GPT, 클로드 턱밑까지 따라온 그록 4.6 성능..ㄷㄷ
Quick Summary
그록 4.6은 GPT 5.6과 클로드 상위 모델의 턱밑까지 성능을 끌어올리면서 더 낮은 비용과 웹·3D·영상·게임 통합 제작 역량까지 확보했다.
영상 보기
클릭 전까지는 가벼운 미리보기만 먼저 불러옵니다.
🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론
그록 4.6은 GPT 5.6과 클로드 상위 모델의 턱밑까지 성능을 끌어올리면서 더 낮은 비용과 웹·3D·영상·게임 통합 제작 역량까지 확보했다.
📌 핵심 요점
- 그록 4.6은 수학·과학·코딩·추론 벤치마크와 실제 업무 수행 능력을 평가하는 GDPval에서 높은 점수를 기록하며 GPT 5.6과 클로드 계열 상위 모델에 근접한 실무 경쟁력을 보였다.
- 입력 토큰 100만 개당 2달러, 출력 토큰 100만 개당 6달러라는 가격은 고품질 웹사이트와 프로덕트를 상위 모델보다 낮은 비용으로 제작할 가능성을 열어준다. 사용하려면 X 계정이나 슈퍼그록 구독, 그록 빌드 설치와 로그인, 모델 및 추론 강도 설정이 필요하다.
- 그록 4.6과 Three.js를 결합하면 3D 오브젝트와 상호작용을 갖춘 다이내믹 웹사이트를 제작할 수 있다. 픽스필드의 시덴스 2.5 영상까지 삽입하면 공간·훈련·동작처럼 텍스트로 설명하기 어려운 정보도 시각적으로 전달할 수 있다.
- 원하는 장면을 먼저 3D 콘티로 구성하면 카메라 동선과 주요 액션을 영상 생성 전에 통제할 수 있다. 이 목업을 시덴스 2.5의 레퍼런스로 사용하면 텍스트 프롬프트만 입력할 때보다 의도에 가까운 실사 영상을 얻을 수 있다.
- 캐릭터 스프라이트와 이미지를 제공하면 그록 4.6이 애니메이션과 게임 로직을 결합해 미니게임 제작의 진입 장벽을 낮춘다. 다만 완성도는 코드 생성 능력만이 아니라 원본 이미지·영상·3D 레퍼런스의 품질과 반복 피드백에도 크게 좌우된다.
🧩 배경과 문제 정의
- 그록 4.6은 코딩·추론·실무 벤치마크에서 GPT 5.6과 클로드 계열 상위 모델의 성능을 근접하게 따라가면서도 비용을 낮춘 모델이다.
- 기획과 코딩 능력이 함께 향상되면서 웹사이트뿐 아니라 3D 그래픽, 스크롤 기반 영상 콘텐츠, 미니게임까지 하나의 워크플로우로 제작할 수 있게 됐다.
- 최종 결과물의 품질은 그록 4.6의 코드 생성 능력뿐 아니라 외부에서 준비한 이미지·영상·3D 레퍼런스와 반복적인 피드백에도 크게 좌우된다.
🕒 시간순 섹션별 상세정리
- 상위 모델에 근접한 성능과 실무 활용성
- 그록 4.6은 웹사이트와 미니게임 제작 품질이 이전 버전보다 크게 향상됐으며, 여러 벤치마크에서 GPT 5.6·클로드 계열 상위 모델과의 격차도 크지 않다. [00:28]
- 수학·과학·코딩·추론을 종합하는 인텔리전스 인덱스에서 최고점에 근접했고, 코딩 작업에서도 기존 최상위 모델과 대등한 수준을 보였다. [00:54]
- 입력 토큰 100만 개당 2달러, 출력 토큰 100만 개당 6달러로 책정돼 고품질 웹사이트와 프로덕트를 상위 모델보다 저렴하게 제작할 수 있다. [02:38]
- 그록 4.6 사용에는 X 계정이나 슈퍼그록 구독이 필요하며, 그록 빌드 설치 명령어를 운영체제에 맞춰 터미널에서 실행한 뒤
grok명령어로 로그인한다. [03:27]
- 3D·영상 중심의 다이내믹 웹사이트 제작
- 그록 4.6과 Three.js 같은 도구를 조합하면 3D 오브젝트와 상호작용을 구현할 수 있으며, 반복 생성과 구체적인 프롬프트를 통해 게임형 공간이나 우주선 그래픽까지 제작할 수 있다. [04:30]
- 픽스필드의 시덴스 2.5로 최대 30초 길이의 영상을 만들고 웹사이트에 삽입하면, 텍스트만으로 전달하기 어려운 공간·훈련·동작 정보를 방문자에게 시각적으로 전달할 수 있다. [05:48]
- 용이 날아와 불을 뿜고 카메라 앞으로 이동하는 장면처럼 원하는 서사를 먼저 3D 콘티로 구성하면, 카메라 동선과 주요 액션을 영상 생성 전에 통제할 수 있다. [08:08]
- 그록의 3D 제작 스킬로 목업을 만든 뒤 이를 시덴스 2.5의 레퍼런스로 사용하면, 텍스트 프롬프트만 입력하는 방식보다 의도에 가까운 실사 영상을 얻을 수 있다. [08:51]
- 게임 제작 결과와 그록 4.6의 종합 평가
- 픽스필드에서 만든 캐릭터 스프라이트와 이미지를 그록 4.6에 제공하면 애니메이션과 게임 로직을 결합할 수 있어, 과거에는 복잡했던 미니게임 제작 진입 장벽이 낮아진다. [09:01]
- 그록 4.6은 웹사이트·3D·영상·게임 제작에 충분히 활용할 만하지만, 최종 결과물의 완성도를 높이려면 원본 이미지와 영상의 품질도 함께 확보해야 한다. [09:16]
- 픽스필드 이용 혜택과 프로젝트 가이드
- 플러스·울트라 연간 요금제에 가입하면 더 많은 크레딧과 할인 혜택을 받을 수 있다. [09:34]
- 시덴스 2.5 1080p를 독점 이용하고 여러 모델을 무제한으로 사용할 수 있어, 고품질 결과물이 필요하다면 픽스필드 월간·연간 이용을 고려할 만하다. [09:48]
- 픽스필드 링크와 그록 4.6으로 네 가지 프로젝트를 만드는 가이드는 고정 댓글에서 확인하고 따라 해볼 수 있다. [09:59]
- 그록 4.7 예고와 영상 마무리
- 다음 달 출시된다고 알려진 그록 4.7에서는 그록 4.6보다 향상된 성능을 기대할 수 있다. [10:08]
- 그록 4.7이 출시되면 채널에서 다시 소개할 예정이다. [10:11]
- 영상이 도움이 되었다면 좋아요·구독·하이프를 부탁하며, 특히 하이프가 채널에 큰 도움이 된다고 강조한다. [10:17]
- 다음 영상에서 다시 만나자는 인사와 감사로 영상을 마무리한다. [10:21]
🧾 결론
- 그록 4.6의 핵심 경쟁력은 상위 모델에 근접한 성능을 더 낮은 토큰 비용과 결합했다는 점이다.
- 기획과 코딩을 함께 수행하면서 웹사이트, 3D 그래픽, 영상 콘텐츠, 미니게임을 하나의 제작 흐름으로 연결할 수 있어 단순 코딩 모델을 넘어선 활용 가능성을 보여준다.
- 좋은 결과물을 얻으려면 구체적인 프롬프트, 반복 피드백, 고품질 외부 에셋을 함께 준비해야 하므로 모델만 교체한다고 완성도가 자동으로 보장되지는 않는다.
📈 투자·시사 포인트
- AI 모델 경쟁의 기준이 최고 성능 하나에서 가격 대비 성능과 실제 제작 범위로 넓어지고 있다는 신호로 해석할 수 있다.
- Three.js, 픽스필드, 시덴스 2.5처럼 모델의 생성 결과를 확장하는 도구는 통합 콘텐츠 제작 워크플로우에서 중요한 보완재가 될 수 있다.
- 원본 이미지·영상·3D 레퍼런스의 품질이 결과물의 상한을 좌우하므로 고품질 에셋 제작과 레퍼런스 관리 역량의 전략적 가치도 함께 커진다.
- 그록 4.7의 다음 달 출시 예고가 현실화된다면 상위 모델 간 성능 격차와 개별 버전의 우위가 유지되는 기간은 더 짧아질 수 있다.
⚠️ 불확실하거나 확인이 필요한 부분
- 제시된 벤치마크의 세부 점수표, 평가 조건, 표본, 반복 횟수가 제공되지 않아 GPT 5.6 및 클로드 계열과의 실제 성능 차이를 독립적으로 판단하기 어렵다.
- 입력·출력 토큰 가격만으로 전체 제작비를 확정할 수 없다. 구독 비용, 반복 생성 횟수, 외부 이미지·영상 제작비까지 포함한 프로젝트 단위 비용 비교가 필요하다.
- 그록 4.7이 다음 달 출시될 예정이라는 일정은 향후 계획에 관한 진술이므로 실제 출시 시점과 성능 향상 폭은 추가 확인이 필요하다.
- 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
- 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
- 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.
✅ 액션 아이템
- 동일한 웹사이트·코딩·미니게임 과제를 그록 4.6, GPT 5.6, 클로드 계열에 각각 실행해 결과 품질, 소요 시간, 수정 횟수를 기록한다.
- 토큰 사용량과 구독료, 외부 에셋 제작비, 반복 생성 비용을 포함한 프로젝트 단위 총비용을 비교한다.
- 같은 영상 장면을 텍스트 프롬프트만 사용한 경우와 3D 콘티를 레퍼런스로 사용한 경우로 나눠 의도 일치도와 수정 횟수를 비교한다.
- 실제 제작 전에 이미지·영상·3D 레퍼런스와 피드백 기준을 준비해 모델 성능과 입력 에셋 품질의 영향을 분리해서 평가한다.
❓ 열린 질문
- 벤치마크에서 나타난 상위 모델 근접 성능이 장기 코딩, 복잡한 디버깅, 반복 수정이 필요한 실제 프로젝트에서도 유지되는가?
- 낮은 토큰 단가가 반복 생성과 외부 에셋 제작까지 포함한 전체 워크플로우에서도 비용 우위로 이어지는가?
- 3D 콘티를 영상 생성의 레퍼런스로 사용할 때 카메라 동선과 주요 액션의 재현성이 얼마나 일관되게 개선되는가?