xAI, '그록 4.1' 전면 출시…LMArena 1위 등극

최근 대형 언원 모델 경쟁은 사용자가 화면 앞에서 수십 초 동안 모델의 추론 과정을 기다리게 만드는 쪽으로 흘러가는 분위기였습니다.

하지만 평소에 업무를 보거나 대화를 나눌 때 진짜 필요한 것은 긴 대기 시간이 아니라, 미묘한 뉘앙스를 알아듣고 사람처럼 매끄럽게 답하며 거짓말을 하지 않는 반응 속도입니다.

xAI가 Grok 4.1을 공식 공개했습니다. grok.com 웹사이트와 𝕏 플랫폼, iOS 및 Android 모바일 앱의 모든 사용자에게 즉시 배포되었으며, Auto 모드에서 바로 적용되거나 모델 선택 메뉴에서 지정해 쓸 수 있습니다.

생각하지 않는 모델이 경쟁사 추론 모델을 제치다

이번 발표에서 가장 눈길을 끄는 대목은 벤치마크 평가인 LMArena 텍스트 아레나 순위입니다.

사고 과정을 거치는 Grok 4.1 Thinking(코드명 quasarflux)은 1483 Elo를 기록하며 종합 1위를 차지했습니다. xAI를 제외한 다른 경쟁 모델 중 최고점보다 31점 높은 수치입니다.

더 놀라운 것은 생각 토큰을 일절 쓰지 않고 즉시 답하는 비추론 모드(코드명 tensor)입니다. 이 모델은 Elo 1465점으로 종합 2위에 올랐습니다.

Grok 4.1의 즉답 버전이 시중에 공개된 다른 모든 모델의 완전 추론 버전을 넘어선 셈입니다. 이전 세대인 Grok 4가 해당 순위에서 33위에 머물렀던 것과 비교하면 비약적인 상승입니다.

xAI는 출시 전 2주 동안 실제 서비스 트래픽을 대상으로 사전 배포를 진행하며 블라인드 선호도 평가를 거쳤습니다. 그 결과 Grok 4.1은 기존 운영 모델 대비 64.78%의 선택을 받았습니다.

에이전트 보상 모델로 끌어올린 공감력과 사실성

감성적 대화나 창의적인 글솜씨는 수학 문제처럼 정답 여부를 단순 검증하기 어렵습니다.

xAI는 Grok 4 훈련에 쓰였던 대규모 강화학습 인프라를 바탕으로, 최첨단 에이전트 추론 모델을 보상 모델로 투입했습니다. AI가 대규모 응답을 자율적으로 평가하고 다듬는 새 방법론을 적용해 문체와 개성, 유용성을 조정했습니다.

그 결과 45개 역할극 시나리오로 대인 감성 지능을 측정하는 EQ-Bench3와 창의적 글쓰기 평가인 Creative Writing v3에서 모두 지표가 크게 개선되었습니다.

검색 기능 결합 시 고질병이었던 환각 현상도 손봤습니다. 빠른 비추론 모델은 추론 깊이가 얕고 검색 도구 호출 횟수가 제한되어 오답을 내기 쉬운데, xAI는 사후 학습을 통해 실제 정보 탐색 질문과 500개 인물 평가 벤치마크인 FActScore에서 사실 오류율을 낮췄습니다.

왜 중요한가

일반 사용자와 창작자 입장에서 Grok 4.1은 지금 당장 써볼 가치가 큽니다. 긴 추론 시간을 기다릴 필요 없이 즉시 자연스럽고 높은 품질의 답변을 얻을 수 있어 글쓰기 초안 작성이나 일상 대화, 정보 탐색의 피로감이 크게 줄어듭니다.

업계 관점에서도 이번 결과는 적잖은 충격을 줍니다. 모든 빅테크가 추론 토큰을 늘려 모델의 연산 시간을 늘리는 방향에 매달리던 상황에서, 정교한 사후 학습과 보상 설계를 거치면 즉답형 모델도 무거운 추론 모델을 제칠 수 있음을 입증했기 때문입니다.

우리는 xAI가 정량화하기 힘든 감성 지능과 대화 톤을 자율 에이전트 평가 루프에 맡겨 훈련시킨 방식이 매우 영리했다고 봅니다. 다만 AI 평가자의 기준에 맞춰 지나치게 최적화되다 보면 자칫 진실을 말하기보다 사용자의 비위만 맞추는 아첨형 모델로 흐를 위험도 있어 실제 장기 사용 경험을 지켜볼 필요가 있습니다.