2026년 7월 8일 xAI가 Grok 4.5를 출시했을 때, 일론 머스크는 직접 비교 대상을 지목했습니다: "오푸스급 모델이지만 더 빠르고, 토큰 효율적이며, 비용이 저렴하다." 이것은 Anthropic의 핵심 코딩 모델인 Claude Opus 4.8에 대한 구체적이고 확인할 수 있는 주장입니다.
그럼 확인해봅시다. 이 비교는 xAI가 발표한 수치, Anthropic의 공개된 가격 책정, 그리고 두 공급업체 모두 헤드라인으로 내세우지 않는 이야기의 일부를 사용합니다. 요약하자면, 이 주장은 대체로 유효하며, 두 가지 벤치마크에서는 뒤처졌고 검증에 대한 커다란 별표(*)가 하나 있습니다.
점수표
xAI는 4가지 코딩 벤치마크를 공개했습니다. 두 모델과 그 주변의 최첨단 맥락과 함께 여기에 있습니다:
| 벤치마크 | Grok 4.5 | Opus 4.8 (최대) | 승자 |
|---|---|---|---|
| DeepSWE 1.0 (pass@1) | 62.0% | 55.75% | Grok 4.5 (+6.25) |
| DeepSWE 1.1 | 53% | 59% | Opus 4.8 (+6) |
| Terminal Bench 2.1 | 83.3% | 78.9% | Grok 4.5 (+4.4) |
| SWE Bench Pro (해결) | 64.7% | 69.2% | Opus 4.8 (+4.5) |
각각 두 번 승리했습니다. xAI의 자체 차트에 따르면 "오푸스급"은 역량 등급으로는 정확하지만 우월하다는 주장으로는 틀립니다. (칭찬할 만하게도, 이는 머스크가 주장한 바는 아닙니다.)
주목할 점은 Claude Fable 5 (최대)가 이 네 가지 차트 모두에서 1위(66.1 / 70 / 84.3 / 80.4)를 차지했으며, GPT 5.5 (xhigh)는 네 가지 중 세 가지에서 두 모델 모두를 능가했습니다. Grok 4.5는 Anthropic이 최고 성능보다는 일상적인 작업에 대해 가격을 책정한 모델과 경쟁하며, 최첨단 모델 바로 아래 티어에서 경쟁하고 있습니다. 최첨단 경쟁을 원한다면, 그것은 Fable 5 대 Opus 4.8입니다.
출처 별표(*)
이는 독립적인 테스트 결과가 아닙니다. xAI는 경쟁사 수치가 "각 개발사의 공개된 시스템 카드 또는 벤치마크 리더보드"에서 가져왔으며, DeepSWE 평가는 Datacurve에서 생성하고 각 제공업체의 하네스를 사용하여 실행되었다고 언급합니다. 이는 불투명한 자체 보고보다는 낫지만, 출처를 혼합하면 하네스 및 스캐폴드 차이가 비교에 영향을 미칠 수 있음을 의미합니다. 아직 완전히 독립적인 제3자가 Grok 4.5를 벤치마크하지는 않았습니다. 당사의 벤치마크 심층 분석에서 이 상황을 추적합니다.
가격: Grok은 서류상으로는 승리하지만, 실제로는 더 큰 격차를 보입니다.
1백만 토큰당 정가:
| Grok 4.5 | Opus 4.8 | |
|---|---|---|
| 입력 | $2.00 | $5.00 |
| 출력 | $6.00 | $25.00 |
이는 Opus의 입력 가격의 40%이자 출력 가격의 24%입니다. (Opus 4.8 가격 분석에서 Anthropic 측 전체 세부 정보를 확인할 수 있습니다.)
상세함을 고려하면 격차는 더 커집니다. xAI는 Grok 4.5가 SWE Bench Pro 작업을 평균 15,954개의 출력 토큰으로 해결한다고 보고하며, Opus 4.8 (최대)은 동일한 벤치마크에서 평균 67,020개의 토큰을 사용합니다. 해결된 작업당 계산해 보면 다음과 같습니다.
- Grok 4.5: 15,954 토큰 × $6/M ≈ 작업당 $0.10의 출력
- Opus 4.8 (최대): 67,020 토큰 × $25/M ≈ 작업당 $1.68의 출력
공급업체가 보고한 토큰 수에 따르면 완료된 작업당 출력 비용이 약 17배 저렴합니다. 정확한 배율은 주의해서 다루어야 하지만 (하나의 벤치마크, 한 공급업체의 측정치, 그리고 "최대" 노력 모드는 Opus의 토큰 수를 부풀립니다), 방향성은 논쟁의 여지가 없습니다: 간결한 $6 모델은 $25의 장황한 모델을 가격표가 제시하는 것보다 더 크게 능가합니다. Grok 4.5 가격 설명에서 더 자세한 시나리오를 실행합니다.
주의사항은 다른 방식으로도 작용합니다: Opus가 작업당 더 많은 토큰을 사용하는 것은 부분적으로 "최대" 모드가 장황하게 추론하기 때문이며, 그 추론은 Opus가 SWE Bench Pro에서 4.5점 차이로 승리하는 이유 중 일부입니다. 당신은 사고에 비용을 지불하는 것입니다. 때로는 그 사고 자체가 제품입니다.
속도: 80 TPS와 짧은 답변의 복합 효과
Grok 4.5는 초당 약 80개의 토큰을 처리하며, xAI는 이를 "고속 모델 속도"라고 부릅니다. 길이가 1/4에 불과한 출력과 결합하면 작업당 실제 시간(wall-clock time)이 두 배로 줄어듭니다: 더 적은 토큰, 더 빠른 전달. 수십 개의 모델 호출을 연결하는 에이전트 루프의 경우, 단계당 지연 시간이 세션당 몇 분의 절약으로 이어집니다.
Anthropic은 Opus 4.8에 대한 동등한 TPS 수치를 공개하지 않으며, 실제 속도는 로드 및 티어에 따라 다르므로, 어떤 마케팅 페이지도 신뢰하기보다는 자체 트래픽으로 벤치마크하는 것이 좋습니다.
Opus 4.8이 우위를 유지하는 지점
가격이 전부는 아니며, 점수표는 그렇지 않은 지점을 명시합니다:
- 가장 어려운 에이전트 코딩. 복잡한 실제 리포지토리 작업에 가장 가까운 네 가지 중 SWE Bench Pro는 Opus가 4.5점 차이로 가져갑니다. 최신 버전인 DeepSWE 1.1은 Opus가 6점 차이로 가져갑니다.
- 생태계 성숙도. Opus 4.8은 Claude Code, 확립된 도구 사용 패턴, 그리고 1년간의 생산 환경 강화를 통해 자리 잡았습니다. Grok 4.5는 어제 출시되었습니다. 통합 표면은 Grok Build, Cursor, 그리고 새로운 API입니다. 토큰당 비용이 낮더라도 마이그레이션 비용은 실제 존재합니다.
- 예측 가능성. Opus의 긴 컨텍스트에서의 동작, 거부 패턴, 그리고 실패 모드는 당사를 포함하여 잘 문서화되어 있습니다. Grok 4.5는 출시된 지 일주일밖에 되지 않았습니다.
어떤 것을 사용해야 할까요?
다음과 같은 경우 Grok 4.5를 선택하세요: 작업량이 대량의 에이전트 코딩 또는 지식 작업이고, API 비용을 주의 깊게 살피며, 출력 가격의 1/4로 4개 벤치마크 중 2개를 나눠 갖는 것이 차익 거래처럼 들린다면 말이죠. 출시 가격과 현재 무료 이용 기간 덕분에 이번 달에는 거의 비용 없이 시도해 볼 수 있습니다.
다음과 같은 경우 Opus 4.8을 유지하세요: Anthropic 생태계에 깊이 관여하고 있고, 이 가격대의 어려운 리포지토리 수준 벤치마크에서 가장 강력한 공개 점수가 필요하거나, 프로덕션 환경에서 출시 첫 주 모델의 위험을 감수할 수 없다면 말이죠.
어떤 경우든, 직접 측정해보세요. 두 API 모두 OpenAI 호환 형식을 사용하므로 A/B 테스트 하네스를 구축하는 데 비용이 저렴합니다. Apidog에서 모델당 하나의 요청을 저장하고, 가장 어려운 실제 프롬프트 5개에 연결한 다음, 출력 품질, 지연 시간 및 사용량 객체를 나란히 비교해보세요. 특히 output_tokens를 확인하세요: 만약 Grok의 답변이 당신의 프롬프트에서 더 짧지 않다면, 위의 경제성은 당신에게 적용되지 않습니다. Apidog를 무료로 다운로드하여 워크로드를 옮기기 전에 자체 트래픽에서 비교를 실행해보세요.
양측 설정 가이드: Grok 4.5 API 사용 방법 및 Claude Opus 4.8 API 사용 방법.
자주 묻는 질문 (FAQ)
Grok 4.5가 Claude Opus 4.8보다 더 낫나요? xAI가 공개한 벤치마크에서 2승 2패를 기록했습니다. Grok 4.5는 더 저렴하고 토큰 효율적입니다. Opus 4.8은 더 어려운 두 가지 리포지토리 수준 평가에서 승리했습니다. "더 낫다"는 것은 당신의 제약이 예산인지 아니면 최고 성능인지에 따라 달라집니다.
Grok 4.5는 Opus 4.8보다 얼마나 저렴한가요? 1백만 입력 토큰당 $2 대 $5, 1백만 출력 토큰당 $6 대 $25입니다. 해결된 코딩 작업당 공급업체가 보고한 토큰 수를 보면 훨씬 더 큰 실제 격차가 있음을 알 수 있습니다.
Grok 4.5에 대한 독립적인 벤치마크가 있나요? 아직 없습니다. 공개된 수치는 xAI의 실행, Datacurve 평가, 그리고 다른 공급업체의 시스템 카드를 혼합한 것입니다. 독립적인 수치는 출시 후 몇 주 내에 나올 것으로 예상됩니다.
동일한 코드로 두 모델을 모두 테스트할 수 있나요? 대부분 가능합니다. 두 모델 모두 OpenAI 호환 채팅 완성을 노출하므로, base_url, 키, 그리고 모델 ID를 교체하는 것으로 기본적인 사항을 다룰 수 있습니다. 도구 호출 및 구조화된 출력 세부 사항은 다르므로 전환하기 전에 해당 경로를 명시적으로 테스트하세요.