모델은 안 키웠다. 에이전트가 안 끊기게 만들었다 | DAKER 커뮤니티

새 모델이 나왔다고 해서 베이스가 커진 게 아니다. 2026년 8월 12일 xAI가 내놓은 Grok 4.6은 4.5 위에 후훈련을 얹고, 긴 작업에서 에이전트가 중간에 손을 놓는 버릇을 줄이는 쪽을 골랐다. 오늘 확인할 것은 리더보드가 아니라, 그 세션이 몇 시간째 살아 있느냐다.

4.5 칩에서 계획·검색·작성·검토·실행·피드백·개선으로 이어지는 Grok 4.6 에이전트 체인
Grok 4.6은 더 큰 베이스가 아니라, 계획부터 개선까지 체인이 안 끊기게 만든 후훈련이다.

공식 한 줄이 이 글의 제목과 같다. xAI 공식 발표는 4.6을 4.5를 기반으로 한 업데이트로 소개한다. 초점은 오래 달리는 에이전트, 그리고 더 욕심 나는 시각·인터랙티브 작업이다. 주제를 조사하고, 정보를 읽고, 코드베이스를 넘나들고, 아이디어를 실제 앱으로 밀어 넣는 그 구간에서 중간에 접히지 않게 만들겠다는 선언이다.

무엇이 실제로 나왔나

이건 새 베이스를 키운 발표가 아니다. 4.5보다 긴 보충 학습을 돌리고, 4.5가 추론 노력·에이전트 하네스·STEM·소프트웨어 공학·지식 업무 구간의 SFT 궤적을 다시 만들었으며, 그다음 에이전트 환경에서 RL을 돌렸다. 지식 업무, 일반 코딩, 커널 최적화, 웹 개발, CAD 같은 도메인 환경이 그 목록에 있다. 문제 있는 궤적은 모델 검사로 걸러냈다고 적혀 있다. 추론 노력에는 xhigh가 있다. 컨텍스트는 50만 토큰이다. 표준 가격은 입력 백만 토큰당 2달러, 출력 6달러로 4.5와 같다. 프롬프트가 20만 토큰을 넘으면 그 요청 전체의 단가가 두 배가 된다. 빠른 변형도 두 배 가격이다.

지금 바로 붙일 수 있는 면도 정해져 있다. Cursor, Grok Build, API, OpenRouter, Vercel, Cloudflare. 첫 주에는 Cursor와 Grok Build에서 포함 사용량이 두 배다. 써 보라는 신호가 제품 안에 이미 들어가 있다. 소비자용 웹·앱·X 안의 Grok은 나중에 올라간다고 모델 카드가 적어 두었다. 오늘 손이 가는 자리는 에디터와 빌드 도구다. 해커톤 주간에 새 모델을 기다리다 끝나는 패턴과 반대다. 도구가 먼저 열려 있다.

xAI가 공개한 숫자만 적는다. Artificial Analysis Intelligence Index는 61이다. GPT-5.6 Sol Max와 동률이고, 4.5 High의 56에서 올라왔다. CursorBench 3.2는 69.9퍼센트, 4.5는 66.7이었다. DeepSWE 1.1은 65.9퍼센트, 4.5는 54였다. Terminal-Bench 3.0은 26퍼센트로 4.5의 15.7보다 올랐지만, GPT-5.6 Sol Max의 34.6에는 아직 못 미친다. 이 네 줄 밖 점수는 여기서 만들지 않는다. 비교표를 더 두껍게 보이려고 숫자를 보태는 순간, 이 글은 보도자료를 베끼는 글로 바뀐다.

점수의 결도 한쪽으로 기울어 있다. CursorBench와 DeepSWE는 에디터와 소프트웨어 작업에 가깝다. 여기서 4.6은 4.5를 분명하게 앞선다. Terminal-Bench는 셸과 환경 조작에 가깝다. 여기서는 올랐지만 아직 뒤처져 있다. “코딩이 좋아졌다”는 한 줄로 묶으면, 내일 터미널에서 막히는 이유를 설명하지 못한다. 같은 모델이라도 작업의 모양이 다르면 성적표가 갈라진다. 빌더는 평균이 아니라 자기 작업의 칸을 봐야 한다.

무엇이 아닌가

더 큰 모델을 기다린 사람에게 4.6은 김이 빠질 수 있다. 파라미터를 키운 발표가 아니다. 모든 코딩 벤치에서 1등을 가져간 발표도 아니다. 터미널 작업은 여전히 뒤처져 있다. 시각·인터랙티브 작업의 첫 패스가 좋아졌다고 해서, 그 첫 화면이 완제품이라는 뜻도 아니다. xAI 스스로도 긴 궤적에서 자기 테스트와 검증을 더 보기 시작했다고 적었을 뿐이다. 자기 테스트가 늘었다는 문장은 약속이 아니라 관측이다.

50만 토큰 창도 “전부 넣고 잊어라”가 아니다. 창이 넓어지면 요금 구간이 바뀐다. 20만 토큰을 넘는 순간 입력·출력 단가가 두 배가 된다. 길게 버티는 모델과, 길게 넣는 청구서는 같이 온다. 컨텍스트를 자랑처럼 채우면, 에이전트가 안 끊기는 대신 예산이 먼저 끊긴다. 캐시 입력은 더 싸지만, 그래도 창을 채운 만큼 다음 요청이 비싸진다.

가격이 4.5와 같다는 점도 오해하기 쉽다. 단가가 같으니 같은 일이라는 뜻이 아니다. 에이전트가 한 세션을 더 오래 붙잡고, 자기 테스트를 한 바퀴 더 돌리면 토큰은 늘어난다. 싼 모델이 아니라, 같은 단가에서 더 오래 일할 수 있는 모델이다. 그 차이를 견적서에 안 적으면, 다음 주에 청구서가 설명해 준다. xhigh를 기본값처럼 켜는 것도 같은 함정이다. 추론 노력을 올리는 스위치는 품질이 아니라 시간과 토큰을 먼저 움직인다. 끊기던 작업에만 켠다.

긴 작업에서 실제로 달라지는 자리

xAI가 강조한 장면은 벤치마크 표보다 구체적이다. 넓은 제품 아이디어를 동작하는 첫 버전으로 밀어 가는 일. 낯선 도메인을 조사하고, 앱 구조를 잡고, 핵심 인터랙션을 구현하고, 피드백을 여러 바퀴 받으며 다듬는 일. 시각 언어를 한 패스에서 세우는 일. 이 문장들은 데모 영고용으로 읽히기 쉽다. 빌더에게는 다른 질문이다. 우리 세션은 어디서 끊기는가.

대부분의 에이전트 실패는 모델이 몰라서가 아니다. 계획 다음 검색에서 길을 잃고, 작성 다음 검토를 건너뛰고, 실행 다음 피드백을 자기 칭찬으로 닫는다. 4.6이 그 체인을 더 붙잡는다면, 측정할 단위는 “한 번에 맞는 답”이 아니라 “몇 번째 도구 호출까지 목표를 유지하는가”다. 짧은 질문으로 승부를 보면, 이 업데이트의 핵심이 안 보인다.

비교 실험은 거창할 필요가 없다. 어제 4.5에서 끊긴 작업을 그대로 가져온다. 같은 저장소, 같은 이슈, 같은 도구. 모델을 4.6으로만 바꾼다. 그리고 세 지점을 적는다. 처음 계획이 30분 뒤에도 남아 있는지. 중간 수정이 같은 파일을 다시 건드리는지. 끝에서 테스트를 실제로 돌리는지. 이 세 칸이 비어 있으면, 벤치마크 61은 우리 팀과 상관없는 숫자다.

반대로, 이미 한 파일·한 함수·한 커밋으로 끝나는 일은 4.5와 체감 차이가 작을 수 있다. 단가도 같다. 짧은 작업에서 모델을 갈아끼우는 비용은, 긴 작업에서 얻는 이득보다 먼저 느껴진다. 교체 기준을 “더 센 모델”이 아니라 “끊기던 궤적이 이어지는가”로 옮기는 편이 맞다. 기본값을 전 팀에 올리기 전에, 긴 작업 두 개만 먼저 본다.

드리프트를 재는 방법

기록은 세 칸이면 된다. 목표, 지금 파일, 통과한 테스트. 이 세 칸을 세션 끝에 붙여 두면, 다음 사람이 같은 에이전트를 이어받을 수 있다. 기록이 없으면 4.6이 버티든 4.5가 버티든 팀에는 남는 게 없다.

긴 작업 로그는 거창한 대시보드가 필요 없다. 세션 시작에 목표 한 문장을 적는다. 30분마다 그 문장을 다시 읽고, 에이전트가 지금 만지는 파일이 그 문장과 맞는지 표시한다. 맞으면 유지, 벗어나면 이탈. 이탈이 두 번이면 프롬프트를 탓하기 전에 창에 쌓인 로그를 줄인다. 이탈이 없는데도 테스트가 없으면, 그건 다른 실패다. 목표를 붙잡고도 검증을 건너뛴 것이다.

시각·인터랙티브 작업은 스크린샷만으로 통과시키지 않는다. xAI가 말한 강한 첫 패스는 구조와 시각 언어가 한 번에 선다는 뜻이다. 버튼이 보이는 것과 버튼이 동작하는 것은 다른 판정이다. 첫 화면이 그럴듯하면 더 위험하다. 4.5에서도 그 함정은 있었다. 4.6에서 첫 화면이 더 좋아지면, 함정도 더 예뻐진다. 클릭 한 번과 새로고침 한 번을 로그에 남긴다.

오늘 DAKER 빌더가 할 일

팀 기본값을 바꾸는 회의는 금요일에 해도 된다. 수요일까지는 개인 실험이다. 긴 작업 두 개, 짧은 작업 두 개. 네 칸이면 교체 여부를 정할 수 있다. 네 칸이 없이 기본값을 올리면, 그건 후훈련이 아니라 유행을 따르는 일이다.

모델 카드를 더 읽는 것도 일이다. 공식 발표와 xAI 개발자 문서만으로도 컨텍스트, 가격 구간, 추론 노력은 확인된다. 그 밖에 떠도는 점수표는 오늘 필요 없다. 필요한 것은 한 개의 긴 작업이다. 어제 끊기던 그 작업을 오늘 4.6에 다시 넣고, 어디서 살아남는지 본다.

한 줄로 줄이면 이렇다. 4.6은 더 큰 뇌가 아니라 더 긴 손이다. 손이 길어지면 중간에서 놓는 버릇이 줄고, 같은 단가로 더 오래 일한다. 그 손이 우리 저장소에서 실제로 버티는지는 벤치가 말해 주지 않는다. 오늘 한 세션이 말해 준다.

원문: Introducing Grok 4.6 — xAI, 2026년 8월 12일