Ripple 65B Preview vs Grok 4.7: 당신은 실제로 어느 벤치마크를 믿으시나요?

Ripple 65B Preview는 2026년 11월 4일 '규모'에 관한 이야기를 앞세워 출시되었습니다. Ricursive Intelligence의 650억 파라미터 오픈 웨이트 모델이 에이전틱 코딩에서 Meta의 816B Muse Spark Open, Thinking Machines의 975B Inkling, NVIDIA의 550B Nemotron 3 Ultra를 앞섰다는 내용이었습니다. Grok 4.7은 다른 이야기를 들려줍니다. 2026년 9월 21일 공개된 xAI의 클로즈드 모델로, Artificial Analysis의 Intelligence Index v5.0.1에서 35점을 기록했습니다. 이는 이 가격대의 프런티어 인접 모델 가운데 가장 낮은 점수입니다. 그런데도 두 연구소가 동일한 버전으로 공개한 단 하나의 코딩 벤치마크에서는 Ripple 65B Preview를 27점 차로 앞섭니다. 두 모델, 두 개의 벤치마크 이야기가 서로 반대 방향을 가리키고 있습니다. 흥미로운 질문은 어느 모델이 더 나은가가 아닙니다. 어떤 측정치에 프로덕션 워크로드를 걸 준비가 되어 있느냐입니다.

쉽게 말한 반전

Grok 4.7의 카드는 DeepSWE v1.1에서 71.0을 보고한다. Ripple의 카드는 44.3을 보고한다. 동일한 벤치마크, 동일한 버전, 둘 다 벤더가 보고한 수치이며, 논쟁할 만한 하네스 모호성도 없다. Grok이 소프트웨어 엔지니어링 에이전트 작업에서 26.7점 앞선다.

이제 반대 방향입니다. Ripple은 Terminal-Bench 2.1에서 80.52를 보고합니다. Grok은 Terminal-Bench 4.0에서 38.0을 보고합니다. 이 둘은 비교할 수 없습니다 — 2.1은 2.0 세트의 89개 과제 패치이고, 4.0은 적대적 부정행위 검사와 8시간 타임아웃을 갖춘 재구축된 과제 세트로, 접촉 즉시 모든 프런티어 점수를 붕괴시켰습니다 — 하지만 격차의 방향이 너무 커서 버전만으로는 아마 설명되지 않습니다. Grok의 38.0은 4.0 기준으로도 낮습니다; Claude Opus 5.5는 그곳에서 66.4를, GPT-6.1 Sol은 약 55를 보고합니다.

그래서 동일한 두 모델이 한 벤치마크에서는 Grok이 27점 차로 이기고 다른 벤치마크에서는 Ripple이 42점 차로 이깁니다. 그 두 시험 중 하나는 다른 하나가 측정하지 않는 무언가를 측정하고 있으며, 구매자는 어느 쪽이 자신의 워크로드와 비슷한지 알아야 합니다.

Terminal-Bench와 DeepSWE가 각각 무엇을 보상하는가

Terminal-Bench는 셸 작업 벤치마크입니다. 에이전트는 컨테이너, 목표, 시간 제한을 받고 파일 시스템과 서비스의 최종 상태가 올바른지로 채점됩니다. 버전 2.1은 깨진 종속성, 리소스 불일치, 명세 오류로 인해 89개 작업 중 28개를 수정했습니다. 버전 4.0은 8개 작업을 제외하고 19개를 추가로 수정했으며, 특히 에이전트들이 실제 작업을 하지 않고 통과할 방법을 찾고 있었기 때문에 변조 방지 검사를 추가했습니다. Berkeley RDI 연구에 따르면 자동화된 익스플로잇 에이전트가 단 하나의 작업도 해결하지 않고 파서를 덮어쓰거나 컨테이너 내부의 curl을 트로이 목마화하여 SWE-bench Pro와 Terminal-Bench에서 100%에 도달했습니다. 이후 모든 버전 업은 그것에 맞선 군비 경쟁이었습니다.

DeepSWE는 결이 다릅니다. 실제 저장소에서의 장기 지평 소프트웨어 엔지니어링으로, 에이전트가 많은 편집에 걸쳐 계획을 유지해야 합니다. 이는 영리한 셸 작업보다는 끈기와 컨텍스트 관리에 더 큰 점수를 줍니다. 한 모델이 한쪽에서는 뛰어나고 다른 쪽에서는 평범할 수 있으며, 여기 두 연구소는 서로 다른 절반에 최적화한 것으로 보입니다.

그것이 이 비교에서 가장 유용한 부분입니다. 에이전트가 컨테이너 안에서 시스템 작업(빌드, 마이그레이션, 인프라 복구)을 수행한다면 Terminal-Bench 순위가 관련 기준이며 Ripple의 80.5가 중요합니다. 에이전트가 수백 턴에 걸쳐 대규모 코드베이스를 편집한다면 DeepSWE가 해당 작업에 더 가깝고 Grok의 71.0이 중요합니다.

Grok 4.7의 실제 프로필

Grok 4.7은 low, medium, high, xhigh의 네 가지 노력 수준을 갖춘 추론 모델로, 여기서 high가 기본값이며 추론을 완전히 끌 수는 없습니다. 이는 이례적인 점이며, 비용 측면의 결과를 수반합니다. 작업에 필요하든 아니든 모든 호출이 사고 토큰에 대한 비용을 지불합니다. 이 모델은 500,000토큰 컨텍스트 윈도우를 갖추고 텍스트와 이미지를 입력받아 텍스트를 반환합니다.

• 가격 — Grok: 입력 200K 미만 구간은 100만 토큰당 입력 $2.00 / 출력 $6.00, 200K 초과 구간은 $4.00 / $12.00; Ripple은 정가표가 없고 호스팅 요금은 약 $0.20 / $0.60

• 맥락 — Grok 500K 대 Ripple 최대 1M 주장

• 독립 점수 — AA 지수 v5.0.1 기준 Grok 35, 인덱스 작업당 $7.77; Ripple은 순위 미포함

• 출력 속도 — Grok은 72 tok/s로 측정됨; Ripple은 2×B200에서 250 tok/s를 주장함

• 라이선스 — Grok: 독점, API 전용, Ripple: Apache 2.0

• DeepSWE v1.1 — Grok 71.0 대 Ripple 44.3

• 출시 — Grok 2026년 9월 21일 vs Ripple 2026년 11월 4일

200,000토큰 임계값은 많은 사람이 걸리는 과금 세부 사항입니다. 이 선을 넘으면 초과분만이 아니라 요청 전체가 더 높은 요율로 다시 과금됩니다. 210K 토큰 호출은 199K 토큰 호출보다 두 배의 비용이 듭니다. 500K 윈도우에 추론이 항상 켜져 있으면 실수로 넘기기 쉽습니다.

저렴한 결과물의 함정

백만 출력 토큰당 6달러는 이 비교에서 클로즈드 모델 가운데 가장 낮은 요금이다 — Opus 5.5는 20달러, Sol과 Argon은 10달러다 — 그리고 Grok의 홍보가 기대는 숫자이기도 하다. 동시에 오해를 불러일으킬 가능성이 가장 높은 숫자이기도 하다.

두 가지가 이점을 잠식한다. 첫째, 추론이 필수라서 청구되는 것 중 상당 부분은 요청하지 않은 사고다. Artificial Analysis는 Grok 4.7을 인덱스 작업당 컴퓨트 비용 $7.77로 측정하는데, 이는 GPT-6.1 Sol의 $1.27의 6배이며 Opus 5.5의 $10.04보다 털끝만큼 높은 수준이다. Opus의 3분의 1에 불과한 표면 출력 요율에도 불구하고 말이다. 둘째, 이 모델은 비슷한 작업에서 작업당 토큰을 Grok 4.6보다 대략 두 배 소비한다고 한다. 저렴한 토큰에 더 많은 토큰을 곱한다고 해서 절감이 되는 것은 아니다.

Ripple의 경제 구조는 정반대 형태이며 못지않게 오해하기 쉽다. 요금표가 전혀 없다. 가중치는 Apache 2.0이고 비용은 GPU다. BF16으로 B200 두 대에서 초당 250토큰을 처리할 때, GPU를 계속 바쁘게 유지하면 달러당 처리량은 뛰어나고 그렇지 않으면 형편없다. 입력 약 $0.20, 출력 약 $0.60의 호스팅 요금은 바로 그 트레이드오프를 다른 누군가가 상각한 결과다.

장기 작업, Grok의 수치가 가장 강한 분야

Grok 출시에서 강조된 항목은 마라톤 과제들이었다. SWE-Marathon v1.1은 Grok 4.6의 31.9에서 46.0으로 상승했고, FrontierSWE V2는 29.5, CursorBench 4.0은 40.4 대비 46.3을 기록했다. 이는 하나의 긴 작업 안에서 지속적인 노력을 측정하는 벤치마크이며, 4.6과 4.7 사이에서 단일 턴 점수보다 훨씬 크게 향상되었다. xAI의 자체 프레이밍인 "동일한 가격, 더 긴 지평"은 정확하다.

Ripple의 대응은 아키텍처적이다. 1M 윈도우를 갖춘 80층 dense 모델은 2M 토큰 장문맥 단계를 거쳐 학습되어 큰 작업 세트를 유지하도록 설계되었고, 65B dense 모델은 규모가 커져도 잘못될 전문가 라우팅이 없다. 그것이 더 나은 장기 호라이즌 행동으로 이어지는지는 바로 공개된 어떤 벤치마크도 답하지 못하는 질문이다. 왜냐하면 Ripple은 SWE-Marathon이나 FrontierSWE에서 실행된 적이 없기 때문이다.

이걸 어떻게 해야 할까요?

이 둘 중에서 벤치마크 차트 하나만 믿고 선택하지 마세요. 일의 형태와 청구서의 형태를 보고 선택하세요.

컨테이너 기반 시스템 작업, 자체 GPU를 실행할 수 있는 능력, 그리고 폐쇄형 API와의 대화를 끝내는 라이선스 요구사항: Ripple 65B Preview는 올바른 실험이며, 해당 차트의 다른 오픈 웨이트 모델과 동일 조건으로 비교한 Terminal-Bench 2.1에서의 80.5가 그 근거입니다. 장기 지평에 걸친 저장소 규모 편집: DeepSWE에서 Grok 4.7의 71.0은 어느 방향으로든 가장 강력한 동일 버전 신호이며, 마라톤 점수가 이를 뒷받침합니다.

Grok 4.7은 오늘부터 OrcaRouter를 통해 xAI의 정가로 0% 마크업으로 라우팅할 수 있으며, 200개 이상의 다른 모델과 함께 하나의 키로 사용할 수 있습니다 — 네 가지 effort 레벨을 포함하므로 저렴한 트리아지 호출과 xhigh 에스컬레이션을 같은 엔드포인트 뒤에 둘 수 있고, xAI에 장애가 발생하면 자동 페일오버도 가능합니다. 이는 Grok에 특히 더 중요합니다. 작업당 비용이 정가보다 토큰 양에 의해 좌우되기 때문입니다. 쉬운 호출을 더 저렴한 모델로 라우팅하면 $6 요율보다 혼합 청구액이 훨씬 더 크게 바뀝니다. Ripple은 카탈로그에 없으므로 해당 분할은 Ripple에 사용할 수 없습니다.

이 비교를 결정지을 숫자는 아직 존재하지 않습니다: Ripple 65B Preview는 중립 하네스에 의한 DeepSWE 재실행 결과도, Artificial Analysis 항목도 없습니다. 그때까지 정직하게 할 수 있는 말은 Grok 4.7이 긴 저장소 작업에서 측정 가능하게 더 뛰어나고 Ripple이 셸 작업에서 측정 가능하게 더 뛰어나며, 당신이 이름을 알아보는 벤치마크가 자동으로 당신의 워크로드와 비슷한 것은 아니라는 것입니다.