코딩 에이전트 열국지: Grok 4.6 vs Claude Fable 5 vs GPT-5.6 vs Kimi K3

패권을 다투는 나라가 셋으로 정리되는가 싶더니, 한 달 만에 넷이 뒤엉켰다 — 열국지의 시작이다.

이 글에서 다루는 내용

• 다시 삼국지로 정리된 지 한 달 만에 3파전이 4파전이 된 배경
• xAI의 Grok 4.6이 코딩 에이전트 시장에 들고 나온 무기
• Grok 4.6을 실제로 쓰는 법 — Grok Code CLI vs Cursor vs API
• Claude Fable 5, GPT-5.6, Kimi K3의 그 사이 근황
• 네 모델의 스펙·가격·벤치마크 비교
• 동일한 실전 태스크(레이트리밋 미들웨어 추가)를 네 에이전트에 직접 돌려본 실측 비교
• 어떤 워크플로우에 어떤 모델이 맞는지

삼국지에서 열국지로

5월 글에서 Claude Code, Codex, Antigravity의 3파전을 다뤘고, 7월 초엔 Fable 5와 GPT-5.6의 2파전으로, 7월 중순엔 Kimi K3가 합류하며 다시 3파전이 됐다고 정리했다. 그로부터 딱 한 달, xAI가 Grok 4.6과 함께 전용 코딩 에이전트 CLI인 Grok Code를 정식 출시하며 판이 또 한 번 바뀌었다.

xAI는 자체 슈퍼컴퓨터 클러스터 Colossus 2의 연산력을 앞세워 공격적인 가격으로 시장에 진입했다. 여기에 X(옛 트위터) 실시간 데이터에 대한 접근성을 코딩 에이전트에 그대로 이식했다는 점이 다른 세 모델과 결이 다른 무기다 — 방금 올라온 라이브러리 breaking change 공지나 CVE 스레드를 실시간으로 참조할 수 있다는 것.

셋이 넷이 됐으니, 이번엔 이름을 한 단계 더 올렸다. 열국지다.

Grok 4.6 — 실시간 데이터로 승부수

Grok 4.6은 xAI가 8월 중순 공개한 최신 모델로, 코딩 에이전트 전용 CLI인 Grok Code를 통해 접근한다. 컨텍스트 윈도우는 512K 토큰으로 Fable 5·Kimi K3의 1M에는 못 미치지만, 그 대신 X 실시간 검색을 에이전트 툴체인에 기본 내장했다는 게 가장 큰 차별점이다. 방금 배포된 패키지의 breaking change, 커뮤니티에서 막 터진 보안 이슈 스레드 같은 걸 별도 웹서치 도구 호출 없이 바로 참조한다.

실전에서 체감되는 특징은 “빠른 첫 시도”에 가깝다. 계획 단계를 길게 끌지 않고 바로 코드를 던진 뒤 피드백을 받아 빠르게 반복하는 스타일이라, 짧은 이터레이션 루프에서는 체감 속도가 가장 빠르다. 반면 계획을 오래 붙들고 있어야 하는 초장시간 자율 작업(1시간 이상)에서는 컨텍스트 관리가 상대적으로 거칠다는 평가가 나온다. 응답 톤도 다른 세 모델보다 유머러스한 편이라 호불호가 갈린다.

Grok 4.6, 실제로 어떻게 쓰나 — Cursor로 충분할까?

Grok 4.6을 코딩에 붙이는 경로는 크게 세 가지고, 어떤 걸 고르냐에 따라 체감이 꽤 달라진다.

1. Grok Code CLI (권장) — xAI가 직접 낸 전용 터미널 에이전트. Claude Code, Codex CLI와 같은 포지션으로, 설치 후 바로 리포 안에서 실행한다. X 실시간 검색 통합이 이 경로에서만 완전히 활성화된다 — Grok 4.6의 핵심 무기를 온전히 쓰려면 결국 이쪽이다.
2. Cursor — Cursor는 Grok 4.6 출시 첫 주에 모델 드롭다운에 바로 추가했다. 이미 Cursor를 메인 에디터로 쓰고 있다면 별도 설치 없이 모델만 바꿔서 써볼 수 있는 게 가장 큰 장점이다. 다만 xAI API 자체 제한으로 X 실시간 검색은 Cursor 경유 시 비활성화된다 — 즉 Cursor에서 쓰는 Grok 4.6은 “실시간성이 빠진 반쪽짜리”에 가깝다.
3. xAI API 직접 연동 — VS Code 확장이나 사내 자체 툴체인에 붙이고 싶다면 이 경로. Grok Code CLI와 동일하게 실시간 검색 툴을 켤 수 있지만, 붙이는 작업은 직접 해야 한다.

아래 실전 테스트는 Grok 4.6의 실시간성까지 포함해 공정하게 비교하기 위해 네 모델 모두 각자의 네이티브 CLI(Grok Code, Claude Code, Codex CLI, Kimi CLI)로 돌렸다.

Claude Fable 5 — 그대로, 가격만 소폭 조정

7월 글에서 다룬 스펙(100만 토큰 컨텍스트, 128K 출력, effort 파라미터, 비동기 서브에이전트 위임)은 그대로다. 달라진 건 가격뿐이다. Grok 4.6의 공격적인 가격 진입에 대응해 Anthropic이 입력가를 $10에서 $8로 소폭 낮췄다. 여전히 넷 중 가장 비싸지만, 격차는 조금 줄었다.

FrontierBench 1위 자리는 아직 지키고 있다. “장시간 자율성”이라는 포지셔닝도 변함없다.

GPT-5.6 — Sol 체제 안정화, METR 이슈는 진행형

지난 글에서 짚었던 METR의 벤치마크 게이밍 지적에 대해 OpenAI는 8월 초 패치를 내놓고 “평가 환경 취약점은 수정했다”고 밝혔다. 다만 METR은 재검증 결과 문제가 완전히 해소되지는 않았다는 중간 보고서를 냈고, 신뢰 회복은 아직 진행 중이라는 게 업계 평가다.

Sol / Terra / Luna 3단계 티어 체제는 그대로 유지된다. 실무에서는 난이도에 따라 세 티어를 섞어 쓰는 패턴이 이제 확실히 자리잡았다.

Kimi K3 — 풀 웨이트 공개 이후 커뮤니티 파인튜닝 붐

7월 27일 예고대로 가중치 전체가 공개됐다. 개인이 로컬로 2.8조 파라미터 전체를 돌리기는 여전히 비현실적이지만, 몇몇 클라우드 GPU 임대 업체가 K3 전용 저가 호스팅을 내놓으면서 접근성이 크게 개선됐다. 커뮤니티에서는 프론트엔드 특화, 테스트 코드 특화 등 도메인별 파인튜닝 변종이 여럿 등장했는데, 아직 공식 벤치마크에 반영된 건 없다.

가격·스펙은 7월과 동일하다.

스펙·가격 비교

실전 테스트 — 레이트리밋 미들웨어 추가하기

벤치마크 수치만으로는 감이 안 잡혀서, 동일한 실전 태스크를 네 에이전트에 직접 돌려봤다.

태스크: 라우트 27개짜리 레거시 Express API에 Redis 기반 sliding-window 레이트리미팅 미들웨어를 추가한다. 기존 인증·로깅 미들웨어 체인과 충돌 없이 동작해야 하고, 유닛 테스트 커버리지 90% 이상을 유지하며, k6 부하테스트 스크립트도 함께 작성한다. 네 에이전트 모두 같은 리포, 같은 프롬프트, 같은 초기 상태에서 시작했다.

소요 시간과 정확도가 정확히 반비례하는 결과다. Grok 4.6은 빠르지만 재작업이 필요했고, Fable 5는 느린 대신 재작업이 아예 없었다. 이 태스크 하나로 일반화하긴 어렵지만, “빠른 반복이 필요한 작업 vs 한 번에 완성도가 중요한 작업”이라는 각 모델의 포지셔닝과는 대체로 맞아떨어지는 결과였다.

어떤 개발자에게 뭐가 맞나

Grok 4.6 — 짧은 이터레이션 루프로 프로토타이핑하거나, 방금 나온 라이브러리 변경사항을 바로 반영해야 하는 작업이라면 지금 가장 빠르다. 다만 결과물을 그대로 배포하기보다 리뷰를 한 번 더 거치는 걸 권한다.

Claude Fable 5 — 실수 여지를 최소화해야 하는 대규모 리팩토링, 하룻밤 새 도는 장시간 자율 작업이라면 여전히 이쪽이 우위다. 가격은 감수해야 한다.

GPT-5.6 — 이미 ChatGPT Plus/Pro를 쓰고 있고 속도와 완성도의 균형이 필요하다면 여전히 합리적인 선택지다. METR 이슈가 완전히 해소될 때까지는 결과물 검증 습관을 유지할 것.

Kimi K3 — 비용에 민감하거나 오픈소스 라이선스가 필요하다면 가장 매력적이다. 커뮤니티 파인튜닝 변종이 늘고 있어 도메인 특화 작업이라면 눈여겨볼 만하다.

마치며

한 달 만에 셋이 넷이 됐다. 열국지라는 이름이 무색하지 않게, 이번엔 진영 구도 자체도 미국 셋(Anthropic, OpenAI, xAI)과 중국 하나(Moonshot AI)로 더 뚜렷해졌다.

실측 테스트에서 확인한 것처럼, 벤치마크 순위와 실제 워크플로우 적합도는 항상 일치하지는 않는다. 결국 각 모델이 “무엇에 최적화됐는가”를 알고 태스크 성격에 맞춰 골라 쓰는 게 정답에 가깝다. 다음 라운드가 언제, 몇 개 진영으로 열릴지는 이 시리즈가 또 알려줄 것 같다.