Claude Mythos 5 vs Grok 4.7: 서로 일치하지 않는 세 개의 독립적인 숫자

Artificial Analysis는 Grok 4.7을 같은 날 오후에 세 번 평가했고, 서로 다른 방향을 가리키는 세 가지 결과를 얻었다: Intelligence Index에서 46점 — Grok 4.6보다 2점 높다 —, Coding Agent Index에서 56점으로 9점 앞서고, AA-Briefcase에서 Elo 1,657로 111점 앞선다. 이 편차야말로 S​paceXAI의 2026년 9월 21일 공개에서 가장 흥미로운 점이며, C​laude M​ythos 5와의 이번 맞대결을 그냥 넘기지 않고 기록으로 남겨야 할 이유이기도 하다. Grok 4.7은 전문가가 된 범용 모델이다: 그 성능 향상은 장기적 에이전트 코딩과 지식 노동에 집중되어 있고, 종합 벤치마크에서는 거의 드러나지 않는다. C​laude M​ythos 5는 2026년 6월 9일 출시된 날부터 전문가였다 — A​nthropic의 제한된 사이버·생물학 플래그십이며 ASL-3 등급이고, 9월 1일 C​laude M​ythos 5.1로 갱신되었으며, M​ythos 등급의 백만 토큰당 입력 $10.00 / 출력 $50.00 가격이 책정되어 있고, 요금표가 아닌 검증 프로그램을 통해 이용할 수 있다. 이 중 하나는 구매할 수 있다. 다른 하나는 신청해야 한다. 이 비교의 나머지 모든 것은 그 문장에서 파생된다.

각 모델이 무엇인지, 그리고 누가 당신이 그것을 호출할 수 있게 해주는지

Grok 4.7은 코딩, 에이전트 작업 및 지식 업무를 위한 S​paceXAI의 현행 플래그십으로, 동일한 가격과 동일한 컨텍스트 윈도우로 Grok 4.6을 잇습니다. 공급업체는 개발자 문서와 뉴스 페이지 모두에서 이름을 S​paceXAI로 표기하지만, API는 여전히 api.x.ai에서 제공되고 식별자는 여전히 grok 계열입니다 — 두 이름 중 어느 쪽으로 검색해도 같은 제품에 도달하므로 알아둘 가치가 있습니다. 이 제품은 Cursor와 회사 자체의 G​rok Build 터미널 에이전트에서 라이브로 제공되며, 공급업체는 오디오, 이미지 및 비디오 작업을 제외한 모든 용도에 대한 기본 권장 사항으로 포지셔닝합니다. 공급업체가 내세우는 주장은 범용 제품 피치보다 더 좁고 구체적입니다: 장기 실행 소프트웨어 엔지니어링과 자체 작업 검증에 강합니다.

Claude Mythos 5는 Anthropic의 6월 9일 프런티어 세대의 제한된 SKU로, 공개된 Claude Fable 5와 기반 가중치를 공유하며 Fable 모델에서 계속 켜져 있는 사이버 및 생물학 분류기인 보호 수준에서만 차이가 납니다. Anthropic은 이를 ASL-3로 분류하는데, 이는 사이버 공격을 실질적으로 강화할 수 있는 역량을 위해 남겨둔 등급이며, 그에 따라 접근을 제한합니다. 그 명성은 공개된 벤치마크 표가 아니라 레드팀 결과에 기대고 있습니다: 약 27년 된 미발견 OpenBSD 버그, 약 16년과 500만 건의 자동 스캔 적중을 견뎌낸 FFmpeg 취약점, 렌더러와 OS 샌드박스를 모두 탈출하기 위해 네 가지 취약점을 연쇄한 브라우저 익스플로잇, 그리고 Linux 커널 권한 상승.

• 컨텍스트 및 출력 — Grok 4.7의 경우 500,000 토큰, 최대 450,000 출력 vs C​laude M​ythos 5의 경우 1M 토큰, 최대 128K 출력.

• 백만 토큰당 가격 — Grok 4.7의 경우 입력 토큰 200,000개 미만에서는 입력 $2.00 / 출력 $6.00이며, 해당 기준을 초과하면 $4.00 / $12.00로 인상됩니다. 반면 M​ythos 등급은 고정 $10.00 / $50.00입니다.

• 캐시 읽기 — Grok 4.7은 백만 토큰당 $0.50이며, 200,000토큰 경계를 넘으면 $1.00로 두 배가 됩니다. 반면 6월 Mythos 세대에서는 백만 토큰당 $1.00이고, 9월 리프레시 이후에는 $0.25입니다.

• 모달리티 — 텍스트, 이미지 및 파일 입력과 둘 모두에 대한 텍스트 출력.

• 추론 제어 — Grok 4.7은 네 단계로 설정 가능한 추론 강도를, C​laude M​ythos 5는 비활성화할 수 없는 적응형 사고를 제공합니다.

• 접근 — 셀프서비스 키와 벤더 자체 앱 대 사이버 검증 프로그램 또는 생명과학 검증 프로그램을 통한 신청, 30일 데이터 보존 요건 포함.

그 두 가격 행이 바로 흔한 해석이 잘못되는 지점이다. 표시 가격만 보면 Grok 4.7은 M​ythos 요금의 5분의 1이다. 긴 프롬프트에서는 3분의 1을 조금 넘는데, 구간 경계가 200,000토큰에 걸려 있고 이 모델은 500,000토큰 창을 내세워 판매되기 때문이다.

제대로 읽은 세 개의 독립적인 숫자

가장 주목을 덜 받은 것부터 시작하겠습니다. 그것이 가장 크기 때문입니다. 장기적 지식 작업을 위한 평가자 보드인 AA-Briefcase에서 Grok 4.7은 세 개의 C​laude 엔트리 뒤, xhigh 노력의 Claude Opus 5 앞에 종합 4위에 올랐습니다. 작업당 비용은 Claude Opus 5의 약 절반입니다. 이번 릴리스에 대해 그 밖에 무엇이 사실이든, 그것은 역량 격차라기보다 가격 대비 성능의 결과이며, G​rok 모델이 그 보드에서 이런 결과를 만들어낸 것은 이번이 처음입니다.

코딩 에이전트 지수 수치는 같은 이야기에 속한다. 코딩 에이전트 축에서 Grok 4.6보다 9점 앞선 것이 일반 지수에서 2점인 것은 잡음이 아니다. 그것은 훈련 작업이 특히 에이전트형 및 코딩 행동에 투입되었으며, 개선된 무엇이든 열 개 평가의 광범위한 종합으로 전이되지는 않는다는 것을 말한다. 일반 지수는 리더보드가 표시하는 숫자다. 코딩 에이전트 수치는 긴 도구 루프를 돌리는 팀이 실제로 경험하는 숫자다.

그다음에는 동일한 벤치마크에 대해 벤더와 평가자가 서로 다른 결과를 내놓는 문제가 있는데, 이는 여러분이 출시 표를 읽을 때마다 기억할 가치가 있는 부분이다. S​paceXAI가 내놓은 Grok 4.7의 Terminal-Bench 4.0 수치는 38%다. Artificial Analysis가 같은 벤치마크를 독립적으로 실행한 결과는 33%였다. 한 모델에 대해, 한 축에서, 같은 방향으로 5포인트 — 그리고 어느 쪽도 거짓말하고 있지 않다. 에이전트형 벤치마크는 모델과 스캐폴드를 함께 측정하고, 하네스 설정은 다르며, 반복 실행은 변동한다. 아무도 속임수를 쓰지 않을 때 5포인트 차이가 보이는 모습이 바로 이것이다. 여러분이 보는 어떤 단일 벤더 수치든, A​nthropic의 수치를 포함해, 이것과 나란히 놓고 보라.

그리하여 이는 M​ythos 쪽으로, 그리고 비교가 완료될 수 없는 이유로 이어집니다. A​nthropic은 C​laude M​ythos 5에 대한 벤치마크 표를 공개하지 않습니다. 그 이름과 함께 유통되는 수치들이 모두 공급업체에서 나온 것은 아닙니다:

• ExploitBench, 78.0% — 앤스로픽이 6월 출시 시 자체적으로 발표한 수치로, Claude Opus 4.8에 대해 제시한 40%의 약 두 배에 해당한다. 공급업체가 보고한 수치이며, 재현된 바 없다.

• CyberGym Level 1, 83.8% — 이 모델 옆에 가장 자주 함께 인쇄되는 수치이며, 이는 A​nthropic에서 비롯된 것이 아니다. 그것은 나름의 프레이밍상 이해관계를 지닌 경쟁사 비교 자료에 등장한다.

• Terminal-Bench 4.0 — Anthropic의 9월 업데이트 자료에 따르면 6월 세대는 42.0%, Claude Mythos 5.1은 60.9%.

세 번째 행이 이 대결 구도에 어떤 변화를 가져오는지 주목하세요. 두 트랙 모두 수치를 제시한 유일한 벤치마크에서, C​laude M​ythos 5.1의 60.9%는 독립적으로 측정된 Grok 4.7의 33%를 훨씬 웃돕니다. 그래도 이 둘은 여전히 단순히 빼서 비교할 수 있는 값이 아닙니다. 하나는 벤더 자체 하네스에서 나온 벤더 수치이고, 다른 하나는 제3자의 수치이며, 서로 다른 시점에 서로 다른 구성에서 실행되었기 때문입니다. 하지만 격차가 충분히 커서 이것이 전적으로 아티팩트일 가능성은 낮으며, 이는 범용 마이크를 갖춘 모델이 M​ythos 등급이 존재하는 축에서 경쟁하는 것이 아니라는 점을 알려주는 합당한 경고입니다.

장황함은 아무도 출력하지 않는 비용 행이다

Grok 4.7의 요금표는 이 모델에서 가장 저렴한 요소이고, 그 장황함은 가장 비싼 요소다. Artificial Analysis는 Grok 4.6 대비 추론 토큰 사용량이 113% 증가했으며, 에이전트 작업당 약 81,000개의 출력 토큰이 소비된다고 측정했다. 이를 문맥을 다시 도출하는 모델이 아니라 문맥을 다시 읽는 모델과 견주어 보면, 두 비용 구조는 전혀 비슷해 보이지 않게 된다: Grok 4.7은 토큰당 저렴하고 긴 에이전트 작업에서는 작업당 비싸며, 반면 Mythos 등급은 토큰당 비싸고 그 경제성은 전적으로 캐시 동작에 달려 있다. 그래서 Anthropic의 9월 업데이트는 캐시 읽기 비용을 $1.00에서 $0.25로 인하했고, 이를 에이전트 활용도가 높은 워크로드에서 최대 약 45% 더 저렴해진 것으로 내세웠다.

100만 토큰당 $6.00 요율에서 81,000토큰 출력은 한 작업당 약 49센트의 출력 비용이다. 이 모델이 판매하는 500,000토큰 창에서는 200,000토큰을 넘는 프롬프트가 입력 요율을 두 배로 만들고 캐시 요율도 함께 두 배로 만든다. 두 수치 모두 결함은 아니다 — 더 오래 생각하는 것이 추론 모델이 더 나아지는 방식이다 — 하지만 요율표는 토큰당 가격이고 청구서는 작업당 가격이며, 그 사이의 배수 차이는 요율 격차보다 더 크다.

10월 6일이 바꾼 것, 그리고 바꾸지 않은 것

2026년 10월 6일, A​nthropic은 Cyber Verification Program을 세 가지 신청 기반 등급으로 재편하고, Project Glasswing을 최상위 등급에 통합했으며, C​laude M​ythos 5.1을 파트너 전용 할당에서 자격을 갖춘 보안 조직이라면 누구나 신청할 수 있는 액세스 권한 부여로 전환했습니다. C​laude Opus 5.5와 C​laude S​onnet 5.5도 동시에 모든 등급에 합류했습니다. A​nthropic에 따르면 Defense Access 신청은 며칠 이내에 답변되고, Red Team Access는 몇 주가 걸리며, Mythos 접근 자체는 승인 후 약 5영업일이 더 걸립니다. 이 모든 내용은 벤더가 밝힌 것이며 독립적으로 확인되지 않았고, 진입 기준은 가격이 아니라 검증 표준으로 남아 있습니다.

특히 Grok 4.7과의 비교에서 그것이 의미하는 바는 제한적이다. 승인된 보안 팀에게 이것은 Mythos 트랙에 정문이 생긴 첫 사례이며, 이 모델의 역사에서 그 비교가 처음으로 현실화되는 순간이다. 그 외 모든 이에게 — 코딩, 지식 노동, 긴 도구 루프, Grok 4.7이 목표로 만들어진 작업 — 이 맞대결의 Anthropic 쪽은 여전히 닫혀 있으며, 공정하게 해석하자면 애초에 해서는 안 될 비교였다. 6월 9일 세대는 출시 이틀 후 미국 상무부 명령으로 전 세계에서 중단되었고, 7월 초쯤 검증된 소수의 미국 조직에만 복원되었다. 이 모델의 존재 전체가 그 제약에 의해 형성되었으며, 벤치마크를 아무리 읽어도 누가 통과할 수 있는지는 바뀌지 않는다.

라우팅 답변은 오늘날 이용 가능한 유일한 것입니다

Grok 4.7은 SpaceXAI 자체 요율로 OrcaRouter 카탈로그에 있습니다 — 입력 백만 토큰당 $2.00, 출력 백만 토큰당 $6.00, 캐시 $0.50, 200,000토큰 구간 경계와 그 $4.00 / $12.00 단계 인상이 공급업체가 공개한 그대로 정확히 반영됩니다 — 0% 마크업으로 전달되므로, 요율 변경이 게시되는 당일 여기에서 바로 적용됩니다. 그 정밀함은 대부분의 모델보다 이 모델에서 더 중요합니다. 왜냐하면 200,000토큰에서의 절벽은 이 비교에서 단일 최대 가격 불연속이며, 이를 평균으로 평탄화하는 라우터는 자신의 청구서에 대해 오해하게 만들기 때문입니다.

라우팅 계층이 하는 두 번째 일은 장황함 문제를 비싸게 추정할 대상이 아니라 저렴하게 테스트할 대상으로 만드는 것입니다. 81,000토큰이라는 평균 출력은 어디까지나 평균이며, 여러분의 트래픽은 그보다 훨씬 적거나 많을 수 있습니다. Grok 4.7을 여러분의 워크로드에 대해 실행하는 것만이 그것이 여러분에게 저렴한지 비싼지에 답하는 유일한 측정이며, 별도의 통합 없이 그렇게 하면 답을 얻는 데 반나절이면 충분합니다. 공급자 간 자동 장애 조치는 나머지 절반을 담당합니다 — 부하가 걸리면 더 오래 생각하는 추론 모델은 타임아웃이 날 가능성이 가장 큰 모델이고, 오류를 반환하는 대신 요청을 다른 백엔드로 넘기는 경로는 빠른 모델에서보다 여기서 더 가치가 있습니다.

C​laude M​ythos 5에서 원했던 기능이 축소된 세이프가드 수준이 아니라 M​ythos 클래스였다면, 게이트된 모델은 공개용으로 라우팅될 수 없으며 어떤 플랫폼도 이를 바꾸지 못합니다. 게이트가 없는 쌍둥이 모델은 가능합니다: Claude Fable 5.1은 세이프가드를 켜둔 채 동일한 기본 가중치를 사용합니다, 동일한 카탈로그에서 A​nthropic의 정가 $10.00 / $50.00로, 9월 리프레시의 $0.25 캐시 읽기가 적용된 상태이며, 이것과 Grok 4.7 사이를 전환하는 것은 모델 문자열 변경입니다.

결론은 제목이 시사하는 것보다 좁으며, 이를 분명히 말해둘 가치가 있다. 일반적인 에이전트 작업의 경우, Grok 4.7은 이 둘 중 당신이 선택할 수 있는 유일한 모델이며, 독립적인 증거에 따르면 전임 모델 대비 이점은 정확히 당신이 그것을 사용할 지점에 집중되어 있다 — 이는 광범위한 2포인트 지수 상승보다 더 나은 신호다. C​laude M​ythos 5는 누구든 그것을 기준으로 측정한 유일한 축에서 더 강력한 모델이며, 그 축은 검증된 프로그램 내부의 보안 작업이다. 당신의 작업이 그게 아니라면, 흥미로운 질문은 M​ythos 대 G​rok이 아니다. 그것은 Grok 4.7이 당신 자체 트래픽에서 작업당 비용이 현재 당신이 실행 중인 모델을 밑도는지 여부다.

그중 어느 것도 가정이 아닙니다: 이번과 같은 릴리스의 배경이 된 문서화된 AI 실패와 에이전트 사고는 OrcaRouter AI Incident Archive에 수집되어 있으며, 각 항목에는 자체 출처, 심각도, 신뢰도 등급, 분쟁 플래그가 함께 제공됩니다.