Grok 4.7의 기술 사양
| 사양 | Grok 4.7 |
|---|---|
| 제공자 | xAI / SpaceXAI |
| 모델 ID | grok-4.7 |
| 출시일 | 2026년 9월 21일 |
| 주요 초점 | 코딩, 에이전트 기반 작업, 지식 작업 |
| 입력 모달리티 | 텍스트, 이미지 |
| 출력 모달리티 | 텍스트 |
| 컨텍스트 윈도우 | 500,000 토큰 |
| 출력 제한 | xAI에서 텍스트 출력 제한을 명시하지 않음 |
| 추론 강도 | low, medium, high, xhigh; 기본값은 high |
| API | Responses API, Chat Completions |
| 도구 | 함수 호출, 웹 검색, X 검색, 코드 실행 |
| 지식 컷오프 | 2026년 5월 |
| 배치 API | 지원되지 않음 |
Grok 4.7은 코딩, 에이전트 기반 작업, 지식 작업을 위한 xAI의 프런티어 모델이다. 공식 API 모델 ID는 grok-4.7이다. xAI는 500K 토큰 컨텍스트 윈도우, 텍스트 및 이미지 입력과 텍스트 출력, 구성 가능한 추론 강도, Responses API와 Chat Completions 지원을 문서화하고 있다.
Grok 4.7란 무엇인가?
Grok 4.7은 2026년 9월 21일에 출시된 xAI의 신규 모델로, 장시간에 걸친 코딩, 에이전트 워크플로, 전문 지식 작업에 초점을 맞춘다. xAI에 따르면 Grok 4.6보다 더 큰 베이스 모델과, 수시간이 소요될 수 있는 작업에 집중한 더 긴 강화학습 과정을 적용했다. 또한 Grok 4.7은 Grok Bot harness를 기본적으로 이해하도록 훈련되었으며, 자체 검증과 긴 컨텍스트 관리에 중점을 둔다.
개발자에게 중요한 변화는 단순히 벤치마크 점수의 상승이 아니다. Grok 4.7은 500K 컨텍스트 윈도우, reasoning_effort를 통한 추론 제어, 도구 지원, 멀티모달 입력을 결합해 확장된 에이전트 루프를 염두에 둔 모델이다.
Grok 4.7의 주요 기능
- 500K-토큰 컨텍스트: 큰 컨텍스트 윈도우는 대규모 리포지터리, 장시간 에이전트 세션, 대형 기술 문서, 다단계 지식 작업에 맞춰 설계되었다.
- 구성 가능한 추론: 개발자는
low,medium,high,xhigh추론 강도를 선택할 수 있으며 기본값은high다. 이를 통해 작업 복잡도에 따라 연산 자원 배분을 조정할 수 있다. - 코딩 및 에이전트 최적화: xAI는 Grok 4.7을 소프트웨어 엔지니어링, 에이전트 기반 작업, 장시간 전문 워크플로에 특화된 모델로 포지셔닝한다.
- 멀티모달 입력: API는 텍스트와 이미지 입력을 받아 텍스트 출력을 제공하므로 스크린샷 분석, 시각적 디버깅, 문서 이해 워크플로에 적용 가능하다.
- 네이티브 도구 지원: 문서화된 기능 집합에는 함수 호출, 웹 검색, X 검색, 코드 실행이 포함된다.
- 장기 지평 신뢰성 초점: xAI는 Grok 4.6 대비 자기 검증과 긴 컨텍스트 관리에서의 개선을 보고했으며, 수시간 작업에 대한 강조를 반영한다. citeturn0search0
Grok 4.7의 벤치마크 성능
xAI의 출시 평가에 따르면 다음과 같은 결과가 보고되었다. 이는 제공자 보고 벤치마크 측정치이므로, 보편적 순위라기보다는 각 벤치마크의 방법론과 설정 맥락에서 해석해야 한다.
| 벤치마크 | Grok 4.7 | Grok 4.6 | GPT-5.6 Sol | Fable 5.1 |
|---|---|---|---|---|
| CursorBench 4.0 | 46.3% | 40.4% | 41.7% | 51.8% |
| DeepSWE v1.1 | 71.0%* | 65.2% | 72.7% | 70.0% |
| AA Briefcase v1.1 | 1,657 | 1,546 | 1,487 | 1,678 |
| Terminal-Bench 4.0 | 38.0% | 20.3% | 37.3% | 57.9% |
| Harvey Legal Agent Benchmark | 19.6% | 15.8% | 2.5% | 6.7% |
| HealthBench Professional | 56.7% | 48.5% | 60.5% | 62.1% |
| EEBench | 64.0% | 53.0% | 39.4% | 56.4% |
*보고된 Grok 4.7의 DeepSWE 결과는 high 강도를 사용한다. xAI의 표는 이를 출시 비교의 일부로 보고한다.
벤치마크 프로필은 작업에 따라 달라진다. xAI가 보고한 코딩, 터미널, 법률, 임상, 전기공학 평가에서 Grok 4.7은 Grok 4.6 대비 상당한 향상을 보였지만, 같은 표에서 일부 벤치마크에서는 다른 프런티어 모델이 앞서는 것으로 나타난다. 이는 특정 워크로드에 대해 Grok 4.7을 평가할 때 벤치마크 선택이 중요함을 의미한다.
Grok 4.7 vs Grok 4.6 vs GPT-5.6 Sol
| 영역 | Grok 4.7 | Grok 4.6 | GPT-5.6 Sol |
|---|---|---|---|
| 컨텍스트 | 500K | 500K | 제공자 사양 참조 |
| 핵심 포지셔닝 | 코딩, 에이전트, 지식 작업 | 코딩, 에이전트, 지식 작업 | 일반 프런티어 추론 |
| 추론 제어 | Low / medium / high / xhigh | Low / medium / high / xhigh | 제공자별 |
| 입력 | 텍스트 + 이미지 | 텍스트 + 이미지 | 제공자별 |
| 도구 지원 | 함수 호출, 웹 검색, X 검색, 코드 실행 | 유사한 도구 지향 워크플로 | 제공자별 |
| xAI가 인용한 코딩 벤치마크 | 46.3% CursorBench 4.0 | 40.4% | 41.7% |
Grok 4.7과 Grok 4.6은 동일한 500K 컨텍스트 클래스와 추론 강도 옵션을 공유하지만, xAI는 출시 벤치마크 스위트에서 Grok 4.7의 개선된 결과를 보고한다. GPT-5.6 Sol과의 비교에서는 실질적 차이가 워크로드에 따라 달라지며, xAI가 공개한 표는 코딩, 오피스 작업, 터미널 작업, 법률, 임상 추론, 전기공학 등에서 상대적 성능이 서로 다름을 보여준다.
제한 사항 및 구현 시 고려사항
Grok 4.7은 큰 컨텍스트 윈도우를 제공하지만, 더 큰 컨텍스트가 모든 장문서나 에이전트 워크플로에서 더 나은 결과를 보장하는 것은 아니다. 특히 대화에 도구 출력이 누적될 때는 컨텍스트를 의도적으로 관리해야 한다. xAI는 긴 에이전트 루프를 위해 프롬프트 캐시 라우팅과 컨텍스트 압축을 권장한다.
또한 현재 문서 기준으로 공개 배치 API 지원이 없다. 배치 지향 워크로드를 구축하는 개발자는 지원되는 동기 API 패턴을 사용하거나 다른 배포 경로를 고려해야 한다.
벤치마크 결과는 제공자 보고이며, 벤치마크 설정과 추론 강도에 따라 달라진다. 단일 보편적 품질 척도가 아니라 작업별 증거로 취급해야 한다.
대표적 사용 사례
- 리포지터리 규모의 코딩: 대규모 코드베이스 분석, 다수 파일에 걸친 변경 구현, 실패 디버깅, 긴 이슈 히스토리에 대한 추론.
- 에이전트 기반 소프트웨어 엔지니어링: 추론과 함수 호출, 코드 실행, 외부 도구를 결합한 다단계 엔지니어링 워크플로.
- 기술 문서 분석: 500K 토큰 컨텍스트 내에서 긴 사양서, 아키텍처 문서, 연구 자료, 프로젝트 기록 처리.
- 시각적 디버깅: 스크린샷, 다이어그램 등 이미지 입력을 텍스트 기반 엔지니어링 컨텍스트와 함께 분석.
- 전문 지식 작업: 장시간의 다단계 추론이 필요한 문서 또는 구조적 산출물의 작성, 분석, 수정.
- 리서치 및 정보 워크플로: 애플리케이션의 도구 권한이 허용하는 경우 웹 검색 및 X 검색 도구 사용으로 최신 외부 정보 확보.
CometAPI를 통해 Grok 4.7 API에 접근하는 방법
CometAPI에는 현재 모델 ID grok-4.7와 /v1/chat/completions, /v1/responses 라우트를 문서화한 전용 Grok 4.7 모델 페이지가 있다. 현재 CometAPI 페이지는 Grok 4.7이 해당 API 레이어를 통해 제공됨을 확인한다.
1단계: CometAPI API 키 받기
CometAPI 계정을 생성하거나 로그인한 뒤 API 콘솔에서 API 키를 발급받는다. CometAPI는 하나의 계정으로 여러 모델 제공자에 접근할 수 있는 통합 API 레이어를 제공한다.
2단계: grok-4.7 선택
모델 ID로 grok-4.7을 사용하고, 애플리케이션에 맞는 CometAPI 라우트를 선택한다. 현재 모델 페이지에는 /v1/chat/completions와 /v1/responses가 모두 나열되어 있다. citeturn1search2
3단계: 응답 전송 및 처리
선택한 엔드포인트로 사용자 프롬프트를 전송한 후, 다른 CometAPI 지원 언어 모델과 동일한 애플리케이션 워크플로에서 반환된 응답을 처리한다. 프로덕션 배포 시에는 구현 세부 사항을 고정하기 전에 최신 CometAPI 모델 카탈로그와 라우트 문서를 확인한다.