Grok 4.7 성능 변화와 4.6 대비 벤치마크 수치 해석 기준 - 테크로그

Grok 4.7 성능 변화와 4.6 대비 달라진 점을 정리했습니다. 공식 발표된 벤치마크 수치의 비교 조건과 해석 기준을 확인해 보세요.

주요 내용 | Contents

이미지 출처 : xAI(SpaceXAI)

2026년 9월 21일 xAI가 새로운 주력 인공지능 모델인 Grok 4.7을 공개했습니다. 이전 세대인 Grok 4.6과 비교해 어떤 점이 개선되었는지, 그리고 함께 공개된 공식 성능 수치를 어떤 시각으로 해석해야 하는지 살펴보겠습니다.

Grok 4.7과 Grok 4.6의 주요 기술적 차이점

xAI의 공식 발표문에 따르면 Grok 4.7은 단순히 기존 모델을 미세 조정한 수준이 아니라 Grok 4.6보다 큰 새로운 기반 모델을 바탕으로 구축되었습니다. 모델의 덩치 자체가 커졌을 뿐만 아니라 학습 방식에서도 뚜렷한 변화가 있었습니다.

회사는 몇 시간씩 소요되는 고난도 과제를 해결하기 위해 장시간 강화학습을 진행했다고 설명합니다. 이를 통해 작업 결과를 모델 스스로 검증하는 능력과 긴 컨텍스트를 다루는 역량이 크게 강화되었습니다. 복잡한 코딩이나 긴 호흡의 논리 전개가 필요한 영역에서 작업 안정성을 끌어올리려는 목적입니다.

| 평가 항목 | Grok 4.6 점수 (high) | Grok 4.7 점수 (xhigh) | 비고 |
| :— | :— | :— | :— |
| CursorBench 4.0 | 40.4% | 46.3% | 코딩 환경 벤치마크 |
| DeepSWE v1.1 | 65.2% | 71.0% | 두 모델 모두 high 기준 |
| Terminal-Bench 4.0 | 20.3% | 37.6% | 터미널 조작 환경 |
| EEBench (전기공학) | 53.0% | 64.0% | 공학 문제 해결 |
| AA Briefcase | 1,546 | 1,657 | 복합 사무 업무 |

표에서 볼 수 있듯 전반적인 항목에서 수치 상승이 나타납니다. 소프트웨어 엔지니어링 능력을 평가하는 DeepSWE v1.1 항목의 경우 예외적으로 Grok 4.7도 high 추론 강도 기준으로 측정되어 65.2%에서 71.0%로 오른 결과를 보였습니다. 반면 터미널 작업이나 코딩 벤치마크는 추론 강도 차이가 반영된 점수라는 점을 감안해야 합니다.