Gemini 2.0 Flash 시리즈 완전 폐지: 3.5/3.1로의 이행 절차 정리

2026년 6월 1일부로, Google의 **Gemini 2.0 Flash 계열 모델 4종이 셧다운(Shut Down)**되었습니다. 대상 모델을 사용 중인 코드는 즉시 동작을 멈춥니다.

⚠️ Breaking Change

gemini-2.0-flash, gemini-2.0-flash-001, gemini-2.0-flash-lite, gemini-2.0-flash-lite-001 4개 모델이 2026년 6월 1일부로 셧다운되었습니다. 기존 코드가 동작하지 않게 되므로, 지금 바로 이행(Migration) 대응이 필요합니다.

📌 영향을 받는 사람

• Gemini API를 직접 호출하고 있는 앱·서비스 개발자
• LangChain, LlamaIndex 등 LLM 프레임워크를 통해 Gemini 2.0 계열을 사용 중인 개발자
• Google AI Studio를 통해 모델명을 하드코딩(Hard-code)하고 있는 프로젝트

Gemini 2.0 Flash는 '빠르고 저렴한' 비용 효율이 높은 모델로서 많은 프로덕션(Production) 시스템에서 채택되어 왔습니다. 이번 폐지는 이행 유예 기간이 없기 때문에, 이미 운영 환경에서 장애가 발생하고 있는 케이스도 있을 것으로 생각됩니다.

이번 변경을 모델의 세대 이행이라는 관점에서 정리하면 다음과 같습니다.

폐지된 Gemini 2.0 Flash 계열에서 Gemini 3.x 계열로의 점프가 됩니다. Google은 세대를 하나 건너뛰는 형태로 후속 모델을 제공하고 있으며, 성능 면에서의 큰 향상을 기대할 수 있습니다.

모델명	상태	대체 모델
gemini-2.0-flash	🔴 Shut Down	gemini-3.5-flash
gemini-2.0-flash-001	🔴 Shut Down	gemini-3.5-flash
gemini-2.0-flash-lite	🔴 Shut Down	gemini-3.1-flash-lite
gemini-2.0-flash-lite-001	🔴 Shut Down	gemini-3.1-flash-lite

gemini-3.5-flash (gemini-2.0-flash 계열의 후속)

• 고속·저비용에 더해, 멀티모달 (Multimodal) 성능이 대폭 강화
• 장문 컨텍스트 (Context) 처리·함수 호출 (Function Calling) 정밀도 향상
• gemini-2.0-flash와 비교하여, 많은 벤치마크 (Benchmark)에서 스코어 향상

gemini-3.1-flash-lite (gemini-2.0-flash-lite 계열의 후속)

• 더욱 경량화·저비용 설계를 유지하면서 품질 향상

• 대량 배치 (Batch) 처리·고빈도 API 호출 유스케이스에 최적

• gemini-2.0-flash-lite로부터 거의 호환되는 사용감으로 이행 가능

• 코드베이스 검색
  gemini-2.0-flash를 키워드로 하여, 하드코딩된 모델명을 모두 찾아낸다

• 모델명 교체
  gemini-2.0-flash → gemini-3.5-flash
gemini-2.0-flash-001 → gemini-3.5-flash
gemini-2.0-flash-lite → gemini-3.1-flash-lite
gemini-2.0-flash-lite-001 → gemini-3.1-flash-lite

• 환경 변수·설정 파일 업데이트
  .env, config.yaml, CLAUDE.md 등 설정 파일에 모델명이 기재되어 있는 경우도 잊지 말고 업데이트한다

• 스테이징 (Staging) 환경에서의 동작 확인
  응답(Response) 형식·정밀도·레이턴시 (Latency)에 변화가 없는지 테스트한다

• 운영 환경 배포 (Production Deploy)
  문제가 없다면 운영 환경을 업데이트한다

Before (동작 정지)

import google.generativeai as genai
model = genai.GenerativeModel("gemini-2.0-flash") # ❌ Shut Down
response = model.generate_content("こんにちは")
...

After (정상 동작)

import google.generativeai as genai
model = genai.GenerativeModel("gemini-3.5-flash") # ✅ 권장 마이그레이션 대상
response = model.generate_content("こんにちは")
...

Before (작동 정지)

from google import genai
client = genai.Client()
response = client.models.generate_content(
...

After (정상 동작)

from google import genai
client = genai.Client()
response = client.models.generate_content(
...

Before (작동 정지)

import { GoogleGenerativeAI } from "@google/generative-ai";
const genAI = new GoogleGenerativeAI(process.env.API_KEY!); 
const model = genAI.getGenerativeModel({ model: "gemini-2.0-flash-001" }); // ❌ Shut Down
...

After (정상 동작)

import { GoogleGenerativeAI } from "@google/generative-ai";
const genAI = new GoogleGenerativeAI(process.env.API_KEY!); 
const model = genAI.getGenerativeModel({ model: "gemini-3.5-flash" }); // ✅ 권장 마이그레이션 대상
...

Before (작동 정지)

from langchain_google_genai import ChatGoogleGenerativeAI
llm = ChatGoogleGenerativeAI(model="gemini-2.0-flash") # ❌ Shut Down
response = llm.invoke("タスクの説明をしてください")

After (정상 동작)

from langchain_google_genai import ChatGoogleGenerativeAI
llm = ChatGoogleGenerativeAI(model="gemini-3.5-flash") # ✅ 권장 마이그레이션 대상
response = llm.invoke("タスクの説明をしてください")

💡 팁

LangChain이나 LlamaIndex를 사용하는 경우, 모델명을 환경변수로 관리해 두면 다음 폐지 시 설정 파일의 변경만으로 충분하여 마이그레이션 비용을 대폭 줄일 수 있습니다.

항목	내용
변경 종류	모델 폐지 (Breaking Change)
...
포인트 요약:

즉시 대응 필요 — 폐지는 이미 진행되었으며, 대상 모델로의 API 호출은 오류가 발생합니다. -
마이그레이션 자체는 간단함 — 모델명만 변경하면 대부분의 케이스에서 대응 가능합니다. -
신모델은 고성능임 — 2.0 → 3.x 세대 점프를 통해, 동일 비용대에서 성능 향상을 기대할 수 있습니다. -
설정 외부화를 권장함 — 모델명을 환경변수로 관리함으로써, 미래의 폐지에도 신속하게 대응할 수 있습니다.

만약 이미 운영 환경에서 오류가 발생하고 있다면, 위의 코드 예시를 참고하여 모델명을 변경한 후, 신속히 배포해 주십시오.