그록 4.5와 GPT-5.6은 불과 하루 간격으로 출시되며, 리뷰어들을 둘로 갈랐다. 한쪽에는 에이전트형 코딩 벤치마크에서 91.9%를 기록한 **오픈AI(OpenAI)**가, 다른 한쪽에는 토큰 100만개당 2달러라는 파격 가격을 내건 스페이스XAI(SpaceXAI)가 섰다.
핵심 포인트
- GPT-5.6 솔(Sol)은 대부분의 정면 승부 벤치마크에서 우위를 보이는 반면, 그록 4.5는 가격·속도·토큰 효율에서 우세를 점한다.
- 독립 테스트에서 그록 4.5는 지능 순위 4위에 올랐지만, 환각률은 두 배로 뛰어 54%를 기록했다.
- 리뷰어들은 글쓰기·장시간 코딩에는 GPT-5.6, 대량·저예산 업무에는 그록 4.5를 선호하는 경향을 보인다.
그록 4.5 vs GPT-5.6, 벤치마크로 본 승부
스페이스XAI는 7월 8일 그록 4.5를 출시했고, 오픈AI는 이튿날 GPT-5.6으로 맞불을 놨다. GPT-5.6은 최상위 모델 ‘솔(Sol)’과 보다 저렴한 ‘테라(Terra)’, ‘루나(Luna)’로 구성된 제품군이다. 벤치마크 업체 **아티피셜 애널리시스(Artificial Analysis)**는 새 그록을 자사 인텔리전스 인덱스에서 54점을 부여해, 클로드 페이블 5(Claude Fable 5), GPT-5.5, **오푸스 4.8(Opus 4.8)**에 이어 4위에 올려놨다.
정면 대결에서는 오픈AI 쪽으로 무게가 실린다. 한 잠정 비교표에 따르면, GPT-5.6 솔은 86점을 받았고 그록 4.5는 82점에 그쳤다. 결정적 차이는 터미널 기반 에이전트형 작업에서 나왔다. 여기서 솔은 91.9%, 그록 4.5는 83.3%를 기록했다. 다만 전반적인 코딩 성능 평균은 64.7 대 64.6으로 사실상 동률이다.
오픈AI는 공식 자료에서, 최대 추론 모드의 솔이 독립 벤치마크 ‘코딩 에이전트 인덱스(Coding Agent Index)’에서 80점을 기록해 신기록을 세웠다고 주장한다. 같은 지표에서 그록 4.5는 자사 ‘Grok Build’ 환경 안에서 76점을 받았다. 경제성은 정반대로 흘러간다. 그록 4.5는 입력 토큰 100만개당 2달러를 받는 반면, 솔은 5달러를 책정했다. 실제 코딩 과제 하나를 끝내는 데 들어가는 비용도, 그록은 2.49달러인 반면 **페이블 5(Fable 5)**는 11.80달러에 달한다.
관련 기사: 다저스 베팅 6,800만달러 돌파… 폴리마켓·칼시, 가을야구에 올라탄다
코딩·글쓰기·일상 작업, 어디서 갈린나
실사용 후기도 비슷한 흐름을 보인다. 한 장기 테스트에서는, 100개가 넘는 실제 저장소(repo) 기반 업무를 대상으로 한 하네스 테스트에서 솔이 63.7%를 오류 없이 완주한 것으로 집계됐다. 복잡한 단계가 뒤섞인 체크리스트에서도 흐름을 잃지 않고 끝까지 따라갔다는 평가다. 다른 독립 코딩 시험에서는 솔이 100점 만점에 92점, 그록 4.5는 87점을 받아, 최고 수준의 공개 가중치(open-weights) 모델과 비슷한 수준이라는 평가가 나왔다.
글쓰기 쪽에서도 기울기는 같다. 초기 테스터들은 솔을 일종의 ‘데일리 드라이버’로 평가하며, 일상적인 지식 노동의 약 80%를 커버하고, 경쟁 모델보다 스타일 가이드를 더 충실히 따른다고 전했다.
그록 4.5는 속도와 지시 이행 능력으로 반격한다. 실전 업무에 투입한 리뷰어들은, 첫 시도에 깨끗하게 빌드가 나오는 결과물과, 구조화된 출력, 초당 약 80토큰 수준의 처리량으로 5초 이내 응답이 나오는 점을 강점으로 꼽았다. 다만 정확도가 발목을 잡는다. 측정된 환각(hallucination) 비율이 25%에서 54%로 큰 폭으로 뛰었기 때문이다. 사실 기반 정확도 자체는 52%로 개선됐지만, 잘못된 내용을 그럴듯하게 만들어내는 비율이 크게 늘어난 셈이다.
전문가 평결과 ‘신뢰’ 리스크
**일론 머스크(Elon Musk)**는 그록 4.5를 “오푸스급(Opus-class) 모델이지만 더 빠르고, 토큰 효율이 좋고, 더 저렴하다”고 홍보했다. 일부 분석가들은, 페이블 5는 과제당 720만 토큰을 소모하는 반면 그록은 190만 토큰 안팎에 그친다는 점을 들어, 벤치마크 점수 차이보다 가격 격차가 더 중요할 수 있다고 지적한다.
회의론자들은 신중해야 할 이유도 적지 않다고 본다. 리뷰어들은, 출시 직후 성능 수치 상당수가 벤더 자체 보고에 기반했고, 정식 모델 카드도 공개되지 않았으며, **커서(Cursor)**의 코드베이스가 우발적으로 훈련 데이터에 포함된 사실이 드러난 뒤, 커서가 내부 벤치마크 하나를 철회한 점을 문제 삼고 있다. GPT-5.6 역시 완전히 자유로운 것은 아니다. 오픈AI의 시스템 카드는, 전작과 비교해 모델이 지시를 넘어서는 행동을 더 자주 한다고 인정하고 있다.
이번 경쟁은 격동의 몇 달을 마무리하는 이벤트이기도 했다. **스페이스X(SpaceX)**는 2월 xAI를 흡수했고, 6월에는 커서를 600억달러에 인수한 뒤, 그록 4.5 출시 이틀 전 연구소 명칭을 스페이스XAI로 재브랜딩했다. 오픈AI는 6월 말 솔이 정부 검토에 묶인 채 시간을 보냈고, 여전히 공식 벤치마크 1위인 **앤트로픽(Anthropic)**의 페이블 5는 19일간의 서비스 중단을 끝내고 7월 1일에야 복귀했다.