"Grok 4.6, 벤치마크 과적합 의심"…실무 개발자들의 부정적 피드백 확산

요약

최근 Reddit 커뮤니티에서 Grok 4.6 모델이 벤치마크 점수와 달리 실제 프로덕션 환경에서는 심각한 버그를 양산하고 있다는 비판이 제기되었습니다. 이용자들은 Grok 4.6이 'Extra High' 추론 모드에서도 소스 코드를 오해하고 불필요한 도구를 호출하는 등 과도하게 자신감 넘치는 오작동을 보인다고 지적했습니다. 반면, Luna 모델은 Grok이 생성한 오류를 수정하거나 코드를 재작성하는 데 훨씬 효과적이며, Composer 2.5가 실제 소스 코드 개발 현장에서 더 뛰어난 성능을 보인다는 평가입니다. 이러한 현상을 두고 사용자들은 Grok 4.6이 특정 벤치마크에만 과적합(Overfitting)되어 있어, 단순한 웹 앱 개발 외 실무 적용에는 한계가 있다고 분석하고 있습니다.

AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.