xAI가 만든 차세대 LLM, 그록(Grok 3) 사용법 (성능 비교, 딥서치, 추론, 이미지 편집)

일론머스크가 창립한 xAI에서 만든 LLM, 그록 사용법을 자세히 알려드립니다.
Jun 02, 2025
xAI가 만든 차세대 LLM, 그록(Grok 3) 사용법 (성능 비교, 딥서치, 추론, 이미지 편집)

목차

  1. 그록이란?
  1. 그록 vs Gemini vs GPT
  1. 그록 사용법
    1. ① 딥 서치 기능
      ② 추론 기능
      ③ 이미지 편집 기능

그록이란?

그록은 일론 머스크가 창립한 xAI에서 만든 LLM입니다. 그록은 딥 서치, 추론, 이미지 생성 등에 강점를 보이는데요. X(구 트위터)와 연동하여 사용이 가능합니다. 그록3는 무료로 제공되고 있으며, 유료였던 기능들도 무료로 사용이 가능합니다.

그록 vs Gemini vs GPT

xAI에서는 그록 3를 공개하며, 그록3와 다른 LLM의 성능을 비교했습니다. Gemini는 구글에서 만든 LLM으로, 개발 초기부터 다양한 종류의 데이터를 학습하여 멀티모달* 쪽에서 우수한 성능을 보이죠. GPT는 오픈AI에서 출시하였으며, 현재 가장 많이 사용되는 LLM입니다. xAI가 공개한 자료에 따르면 대부분의 성능이 다른 LLM보다 뛰어나다는 것을 알 수 있는데요. 비록 단순 질문 응답에 대한 성능을 평가하는 SimpleQA에서는 Grok이 평균 수준에 머물렀지만, 복잡한 추론과 전문 지식 영역에서 특히 강한 면모를 보였습니다.
Benchmark
Grok 3 Beta
Gemini 2.0
GPT-4o
Claude 3.5 Sonnet
AIME’24(경시 수학)
52.2%
9.3%
16.0%
GPQA (대학원 수준의 Google-Proof 질문응답)
75.4%
64.7%
53.6%
65.0%
LCB(코드 생성)
57.0%
36.0%
32.3%
40.2%
MMLU-pro (대규모 다중 작업 언어 이해 – 전문가 버전)
79.9%
79.1%
72.6%
78.0%
LOFT (128k) (장문 추론 평가 – 128,000 토큰*)
83.3%
75.6%
78.0%
69.9%
SimpleQA (단순 질문 응답)
43.6%
44.3%
38.2%
28.4%
MMMU (대규모 다분야 멀티모달 이해력)
73.2%
72.7%
69.1%
70.4%
EgoSchema (자가 인식 기반 추론 능력)
74.5%
71.9%
72.2%
*토큰: 긴 문장을 AI가 이해할 수 있도록 잘게 나눈 단어 조각 *멀티모달: 글, 이미지, 소리 등 여러 데이터를 함께 이해하는 기능

그록 사용법

그럼 본격적으로 그록을 사용해 볼까요? 그록은 X그록 공식 사이트에서 가능합니다. X로 들어간다면, 우측 메뉴바에서 그록을 선택합니다.
notion image
notion image
그록 입력창이 나오면, 사용할 준비는 끝났습니다.
notion image
그록의 중요 기능으로는 딥 서치, 추론, 이미지 편집이 있는데요. 이 세 가지를 함께 사용해 보겠습니다.
notion image

① 딥 서치 기능

딥 서치는 AI가 질문에 대해 웹이나 데이터를 깊이 검색해 더 정확하고 자세한 답을 주는 기능입니다. 따라서 심도있는 분석이 필요할 때 쓰기 좋죠. 웹과 X 플랫폼의 내용을 검색하여 답변하는데요. xAI는 딥 서치 기능을 다음과 같이 소개했습니다. “핵심 정보를 종합하고, 상충되는 사실과 의견에 대해 추론하며, 복잡한 정보 속에서 명확성을 도출하도록 설계되었습니다. 최신 실시간 뉴스를 접하든, 사회적 문제에 대한 조언을 구하든, 심층적인 과학 연구를 수행하든, 브라우저 검색을 훨씬 뛰어넘는 서비스를 제공합니다. ” xAI 블로그 - Grok 3 Beta — The Age of Reasoning Agents 오픈AI의 Deep Research는 월 200달러(100회 사용)의 비용을 지불해야 하는 반면, Grok 3는 무료로 제공됩니다. 딥서치 기능을 경험해 보고 싶다면, 그록이 좋은 선택지가 될 수 있겠죠. 프롬프트 창에 딥서치 기능을 클릭하여 사용해보겠습니다.
notion image
그록에게 2025년 AI 트렌드를 분석해달라고 요청해 보았습니다. 분석 준비, 트렌드 종합·정리·요약까지의 과정을 보여줍니다.
notion image
그 이후 분석 결과를 보고서 형식으로 작성해주었습니다. 주요 요약, 상세 보고서, 결론이 포함되어 있는 걸 확인할 수 있습니다.
notion image
전체 답변 보기
2025년 AI 트렌드 분석
주요 요약
  • 연구에 따르면, AI 모델은 더 효율적이고 복잡한 추론 능력을 갖출 가능성이 높습니다.
  • 에이전틱 AI와 자율 에이전트가 업무와 일상에서 중요한 역할을 할 것으로 보입니다.
  • 개인화된 AI 서비스가 고객 경험을 향상시킬 것으로 예상됩니다.
  • 윤리적 AI와 지속가능성에 대한 논의가 활발해질 것입니다.
  • AI는 비즈니스와 직업 시장에 큰 변화를 가져올 것으로 보입니다.
AI 모델의 발전
AI 모델은 2025년에 더 빠르고 효율적으로 작동하며, 과학, 법률, 의료 등 다양한 분야에서 복잡한 문제를 해결할 수 있을 것으로 보입니다. 예를 들어, 오픈AI의 o1 모델은 인간과 유사한 추론 과정을 보여주며, 데이터 큐레이션과 합성 데이터 기술이 성능을 높이는 데 기여할 것입니다.
에이전틱 AI와 자율 에이전트
AI 에이전트는 복잡한 작업을 자율적으로 처리하며, 예를 들어 마이크로소프트의 Copilot Studio를 통해 비전문가도 쉽게 개발할 수 있습니다. 이는 제조업, 의료, 고객 서비스 등에서 생산성을 높이는 데 도움을 줄 것입니다.
개인화와 AI 컴패니언
AI는 사용자 경험을 개인화하는 데 사용되며, 마이크로소프트 Copilot과 같은 AI 컴패니언은 일상생활과 업무를 지원합니다. 프라이버시와 정확성에 중점을 둔 새로운 기능이 추가될 것으로 보입니다.
윤리적 AI와 지속가능성
AI의 윤리적 사용과 지속가능성에 대한 관심이 높아지고 있습니다. 프라이버시 보호, 데이터 보안, 환경 영향 등이 중요한 이슈로 대두되며, 한국에서도 관련 규제가 강화될 가능성이 있습니다.
비즈니스와 직업 시장 변화
AI는 반복적인 작업을 자동화하며, 직원들이 더 창의적이고 전략적인 역할에 집중할 수 있도록 합니다. 한국의 채용 시장에서도 AI와 RPA 기술이 도입되어 직무 성격이 재정의되고 있습니다.

상세 보고서
2025년 AI 트렌드는 전 세계적으로 다양한 분야에서 혁신을 가져오며, 특히 한국에서도 중요한 변화를 일으키고 있습니다. 아래는 2025년 AI의 주요 트렌드와 한국 특화된 내용을 포함한 상세 분석입니다.
글로벌 AI 트렌드 분석
다양한 보고서와 기사를 통해 2025년 AI 트렌드를 분석한 결과, 다음과 같은 주요 흐름이 나타났습니다.
1. 고급 AI 모델과 추론 능력 향상
AI 모델은 더 빠르고 효율적으로 작동하며, 복잡한 추론 능력을 갖추는 방향으로 발전하고 있습니다. 마이크로소프트의 보고서에 따르면, 오픈AI의 o1 모델은 과학, 법률, 의료 등에서 인간과 유사한 논리적 단계를 통해 문제를 해결할 수 있습니다. 또한, 데이터 큐레이션과 합성 데이터 기술(예: 마이크로소프트의 Phi 모델, Orca 2)은 모델 성능을 크게 향상시킬 것으로 보입니다.
2. 에이전틱 AI와 자율 에이전트
AI 에이전트는 복잡한 다단계 작업을 자율적으로 처리하며, 업무와 일상에서 중요한 역할을 할 것으로 보입니다. 마이크로소프트의 보고서에 따르면, 포춘 500대 기업의 70%가 AI 에이전트를 사용 중이며, Copilot Studio와 Azure AI Foundry를 통해 비전문가도 쉽게 에이전트를 개발할 수 있습니다. 이는 인간의 감독 하에 운영되며, 한국에서도 제조업, 의료, 고객 서비스 등에서 생산성을 높이는 데 활용될 것입니다.
  • 관련 링크: Azure AI FoundryMIT Sloan Management Review의 보고서에 따르면, 에이전틱 AI는 주로 구조화된 내부 작업에 초점을 맞추며, 새로운 직업(예: 블로그 포스트 작성)을 창출할 가능성이 있습니다. UiPath 설문조사에 따르면, 미국 IT 리더의 37%가 이미 에이전틱 AI를 보유하고 있다고 답했으며, 68%는 6개월 내 도입을 기대하고 있습니다.
3. 개인화와 AI 컴패니언
AI는 사용자 경험을 개인화하는 데 사용되며, 마이크로소프트 Copilot과 같은 AI 컴패니언은 일상생활과 업무를 지원합니다. 새로운 기능(예: Copilot Daily, Copilot Vision)은 웹 상호작용과 의사결정을 지원하며, 프라이버시, 정확성, 감정 지능에 중점을 둡니다. 이는 특히 엔터테인먼트, 피트니스 앱 등에서 사용자 맞춤형 경험을 제공하는 데 활용될 것입니다.
  • 관련 링크: Microsoft Copilot, Copilot Vision포브스 보고서에 따르면, 하이퍼-개인화는 실시간 상호작용과 일상 기술에 영향을 미치며, 예를 들어 피트니스 앱이 사용자의 에너지 수준과 목표에 맞춘 운동을 추천할 수 있습니다.
4. 윤리적 AI와 지속가능성
AI의 윤리적 사용과 지속가능성에 대한 관심이 높아지고 있습니다. 마이크로소프트는 2030년까지 탄소 음성, 물 긍정, 폐기물 제로를 목표로 자원 효율적인 AI 인프라를 구축하고 있습니다. 이는 맞춤형 실리콘(Azure Maia, Cobalt), 제로-워터 냉각, 저탄소 소재, 풍력, 지열, 원자력, 태양광 에너지 사용을 포함합니다.
  • 관련 링크: Microsoft AI 자원 효율성한국에서도 SAS의 보고서에 따르면, 데이터 품질 문제, 규제, 환경적 지속가능성이 주요 이슈로 대두될 것으로 보입니다. 이는 AI의 사회적 책임과 투명성을 높이는 방향으로 나아갈 것입니다.
5. 비즈니스와 직업 시장 변화
AI는 비즈니스에서의 자동화와 효율성을 높이면서, 직업 시장을 변화시키고 있습니다. 마이크로소프트의 IDC 보고서에 따르면, 전 세계 조직의 AI 도입률은 2024년 75%로 증가했으며, 이는 실험 단계에서 실제 비즈니스 가치를 창출하는 핵심 도구로 자리 잡았음을 보여줍니다.
  • 관련 링크: IDC 2024 AI 보고서한국에서는 AI와 RPA 기술이 반복적인 작업을 대체하며, 직원들이 더 창의적이고 전략적인 업무에 집중할 수 있도록 합니다. 예를 들어, 보험, 금융, 제조업에서 AI 자동화가 효율성을 높이고 있습니다.
6. 멀티모달 AI와 데이터 통합
멀티모달 AI는 텍스트, 이미지, 동영상 등 다양한 데이터 유형을 통합하여 처리하며, 새로운 가능성을 열고 있습니다. 크라우드웍스의 보고서에 따르면, 멀티모달 AI는 한국의 엔터테인먼트, 교육, 의료 분야에서 혁신적인 서비스를 가능하게 할 것입니다. MIT Sloan Management Review에 따르면, 비정형 데이터의 중요성이 커지고 있으며, 보험 회사의 97% 데이터가 비정형 데이터로 구성되어 있습니다. RAG(Retrieval-Augmented Generation) 기술이 이를 효과적으로 활용하는 데 기여할 것입니다.
7. AI 인프라와 자원 효율성
AI를 지원하기 위한 최적화된 클라우드 인프라가 중요해지고 있습니다. 마이크로소프트는 2020년 데이터 센터 작업 부하가 2010년 대비 9배 증가했으며, 전력 수요는 10% 증가했다고 보고했습니다. 이는 지속가능한 데이터 센터 운영과 맞춤형 실리콘 개발을 통해 해결될 것으로 보입니다. 한국에서도 AI 인프라 경쟁이 기업 경쟁력의 핵심 요소가 될 것입니다.
8. AI 영향 측정과 가치 평가
generative AI의 경제적 가치를 측정하는 데 어려움이 있지만, MIT Sloan Management Review에 따르면, 58%의 조직이 생산성과 효율성에서 지수적 이득을 얻었으며, 16%는 지식 근로자를 해방시켰습니다. 골드만삭스는 프로그래밍 생산성이 20% 증가했다고 보고했습니다. 이는 한국 기업이 AI의 구체적인 가치를 평가하고 전략을 수립하는 데 중요한 기준이 될 것입니다.
9. 데이터 기반 문화와 리더십
generative AI 단독으로는 충분하지 않으며, 데이터 기반 문화와 변화 관리의 중요성이 강조되고 있습니다. MIT Sloan Management Review에 따르면, 현재 37%의 조직이 데이터/AI 기반 조직으로 운영 중이며, 33%가 데이터/AI 기반 문화를 갖추고 있습니다. 리더십 측면에서는 85%가 최고 데이터 책임자(CDO)를 보유하고, 33%가 최고 AI 책임자(CAIO)를 두고 있습니다. 그러나 51%만이 자신의 역할이 잘 이해된다고 느끼며, 보고 구조에 대한 논쟁이 계속되고 있습니다.
한국 특화 트렌드
한국에서는 글로벌 트렌드와 더불어 다음과 같은 특화된 흐름이 나타날 것으로 보입니다.
  • AI 에이전트와 산업 자동화: 제조업, 의료, 고객 서비스 등에서 AI 에이전트가 도입되어 생산성과 효율성을 높일 것입니다. 예를 들어, SK텔레콤의 보고서에 따르면, 개인화된 AI 에이전트와 인간-로봇 상호작용 기술 개발이 가속화될 것입니다.
  • 윤리적 AI와 지속가능성: SAS의 보고서에 따르면, 데이터 품질 문제, 규제, 환경적 지속가능성이 주요 이슈로 대두될 것입니다. 한국 정부와 기업은 AI의 윤리적 사용을 위한 가이드라인을 마련하는 데 중점을 둘 것입니다.
  • 직업 시장 변화: AI는 반복적인 작업을 대체하며, 창의적이고 전략적인 역할을 중심으로 한 직업 시장을 형성할 것입니다. 예를 들어, 채용 시장 보고서에 따르면, AI와 RPA 기술이 도입되어 직무 성격이 재정의되고 있습니다.
상세 데이터 요약
다음 표는 주요 AI 트렌드와 관련된 통계 데이터를 정리한 것입니다.
트렌드
세부 내용
관련 수치
에이전틱 AI 도입
미국 IT 리더 설문 결과
37% 보유, 68% 6개월 내 도입 예상
generative AI 효과
생산성/효율성 지수적 이득, 지식 근로자 해방
58%, 16%
데이터 기반 조직
데이터/AI 기반 조직 및 문화 비율
37%, 33%
비정형 데이터 비율
보험 회사 데이터 중 비정형 데이터 비율
97%
AI 도입률 증가
2024년 조직 AI 도입률
75% (2023년 55%에서 증가)
결론
2025년 AI 트렌드는 고급 모델 개발, 자율 에이전트, 개인화, 윤리적 고려, 비즈니스 및 직업 시장 변화, 멀티모달 AI, 인프라 구축, 영향 측정, 데이터 문화, 비정형 데이터 관리 등으로 요약됩니다. 한국에서는 이러한 글로벌 트렌드와 더불어 산업별 AI 적용, 윤리적 고려, 직업 시장 변화에 대한 준비가 중요합니다.

주요 인용
✅ 에디터의 리뷰 모든 답변에 출처가 제시되어 좋아요. OpenAI의 딥 리서치 기능을 무료로 체험해 볼 수 있어요. 웹과 X 포스트 정보를 실시간으로 가져올 수 있어 최신 정보 검색이 가능해요. 질문에 따라 답변 생성에 시간이 오래 걸릴 수 있어요. 가끔 할루미네이션(환각 증상)으로 잘못된 정보를 제공할 때가 있으니, 더블 체크는 필수예요.
 

② 추론 기능

추론 기능은 수학, 과학, 코딩같은 복잡한 문제나 논리적 사고를 해야하는 질문에 적합합니다. 최종 답뿐만 아니라 모델 자체의 추론 과정까지 살펴볼 수 있죠. 프롬프트 창에서 Think 버튼을 눌러 사용합니다. 다음과 같이 요청해 보았습니다.
인공지능에게 법적 권리를 부여하는 것이 정당한지에 대해 논리적으로 분석해 줘
notion image
추론하는데 걸린 시간이 보여지는데요, 복잡한 추론이 요구될 수록 시간이 더 오래 걸립니다.
notion image
윤리적 질문이기에, 법적 권리의 정의, AI의 본질, 찬반 논거, 윤리적 측면, 실질적 측면 등을 종합하여 살펴보고 결론을 도출합니다.
notion image
이번에는 코딩 관련 질문에 대한 응답을 살펴보겠습니다.
버블 정렬 알고리즘을 Python으로 구현하고, 시간 복잡도를 설명해줘 입력 리스트 [5, 2, 8, 12, 1]에 대해 단계별로 정렬 과정을 보여줘
notion image
추론 과정에서는 버블 정렬의 기본 개념, 시간 복잡도, 정렬 과정, 구현 코드 등을 보여줍니다.
notion image
그 이후에 추론 과정을 정리하여 보여줍니다.
notion image
전체 답변 확인하기
버블 정렬 알고리즘을 Python으로 구현하고, 시간 복잡도를 설명하며, 입력 리스트 [5, 2, 8, 12, 1]에 대해 단계별 정렬 과정을 아래에 자세히 설명하겠습니다.

버블 정렬 알고리즘의 기본 개념
버블 정렬(Bubble Sort)은 인접한 두 원소를 비교하여 정렬하는 간단한 알고리즘입니다. 작동 방식은 다음과 같습니다:
  1. 리스트의 첫 번째 원소부터 시작해 인접한 두 원소를 비교합니다.
  1. 왼쪽 원소가 오른쪽 원소보다 크면 두 원소를 교환합니다.
  1. 이 과정을 리스트의 끝까지 반복하면, 한 번의 패스 후 가장 큰 원소가 리스트의 마지막으로 이동합니다.
  1. 각 패스마다 정렬된 원소(이미 끝으로 이동한 큰 값들)를 제외하고 나머지 원소에 대해 동일한 작업을 반복합니다.
  1. 더 이상 교환이 필요 없을 때까지 이 과정을 계속합니다.

시간 복잡도
버블 정렬의 시간 복잡도는 입력 데이터의 상태에 따라 다릅니다:
  • 최악의 경우 (Worst Case): O(n²)리스트가 역순으로 정렬되어 있을 때 발생합니다. 길이가 n인 리스트에서 최대 n-1번의 패스가 필요하고, 각 패스마다 최대 n-1번의 비교를 수행합니다.
  • 최선의 경우 (Best Case): O(n)리스트가 이미 정렬되어 있을 때 발생합니다. 한 번의 패스만으로 교환이 필요 없음을 확인하고 종료할 수 있습니다(최적화된 경우).
  • 평균적인 경우 (Average Case): O(n²)일반적인 입력에 대해 버블 정렬은 비교와 교환을 반복적으로 수행하므로 효율성이 낮습니다.
버블 정렬은 이해하기 쉽고 구현이 간단하지만, 대규모 데이터에서는 다른 알고리즘(예: 퀵 정렬, 병합 정렬)에 비해 비효율적입니다.

Python으로 버블 정렬 구현
다음은 Python으로 버블 정렬을 구현한 코드입니다. 각 패스 후의 리스트 상태를 출력하도록 설계되었습니다.
python
def bubble_sort(arr): n = len(arr) for i in range(n): # 마지막 i개의 원소는 이미 정렬되어 있으므로, n-i-1까지 비교 for j in range(0, n-i-1): if arr[j] > arr[j+1]: # 교환 arr[j], arr[j+1] = arr[j+1], arr[j] # 각 패스 후의 리스트 상태 출력 print(f"패스 {i+1}: {arr}") # 테스트 arr = [5, 2, 8, 12, 1] bubble_sort(arr) print("최종 정렬된 리스트:", arr)

입력 리스트 [5, 2, 8, 12, 1]의 단계별 정렬 과정
이제 주어진 리스트 [5, 2, 8, 12, 1]을 버블 정렬로 정렬하는 과정을 단계별로 설명하겠습니다.
초기 리스트: [5, 2, 8, 12, 1]
1. 첫 번째 패스:
  • 비교 1: 5와 2를 비교 → 5 > 2이므로 교환 → [2, 5, 8, 12, 1]
  • 비교 2: 5와 8을 비교 → 5 < 8이므로 교환 없음 → [2, 5, 8, 12, 1]
  • 비교 3: 8과 12를 비교 → 8 < 12이므로 교환 없음 → [2, 5, 8, 12, 1]
  • 비교 4: 12와 1을 비교 → 12 > 1이므로 교환 → [2, 5, 8, 1, 12]패스 1 후: [2, 5, 8, 1, 12](가장 큰 원소 12가 리스트 끝으로 이동)
2. 두 번째 패스:
  • 비교 1: 2와 5를 비교 → 2 < 5이므로 교환 없음 → [2, 5, 8, 1, 12]
  • 비교 2: 5와 8을 비교 → 5 < 8이므로 교환 없음 → [2, 5, 8, 1, 12]
  • 비교 3: 8과 1을 비교 → 8 > 1이므로 교환 → [2, 5, 1, 8, 12]패스 2 후: [2, 5, 1, 8, 12](두 번째로 큰 원소 8이 적절한 위치로 이동)
3. 세 번째 패스:
  • 비교 1: 2와 5를 비교 → 2 < 5이므로 교환 없음 → [2, 5, 1, 8, 12]
  • 비교 2: 5와 1을 비교 → 5 > 1이므로 교환 → [2, 1, 5, 8, 12]패스 3 후: [2, 1, 5, 8, 12](세 번째로 큰 원소 5가 적절한 위치로 이동)
4. 네 번째 패스:
  • 비교 1: 2와 1을 비교 → 2 > 1이므로 교환 → [1, 2, 5, 8, 12]패스 4 후: [1, 2, 5, 8, 12](모든 원소가 정렬됨)
5. 다섯 번째 패스:
  • 비교 1: 1과 2를 비교 → 1 < 2이므로 교환 없음 → [1, 2, 5, 8, 12]
  • 더 이상 비교할 원소가 없으므로 종료패스 5 후: [1, 2, 5, 8, 12](이미 정렬이 완료된 상태 확인)

코드 실행 결과
위 코드를 실행하면 다음과 같은 출력이 나타납니다:
패스 1: [2, 5, 8, 1, 12] 패스 2: [2, 5, 1, 8, 12] 패스 3: [2, 1, 5, 8, 12] 패스 4: [1, 2, 5, 8, 12] 패스 5: [1, 2, 5, 8, 12] 최종 정렬된 리스트: [1, 2, 5, 8, 12]

결론
버블 정렬은 리스트 [5, 2, 8, 12, 1]을 5번의 패스를 통해 [1, 2, 5, 8, 12]로 정렬했습니다. 시간 복잡도는 최악과 평균의 경우 O(n²)이며, 최선의 경우 O(n)입니다. 이 알고리즘은 구현이 간단하지만, 큰 데이터셋에서는 비효율적이므로 실무에서는 더 효율적인 정렬 알고리즘을 사용하는 것이 좋습니다.
✅ 에디터의 리뷰 추론 기능을 사용하기 전보다 상세한 답변을 받을 수 있어요. 특히 수학, 과학 문제를 해결할 때 추천해요. 윤리적 질문에 대해서는 중립적인 입장을 보여줘요. 추론 기능을 사용할 시에 창의력이 떨어진다는 의견이 있으니 참고하면 좋아요.

③ 이미지 편집 기능

그록은 이미지 편집에도 능합니다. AI 특유의 생성형 이미지 느낌이 나지 않는다는 장점이 있는데요. 기본 이미지를 유지하되, 원하는 부분만 변경하는 것도 가능합니다.
notion image
풍경 이미지를 수채화 스타일로 편집해 달라고 요청한 결과입니다.
notion image
이번에는 하늘을 별이 많은 밤하늘로 바꿔달라고 요청한 결과입니다. 다른 부분은 건드리지 않고, 하늘만 교체한 모습입니다.
notion image
이미지에 어울리는 캐릭터도 잘 생성됩니다.
notion image
이미지에 마우스를 가져가면 여러 버튼이 뜨는데요. 다운로드와 이미지 복사 이외에 두 가지 기능이 더 있습니다. 세번째 버튼은 해당 이미지를 X에 바로 포스트할 수 있는 기능입니다.
notion image
그 다음으로 Edit을 누르면, 아래처럼 새로운 프롬프트를 입력해 이미지를 수정할 수 있습니다.
notion image
 
✅ 에디터의 리뷰 사용해 본 AI 중 가장 사실적이고, 품질이 좋아요. 작성된 프롬프트를 잘 반영해요. 이미지를 잘 분석해요.
 
그록 3의 성능부터 실제 사용법까지 살펴보았습니다. 딥 서치, 추론, 이미지 편집 등의 강력한 기능이 무료로 제공된다는 점에서 상당한 경쟁력을 갖추고 있는데요. 다양한 영역에서 LLM을 활용하고 싶다면, 그록3는 좋은 선택지가 될 수 있죠. ‘차세대 LLM’이라는 타이틀이 어울리는 그록, 앞으로의 발전이 기대됩니다.
 
Share article
Subscribe to our newsletter

내일배움캠프 블로그