xAI, 그록 4 공개: 콜로서스 슈퍼컴퓨터로 학습… 벤치마크 압도

Grok 3의 혐오 발언 논란이 가라앉기도 전이자 린다 야카리노 CEO가 사임한 지 불과 몇 시간 만에, 일론 머스크가 새로운 카드를 꺼내 들었습니다.

xAI는 수요일 밤 라이브스트리밍을 통해 차세대 추론 특화 대형언어모델 Grok 4와 멀티 에이전트 기반의 Grok 4 Heavy를 전격 공개했습니다. 머스크는 이 모델이 모든 학문 영역에서 박사 학위 수준을 뛰어넘었으며, 올해 안에 새로운 물리학 법칙을 발견할 수도 있다고 주장했습니다.

멀티 에이전트로 벤치마크 신기록

xAI는 두 가지 모델을 동시에 선보였습니다. 기본 Grok 4는 음성과 비전을 지원하는 단일 에이전트 구조로 128K 컨텍스트를 제공하며, 월 30달러의 SuperGrok 요금제로 이용할 수 있습니다.

반면 월 300달러라는 파격적인 가격이 책정된 Grok 4 Heavy는 복수의 AI 에이전트를 동시에 굴리는 구조입니다. 여러 에이전트가 각자 답변을 생성한 뒤 이를 상호 검증해 최적의 결과물을 도출해 냅니다.

개발자용 API는 256K 컨텍스트와 내장 검색을 지원하며, 100만 입력 토큰당 3달러, 출력 토큰당 15달러로 책정되었습니다.

성능 지표에서도 최고치를 기록했습니다. 2,500개의 복잡한 학술 문제로 구성된 벤치마크 Humanity's Last Exam에서 웹 검색 없이 44% 이상의 정답률을 기록했습니다. 이는 OpenAI o3 기반 Deep Research가 기록한 26.6%를 크게 앞서는 수치입니다. Arc-AGI-2와 AIME에서도 Gemini 2.5 Pro와 o3를 넘어섰습니다.

이 모델은 멤피스에 위치한 xAI의 슈퍼컴퓨터 Colossus에서 훈련되었습니다. 작년 9월 가동 당시 10만 장이던 GPU는 지난 5월 20만 장으로 늘어났으며, 최종적으로 100만 장까지 확장될 예정입니다.

머스크는 다음 달 코딩 특화 모델, 9월 멀티모달 강화 버전, 몇 주 뒤 영상 생성 모델을 차례로 선보이고, 장기적으로 테슬라 차량 설계에 쓰이는 유체역학 소프트웨어 등 과학 연구 툴과 연동하겠다는 로드맵도 내놓았습니다.

왜 중요한가

개발자와 연구자 입장에서 Grok 4의 추론 역량은 충분히 주목할 만합니다. 외부 검색 없이 고난도 학술 테스트에서 44%를 기록했다는 점은 복잡한 알고리즘 검증이나 수식 전개에서 실질적인 도구로 쓸 수 있음을 의미합니다. 다만 월 30달러, 특히 300달러에 달하는 구독료는 일반 사용자가 호기심에 결제하기에는 문턱이 지나치게 높습니다.

업계 관점에서는 하드웨어 인프라를 극한으로 밀어붙이는 스케일링 전략이 여전히 통한다는 사실을 입증했습니다. Colossus의 압도적인 연산력을 바탕으로 xAI는 단숨에 OpenAI와 구글의 최고 모델들과 대등하게 맞붙는 위치에 올라섰으며, 경쟁사들의 차세대 추론 모델 출시 일정을 압박하고 있습니다.

하지만 우리가 보기에 멀티 에이전트 교차 검증 방식은 영리한 만큼 비용 부담이 큽니다. 여러 에이전트를 동시 구동해 벤치마크 점수를 끌어올리는 방식은 막대한 연산 비용을 수반하며, 300달러라는 가격표가 이를 방증합니다.

더 큰 문제는 안전성과 조직 안정성입니다. Grok 3의 인종차별적 발언 사태 직후이자 CEO 사임이라는 혼란 속에서 출시된 만큼, 모델의 정렬(Alignment)과 신뢰성에 대한 의구심은 여전합니다. 이 윤리적 리스크를 명확히 해소하지 못한다면 기업 시장의 신뢰를 얻기는 쉽지 않아 보입니다.