제미나이 4 아르곤 공개, 제한 제공이 의미하는 것

# 제미나이 4 아르곤 공개, 제한 제공이 의미하는 것

2026년 9월 30일 발표 기준 — 발표와 일반 이용 가능은 다르다

제미나이 4 아르곤, 발표는 끝났고 문은 아직 일부에게만 열렸다

구글이 2026년 9월 30일 Gemini 4 Argon(제미나이 4 아르곤)을 발표했습니다. 구글은 이 모델을 복잡하고 장기적인 업무 흐름을 처리하도록 설계한 프런티어 모델이라고 소개했습니다. 다만 발표 당일 누구나 쓸 수 있게 된 것은 아닙니다.

핵심 요지는 세 줄입니다.

① 발표와 일반 사용 가능은 별개입니다. 초기 제공 대상은 Fairwind 프로그램의 신뢰받는 사이버 방어 담당자와 신뢰받는 시험 사용자입니다.

② 확대 순서는 공개됐지만 날짜는 없습니다. 구글은 유료 API 고객과 Google AI Ultra 구독자부터 확대를 시작한다고 밝혔습니다. 구체적인 일반 공개일은 명시하지 않았습니다.

③ 성능은 선두와 비선두가 섞여 있습니다. DeepSWE v1.1과 CWE-bench v1에서는 선두권이지만, FrontierSWE v2와 Terminal-bench 4.0에서는 최고 점수가 아니었습니다.

이 글은 구글의 발표문과 DeepMind 공개 평가표에 적힌 내용만 기준으로 삼습니다. 확정된 사실과 아직 알 수 없는 사실을 나눠서 정리합니다. 구글 AI 신모델 소식은 "얼마나 빠른가"만 보면 놓치는 것이 많습니다. 누가 언제 어떤 형태로 쓸 수 있는지가 실무 판단의 출발점이기 때문입니다.

아르곤 발표에서 확인된 사실: 용도, 출력 한도, 제공 단계, 가격

이번 발표에서 확인된 것은 용도, 출력 한도 확대, 단계적 제공 방식, 가격 구조입니다. 하나씩 보겠습니다.

구글이 내세운 용도

구글이 제시한 주요 용도는 세 가지입니다.

① 소프트웨어 엔지니어링

② 금융·법률 등 기업 지식 업무

③ 사이버보안 방어

구글은 다단계 추론과 멀티모달 이해를 강조했습니다. 여러 단계를 거쳐야 끝나는 일, 즉 긴 호흡의 작업을 맡기겠다는 방향입니다. AI 에이전트 동향의 관점에서 보면, 한 번 묻고 한 번 답하는 대화형 사용보다 작업을 이어서 수행하는 쪽에 무게를 둔 발표입니다.

출력 토큰 한도: 64K에서 1M으로

출력 토큰 한도가 종전 64K에서 1M으로 늘었습니다. 구글 발표 기준입니다. 약 16배 가까운 증가입니다. (64K를 단순 계산하면 1M은 약 15.6배 수준입니다.)

여기서 주의할 점이 있습니다. 이 수치는 출력 한도에 관한 것입니다. 입력 컨텍스트 한도가 같은 폭으로 늘었다는 뜻이 아닙니다. 또 모든 제품과 모든 요금제에서 1M 출력을 쓸 수 있다는 뜻도 아닙니다. 발표문에 적힌 범위는 출력 한도 수치까지입니다.

출력 한도가 커지면 실무에서 달라지는 지점은 분명합니다. 긴 코드 파일 묶음, 긴 보고서 초안, 대량의 변환 결과를 중간에 끊지 않고 한 번에 받을 수 있는 여지가 생깁니다. 다만 실제 제품에서 그 한도가 어떻게 노출되는지는 제공 단계가 열려야 확인할 수 있습니다.

가격 구조

발표문에 적힌 API 가격은 도입기와 도입 기간 이후로 나뉩니다.

① 도입기: 입력 100만 토큰당 $2, 출력 100만 토큰당 $10

② 도입 기간 이후: 입력 100만 토큰당 $4, 출력 100만 토큰당 $20

③ 캐시된 입력 토큰: 입력 가격 대비 95% 할인

도입 기간 이후 가격은 도입기 가격의 정확히 2배입니다. 입력도 출력도 마찬가지입니다. 이 계산은 발표문 수치를 그대로 나눈 것입니다.

그런데 도입 기간이 언제 끝나는지는 공개되지 않았습니다. 2026년 10월 1일 시점에 도입기 가격이 실제로 적용 중인지도 공식 발표 페이지에서 확인되지 않았습니다. 그래서 "지금 $2/$10으로 쓸 수 있다"고 말할 수 없습니다. 발표일 기준으로 도입기 가격이 제시됐다는 것까지가 확정입니다.

단계적 공개 방식

구글은 초기 사용자 피드백과 가드레일 보완을 거친 뒤 개발자, 기업, 소비자로 확대하겠다고 밝혔습니다. 확대는 유료 API 고객과 Google AI Ultra 구독자부터 시작합니다.

구글은 이 단계적 공개를 최첨단 기능의 안전한 배포를 위한 접근이라고 설명했습니다. 또 미국 정부의 자발적 출시 전 모델 접근 절차에도 참여 중이라고 밝혔습니다.

왜 제한 제공인가: 사이버 방어 역량과 가드레일의 관계

제한 제공의 중심에는 사이버보안이 있습니다. 구글이 이번 모델에서 내세운 역량 중 하나가 취약점을 자동으로 찾아 검증하고 패치하는 방어 역량입니다. 이런 능력은 방어에 쓰이면 유용하고, 오용되면 위험할 수 있다는 양면성이 있습니다. 구글이 단계적 공개를 택한 배경도 이 지점과 맞닿아 있습니다. 다만 이것은 구글이 설명한 안전 접근이라는 점까지만 확정이고, 내부 판단의 세부는 발표문에 없습니다.

가드레일 제거 모델은 누구에게 가는가

여기서 가장 놓치기 쉬운 내용이 있습니다. 구글은 사이버 가드레일을 제거한 모델을 Fairwind의 신뢰받는 방어팀과 구글 내부팀에 제공한다고 설명했습니다.

이 문장은 두 가지를 알려줍니다.

첫째, 사이버 방어 역량이 모든 이용자에게 같은 형태로 제공되는 것이 아닙니다. 방어팀에게 제공되는 형태와 일반 이용자가 만나게 될 형태는 다를 수 있습니다.

둘째, 일반 공개 이후에 쓰게 될 모델이 취약점 자동 검증·패치 기능을 동일하게 갖는다고 단정할 수 없습니다. 발표문은 그 부분을 따로 약속하지 않았습니다.

그래서 "아르곤이 취약점을 자동으로 찾아 고친다"는 문장은 절반만 맞습니다. 정확한 표현은 이렇습니다. 구글은 방어 역량을 내세웠고, 가드레일을 제거한 버전은 신뢰받는 방어팀과 구글 내부팀에 제공된다. 이 구분이 이번 발표를 읽는 첫 번째 열쇠입니다.

구글이 제시한 네 가지 안전 조치

구글은 다음 네 가지를 안전 조치로 제시했습니다.

① 유해 요청 거부

② 간접 프롬프트 인젝션 방어

③ 모델의 추론·행동 감시와 필요 시 실행 중단

④ 고위험 훈련·평가 환경 격리

이 네 가지는 구글의 공개 설명입니다. 독립적인 안전성 보증과는 다릅니다. 제3자가 검증한 결과가 아니라 구글이 스스로 밝힌 조치라는 뜻입니다. 각각의 조치가 실제로 얼마나 효과적인지는 이번 발표 자료만으로 판단할 수 없습니다.

참고로 이 네 가지 중 간접 프롬프트 인젝션 방어는 에이전트를 도입하려는 팀이 특히 눈여겨볼 항목입니다. 에이전트는 웹 문서, 이메일, 코드 저장소처럼 외부 입력을 읽는 일이 많고, 그 안에 숨은 지시문이 동작을 바꾸는 위험이 있기 때문입니다. 구글이 이를 안전 조치 목록에 넣었다는 사실은 확인되지만, 방어 수준은 공개된 수치가 없습니다.

평가표 읽기: DeepSWE는 선두, FrontierSWE와 Terminal-bench는 아니다

DeepMind 공개 평가표에서 아르곤은 일부 시험의 선두이고, 일부 시험에서는 경쟁 모델에 뒤졌습니다. 비교 대상은 GPT-6 Astra, Claude Fable 5.1, Claude Opus 5.5입니다.

시험별 결과

① DeepSWE v1.1: Argon 77.9%로 선두. Claude Opus 5.5가 74.2%, GPT-6 Astra가 74.1%.

② CWE-bench v1: Argon 68.0%로 GPT-6 Astra와 공동 1위.

③ FrontierSWE v2: Argon 55.0%. 최고는 GPT-6 Astra 65.5%.

④ Terminal-bench 4.0: Argon 57.4%. 최고는 Claude Opus 5.5 66.4%.

DeepSWE v1.1에서 아르곤과 2위의 차이는 3.7%포인트입니다. 이 값은 발표 수치로 계산한 것입니다. 2위와 3위는 0.1%포인트 차이로 거의 붙어 있습니다.

반대로 FrontierSWE v2에서는 아르곤이 최고 점수보다 10.5%포인트 낮고, Terminal-bench 4.0에서는 9.0%포인트 낮습니다. 선두에 선 시험의 우위 폭보다 뒤처진 시험의 격차 폭이 더 큽니다.

일반화하면 안 되는 이유

이 결과를 "아르곤이 코딩 최강"이나 "아르곤이 보안 최강"으로 줄이면 사실과 어긋납니다. 이유는 세 가지입니다.

첫째, 네 개 시험 중 두 개에서는 선두가 아닙니다.

둘째, CWE-bench v1의 1위는 공동 1위입니다. 단독 우위가 아닙니다.

셋째, 시험마다 측정하는 영역이 다릅니다. 코딩과 보안이라는 큰 이름 아래 있어도, 어떤 작업을 어떤 조건에서 푸는지가 시험마다 다릅니다. 이름이 비슷한 시험이라도 한 곳의 우위가 다른 곳으로 이어진다는 보장은 없습니다.

평가 조건의 차이

DeepMind의 방법론 문서에는 확인해야 할 조건이 적혀 있습니다.

① 점수에는 Argon 자체 계산 결과와 다른 모델 제공자의 자체 보고 점수가 함께 들어 있습니다.

② 시험별로 도구와 설정이 다르고, 이 차이는 공개돼 있습니다.

③ CWE-bench v1 점수는 공식 공개 리더보드에서 가져왔습니다.

④ 순위는 pass@1 기준이며, 동점은 pass@4로 처리합니다.

⑤ 벤치마크 기준 시점은 2026년 9월입니다.

이 조건을 해석하면, 한 표 안에 서로 다른 방식으로 얻은 점수가 섞여 있다는 뜻입니다. 같은 조건에서 모두 직접 다시 측정한 결과가 아닙니다. 그래서 점수 차이가 작을수록 모델 능력의 차이인지 측정 조건의 차이인지 분리하기 어렵습니다. DeepSWE v1.1의 2위와 3위처럼 0.1%포인트 차이는 특히 그렇습니다.

한 가지 용어도 짚겠습니다. pass@1은 한 번의 시도로 맞힌 비율을 기준으로 삼는다는 뜻이고, 동점이 나오면 pass@4, 즉 네 번의 시도 안에 맞힌 기준으로 순서를 가립니다. 공동 1위가 표기된 CWE-bench v1은 이 방식으로 순위를 매긴 결과입니다.

구글 내부 사례 두 가지: 성과는 구글이 전한 것까지만

구글은 수천 명의 직원이 특수 코딩 작업과 심층 연구 등 내부 업무에 아르곤을 쓰고 있다고 밝혔고, 두 가지 성과 사례를 들었습니다. 둘 다 구글의 자체 사례 설명입니다.

데이터센터 메모리 최적화

첫 번째 사례는 아르곤 에이전트의 데이터센터 메모리 최적화입니다. 적용 후 300 TiB 이상을 확보했고, 총 절감량은 500 TiB에서 1 PiB로 추산됩니다.

여기서 구분할 점이 있습니다. "300 TiB 이상 확보"는 적용 후 확보된 양이고, "500 TiB~1 PiB"는 총 절감량의 추산입니다. 하나는 확보된 값, 하나는 추산 범위입니다. 두 수치를 같은 층위로 섞어 읽으면 안 됩니다.

libgav1 Rust 포트의 SIMD 코드 대체

두 번째 사례는 libgav1 Rust 포트입니다. 구글에 따르면 SIMD 코드 32K줄을 대체해, 출력 영상은 같으면서 기존 Rust 포트보다 2.7배 빠른 메모리 안전 디코더를 만들었습니다.

이 사례를 읽는 법

두 사례는 구글이 구글 인프라와 구글 코드에서 얻은 결과입니다. 일반 사용자가 자기 프로젝트에 적용했을 때 같은 효과가 난다는 근거가 되지 않습니다. 메모리 절감량도, 2.7배라는 속도 배수도 그 환경과 작업 조건에서 나온 값입니다.

그럼에도 이 사례는 읽을 가치가 있습니다. 구글이 아르곤을 어떤 종류의 일에 쓰고 있다고 말하는지 보여주기 때문입니다. 대규모 인프라의 자원 최적화, 성능 민감 코드의 안전한 언어 이식처럼 범위가 크고 검증 기준이 분명한 작업입니다. 장기 업무 흐름이라는 발표 취지와 연결되는 대목입니다. 다만 이 사례들을 읽고 같은 작업을 맡길 수 있는지는 일반 공개 이후 직접 확인해야 합니다.

대상별로 본 영향: 누가 먼저 쓰고, 누가 기다리나

지금 실제로 쓸 수 있는 사람은 제한적이고, 나머지는 확대 순서를 기다리는 위치입니다. 대상별로 나눠 정리합니다.

Fairwind의 신뢰받는 방어 담당자와 신뢰받는 시험 사용자

초기 제공 대상입니다. 가드레일을 제거한 모델이 신뢰받는 방어팀에 제공된다는 구글 설명에 따라, 이 그룹은 일반 공개 이후의 형태와 다른 조건으로 모델을 접할 수 있습니다. 이들의 피드백이 가드레일 보완에 반영되고, 그 뒤에 확대가 이어진다는 흐름이 구글 설명입니다. 이 프로그램의 참여 조건이나 신청 방법은 이번 자료에 없습니다.

유료 API 고객과 Google AI Ultra 구독자

확대의 첫 번째 외곽 그룹입니다. 구글은 확대가 이 두 부류부터 시작한다고 밝혔습니다. 다만 일반 공개일이 명시되지 않았으므로 시작 시점을 말할 수 없습니다. 이미 유료 API를 쓰고 있거나 Ultra를 구독 중이라면 가장 먼저 연락이 올 수 있는 위치지만, 이것은 순서에 관한 설명이지 일정 약속이 아닙니다.

개발자

API 가격표가 이미 공개된 점이 실무 정보입니다. 도입기 입력 $2·출력 $10, 도입 기간 이후 입력 $4·출력 $20, 캐시된 입력 토큰 95% 할인이라는 구조를 알면 비용 모델을 미리 짤 수 있습니다. 특히 같은 지침이나 같은 문서를 반복 투입하는 설계라면 캐시 할인이 비용에 미치는 영향이 큽니다. 다만 실제 청구에서 도입기 가격이 적용될지는 확인이 필요합니다.

기업 지식 업무 담당자

구글은 금융·법률 등 기업 지식 업무를 주요 용도로 제시했습니다. 다만 이번 자료에는 금융·법률 업무에 대한 별도 평가 수치나 사례가 없습니다. 제시된 평가표는 소프트웨어와 보안 중심입니다. 따라서 이 영역의 성능은 용도 소개 이상으로 판단할 근거가 아직 없습니다.

일반 소비자

일반 소비자 대상 확대는 개발자·기업과 함께 뒤쪽 단계에 놓여 있습니다. 구글이 소비자 확대를 언급했지만 시기와 방식은 밝히지 않았습니다. 지금 할 수 있는 일은 기다리는 것이고, 기다리는 동안 따져볼 질문은 뒤의 "지금 해 볼 수 있는 것"에서 정리합니다.

가격 구조 읽기: 도입기와 이후 가격, 캐시 할인이 만드는 차이

가격표의 핵심은 도입 기간이 끝나면 입력·출력 단가가 모두 2배가 된다는 점입니다. 발표문 수치로 정리하면 다음과 같습니다.

계산으로 확인되는 것

수치로 직접 계산할 수 있는 내용은 이 정도입니다.

① 출력 단가는 입력 단가의 5배입니다. 도입기($2 대 $10)에도 도입 기간 이후($4 대 $20)에도 같은 비율입니다.

② 캐시 할인을 도입기 입력 가격에 적용하면 $2의 5%, 즉 100만 토큰당 $0.10입니다.

③ 같은 방식으로 도입 기간 이후 입력 가격에 적용하면 $4의 5%, 즉 100만 토큰당 $0.20입니다.

②와
③은 발표문의 "입력 가격 대비 95% 할인"을 기계적으로 계산한 값입니다. 캐시 적용 조건, 저장 비용 여부, 적용 가능 범위는 이번 자료에 없으므로 실제 청구액이 이 값과 같다고 단정할 수 없습니다.

비용 설계에서 볼 지점

출력 단가가 입력의 5배라는 구조는 설계에 영향을 줍니다. 출력 한도가 1M까지 열렸다고 해서 길게 받는 방식이 저렴하다는 뜻은 아닙니다. 출력이 길어질수록 비용이 입력보다 가파르게 늘어납니다. 긴 결과물을 받는 작업이라면 출력 분량을 먼저 계산해야 합니다.

반대로 같은 입력을 반복하는 구조에서는 캐시 할인 구조가 비용을 크게 줄일 여지가 있습니다. 이 부분은 계산으로 확인되는 만큼의 설명입니다.

그리고 한 번 더 강조할 사실이 있습니다. 도입 기간 종료일은 미공개입니다. 도입기 가격을 전제로 장기 예산을 확정하면 위험합니다. 예산을 짠다면 도입 기간 이후 가격($4/$20)을 기준선으로 두고, 도입기 가격은 변동 가능한 이점으로 보는 편이 안전합니다.

아직 확인되지 않은 것: 일반 공개일, 도입기 종료일, 확대 방식

이번 발표에서 날짜가 정해지지 않은 것이 가장 많습니다. 그래서 이 영역은 예측 없이 "모른다"고 쓰는 것이 정확합니다.

발표되지 않은 것

① 일반 공개일: 구글은 확대 순서만 밝혔고 구체적인 일반 공개일은 명시하지 않았습니다.

② 도입 기간 종료일: 도입기 가격이 언제까지인지 공개되지 않았습니다.

③ 도입기 가격의 현재 적용 여부: 2026년 10월 1일 현재 도입기 가격이 적용 중인지 공식 발표 페이지에서 확인되지 않았습니다.

④ 일반 이용자용 모델의 사이버 기능 범위: 가드레일 제거 모델은 방어팀과 구글 내부팀에 제공된다고만 설명됐고, 일반용에서 취약점 탐지·패치 기능이 어떤 형태로 제공될지는 밝혀지지 않았습니다.

⑤ 입력 컨텍스트 한도와 제품별 사용 가능량: 발표된 것은 출력 토큰 한도 수치뿐입니다.

⑥ 안전 조치의 효과: 네 가지 조치는 구글의 설명이고 독립 검증 결과는 이번 자료에 없습니다.

확정된 것

반대로 확정된 일정과 계획은 이렇습니다.

① 발표일은 2026년 9월 30일입니다.

② 초기 제공 대상은 Fairwind의 신뢰받는 방어 담당자와 신뢰받는 시험 사용자입니다.

③ 확대는 초기 사용자 피드백과 가드레일 보완 뒤 진행되며, 유료 API 고객과 Google AI Ultra 구독자부터 시작합니다.

④ 구글은 미국 정부의 자발적 출시 전 모델 접근 절차에 참여 중입니다.

이 이상의 일정은 추정하지 않습니다. "곧 풀릴 것이다"나 "몇 주 안에" 같은 표현은 근거가 없는 전망이어서 쓰지 않습니다. 확대 시점은 구글이 공식 발표 페이지에서 알리는 시점에 확인하는 것이 유일하게 정확한 방법입니다.

아르곤 공개를 앞두고 지금 해 볼 수 있는 점검 항목

지금 할 수 있는 일은 접근 권한 확인, 평가 기준 설계, 비용 모델 준비, 보안 점검 정리입니다. 모델이 열리기 전에 준비할 수 있는 항목만 골랐습니다.

1. 내 상황이 어느 단계에 해당하는지 확인

먼저 지금 자기 위치를 파악하세요.

① 유료 API 계정이 있는지

② Google AI Ultra를 구독 중인지

③ 사이버 방어 업무로 Fairwind 프로그램 대상에 해당할 가능성이 있는지

①이나
②에 해당하면 확대 시작 그룹입니다. 해당하지 않는다면 그 이후 단계에 놓입니다. 이 확인만으로 기다리는 기간의 기대치를 정할 수 있습니다.

2. 평가 기준을 미리 만들기

공개 벤치마크는 시험별로 결과가 갈렸습니다. 그래서 외부 점수보다 내 업무에 맞춘 소규모 평가 세트가 더 중요합니다. 만드는 순서는 이렇습니다.

Step 1. 자주 하는 작업 중 모델에 맡기고 싶은 유형을 5~10개 고릅니다.

Step 2. 각 작업의 정답 기준을 적습니다. 테스트 통과 여부, 리뷰어 수정 횟수, 소요 시간처럼 측정 가능한 기준이 좋습니다.

Step 3. 현재 쓰는 방식으로 같은 작업을 먼저 수행해 기준선 결과를 남깁니다.

Step 4. 모델이 열리면 같은 작업을 같은 조건으로 돌려 비교합니다.

벤치마크 점수가 아무리 높아도 이 비교를 대신할 수 없습니다. 아르곤이 DeepSWE에서 선두이고 Terminal-bench에서 뒤졌다는 사실이 말해주듯, 작업 유형이 달라지면 순위가 바뀌기 때문입니다.

3. 비용 모델 초안 짜기

발표된 가격표로 초안을 만들 수 있습니다.

① 작업 하나당 평균 입력 토큰과 출력 토큰을 추정합니다.

② 도입 기간 이후 가격($4/$20)을 기준선으로 월 예상 비용을 계산합니다.

③ 반복 투입되는 입력(공통 지침, 고정 문서)이 있으면 캐시 할인 구조를 반영한 시나리오를 따로 계산합니다.

④ 도입기 가격($2/$10)이 적용되는 경우를 별도 시나리오로 두되, 예산 확정에는 쓰지 않습니다.

출력 단가가 입력의 5배라는 점을 반영하면, 출력 분량을 줄이는 설계가 비용에 가장 큰 영향을 줍니다.

4. 에이전트 도입 시 보안 점검

에이전트가 외부 입력을 읽는 구조라면 안전 조치를 모델에만 맡기지 않는 편이 안전합니다. 구글의 안전 조치는 구글의 설명이고 독립 보증이 아니라는 점을 기억하세요. 점검할 항목은 다음과 같습니다.

① 에이전트가 읽는 외부 문서와 입력에 숨은 지시문이 섞일 가능성

② 에이전트에게 부여한 권한의 범위(읽기 전용인지, 쓰기·실행까지 가능한지)

③ 중요한 동작 전에 사람이 확인하는 단계가 있는지

④ 실행 기록이 남고 이상 동작을 중단시킬 수 있는지

④는 구글이 제시한 "추론·행동 감시와 필요 시 실행 중단"과 같은 발상입니다. 모델 쪽 조치와 별개로, 운영하는 쪽에서도 같은 장치를 갖추면 위험을 한 겹 더 줄일 수 있습니다.

5. 정보 확인 습관 정하기

일반 공개일과 도입 기간 종료일은 구글이 공식 발표 페이지에서 알려야 확정됩니다. 확인할 곳은 아래 참고 자료의 공식 페이지 세 곳입니다. 비공식 요약이나 날짜가 적힌 추측성 글은 근거가 없는 경우가 많으니 공식 페이지의 문구와 대조하는 습관이 필요합니다.

자주 묻는 질문

Q. 지금 일반 사용자가 아르곤을 써볼 수 있나요?

발표된 초기 제공 대상은 Fairwind 프로그램의 신뢰받는 사이버 방어 담당자와 신뢰받는 시험 사용자입니다. 일반 사용자에게 열렸다는 내용은 발표문에 없습니다. 확대는 유료 API 고객과 Google AI Ultra 구독자부터 시작한다고 했지만, 일반 공개일은 명시되지 않았습니다.

Q. 출력 토큰 한도 1M이면 긴 문서를 통째로 넣을 수 있다는 뜻인가요?

그렇게 읽으면 안 됩니다. 1M은 출력 토큰 한도에 관한 수치입니다. 입력으로 넣을 수 있는 분량(입력 컨텍스트 한도)과는 다른 이야기이고, 이번 발표 자료에는 입력 한도에 대한 수치가 없습니다. 모든 제품에서 같은 한도가 적용된다는 근거도 없습니다.

Q. 벤치마크에서 선두이면 도입을 서두르는 게 맞나요?

시험에 따라 결과가 갈렸습니다. DeepSWE v1.1과 CWE-bench v1에서는 선두권이지만 FrontierSWE v2와 Terminal-bench 4.0에서는 최고 점수가 아니었습니다. 평가표에는 자체 계산과 타사 자체 보고 점수가 섞여 있고 시험별 도구·설정도 다릅니다. 자기 업무와 가장 비슷한 조건에서 직접 비교해 보는 방법이 가장 확실합니다.

참고 자료

- blog.google: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/

- deepmind.google: https://deepmind.google/models/gemini/

- deepmind.google (평가 방법론): https://deepmind.google/models/evals-methodology/gemini-4-argon

마무리: 발표의 크기보다 제공 단계의 모양을 읽어야 한다

이번 발표에서 가장 오래 남는 정보는 점수가 아니라 제공 방식입니다. 구글은 능력을 공개하면서도 접근은 단계로 나눴습니다. 신뢰받는 방어팀에 먼저 열고, 가드레일을 보완한 뒤, 유료 API 고객과 Google AI Ultra 구독자부터 넓혀 가겠다는 순서입니다. 이 순서는 확정이고, 날짜는 미정입니다.

그리고 성능 수치는 선두와 비선두가 함께 있는 그림입니다. DeepSWE v1.1 77.9%와 CWE-bench v1 68.0%만 보면 앞선 모델처럼 보이고, FrontierSWE v2 55.0%와 Terminal-bench 4.0 57.4%만 보면 다른 인상이 됩니다. 둘을 같이 놓아야 정확한 그림이 됩니다.

정리하면 지금 단계에서 안전한 태도는 세 가지입니다. 확정된 것은 확정된 만큼만 믿고, 모르는 것은 모른다고 두며, 판단은 공식 페이지에서 일정이 나올 때 내 업무 기준으로 직접 확인하는 것입니다.