인공지능 모델 평가 기관 아티피셜 애널리시스(Artificial Analysis)가 그록 4.6에 지능 지수(Intelligence Index) 61점을 부여했다. 직전 버전인 그록 4.5보다 5점, 그록 4.3과 비교하면 23점 오른 수치로, 출시 약 한 달 만의 개선이다. 이 점수는 GPT-5.6 솔(최대 설정)과 어깨를 나란히 하는 수준이며, 클로드 오퍼스 5(63점)와 클로드 페이블 5(폴백 포함 최대 62점)에 이어 세 번째 자리에 해당한다. 요약하면 개발사는 다시 최상위권 경쟁 구도에 이름을 올렸고, 앞선 것은 앤트로픽 계열뿐이다.
실무자 입장에서 이번 결과가 흥미로운 이유는 점수 자체보다 그 점수를 만들어낸 영역에 있다. 그록 4.6의 강점은 정적인 추론 문제 풀이가 아니라 도구를 쓰고 여러 단계를 거치는 '에이전트형' 작업에 몰려 있다. 실제 업무성 지식 노동을 측정하는 GDPval-AA v2에서 일로(Elo) 1753을 기록했는데, 이는 클로드 오퍼스 5에만 뒤진 성적이며 클로드 페이블 5, Qwen3.8 맥스와는 신뢰구간이 겹쳐 통계적으로 구분되지 않는다.
여러 유형의 실전 작업에서 고르게 상위권
같은 경향은 과제 종류를 바꿔도 유지된다. 도구 사용이 포함된 다회차 고객 응대를 평가하는 𝜏³-Banking에서 50.7%로 Qwen3.8 맥스(51.3%)와 함께 상위 두 모델에 들었고, 터미널 기반 소프트웨어 작업을 다루는 Terminal-Bench v2.1에서는 88.4%로 선두권과 동률을 이뤘다. 지식 노동, 고객 응대, 터미널 작업 세 축에서 동시에 경쟁력을 갖춘 모델은 많지 않다는 점이 이 결과의 핵심이다. 특정 한 분야가 유난히 뛰어나 다른 약점을 가리는 방식이 아니라, 전반이 고르게 상위권이라는 뜻이기 때문이다.
비공개 장기 과제 벤치마크인 AA-Briefcase에서도 일로 1577로 페이블 5 등급에 자리했다. 클로드 오퍼스 5 계열에는 못 미치지만, 채점 기준 충족도와 산출물의 발표 품질, 분석 품질에서 균형 잡힌 점수를 냈다는 설명이다.
가격은 그대로, 비용 효율이 진짜 무기
비용 측면은 이번 발표에서 가장 눈에 띄는 대목이다. 그록 4.6의 공식 가격은 100만 토큰당 입력 2달러, 출력 6달러로 그록 4.5와 동일하다. 세대가 바뀌면서 지능이 오르면 가격도 함께 오르는 것이 프런티어 모델의 일반적 흐름이었던 점을 감안하면, 5점을 올리면서 가격을 묶어둔 것은 이례적이다. 측정된 과제당 비용은 0.84달러였다. 다만 캐시 적중 시 요금은 100만 토큰당 0.5달러로, 그록 4.5의 0.3달러보다 오른 점은 짚어둘 필요가 있다. 컨텍스트 창은 50만 토큰으로 이전과 같다.
구매 결정에서 실질적으로 비교 대상이 되는 것은 2점 이내로 근접한 모델들이다. 클로드 오퍼스 5는 입력 5달러·출력 25달러, GPT-5.6 솔은 입력 5달러·출력 30달러다. 특히 GPT-5.6 솔과 지능 지수가 사실상 같은데도 출력 토큰 가격은 그 일부에 불과하다. 추론 비중이 큰 워크로드에서 비용을 좌우하는 축이 출력 토큰이라는 점을 떠올리면, 이 차이는 청구서에 그대로 반영된다.
'몇 번 만에 끝내는가'가 남기는 비용 차이
토큰 단가만으로는 다 설명되지 않는 효율도 있다. 그록 4.6은 장기 과제를 평균 약 53턴, 입력 약 5억 토큰으로 마무리한 반면 클로드 오퍼스 5(최대 설정)는 약 103턴, 약 20억 토큰을 소모했다. 장기 에이전트 작업은 진행될수록 컨텍스트가 빠르게 누적되기 때문에, 비슷한 결론에 절반의 턴과 4분의 1의 입력 토큰으로 도달하는 모델은 단가 이상의 비용 우위를 갖는다. 아티피셜 애널리시스가 그록 4.6을 지능 지수 내 모든 에이전트 평가에서 성능 대비 비용의 파레토 프런티어에 올려놓은 근거가 여기에 있다.
물론 한계도 분명하다. 최상위 지능 점수는 여전히 앤트로픽 계열이 쥐고 있고, 장기 과제 절대 성능에서도 오퍼스 5 계열과 격차가 있다. 벤치마크 상당수가 비공개 방식이라 외부 재현이 어렵다는 점, 캐시 요금 인상처럼 실제 청구액에 영향을 주는 조건도 함께 봐야 한다. 그럼에도 '동급 지능을 더 적은 턴과 더 낮은 가격으로'라는 조합은, 에이전트를 대량으로 반복 실행하려는 팀이라면 후보 목록에 올려둘 만하다.