구글 제미나이 4 아르곤 공개: 100만 토큰 쓰기 능력과 기업 실무 성능 총정리

오픈AI 추격을 선언한 구글의 승부수와 제한적 공개의 막후

구글이 오랜 침묵을 깨고 차세대 대표 인공지능 모델인 ‘제미나이 4 아르곤(Gemini 4 Argon)‘을 전격 발표했다. 당초 제미나이 3.5 프로라는 이름으로 준비하던 플래그십 모델의 개발 방향을 전면 재조정해 내놓은 결과물이다. 구글이 제시한 자체 성능 평가에 따르면, 아르곤은 오픈AI의 GPT-6 아스트라와 앤스로픽의 클로드 오퍼스 5.5 등 현재 시장을 양분하고 있는 최상위 인공지능 모델들과 맞붙어 총 18개 시험 항목 중 13개 부문에서 단독 1위 혹은 공동 1위를 기록했다.

하지만 놀라운 점수 발표 이면에는 엄격한 공급 통제가 자리 잡고 있다. 일반 개발자나 일반 기업 고객은 지금 당장 이 모델을 사용할 수 없다. 미국 정부와의 사전 자율 규제 협약에 서명한 구글은 공인된 조기 검증 프로그램인 ‘페어윈드(Fairwind)’ 참여 기업과 극소수 파트너에게만 우선 문을 열었다. 구글 유료 API 사용자나 인공지능 울트라 요금제 구독자라 할지라도 순차 검증이 끝난 뒤에야 단계적으로 이용 권한을 얻게 된다.

업계에서는 이를 두고 구글이 과거의 출시 실수를 되풀이하지 않으려는 속도 조절로 해석한다. 완성도가 덜 다듬어진 상태에서 시장에 서둘러 풀었다가 환각 현상이나 보안 구멍으로 뭇매를 맞기보다, 사전 안전장치를 완벽히 다듬은 뒤 가장 비싼 프리미엄 시장부터 장악하겠다는 전략이다. 이번 공개는 단순한 모델 발표를 넘어 거대 기술 기업 간의 주도권 싸움이 연구실 벤치마크 경쟁에서 사무 자동화와 기업 내부 침투 경쟁으로 옮겨갔음을 상징한다.

13개 부문 석권과 10점 차 열세: 실제 숫자로 검증한 성능 격차

구글 제미나이 4 아르곤의 벤치마크 결과는 분야에 따라 희비가 뚜렷하게 엇갈린다. 사무 행정과 지식 노동, 장문 데이터 분석에서는 경쟁사를 여유 있게 따돌렸지만, 개발 현장에서 실제로 요구되는 시스템 터미널 제어나 극한의 코딩 과제에서는 경쟁 모델에 10점 안팎으로 뒤처지는 취약점을 드러냈다.

가장 두드러진 성과는 업무 자동화 도구 자피어(Zapier)의 자동화 벤치마크(AutomationBench)다. 아르곤은 51.3%의 성공률을 기록하며 앤스로픽 오퍼스 5.5를 8.9%포인트 앞섰다. 방대한 문맥 속에서 정보를 추적하는 그래프워크(GraphWalks, 256K–1M 토큰 구간) 시험에서도 84.2%를 기록해 오픈AI의 GPT-6 아스트라를 12%포인트 이상 격차로 밀어냈다. 법률 검토 능력을 측정하는 하비(Harvey) 법률 에이전트 시험에서는 19.6%를 기록해 경쟁사 대비 3배 가까운 점수를 얻었으나, 전체 작업의 5분의 1 정도만 완결하는 수준이어서 단독 실무 투입에는 여전히 한계가 있다.

반면 소프트웨어 엔지니어링 영역에서는 성적표가 극단적으로 갈렸다. 깃허브 이슈 해결 능력을 측정하는 DeepSWE v1.1에서는 77.9%로 업계 최고치를 경신했으나, 실제 터미널 환경을 다루는 Terminal-Bench 4.0과 차세대 코딩 시험인 FrontierSWE v2에서는 GPT-6 아스트라와 클로드 오퍼스 5.5에 각각 10.5점, 9.0점 뒤처지며 꼴찌를 기록했다.

기업 현장의 운영비용, 작업 소요 시간, 시스템 안정성에 미치는 파급력

구글 제미나이 4 아르곤의 출시는 기업의 인공지능 인프라 예산과 업무 흐름 전반에 구조적인 변화를 불러온다. 특히 입출력 토큰 가격 정책과 새롭게 추가된 기능은 현장 운영 방식에 직접적인 영향을 준다.

초기 도입 비용 할인과 이후 발생할 운영 예산 부담

구글은 출시 초기 프로모션 기간 동안 100만 입력 토큰당 2달러, 100만 출력 토큰당 10달러라는 파격적인 요율을 책정했다. 이는 기업들이 초기 파일럿 시스템을 구축할 때 테스트 비용을 크게 낮춰주는 효과가 있다. 하지만 프로모션 기간이 끝나면 가격은 입력 4달러, 출력 20달러로 정확히 2배 인상된다.

앤스로픽의 최상위 모델인 오퍼스 5.5의 출력 단가가 100만 토큰당 20달러라는 점을 고려하면, 장기적으로는 구글 역시 최고가 정책을 그대로 유지하겠다는 뜻이다. 하루 수천만 건의 데이터를 처리하는 금융이나 이커머스 기업이 출력 토큰 관리를 소홀히 할 경우, 월간 API 청구서 금액이 예상치의 서너 배를 훌쩍 뛰어넘는 예산 폭탄을 맞을 수 있다.

100만 출력 토큰이 가져올 작업 완료 시간 단축

아르곤의 가장 파괴적인 기술 혁신은 출력 토큰 상한선을 기존 6만 4천 개에서 100만 개로 단숨에 끌어올렸다는 점이다. 기존 모델들은 아무리 긴 문서를 읽을 수 있어도, 인공지능이 한 번에 써 내려갈 수 있는 글의 양이 짧아 긴 코드를 중간에 쪼개어 호출하거나 요약문을 여러 단계로 나누어 생성해야만 했다. 이 과정에서 파이프라인 대기 시간이 늘어나고 연결 부위마다 오류가 잦았다.

한 번에 100만 토큰을 출력할 수 있게 되면, 방대한 소프트웨어 전체 소스 코드를 단 한 번의 요청으로 처음부터 끝까지 리팩토링하거나 수백 페이지 분량의 분기 감사 보고서를 한 호흡에 작성할 수 있다. 작업 요청을 여러 번 쪼개어 호출하느라 소모되던 대기 시간이 사라지며, 전체 업무 처리 속도가 체감상 두세 배 이상 빨라진다.

터미널 명령어 처리 불안정과 안전장치 공백 리스크

터미널 환경 제어 점수가 경쟁사 대비 10점 이상 떨어진다는 점은 인공지능을 자율 운영 에이전트로 현장에 전면 배치하려는 기업에게 중대한 위험 요인이다. 서버 접속, 패키지 설치, 배포 스크립트 실행 등 시스템 엔지니어링 실무를 맡겼을 때 엉뚱한 명령어를 실행하거나 무한 루프에 빠질 위험이 여전히 존재한다.

구글은 내부 보안 점검과 페어윈드 참여 기업을 대상으로 사이버 보안 안전장치를 제거한 버전을 제한적으로 공급하고 있다. 이는 악성코드 탐지나 취약점 분석에는 유용하지만, 검증되지 않은 환경에서 자동 코드 패치를 맡길 경우 사내 시스템에 치명적인 장애를 유발할 수 있으므로 개발팀의 엄격한 교차 검증 절차가 필수적이다.

320억 달러 보안 결합과 충격을 완충하는 기업 적용 사례

구글은 모델 자체의 한계를 외부 전문 시스템과의 결합으로 돌파하고 있다. 대표적인 사례가 지난 3월 320억 달러(한화 약 44조 원)를 들여 인수한 클라우드 보안 기업 위즈(Wiz)와의 연계다.

구글은 위즈의 취약점 분석 프로젝트인 ‘스캔 포 굿(Scan for Good)‘에 아르곤을 전면 투입했다. 아르곤은 이전 세대 모델들이 전혀 잡아내지 못했던 전 세계 병원 의료 소프트웨어의 치명적인 보안 결함을 자율적으로 찾아내는 성과를 거두었다. 구글 자체 취약점 탐지 시험에서는 85.8%, 위즈의 침투 테스트 벤치마크에서는 70.9%를 기록했다. 이는 이전 세대 보안 특화 모델인 제미나이 3.8 플래시 사이버보다 12–14%포인트 이상 높은 수치다.

이러한 성공 사례는 아르곤을 어떤 방식으로 현장에 배치해야 하는지 명확한 답을 제시한다. 인공지능에게 모든 시스템 관리 권한을 백지위임하는 방식은 위험하지만, 특정 전문 소프트웨어 도구(Tooling)의 보조 엔진으로 엮어 백그라운드에서 보안 감사나 데이터 분석을 수행하게 만드는 방식은 이미 검증된 가치를 증명하고 있다.

제미나이 4 아르곤 도입 적합 대상 vs 도입 보류 대상 판정

아르곤은 모든 기업을 위한 만능 열쇠가 아니다. 비싼 요금과 뛰어난 장문 처리 능력, 그리고 불완전한 시스템 제어 능력이 공존하는 만큼, 자사의 주요 업무 특성을 냉정하게 따져 도입 여부를 결정해야 한다.

지금 즉시 도입해야 할 기업 (Fit 조건 3가지)

• 초장문 문서와 방대한 계약서를 다루는 금융·법무 조직: 수백 페이지에 달하는 투자 설명서나 인수합병 계약서를 한 번에 읽고, 중간 끊김 없이 완결된 분석 보고서 100만 토큰을 통째로 뽑아내야 하는 조직에 가장 완벽하게 부합한다.
• 클라우드 인프라 보안 감사를 자동화하려는 보안 전문 기업: 위즈와의 결합에서 입증되었듯, 숨겨진 취약점 발견율이 85%를 웃돌기 때문에 침해 사고 예방과 소프트웨어 소스 코드 전수 감사용 엔진으로 최상의 효율을 발휘한다.
• 자피어, 워크데이 등 사내 업무 자동화 연동을 추진하는 운영팀: 오퍼스 5.5를 9점 차로 제친 업무 자동화 벤치마크 성능 덕분에 이메일, 일정, 데이터베이스 간의 복합 연동 작업을 가장 낮은 오작동률로 처리할 수 있다.

도입을 보류하고 지켜봐야 할 기업 (Non-Fit 리스크 3가지)

• 터미널 환경에서 스스로 명령어를 치며 돌아가는 자율 코딩 에이전트 구축팀: Terminal-Bench 점수가 경쟁사 대비 10.5점 낮고 FrontierSWE v2에서 최하위를 기록했으므로, 리눅스 셸 제어나 복잡한 빌드 자동화 업무에 투입할 경우 오류 대응 비용이 더 커질 수 있다.
• 출력 토큰 단가 인상을 감당하기 어려운 고빈도 트래픽 서비스: 초기 프로모션이 끝나면 출력 요율이 100만 토큰당 20달러로 치솟는다. 단순 챗봇이나 짧은 질의응답 중심의 서비스라면 제미나이 플래시 제품군이나 오픈소스 소형 모델을 유지하는 편이 훨씬 경제적이다.
• 당장 검증된 상용 서비스를 운영해야 하는 기업: 현재 아르곤은 일반 개발자 대상 배포가 열리지 않은 상태다. 제한적 접근 프로그램에 기대어 무리하게 프로덕션 설계를 바꾸기보다는, 시장의 실전 피드백이 누적되고 정식 API가 출시되는 시점까지 현행 모델을 유지하는 것이 안전하다.