Grok 4.5 출시 — Cursor와 함께 만든 효율적인 코딩 모델

요즘 개발자 사이에서 가장 뜨거운 화두는 단연 SpaceXAI의 'Grok 4.5'와 인기 코딩 에디터 'Cursor'의 결합입니다. 단순히 머리 좋은 모델이 출시된 것을 넘어, 코딩 에이전트를 훨씬 저렴하게 쓸 수 있는 '실질적인 비용 혁신'이 시작되었기 때문인데요. 코딩의 절대강자로 불리는 클로드와 비교해 Grok 4.5가 어떻게 우리의 지갑을 지켜주며 뛰어난 효율을 내는지 핵심만 쉽게 정리해 드릴게요.

Grok 4.5와 Cursor의 만남, 왜 화제일까?

이번에 공개된 Grok 4.5는 스페이스엑스AI(SpaceXAI)가 인기 코딩 에디터인 Cursor 개발사 애니스피어(Anysphere)를 인수 계약을 체결한 뒤 처음으로 선보인 공동 작품입니다. 1조 5,000억 개의 매개변수를 가진 혼합 전문가(MoE) 아키텍처를 기반으로 만들어졌죠.

이 모델이 특별한 이유는 개발자들이 Cursor에서 실제로 코드를 짜고 오류를 고쳤던 수많은 편집 세션 데이터를 직접 학습했기 때문입니다. 덕분에 단순히 코딩 문제를 잘 푸는 것을 넘어, 스스로 문제를 파악하고 에이전트처럼 알아서 코드를 고치는 능력이 아주 뛰어납니다.

특히 강화 학습을 통해 컴파일러 오류를 스스로 해결하고 코드를 검증하는 법까지 깊게 훈련받았는데요. 덕분에 실제 작업할 때 마치 숙련된 개발자 곁에서 일을 배운 똑똑한 조수처럼 아주 매끄럽게 움직입니다.

단순 점수보다 중요한 '토큰 가성비'의 비밀

Grok 4.5는 대표적인 코딩 벤치마크인 SWE-벤치 프로(SWE-Bench Pro)에서 64.7%의 해결률을 기록했습니다. 최고 수준으로 꼽히는 클로드 페이블 5(Claude Fable 5)의 80.4%나 클로드 오퍼스 4.8(Claude Opus 4.8)의 69.2%에는 조금 미치지 못하는 성적입니다.

하지만 진짜 혁신은 점수 뒤에 숨겨진 '토큰 효율성'에 있습니다. 인공지능 에이전트가 코딩 문제를 해결하는 과정을 분석해 보니, 클로드 오퍼스는 평균 6만 7,000개에 달하는 토큰을 소모한 반면 Grok 4.5는 평균 1만 6,000개 정도로 충분했습니다. 무려 4.2배나 더 적은 말수로 군더더기 없이 정답을 찾아낸 셈입니다.

여기에 또 하나의 영리한 설계가 숨어 있습니다. Grok 4.5는 최대 50만 토큰의 컨텍스트 창을 지원하는데, 20만 토큰을 초과하는 대용량 작업에서는 API 가격이 두 배로 늘어납니다. 즉, 스스로 필요한 말만 골라 쓰는 토큰 다이어트 능력 덕분에 비용이 급증하는 임계점을 영리하게 피해 갈 수 있습니다.

지갑이 가벼워지는 에이전트 코딩: 79% 비용 절감

에이전트 코딩에서 개발자들이 가장 크게 체감하는 변화는 바로 비용입니다. 인공지능 분석 기관인 아티피셜 아날리시스(Artificial Analysis)의 조사에 따르면, 에이전트 기반 코딩 작업을 수행할 때 클로드 페이블 5는 작업당 평균 11.80달러가 드는 반면, Grok 4.5는 평균 2.49달러면 충분했습니다. 성능 차이는 15% 남짓이지만, 비용은 무려 79%나 아낄 수 있는 셈이죠.

이런 압도적인 가성비는 저렴한 기본 단가와 뛰어난 토큰 효율성이 만나 시너지를 낸 결과입니다. Grok 4.5의 API 가격은 백만 토큰당 입력 2달러, 출력 6달러로 매우 공격적으로 책정되었습니다. 불필요한 설명을 생략하고 꼭 필요한 코드만 군더더기 없이 출력하는 효율성 덕분에, 에이전트가 최종 결과물을 완성하기까지 소모하는 비용이 대폭 줄어들었습니다.

다만 실제 개발 환경에서 주의해야 할 세부 규칙이 하나 있습니다. Grok 4.5는 최대 500k 토큰의 넓은 컨텍스트 창을 제공하지만, 사용 중인 컨텍스트 크기가 200k 토큰을 초과하면 토큰당 단가가 두 배로 증가합니다. 따라서 전체 코드베이스를 한 번에 불러오는 대규모 에이전트 작업을 실행할 때는 이 구간을 의식해 컨텍스트 크기를 관리하는 것이 중요한 비용 절감 팁입니다.

(Cursor에서 Grok 4.5의 최대 컨텍스트 크기는 256K로 안내됩니다)

SWE 마라톤 1위와 '커서벤치' 오염 논란

단순히 비용만 아끼는 데서 끝나지 않습니다. 아주 길고 복잡한 실전 코딩 작업을 에이전트가 끊임없이 해결해야 하는 ‘SWE 마라톤(SWE Marathon)’ 평가에서 Grok 4.5는 29.0%의 해결률을 기록하며 1위에 올랐습니다. 강력한 경쟁자인 클로드 오퍼스 4.8의 26.0%나 클로드 페이블 5의 24.0%를 모두 앞지른 놀라운 성적이죠.

하지만 이 대단한 성적표 뒤에는 우리가 꼭 알아두어야 할 해프닝도 있습니다. 바로 ‘데이터 오염’ 이슈인데요. 커서 개발사인 애니스피어(Anysphere)가 이전 커서 코드베이스의 일부 스냅숏이 실수로 Grok 4.5의 학습 데이터에 포함되었다고 솔직하게 공개한 것입니다.

이 때문에 자체 평가 도구인 ‘커서벤치(CursorBench)’ 성능 측정 결과에 일종의 ‘치트키’가 작동한 것이 아니냐는 논란이 일었습니다. 커서 측은 다음 학습부터는 이 데이터를 즉시 제외하겠다고 밝혔지만, 현재 버전의 뛰어난 벤치마크 점수를 볼 때는 이러한 오염 가능성을 감안해서 한 발짝 물러서서 지켜볼 필요가 있습니다.

앞으로 우리는 어떤 선택을 해야 할까?

화려한 화면을 그리거나 정밀한 프론트엔드 UI 설계가 필요하다면 여전히 앤트로픽의 클로드 모델이 매력적인 선택입니다. 하지만 복잡한 백엔드 로직을 설계하거나, 여러 에이전트를 동시에 끊임없이 반복해서 실행해야 하는 멀티 에이전트 워크플로우라면 Grok 4.5가 유리합니다. 다만 Grok 4.5는 컨텍스트 사용량이 20만 토큰을 넘어가는 순간 비용이 두 배로 늘어나므로, 대용량 코드를 다룰 때는 이 구간을 넘지 않도록 스마트하게 조절하며 사용하는 것을 추천합니다.