하면 안 됩니다.
| 시험 | Grok 4.7 | Grok 4.6 | GPT-5.6 Sol | Fable 5.1 |
|---|---|---|---|---|
| CursorBench 4.0 | 46.3% | 40.4% | 41.7% | 51.8% |
| DeepSWE v1.1 | 71.0%* | 65.2% | 72.7% | 70.0% |
| EEBench | 64.0% | 53.0% | 39.4% | 56.4% |
| AA Briefcase v1.1 | 1,657 | 1,546 | 1,487 | 1,678 |
| Terminal-Bench 4.0 | 38.0% | 20.3% | 37.3% | 57.9% |
| Harvey Legal Agent | 19.6% | 15.8% | 2.5% | 6.7% |
| HealthBench Professional | 56.7% | 48.5% | 60.5% | 62.1% |
| GDPval | 1,695 Elo | 1,605 Elo | 미공개 | 1,735 Elo |
* 별표는 Grok 4.7의 DeepSWE 점수가 high effort 결과라는 공식 표기입니다. 공개 페이지는 시험 이름과 결과는 제공하지만 각 표본 수, 모든 실행 매개변수, 반복 횟수와 분산을 한 표 안에서 충분히 설명하지 않습니다. 따라서 “코딩 1위”처럼 단순화하면 안 됩니다. CursorBench와 Terminal-Bench에서도 순위가 다르고, 의료·법률 수치는 실제 전문 판단이나 안전성을 보장하지 않습니다.
출시 직후라 동일 버전의 신뢰할 만한 독립 평가 결과는 아직 충분히 확인되지 않았습니다. 후속 독립 평가가 나오면 모델 스냅샷, 추론 강도, 도구 허용 범위, 반복 횟수가 같은지 먼저 확인해야 합니다. 이 글은 제공사 표를 실제 사용 경험으로 표현하지 않습니다.
4. 가격표: 20만 토큰에서 단가가 바뀐다
공식 API 가격표는 프롬프트가 200,000토큰 미만이면 입력·캐시 입력·출력이 각각 100만 토큰당 $2·$0.50·$6이라고 안내합니다. 프롬프트가 200,000토큰 이상이면 요청의 모든 토큰에 장문 단가 $4·$1·$12가 적용됩니다. 초과분만 비싸지는 방식이 아닙니다.
| 구간 | 입력 100만 토큰 | 캐시 입력 | 출력 |
|---|---|---|---|
| 프롬프트 20만 미만 | $2.00 | $0.50 | $6.00 |
| 프롬프트 20만 이상 | $4.00 | $1.00 | $12.00 |
| 미국 지역 엔드포인트 | 글로벌 토큰 요금의 1.1배 | ||
예를 들어 입력 150,000토큰과 출력 10,000토큰을 쓰면 캐시가 없을 때 약 $0.36입니다. 입력이 220,000토큰으로 늘고 출력이 10,000토큰이면 장문 단가가 전체 요청에 적용되어 약 $1.00입니다. 환율, 서버 도구 호출료, 재시도와 실패 요청은 별도입니다.
웹 검색과 코드 실행은 토큰 비용 외에 호출 비용이 붙습니다. X 검색은 2026년 9월 21일 정오(PT)부터 반환한 게시물과 프로필 수 기준으로 과금 방식이 바뀐다고 가격표가 안내합니다. 에이전트가 몇 번 호출할지 고정되지 않으므로 월 예산은 질문 수가 아니라 성공한 작업당 총비용으로 계산하세요.
5. 캐시와 장문 문맥에서 비용을 지키는 방법
공식 문서는 Responses API의 prompt_cache_key, Chat Completions의 x-grok-conv-id를 권장합니다. 같은 대화를 같은 서버로 라우팅해 캐시 적중 가능성을 높이기 때문입니다. 키를 생략하면 캐시가 차가운 서버에 배정돼 반복 프롬프트도 전체 입력 요금이 나올 수 있습니다.
- 고정 시스템 지침과 도구 정의를 프롬프트 앞쪽에 둡니다.
- 업무·사용자별 안정적인 캐시 키를 정하되 개인정보를 키에 넣지 않습니다.
- 응답의 실제 캐시 토큰과
cost_in_usd_ticks를 로그로 확인합니다. - 장기 에이전트는 컨텍스트 압축을 검토하되 압축 전후 핵심 조건이 유지되는지 시험합니다.
- 200,000토큰 경계 전후의 비용과 성공률을 따로 집계합니다.
50만 토큰을 사용할 수 있다는 사실이 매 요청에 모든 문서를 넣으라는 뜻은 아닙니다. 검색으로 필요한 조각만 찾고, 오래된 도구 결과와 중복 로그를 제거하는 편이 비용과 오류를 함께 줄일 수 있습니다. 긴 문맥에서는 “찾아냈는가”와 “정확히 사용했는가”를 별도로 채점하세요.
6. 코딩 에이전트에 적용하는 단계별 방법
첫 적용은 저장소 전체 자동 수정이 아니라 작은 읽기 전용 진단부터 시작하는 편이 안전합니다. Responses API 안내에 맞춰 모델 응답과 도구 실행을 분리하고, 실제 파일 변경은 서버의 정책으로 제한하세요.
- 과제 선정: 재현 가능한 버그 10개와 코드 설명 과제 10개를 준비합니다.
- 기준 고정: 같은 저장소 커밋, 테스트 명령, 시간 제한, 추론 강도를 사용합니다.
- 읽기 전용 실행: 검색·파일 읽기만 허용하고 원인 분석 정확도를 먼저 평가합니다.
- 패치 단계: 별도 작업공간에서만 수정하게 하고 전체 테스트와 변경 범위를 확인합니다.
- 도구 오류 시험: 명령 실패, 파일 없음, 테스트 시간 초과를 일부러 넣습니다.
- 비용 계산: 재시도와 도구 호출까지 더해 합격한 패치 1건당 비용을 비교합니다.
실무에서는 코드를 많이 쓴 결과보다 변경한 줄이 요구사항을 만족하고 기존 기능을 깨뜨리지 않았는지가 중요합니다. 모델이 “테스트 통과”라고 말한 것과 실제 CI 결과를 분리해 저장하세요. 배포·병합·삭제는 사람이 검토하는 승인 단계로 남겨 두는 것이 좋습니다.
7. 문서·기획·분석 업무의 활용 방안
| 업무 | AI에게 맡길 범위 | 사람이 확인할 항목 |
|---|---|---|
| 긴 회의 자료 | 쟁점과 결정 후보 추출 | 참석자·날짜·책임자 원문 대조 |
| 제품 요구사항 | 누락 조건·충돌 탐색 | 사업 우선순위와 최종 범위 |
| 경쟁사 조사 | 공식 문서 분류·비교표 초안 | 출처 날짜·지역·요금제 조건 |
| 데이터 분석 | 코드 초안·이상치 후보 | 표본·단위·재현 결과 |
장문 모델의 장점은 자료를 많이 넣는 데서 끝나지 않습니다. 답변에 근거 위치를 요구하고, 찾지 못한 항목은 “미확인”으로 남기게 해야 검토 시간이 줄어듭니다. 의료·법률·재무처럼 결과 영향이 큰 업무에서는 Grok 4.7의 제공사 벤치마크 점수를 전문가 검토의 대체 근거로 사용하면 안 됩니다.
8. 자주 발생할 실패와 수정 방향
| 실패 상황 | 원인 후보 | 수정 방향 |
|---|---|---|
| 비용이 예상보다 두 배 이상 | 20만 토큰 경계 초과 | 요청별 프롬프트 토큰과 적용 단가 기록 |
| 캐시가 거의 적중하지 않음 | 캐시 키 누락·앞부분 변경 | 안정적 키와 고정 접두부 사용 |
| 다중 턴에서 맥락 손실 | 암호화 추론 항목을 다시 보내지 않음 | 응답 항목을 변경 없이 다음 입력에 포함 |
| 코드는 생성했지만 테스트 실패 | 도구 결과를 모델 말로만 판단 | 실제 종료 코드와 테스트 로그를 판정 기준으로 사용 |
| 출력 지연이 커짐 | xhigh와 과도한 출력 | medium/high 대조 시험과 출력 형식 제한 |
Fast 변형은 같은 모델을 더 빠른 인프라에서 제공하고 가격은 두 배지만, 현재 공개 xAI API에서는 사용할 수 없습니다. Cursor와 Grok Build의 Fast 경험을 API 지연 성능으로 일반화하지 마세요. 미국 지역 엔드포인트도 데이터 처리 위치와 10% 요금 가산을 함께 검토해야 합니다.
9. 독자가 재현할 실제 성능 시험표
직접 API 키와 통제된 실행 환경이 있을 때만 직접 테스트라고 부를 수 있습니다. 아래 절차는 아직 수행하지 않은 권장 설계입니다. Grok 4.7과 현재 운영 모델을 같은 입력·도구·시간 제한으로 각각 최소 3회 실행하세요.
| 측정 항목 | 방법 | 기록값 |
|---|---|---|
| 업무 성공률 | 사전 합격 기준을 모두 충족한 실행 수/전체 | 성공·부분 성공·실패 |
| 첫 응답 지연 | 요청 전송부터 첫 토큰까지 | 중앙값과 상위 95% |
| 완료 시간 | 마지막 도구 결과와 최종 답변까지 | 초 단위 |
| 도구 성공률 | 유효한 인수로 끝난 호출/전체 호출 | 중복·오류 포함 |
| 토큰 | 입력·캐시·추론·출력 분리 | 요청별 합계 |
| 작업당 비용 | 전체 토큰·도구 비용/성공 작업 | 달러와 원화 환산 시점 |
코딩은 테스트 통과뿐 아니라 불필요한 변경, 보안 경고, 리뷰 시간을 확인합니다. 문서 업무는 사실 오류와 근거 누락, 표 계산 재현성을 채점합니다. 모델 이름을 가리고 평가하면 기대 편향을 줄일 수 있습니다. 결과가 세 번뿐이면 평균 하나로 결론 내지 말고 실행별 편차를 함께 공개하세요.
10. 도입 전 체크리스트
- 계정에서
grok-4.7접근과 실제 속도 제한을 확인했다. - 20만 토큰 전후의 단가와 미국 지역 10% 가산을 비용표에 반영했다.
- 캐시 키, 암호화 추론 항목, 컨텍스트 압축 동작을 개발 환경에서 검증했다.
- 웹·X 검색과 코드 실행의 도구 비용 및 호출 상한을 정했다.
- 모델 출력과 실제 도구 결과를 분리해 로그에 남긴다.
- 쓰기·배포·삭제 권한에는 사람 승인과 되돌리기 절차가 있다.
- 개인정보·영업비밀은 최소한만 전달하고 보관 기간을 정했다.
- 기존 모델로 돌아갈 수 있는 라우팅과 중단 기준을 준비했다.
11. 자주 묻는 질문
Grok 4.7은 Grok 4.6보다 비싼가요?
표준 API의 토큰 단가와 50만 토큰 문맥은 같습니다. 다만 사용량·출력 길이·도구 호출과 20만 토큰 경계 때문에 실제 작업당 비용은 달라질 수 있습니다.
Grok 4.7 Fast를 API에서 선택할 수 있나요?
현재 공식 문서는 Fast가 Cursor와 Grok Build에서만 제공되고 공개 xAI API에는 없다고 명시합니다. 일반 API 모델 ID와 혼동하지 마세요.
공식 벤치마크만 보고 주력 모델로 바꿔도 되나요?
권장하지 않습니다. 비교 설정과 표본 정보가 완전히 같지 않고 독립 평가가 아직 충분하지 않습니다. 실제 업무 20개 이상을 같은 조건으로 반복해 성공률·지연·비용을 함께 보세요.
50만 토큰을 항상 채우는 것이 좋은가요?
아닙니다. 20만 토큰부터 전체 요청에 장문 요금이 적용됩니다. 관련 문서만 검색하고 압축하며, 긴 문맥이 실제 성공률을 높이는지 검증해야 합니다.
이 글의 성능 수치는 직접 테스트인가요?
아닙니다. 스페이스XAI가 공개한 제공사 측정값입니다. 직접 유료 API 시험은 수행하지 않았고, 독자가 재현할 절차를 별도로 제시했습니다.
12. 결론: 점수보다 작업당 성공 비용으로 판단하자
Grok 4.7은 같은 가격의 4.6보다 여러 제공사 시험에서 개선됐고, 긴 코딩·지식 업무와 도구 사용을 겨냥한 분명한 업데이트입니다. 동시에 20만 토큰 장문 요금, 설정이 다른 비교표, 공개 API에 없는 Fast 변형은 도입 판단에서 놓치기 쉬운 조건입니다.
가장 현실적인 시작은 기존 4.6 또는 운영 모델과 제한된 A/B 시험을 만드는 것입니다. 성공 여부, 첫 토큰과 최종 완료 시간, 도구 호출 성공률, 캐시 적중, 재시도를 포함한 작업당 비용을 기록하세요. 이 기준을 통과할 때만 읽기 전용 업무에서 수정 업무로 범위를 넓히면 홍보 문구가 아니라 자기 서비스의 증거로 결정할 수 있습니다.
