제미니 아르곤(Gemini 4 Argon)은 단일 출력 한도 100만 토큰을 지원한다고 구글이 공개했으나, 현재는 선정된 보안팀만 사용 가능해 일반 사용자는 즉시 체험할 수 없다.
제미니 아르곤 핵심 요약
- Argon 단일 출력 한도는 100만 토큰으로, 입력 한도와는 별개다.
- 구글이 공개한 비교에서 Argon은 19개 테스트 중 13개에서 1위를 차지했으나, 모든 항목을 독점한 것은 아니다.
- 구글은 일반 사용자 공개 시점을 밝히지 않았다, 현재는 선정된 보안팀만 우선 접근권을 받는다.
백만 토큰은 문자 수가 아니다
제미니 아르곤의 가장 눈에 띄는 사양은 단일 출력 한도가 기존 6.4만 토큰에서 100만 토큰으로 늘었다는 점이다. 토큰은 AI가 텍스트를 처리하는 단위로, 곧바로 문자 수와 같지는 않다.
구글은 Argon을 장시간 실행되는 대규모 코드 수정, 다단계 연구 작업 등 긴 출력이 필요한 업무에 초점을 맞췄다고 설명했다. 즉, 한 문장 질문에 대해 소설 한 권을 즉시 생성한다고 이해하면 안 된다.
기업용 사례 중심으로 공개된 성능
구글은 내부팀 사례로 Argon을 대규모 코드 작업에 투입한 내용을 공개했다. 보안업체 Wiz는 Fairwind 계획을 통해 모델을 사용, 의료 소프트웨어에서 민감 정보 유출 가능성을 발견했다고 발표했다.
이 같은 사례는 Argon이 어떤 업무를 겨냥했는지 보여주지만, 개인 사용자가 이메일 작성이나 여행 일정 정리에서 체감할 만한 개선이 곧바로 보장된다는 증거는 아니다.
벤치마크: 13개 1위, 5개는 패배
구글 DeepMind가 제시한 성적표에 따르면 Argon은 장시간 소프트웨어 개발 테스트 DeepSWE v1.1에서 77.9%를 기록했다. 이는 GPT-6 Astra의 74.1%와 Claude Opus 5.5의 74.2%보다 높은 수치다.
반면 FrontierSWE v2에서는 Argon이 55.0%로, GPT-6 Astra의 65.5%에 못 미쳤다. 같은 프로그래밍 영역이라도 문제지와 설정에 따라 순위가 달라질 수 있다.
구글은 테스트의 일부 수치를 자사 계산값으로 표기하고, 다른 모델의 수치는 공개 랭킹이나 공급사 자료에서 가져왔다고 명시했다. 독립 평가기관 Artificial Analysis는 Argon과 GPT-6 Astra의 종합 지수를 동일하게 53점으로 평가하면서, Argon이 일부 테스트에서는 뒤처졌다고 지적했다.
일반 사용자 доступ 시점은 미정
제미니 아르곤은 현재 Fairwind 계획의 신뢰할 수 있는 네트워크 보안팀에 우선 제공되고 있다. 구글은 이후 유료 API 고객과 Google AI Ultra 가입자에게 순차 제공하겠다고 밝혔으나, 일반 사용자 공개 시점은 명확히 밝히지 않았다.
구글이 초기에 공개한 API 가격은 입력 토큰 1백만 단위당 2달러, 출력 토큰 1백만 단위당 10달러다. 달러-원 환율 기준으로 이는 입력 1백만 토큰 약 2,711원(원가 2 USD), 출력 1백만 토큰 약 13,556원(원가 10 USD)에 해당한다.
프로모션 종료 후 가격은 각각 4달러와 20달러로 책정되며, 원화 환산액은 약 5,422원(원가 4 USD) 및 약 27,112원(원가 20 USD)이다. 구글은 할인 기간의 종료 시점은 아직 공개하지 않았다.
구글이 공개한 19개 비교표 요약
아래 내용은 Google DeepMind 공식 표를 기준으로 정리한 것이다. 녹색 배경은 해당 항목에서 표에 기재된 최고점임을 의미한다. 일부 모델의 점수는 공식 표에 기재되지 않았을 수 있다.
| 範疇 | 測試項目 | Gemini 4 Argon | GPT-6 Astra | Claude Fable 5.1 | Claude Opus 5.5 |
|---|---|---|---|---|---|
| 專業工作 | Vals Index | 68.9% | 63.1% | 65.8% | 67.0% |
| 專業工作 | AutomationBench（分數） | 51.3% | 41.4% | 31.4% | 42.5% |
| 專業工作 | Vals Finance Agent v2 | 65.4% | 53.5% | 58.9% | 58.6% |
| 專業工作 | Harvey’s Legal Agent Benchmark | 19.6% | 5.4% | 6.7% | 3.8% |
| 程式開發 | DeepSWE v1.1 | 77.9% | 74.1% | 67.4% | 74.2% |
| 程式開發 | FrontierSWE v2 | 55.0% | 65.5% | 56.3% | 62.3% |
| 程式開發 | Vibe Code Bench | 91.9% | 89.6% | 90.3% | 90.3% |
| 程式開發 | Terminal-bench 4.0 | 57.4% | 58.2% | 57.9% | 66.4% |
| 機器學習工程 | PostTrainBench | 45.3% | 44.3% | 40.2% | 49.3% |
| 科學及數學 | Terminal-Bench Science 0.1 | 57.6% | 68.1% | 52.6% | 63.3% |
| 科學及數學 | LABBench 2 | 88.8% | 85.4% | 68.6% | 73.1% |
| 科學及數學 | RiemannBench | 76.0% | 72.0% | 65.6% | 69.6% |
| 長篇內容理解 | GraphWalks（最多 12.8 萬 Token） | 99.7% | 98.7% | 91.4% | 90.6% |
| 長篇內容理解 | GraphWalks（25.6 萬至 100 萬 Token） | 84.2% | 71.8% | 65.0% | 66.8% |
| 電腦操作 | Agent’s Last Exam（通過率） | 39.5% | 34.2% | 未列出 | 38.2% |
| 電腦操作 | OSWorld-2.0（離線測試部分得分） | 69.2% | 72.6% | 未列出 | 未列出 |
| 圖像及影片理解 | Chartography | 71.6% | 71.0% | 46.2% | 66.3% |
| 圖像及影片理解 | LVBench | 91.7% | 87.5% | 79.7% | 83.7% |
| 網絡保安 | CWE-bench v1 | 68.0% | 68.0% | 58.0% | 67.0% |
주: 위 정리는 Google DeepMind가 공개한 19개 비교를 바탕으로 했다. 일부 테스트는 구글 자체 계산값이며, 다른 모델의 수치는 공개 랭킹 또는 공급사 자료를 인용했다. 개별 테스트 설정은 상이하므로 자세한 내용은 공식 테스트 방법을 참조하기 바란다.
