Grok 4.5, 에이전트 원가 경쟁

Grok 4.5의 핵심은 새 챗봇이 아니라 agentic tasks의 작업당 원가 경쟁입니다. 입력 $2, 출력 $6 가격과 500k context, 80 TPS가 결합되면 코딩 에이전트 운영 기준이 성능표에서 비용표로 이동합니다.

​

Grok 4.5의 핵심은 새 챗봇이 아니라 agentic tasks의 작업당 원가 경쟁입니다.

[SpaceXAI는 2026년 7월 8일 Grok 4.5를 공개했습니다](https://x.ai/news/grok-4-5). 발표 문구는 뚜렷합니다. 소비자용 대화 모델보다 coding, agentic tasks, knowledge work에 무게가 실려 있어요. 모델이 똑똑해졌다는 뉴스로 끝내기엔 방향이 더 직접적입니다.

기업 입장에서 볼 부분은 세 가지입니다. API 가격, token efficiency, 그리고 긴 작업을 얼마나 안정적으로 반복하느냐입니다. coding agent는 한 번 멋지게 답하는 모델보다 매일 같은 비용표 안에서 돌아가는 모델이 더 중요해집니다.

​

핵심은 챗봇이 아니라 작업당 원가다

이번 발표를 작게 보면 "Grok이 새 버전을 냈다"입니다. 크게 보면 AI 코딩 에이전트의 경쟁 축이 바뀌는 장면입니다.

공식 발표 기준 Grok 4.5는 입력 1M tokens당 $2, 출력 1M tokens당 $6입니다. [SpaceXAI 모델 문서](https://docs.x.ai/developers/models)는 grok-4.5를 500k context 모델로 표시하고, configurable reasoning도 함께 적고 있습니다. 가격만 보면 공격적입니다.

하지만 더 중요한 숫자는 따로 있습니다. 발표문은 Grok 4.5가 fast-model speed인 80 TPS로 제공되고, SWE Bench Pro task에서 평균 output tokens가 15,954라고 설명합니다. 같은 표에서 Opus 4.8 max는 67,020 output tokens로 제시됩니다. SpaceXAI는 이를 4.2× fewer tokens라고 표현했습니다.

이 숫자는 단순 benchmark가 아닙니다. agentic task는 여러 번 추론하고, 도구를 호출하고, 실패하면 다시 시도합니다. 출력 token이 줄면 같은 문제를 해결하는 비용 구조가 달라져요. 결국 봐야 할 것은 "좋은 답변"이 아니라 "완료된 작업 1건의 원가"입니다.

​

coding과 agentic tasks는 파이프라인 문제다

가격이 낮아졌다고 바로 비용이 내려가지는 않습니다. agent workflow는 모델 호출 하나가 아니라 여러 단계의 묶음이기 때문입니다.

Grok 4.5 발표에서 눈에 띄는 대목은 training 설명입니다. SpaceXAI는 수만 개의 NVIDIA GB300 GPU, 대규모 data filtering, hundreds of thousands of tasks 중심의 RL, 그리고 many hours 동안 돌아가는 agentic rollouts를 언급합니다. 이 말은 모델이 단발 Q&A보다 긴 작업 루프를 염두에 두고 만들어졌다는 뜻입니다.

현장에서는 이 차이가 큽니다. 버그 수정, 리팩터링, 테스트 생성, 문서 업데이트는 한 번의 prompt로 끝나지 않습니다. 입력을 읽고, 도구를 호출하고, diff를 만들고, 테스트를 보고, 다시 고치는 흐름입니다. 그 흐름 전체의 실패율이 낮아져야 실제 비용이 줄어듭니다.

우리 팀이 AX 전환 프로젝트에서 보는 기준도 같습니다. 모델 이름보다 로그가 먼저입니다. 어디서 재시도가 생겼는지, 어떤 단계에서 사람이 개입했는지, 같은 작업을 다시 돌렸을 때 비용이 얼마나 흔들리는지를 봐야 합니다.

​

적용 범위는 개발팀 밖으로 넓어진다

coding이 전면에 있지만, Grok 4.5의 포지션은 개발자 도구에만 갇혀 있지 않습니다. 공식 발표는 knowledge work와 Office work도 같이 말합니다.

발표문에 따르면 Grok 4.5는 Grok Build의 기본 모델이고, Excel에서는 research, multi-sheet formula, notes를 포함한 복잡한 모델을 만들 수 있다고 설명됩니다. PowerPoint와 Word에서는 native shapes, diagram design, prose writing을 언급합니다. 여기에 Cursor 전 플랜 제공과 API console 제공이 붙습니다.

이 조합이 중요한 이유는 간단합니다. AI agent가 개발팀 안에서만 도는 것이 아니라 문서, 분석, 발표자료, 리서치 자동화까지 내려오기 때문입니다. 개발 자동화와 지식업무 자동화가 같은 원가표 위에 올라가기 시작한 것이죠.

부동산 매물 분석 3시간→10분 같은 업무도 결국 비슷한 구조입니다. 입력이 길고, 판단 기준이 있고, 사람이 마지막 검수를 해야 합니다. 모델이 빨라지는 것보다 중요한 건 이 흐름을 비용과 품질 기준으로 나누는 일입니다.

​

그래도 바로 교체하면 안 된다

공격적인 가격과 긴 context는 매력적입니다. 그래도 기존 workflow를 바로 갈아끼우는 건 위험합니다.

​

첫째, benchmark는 실제 repository와 다릅니다. 발표문은 DeepSWE, SWE Marathon, Terminal Bench, SWE Bench Pro 수치를 보여주지만, 우리 코드베이스의 의존성, 테스트 속도, legacy 패턴까지 대신 검증해주지는 않습니다.

​

둘째, 500k context는 장점이면서 비용 위험입니다. 많은 파일을 한 번에 넣을 수 있다는 말은, 잘못 설계하면 필요 없는 token까지 계속 태운다는 뜻이기도 합니다. context가 크면 답이 좋아질 때도 있지만, 검수해야 할 범위도 커집니다.

​

셋째, 지역과 제품 가용성도 확인해야 합니다. SpaceXAI 발표 기준 Grok 4.5는 발표 시점에 EU의 SpaceXAI 제품과 API console에서 아직 제공되지 않았고, mid-July 제공 예정이라고 되어 있습니다. 글로벌 조직이라면 이런 제한이 workflow 장애로 이어질 수 있습니다.

​

모델 라우팅이 운영 경쟁력이 된다

그래서 결론은 모델 교체가 아닙니다. 모델 라우팅입니다.

비싼 모델 하나로 모든 일을 처리하는 방식은 오래 버티기 어렵습니다. 반대로 싼 모델만 쓰면 검수 비용이 올라갈 수 있어요. coding agent 운영에서는 작업을 쪼개야 합니다. 쉬운 수정, 긴 리팩터링, 리서치, 테스트 생성, 문서화, 최종 검토가 서로 다른 모델과 한도를 가져야 합니다.

이때 지표는 명확해야 합니다.

판단 기준	봐야 할 질문
작업당 원가	완료 1건에 input/output 비용이 얼마인가
재시도율	같은 작업을 몇 번 다시 돌리는가
검수 시간	사람이 마지막에 얼마나 고치는가
실패 fallback	실패 시 어느 모델·사람에게 넘기는가

Intellieffect는 이 기준으로 workflow를 봅니다. 1주 PoC에서 모델 성능표만 보는 것이 아니라, 반복 업무 1개를 실제로 돌려보고 비용·재시도·검수 시간을 같이 봅니다. 소스코드와 인프라 100% 이관도 이 운영 기준이 있어야 의미가 생깁니다.

​

정리하자면

Grok 4.5는 소비자 챗봇 경쟁보다 agentic work 비용 경쟁에 가까운 발표입니다. coding, agentic tasks, knowledge work를 겨냥했고, 입력 $2·출력 $6 가격과 500k context, 80 TPS를 전면에 세웠습니다.

핵심은 하나입니다. Grok 4.5를 볼 때 모델 순위보다 작업당 원가를 먼저 봐야 합니다. 우리 회사의 AI 코딩 에이전트나 지식업무 자동화를 검토한다면, 검토 6개월보다 반복 workflow 1개를 1주 PoC로 돌려보는 편이 판단이 빠릅니다.

​

자주 묻는 질문

​

Grok 4.5는 무엇인가요?

SpaceXAI가 2026년 7월 8일 공개한 모델입니다. 공식 발표 기준 coding, agentic tasks, knowledge work를 겨냥한 모델이며 API에서도 사용할 수 있습니다.

​

Grok 4.5 API 가격은 얼마인가요?

공식 모델 문서 기준 입력은 1M tokens당 $2.00, 출력은 1M tokens당 $6.00입니다. 가격만 보지 말고 output token efficiency와 작업당 재시도 횟수까지 같이 봐야 합니다.

​

Grok 4.5가 기업 자동화에 중요한 이유는 무엇인가요?

코딩·리서치·문서 작업을 반복 agent workflow로 돌릴 때 모델 성능보다 작업당 원가와 처리 속도가 병목이 되기 때문입니다.

​

바로 기존 코딩 에이전트를 Grok 4.5로 바꾸면 되나요?

아닙니다. repository 종류, tool calling 안정성, 검수 기준, 장애 fallback을 작은 PoC로 먼저 봐야 합니다.

​

Grok 4.5의 500k context는 어떻게 봐야 하나요?

긴 문맥을 한 번에 넣을 수 있다는 장점은 큽니다. 다만 context가 커질수록 비용과 검수 범위도 커집니다. 모든 작업을 장문 context로 보내는 방식은 위험합니다.

​

Intellieffect 관점에서는 어떻게 적용하나요?

Intellieffect는 모델을 하나로 고정하지 않고 workflow별로 라우팅합니다. 1주 PoC에서는 성능보다 작업당 비용, 재시도율, 검수 시간을 먼저 봅니다.

---

원문 링크

https://www.intellieffect.com/blog/grok-45-agentic-cost