Opus 4.8을 이기는 모델이 $2/$6에 나왔다 — Grok 4.5와 Cursor 청구서의 미래

핵심 요약 (TL;DR)

SpaceXAI가 Cursor와 함께 만든 Grok 4.5가 2026-07-08 공개, $2/$6 per Mtok 가격에 Opus 4.8($8/$40) 대비 인풋 75%·아웃풋 85% 저렴합니다. SWE Bench Pro 기준 태스크당 평균 15,954토큰으로 응답해 Opus 4.8(67,020토큰)의 약 4.2배 적게 씁니다. 실제 Cursor 개발자 세션 데이터로 훈련한 첫 프론티어 모델이라는 사실이 벤치마크 공정성 논란을 낳았습니다.

프론티어 모델 가격이 또 요동칩니다. Sonnet 5가 $2/$10로 내려앉은 뒤 잠시 안정된 것 같던 코스트 축이, 7월 8일 Grok 4.5 발표로 다시 밀렸습니다. Opus 4.8 급이라 주장하는 모델이 그 4분의 1 가격에 나왔다면, 매달 청구서에 코딩 토큰비를 수백 달러쯤 쓰는 바이브코더는 이 문장을 세 번 읽을 겁니다.

정확히 무엇이 바뀌었나

먼저 회사 관계부터 정리합니다. xAI는 2026년 5월 6일 SpaceX와 합병해 SpaceXAI가 됐고, Cursor(Anysphere)는 6월 16일 SpaceX가 $60B에 인수 발표했으며 딜은 Q3 2026 종결 예정입니다. Grok 4.5는 이 두 축이 결합한 첫 프론티어 릴리스로, xAI 챗봇·API·Cursor에 동시 배포됐습니다.

가격은 $2/$6 per Mtok. Opus 4.8($8/$40) 대비 인풋 75%, 아웃풋 85% 저렴합니다. 여기까지는 흔한 가격 인하 스토리지만, 두 번째 지표가 흥미롭습니다. 토큰 효율이죠. SWE Bench Pro 기준으로 Grok 4.5가 태스크당 평균 15,954토큰을 쓰는 동안 Opus 4.8은 67,020토큰을 씁니다. 약 4.2배 적게 쓰는 셈이에요. 가격이 1/4이고 토큰을 4배 적게 쓰면, 같은 태스크를 도는 실제 비용은 16분의 1까지 내려갈 여지가 있습니다.

벤치마크는 SWE Marathon 29.0%, Terminal Bench 2.1 83.3%, SWE Bench Pro 64.7%로 Opus 4.8을 대부분 상회하거나 근접합니다. Cursor CEO Michael Truell가 "우리 팀 상당수가 daily driver로 쓴다"고 밝혔습니다.

훈련 데이터가 새 축이 됐다

여기서 흥미로운 논란이 시작됩니다. Grok 4.5는 '실제 Cursor 개발자 세션 데이터'로 훈련한 첫 공개 모델입니다. Cursor를 쓰는 개발자가 코드를 짤 때마다 발생하는 세션 로그, 실패 → 재프롬프트 → 성공의 궤적, 실제 프로젝트 컨텍스트가 훈련 재료가 된 겁니다. 코딩 도구가 프론티어 모델의 데이터 파이프라인 그 자체가 된 첫 사례죠.

HN 최다 댓글 스레드가 지적한 문제는 뾰족합니다. "Grok 4.5가 CursorBench에서 유리하게 나온 게, 초기 Cursor 코드베이스 스냅샷이 실수로 훈련 데이터에 포함됐기 때문 아니냐"는 벤치마크 오염 의혹입니다. SpaceXAI 공식 응답은 아직 없습니다.

바이브코더가 지금 할 판단

세 가지를 고려해야 합니다. 첫째, Cursor를 매일 쓰는 사람이라면 실제 태스크 몇 개에 Grok 4.5를 붙여 비교해보세요. Musk의 마케팅 문구가 아니라, 여러분 프로젝트의 컨텍스트에서 실제로 통하는지가 유일한 답입니다. 투자자 Gavin Baker의 표현이 정직합니다. "숫자로는 Pareto dominant. all-important vibes는 두고 봐야."

둘째, Cursor 세션이 훈련에 쓰인다는 사실 자체에 어떻게 대응할지 정하세요. 사내 코드나 계약상 비밀 프로젝트를 Cursor에 물릴 때는 훈련 opt-out 옵션과 데이터 처리 정책을 확인해두는 게 안전합니다.

셋째, EU 유저는 아직 대기입니다. 지역 출시 시점이 미확정입니다.

FAQ

Q. Cursor에서 Grok 4.5를 바로 쓸 수 있나요?
7월 9일부터 Cursor 모델 선택기에 노출됩니다. Cursor CEO가 "우리가 만든 어떤 모델보다 진일보"라 표현한 만큼 기본값 위치 이동 가능성이 있습니다.

Q. 벤치마크 오염 문제가 실제라면 얼마나 심각한가요?
CursorBench 결과 신뢰도가 흔들립니다. 다만 SWE Bench Pro, Terminal Bench처럼 외부 벤치마크 점수도 좋기 때문에 '전부 무효'는 과장입니다. SpaceXAI의 공식 해명이 나올 때까지 CursorBench 수치는 걸러 듣는 게 안전합니다.

Q. Claude Code나 Codex 유저는 어떻게 대응하죠?
직접 이관보다는 실제 태스크 몇 개를 병렬로 돌려 비교해보세요. 프롬프트 스타일이 모델마다 미묘하게 다르기 때문에, 익숙한 워크플로우가 그대로 통하지 않을 수 있습니다.

소스: Grok 4.5 (SpaceXAI) · Cursor blog · TechCrunch · HN 스레드