Grok 4.7

Grok 4.7은 Grok 4.6의 수정판이 아니라 새롭고 더 큰 기반 모델 위에 선다. xAI는 더 오래 돌고 더 어려운 문제를 다루는 강화 학습으로 훈련했고, 그중 많은 문제가 몇 시간이 걸리도록 설계됐다. 실질적인 결과는 작은 모델이 요령을 피우기 시작하는 지점을 넘겨도 작업에 붙어 있는 모델이다.

컨텍스트 윈도우는 최대 50만 토큰을 담아, 방대한 문서 묶음이나 넓게 퍼진 코드베이스를 한 번에 시야에 둔다. 공간이 넉넉하다. xAI는 긴 컨텍스트 관리도 강화했는데, 이는 세션이 길어질수록 흔히 나빠지는 부분이다. 여러 파일 프로젝트나 긴 녹취록을 다루는 사람이라면 대화를 다시 시작하는 횟수가 줄어든다.

훈련의 큰 몫이 자기 점검에 들어갔다. 모델은 끝내기 전에 자기 출력을 되짚도록 훈련되어, 긴 에이전트 실행을 괴롭히는 '자신만만한 오답'을 줄인다. 모든 것을 잡아내지는 못한다. 중요한 작업은 직접 확인해야 한다. 그래도 늦은 실수 하나가 한 시간치 출력을 무효로 만드는 작업에서는 실질적인 차이다.

모델이 얼마나 생각할지는 추론 강도 단계로 정한다. 낮음, 중간, 높음, 최고의 네 단계이며 기본은 높음이다. 낮음은 단순 호출에서 지연을 촘촘히 유지하고, 최고는 가장 어려운 문제에 더 많은 연산을 쏟는다. 추론을 완전히 끌 수는 없으며, 지연 예산을 세우기 전에 알아둘 만하다.

모델은 처음부터 Grok Bot의 운영 환경을 이해하도록 훈련됐다. 그래서 도구를 호출하고 턴을 넘어 컨텍스트를 유지하며 오래 도는 에이전트형 워크플로에, 배선을 덧대야 하는 채팅 모델보다 잘 맞는다. 에이전트를 만든다면 이것이 가장 중요한 기능이다.

xAI가 공개한 벤치마크에서 Grok 4.7은 Grok 4.6을 크게 앞서고 여러 전문 축에서 경쟁력을 보인다. CursorBench 4.0은 40.4%에서 46.3%로, Terminal-Bench 4.0은 20.3%에서 38.0%로 거의 두 배가 됐고, EEBench는 53.0%에서 64.0%로 올랐다. 마지막 상승 폭이 크다. Harvey 법률 벤치마크에서는 19.6%를 기록해 xAI 자체 표의 비교 모델들을 크게 웃돌았다. 벤더 수치는 늘 그렇듯 감안해 보되, 방향은 일관된다.

표준 API 요금은 백만 입력 토큰당 2달러, 백만 출력 토큰당 6달러로 Grok 4.6과 같다. 캐시 입력은 백만 토큰당 0.50달러로 내려가, 고정 프롬프트를 재사용할 때 도움이 된다. 프롬프트가 20만 토큰을 넘으면 요금이 두 배가 되어 입력 4달러, 출력 12달러가 되므로 아주 긴 요청은 더 비싸다. 더 빠른 Grok 4.7 Fast 버전은 출력 속도를 두 배로 올리고 토큰 가격도 두 배로 올리지만, 지금은 Cursor와 Grok Build에서만 쓸 수 있다.