그록 4.6이 벤치마크 점수에서 상위권을 찍었다는 소식은 이미 여러 곳에서 다뤘습니다. 정작 궁금한 건 그 점수가 실제 결과물로 이어지느냐입니다. RemakeBench 채널이 블렌더 기반 게임 개발 과제 13종을 네 모델에 한 번씩만 시켜 보고 결과를 나란히 놓았습니다. 그록은 그중 절반에서 가장 빠르고 가장 쌌고 나머지 절반에서 결과물이 무너졌습니다.
목차
그록 4.6 성능은 벤치마크 점수보다 편차가 큽니다
그록 4.6은 xAI가 2026년 8월에 공개한 최신 모델입니다. xAI 공식 문서 기준으로 컨텍스트는 50만 토큰이고 지식 컷오프는 2026년 2월입니다. Artificial Analysis 지능 지수에서는 61점을 받아 GPT-5.6 Sol과 같은 자리에 섰습니다.
문제는 이 점수가 3D 작업으로 넘어오면 흔들린다는 점입니다. 그록 4.6 코딩 실력은 지표별로 순위가 달라 하나로 묶기 어렵습니다. 13개 과제를 한 번씩만 시킨 이번 테스트에서 결과는 세 갈래로 나뉘었습니다.
잘한 쪽부터 보겠습니다. 대성당 과제에서는 오푸스 5와 비슷한 구조로 접근해 극히 적은 시간과 비용으로 구현했습니다. 격투 경기장 과제에서는 네 모델 중 생성 속도가 가장 빨랐고 전초기지 디오라마에서는 오푸스 5에 비견될 비주얼을 훨씬 싼값에 뽑았습니다. 맥북 프로 시네마틱도 가장 저렴하고 빠르게 마쳤습니다.
무너진 쪽도 분명합니다. 우주 비행 과제에서는 착륙까지 해 놓고 이륙이 되지 않아 실패로 처리됐습니다. 오프로드 트럭 과제에서는 아예 실행되지 않는 코드를 내놨습니다.
고대 사원에서는 구조물을 미완성으로 남기고 화면 전반에 노이즈를 뿌렸습니다. 세키로 스타일 메뉴에서는 칼이 땅에 제대로 꽂히지도 않았습니다. 단일 장면 과제에서는 가격 대비 성과가 좋고 상호작용과 검증이 필요한 과제에서는 실패가 몰렸다는 뜻입니다.
그록 4.6의 약점은 스스로 검증하는 단계가 얇다는 점입니다
실패한 과제들을 모아 보면 공통점이 하나 나옵니다. 만들다 만 상태로 제출한다는 점입니다. 이륙 로직이 빠진 우주선, 실행되지 않는 트럭 코드, 미완성 사원 구조물은 전부 자기 결과물을 한 번 더 돌려 봤으면 걸렀을 문제입니다.
반대로 오푸스 5는 이 지점에 시간을 쏟습니다. 스노보드 게임 루프 과제에서 3D 캐릭터에 리깅과 애니메이션까지 붙였고 그 대가로 5시간 39분을 썼습니다. 세키로 메뉴 과제에는 4시간 50분이 들어갔습니다. 고대 사원에서는 네 모델 중 가장 정합성 있는 결과물을 냈습니다.
한 번의 프롬프트로 초안을 뽑아 보는 자리라면 그록이 강합니다. 그 초안을 그대로 쓰겠다면 얘기가 달라집니다. 개인적으로는 이 편차가 그록을 주력으로 세우기 어려운 이유라고 생각합니다.
그록 4.6 가격은 세 모델 중 가장 낮습니다
그록 4.6 가격은 100만 토큰당 입력 2달러, 출력 6달러입니다. 프롬프트가 20만 토큰을 넘어가면 입력 4달러와 출력 12달러로 올라갑니다. 같은 기준에서 Anthropic 공식 가격표의 클로드 오푸스 5는 입력 5달러에 출력 25달러입니다.
| 모델 | 입력 100만 토큰 | 출력 100만 토큰 | 컨텍스트 |
|---|---|---|---|
| 그록 4.6 | 2달러 | 6달러 | 50만 토큰 |
| 키미 K3 | 3달러 | 15달러 | 100만 토큰 |
| 클로드 오푸스 5 | 5달러 | 25달러 | 100만 토큰 |
개인적으로는 이 표에서 출력 단가 차이가 가장 크게 와닿습니다. 출력 기준으로 오푸스 5는 그록의 네 배가 넘습니다. 여기에 오푸스 5가 과제 하나에 다섯 시간을 쓴다는 점을 얹으면 총액 차이는 더 벌어집니다.
이 테스트의 스폰서를 먼저 짚습니다
영상은 Moonshot AI의 키미 K3가 스폰서로 붙은 콘텐츠입니다. 실제로 영상은 여러 과제에서 키미 K3가 가장 저렴했다고 정리합니다. 다만 공식 가격표를 보면 키미 K3는 100만 토큰당 입력 3달러에 출력 15달러로 그록보다 비쌉니다. 영상의 비용 우위는 토큰 단가가 아니라 과제당 소모 토큰과 시간에서 나온 결과로 읽는 편이 타당합니다.
키미 K3의 규모 자체는 과장이 아닙니다. 총 2.8조 매개변수에 100만 토큰 컨텍스트라는 사양은 외부 자료에서도 같은 값으로 확인됩니다. 결과물도 눈에 띄는 오류 없이 균일했습니다. 신사 마을 과제에서는 그록과 달리 기술적 결함 없이 씬을 완성했습니다.
정리하면 스폰서 편향을 감안해도 키미 K3의 안정성 평가는 뒤집을 근거가 없습니다. 다만 “가장 싸다”는 문장은 조건부로 읽으십시오. 모델별 요금 구조가 궁금하다면 클로드 오푸스 5 총정리에서 effort 단계별 토큰 소모까지 함께 보시면 비교가 쉬워집니다.
그록 4.6 오푸스 5 비교, 어느 자리에 무엇을 붙일까
과제 성격에 따라 답이 달라집니다. 키미 K3 비교까지 얹어 보면 이번 13종 테스트가 보여준 배치는 이렇습니다.
빠른 초안과 시안이 필요한 자리에는 그록입니다. 대성당과 맥북 시네마틱처럼 구조가 단순하고 한 장면으로 끝나는 과제에서 가격 대비 결과가 가장 좋았습니다.
여러 요소가 얽히고 오류가 나면 곤란한 자리에는 키미 K3입니다. 살룬 인테리어와 격투 경기장, 신사 마을에서 균형 잡힌 결과를 냈습니다.
최종 품질이 목적인 자리에는 오푸스 5입니다. 리깅과 애니메이션, 고대 사원 묘사처럼 손이 많이 가는 작업에서 대체재가 마땅치 않았습니다. 시간과 비용을 감수할 수 있을 때만 고르십시오.
자주 묻는 질문
📺 출처: RemakeBench — “Grok 4.6 vs Opus 5, Kimi K3, GPT-5.6 Sol: 13 Game Dev Tests”
한 번씩만 시켜 본 13개 과제라 이 결과를 모델의 확정 순위로 읽을 수는 없습니다. 그래도 방향은 뚜렷합니다. 그록 4.6은 싸고 빠른 초안 생성기로는 지금 가장 유리한 자리에 있고 최종 품질 담당으로는 아직 아닙니다. 초안은 그록에 맡기고 다듬는 단계에서 다른 모델을 부르는 배치가 이번 테스트가 가리키는 답에 가깝습니다.