AI AI 해설
2026년 10월 18일 생성긴 컨텍스트와 코딩 역량이 특징인 상용 API, 벤치 검증은 필요
종합 위치
종합 레이팅은 1055(69위)이며 13개 레이팅 벤치를 반영했다. 코딩은 1036(57위), 에이전트는 1002, 추론·지식은 970(104위), 멀티모달은 950이다. 과학·보안은 자료 없음이다.
코딩 성능
model-insight 산출 MI 코딩 지수는 54.7(57/140)이다. 공급사 발표 기준 SWE-bench Pro 64.7%(8/45), Terminal-Bench 2.1 83.3%(12/32), DeepSWE 1.1 54%(26/31)이며 모두 미검증이다.
해석 시 주의점
research/deepmind.google 프로필의 SWE-Bench Pro (Public)는 64.7%(1/6), Terminal-Bench 2.1은 83.3%(2/6)다. research/x.ai 결과를 포함한 개별 벤치 점수는 모두 미검증이며, 서로 다른 프로필의 점수·순위는 직접 비교하면 안 된다.
도입 조건
상용 API로 제공되며 컨텍스트는 500K, 최대 출력은 450K다. 1M 토큰당 가격은 입력 $2.00, 출력 $6.00이다. 긴 입력과 대규모 출력을 요구하는 업무에 사양상 적합하지만, 실제 선정 전 자체 하네스 검증이 필요하다.
수집된 벤치·가격·출시 숫자만 입력으로 받아 LLM이 작성했고, 입력에 없는 숫자가 나오면 폐기합니다. 사용 결정은 원문 출처와 직접 평가로 확인하세요.
분야별 레이팅
비슷한 모델과 비교 →| 분야 | 레이팅 | 분야 순위 | 벤치 수 |
|---|---|---|---|
| 코딩 | 62 | 9 | |
| 에이전트 | — | 1 | |
| 추론·지식 | 109 | 2 | |
| 멀티모달 | — | 1 | |
| 과학·보안 | — | — | — |
분야 레이팅은 그 분야 벤치에서의 비교만으로 계산합니다. 회색 선은 종합 1위 모델입니다.
벤치마크 점수
27개 · 프로필별 순위코딩
| 벤치 | 프로필 | 점수 | 순위 | 백분위 | 출처 |
|---|---|---|---|---|---|
| MI 코딩 지수 | model-insight 산출 | 53.6 | 62 / 147 | 58 | 확인됨 ↗ |
| SWE-bench Pro | 공급사 발표 | 64.7% | 8 / 46 | 84 | 자기보고 ↗ |
| Terminal-Bench 2.1 | 공급사 발표 | 83.3% | 12 / 35 | 68 | 자기보고 ↗ |
| DeepSWE 1.1 | 공급사 발표 | 54% | 30 / 35 | 16 | 자기보고 ↗ |
| Terminal-Bench 4.0 | 공급사 발표 | 12.4% | 20 / 20 | 3 | 자기보고 ↗ |
| DeepSWE | 공급사 발표 | 53% | 8 / 10 | 22 | 자기보고 ↗ |
| SWE-Marathon | 공급사 발표 | 29% | 6 / 7 | 17 | 자기보고 ↗ |
| Terminal-Bench 2.1 | research/deepmind.google | 83.3% | 2 / 6 | 80 | 인용 ↗ |
| DeepSWE v1.1 | research/deepmind.google | 54% | 3 / 6 | 70 | 인용 ↗ |
| SWE-Bench Pro (Public) | research/deepmind.google | 64.7% | 1 / 6 | 100 | 인용 ↗ |
| DeepSWE v1.1 | research/x.ai | 54% | 2 / 2 | 0 | 인용 ↗ |
| FrontierCode v1.1 | research/x.ai | 56.6% | 2 / 2 | 0 | 인용 ↗ |
| Terminal-Bench v3.0 | research/x.ai | 15.7% | 2 / 2 | 0 | 인용 ↗ |
| APEX-SWE | research/x.ai | 53.6% | 2 / 2 | 0 | 인용 ↗ |
| DeepSWE 1.0 | 공급사 발표 | 62% | 1 / 1 | 50 | 자기보고 ↗ |
에이전트
| 벤치 | 프로필 | 점수 | 순위 | 백분위 | 출처 |
|---|---|---|---|---|---|
| GDPval-AA v2 | research/deepmind.google | 1,535 | 3 / 6 | 60 | 인용 ↗ |
| GDPval-AA v2 | research/x.ai | 1,526 | 2 / 2 | 0 | 인용 ↗ |
| APEX-Agents | research/x.ai | 47.1% | 2 / 2 | 0 | 인용 ↗ |
| AA-Briefcase | research/x.ai | 1,313 | 2 / 2 | 0 | 인용 ↗ |
추론·지식
| 벤치 | 프로필 | 점수 | 순위 | 백분위 | 출처 |
|---|---|---|---|---|---|
| MI 종합 지수 | model-insight 산출 | 56.4 | 76 / 204 | 63 | 확인됨 ↗ |
| MI 추론 지수 | model-insight 산출 | 45.5 | 109 / 178 | 39 | 확인됨 ↗ |
| GDM-MRCR v2 (8-needle) | research/deepmind.google | 81.4% | 3 / 6 | 60 | 인용 ↗ |
| MLE-Bench | research/deepmind.google | 43.2% | 5 / 6 | 20 | 인용 ↗ |
| Harvey LAB (Vals) | research/x.ai | 12.9% | 2 / 2 | 0 | 인용 ↗ |
| AA Intelligence Index | research/x.ai | 56.0 | 2 / 2 | 0 | 인용 ↗ |
| CursorBench v3.2 | research/x.ai | 66.7% | 2 / 2 | 0 | 인용 ↗ |
멀티모달
| 벤치 | 프로필 | 점수 | 순위 | 백분위 | 출처 |
|---|---|---|---|---|---|
| CharXiv reasoning | research/deepmind.google | 81.6% | 5 / 6 | 20 | 인용 ↗ |
순위는 같은 프로필(같은 문항·하네스·출처)에서 측정된 모델 중 위치입니다. * 는 자기보고·인용 등 검증되지 않은 값입니다.
레이팅이 비슷한 모델
- Ornith-1.5-35B-A3B 73위 · 1053 비교
- Gemini 3.1 Pro 74위 · 1053 비교
- Gemini 3.5 Flash-Lite 75위 · 1053 비교
- GLM-5 77위 · 1047 비교
- GLM-5.1 78위 · 1047 비교
- Gemma 4 31B 79위 · 1047 비교
xAI의 다른 모델
공급사 →- Grok 4.7 2026-09-21 · 1071
- Grok 4.6 2026-08-12 · 1123
- Grok Build 0.1 2026-05-20
- Grok 4.3 2026-04-30
- Grok 4.20 Multi-Agent 2026-03-31
- Grok 4.20 2026-03-31
- Grok-4.20 Beta Non-Reasoning 2026-03-09
- Grok-4.20 Beta Reasoning 2026-03-09