Gemini 4 Argon API: 100만 토큰 뒤에 숨겨진, 도입 시 흔히 부딪히는 5가지 함정

Beat API Team · 사양 및 요금 확인일: 2026년 10월 14일

Gemini 4 Argon API를 기존 에이전트에 통합하려면, 먼저 하나의 작업에 한정하여 마이그레이션하고 합격 조건과 총 비용을 확인해야 합니다. '100만 토큰'이라는 숫자만으로는 답변에 남길 수 있는 공간, 필요한 연결 방식, 실제 비용을 알 수 없습니다. 도입 시 흔히 부딪히는 5가지 함정을 사양 및 계산 예시를 통해 확인합니다.

• 입력, 내부 추론, 답변은 같은 컨텍스트 창을 사용합니다. 100만 토큰의 입력을 가지고 추가로 100만 토큰의 답변을 할당할 수는 없습니다.
• Google의 Interactions API에서 65,536 토큰을 초과하는 생성을 하려면 백그라운드 실행이 필요합니다.
• 긴 생성에서는 기존 내용을 다시 입력해야 합니다. 누적 청구 대상 입력과 현재 컨텍스트 길이는 별개의 값입니다.
• 사용량 항목은 통신 형식에 따라 다릅니다. 추론을 포함한 합계에 추론분을 또 더하면 이중 계산이 됩니다.
• 합격 조건을 충족하는 가장 낮은 추론 레벨을 선택하고, 성공적인 작업 한 건당 비용으로 비교해야 합니다.

대상은 코드 수정이나 문서 분석 에이전트를 운영하는 개발자입니다. 본 기사에서는 현재 사양, 마이그레이션 예시, 직접 재계산할 수 있는 비용 모델을 결합합니다. 필자는 BeatAPI를 개발하고 있습니다. 기사 제작에 있어 Argon에 대한 인증된 추론 요청, 속도 측정, 모델 품질 비교 실험은 진행하지 않았습니다. 코드는 연결용 틀이며, 수치는 가정한 입력을 기반으로 한 계산입니다.

9월 발표는 제한 공개에 대한 설명이었습니다. 반면, 10월 13일 업데이트된 개발자 자료에서는 API를 통한 사용을 안내하고 있습니다. 초기 기사를 그대로 마이그레이션 사양으로 사용하지 말고, 현재의 공식 가이드를 확인해야 합니다.

특히, 모델이 가진 능력과 실제로 호출하는 API 기능은 분리해서 생각할 필요가 있습니다.

공식 사양의 공통 창은 1,048,576 토큰이며, 일반적인 동기 생성 상한은 65,536입니다. 긴 생성을 활성화하더라도 입력을 제외한 나머지 공간을 초과할 수 없습니다. 공식 모델의 입력은 텍스트, 이미지, 비디오, 음성, PDF이며, 출력은 텍스트입니다. 이미지 생성이나 Live API 대응을 의미하지 않습니다. 모델 사양

생성에 남는 공간 = 1,048,576 - 입력 토큰
생성 공간 소모 = 내부 추론 + 표시되는 답변

입력이 900,000이라면 나머지는 148,576입니다. 200,000이라면 848,576입니다. 이는 산술적 상한일 뿐이며, 그 길이의 답변이 얻어진다는 약속은 아닙니다.

에이전트에는 두 가지 지표를 부여해야 합니다. '현재 구성 중인 컨텍스트의 길이'는 압축 판단에, '누적 청구 대상 입력'은 비용 계산에 사용합니다. 같은 변수로 관리하지 않는 것이 중요합니다.

Argon의 추론 레벨은 low, medium, high이며, Google의 초기값은 medium입니다. 추론 레벨은 생각하는 깊이를 조정하며, max_output_tokens는 추론과 답변의 합계를 잘라냅니다. 상한을 너무 작게 설정하면, 추론 중에 멈춰서 표시되는 답변이 거의 남지 않을 수 있습니다. 추론과 상한 사양

Google Interactions에서는 store: true와 previous_interaction_id

이를 사용함으로써 추론에 대한 서명(signature)을 포함한 상태를 서버 측에서 유지합니다. 상태를 직접 보유하는 방식에서는 반환된 사고 블록(thought block)을 변경하지 않고 다시 전송합니다. 표시용 사고 요약은 암호화된 서명의 대체재가 될 수 없습니다. 내장 도구의 결과에도 서명이 붙는 경우가 있습니다.

상태와 서명

호환 API에서는 해당 통신 형식으로 정해진 도구 결과 대응과 이력 관리를 사용합니다. 동시에, 입력, 확보한 자료(document), 도구 호출, 결과, 채택된 산출물을 독립적인 작업 기록에 저장합니다. 한 서비스의 interaction ID가 다른 서비스에서 복원할 수 있는 이력은 아닙니다.

도구 실행 후 통신이 끊긴 경우, 재시도하기 전에 실행 기록을 확인해야 합니다. 참조(read-only)만 하는 처리와 결제/파일 변경 처리를 같은 재시도 규칙으로 다루지 마십시오. 변경 사항에는 안정적인 작업 ID와 승인을 사용하고, 동일한 처리가 두 번 실행되지 않도록 설계합니다.

많은 에이전트는 짧은 왕복(round trip)을 반복합니다. 매번 거대한 답변 공간을 제공할 필요는 없습니다. 긴 생성이 필요한 경우는 한 번의 답변에 일반적인 공간 이상의 추론과 출력이 필요한 경우입니다. 채팅처럼 짧은 응답 시간이 필요한 경우나, 입력만으로 거의 공간을 채우는 요구에는 적합하지 않습니다.

Google Interactions에서는 background=True,
store=True,
65,536을 초과하는 생성 한도를 지정합니다. 수집된 텍스트를 성공 결과로 처리하기 전에 최종 상태를 판정합니다. 긴 생성의 처리 절차

import time
from google import genai
g = genai.Client() # GOOGLE_API_KEY / GEMINI_API_KEY 설정을 사용함.
...

이것은 Google API용이며, BeatAPI의 백그라운드 처리 예시는 아닙니다. 로컬 대기(waiting)가 종료되어도 원격 처리는 멈추지 않습니다. ID를 저장하여 가져오기를 재개하거나 명시적으로 취소해야 합니다. requires_action
은 도구 실행을, incomplete
은 한도나 추론 설정의 검토가 필요함을, failed
은 원인 조사가 필요함을 의미합니다. 상태를 구분하지 않고 다시 생성해서는 안 됩니다.

입력 12,000, 생성 150,000이라고 가정하면, 65,536 단위의 세 번의 연속으로 참조하는 입력은 다음과 같습니다.

1차: 12,000
2차: 12,000 + 65,536 = 77,536
3차: 12,000 + 131,072 = 143,072
...

이것은 간략화된 계산 예시입니다. 재입력의 일부가 캐시 대상이 되는 경우에도 실제 응답에서 확인한 사용량을 사용합니다. 배포 중인 usage가 누적값이라면, 업데이트 전 값에 더하지 않고 최신 값으로 대체해야 합니다.

Google Interactions는 total_output_tokens와 total_thought_tokens를 별도로 보고하며, 둘 다 과금 대상입니다. BeatAPI의 Gemini Chat Completions 사양에서는 completion_tokens가 추론을 포함하고, reasoning_tokens가 그 내역입니다. Google의 과금 설명・BeatAPI의 Gemini 사양

일반 입력 = 총 입력 - 캐시 입력
과금 대상 생성 = 표시 답변 + 추론 # Google Interactions
과금 대상 생성 = completion_tokens # Chat Completions

캐시 사용량이 0 이상이고, 총 입력 이하임을 검증합니다(0 <= cached_input <= total_input). 항목이 반환되지 않으면 '알 수 없음'으로 하고, 캐시가 없는 추정치를 할 경우 추정치임을 명시해야 합니다. 항목이 없다는 것을 히트율 제로의 확인 결과로 대체해서는 안 됩니다. 원래 usage도 저장하여 향후 사양 변경을 추적할 수 있도록 해야 합니다.

각 요청에 고정된 24,000 토큰과 새로운 3,000 토큰을 넣습니다. 1차는 캐시 없음, 2・3차는 고정 부분 전체가 히트했다고 가정합니다. 총 표시 답변을 12,000, 추론을 18,000이라고 하면, 일반 입력은 33,000, 캐시 입력은 48,000, 과금 대상 생성은 30,000입니다. 실측값이 아닙니다.

비용 = (일반 입력 × 입력 단가
+ 캐시 입력 × 히트 시 단가
+ 과금 대상 생성 × 출력 단가) / 1,000,000

Google의 날짜와 가격은 공식 요금표를, BeatAPI는 공개 모델 페이지를 기반으로 합니다. BeatAPI 측에서는 도입 가격 종료일을 고정하고 있지 않습니다. Google의 미래 일정을 그대로 BeatAPI에 적용하지 마십시오. 이 비교는 토큰 요금만 다루며, 기능의 동등성, 세금, 도구 비용, 품질 또는 미래의 가격을 보장하는 것이 아닙니다.

캐시가 없다면 Google 도입 가격으로 $0.462입니다. 캐시 입력 95% 할인이라도 이 예시 총액 절감은 약 19.7%에 그칩니다. 생성 비용이 대부분을 차지하기 때문입니다. 추론(inference) 18,000개를 누락하면 $0.1908이라는 과소평가된 견적이 되고, 반대로 Chat Completions 총합에 추론을 더하면 과대평가가 됩니다.

성공 한 건의 비용 = 실패/재시도 포함 전체 작업 비용 / 성공 건수

만약 한 번 $0.10이고 성공률이 50%라면 한 건당 $0.20, 한 번 $0.15이고 성공률이 90%라면 약 $0.167입니다. 이는 이름 있는 모델의 성능 비교가 아닙니다. 토큰 단가가 낮다는 것만으로는 운영상의 우열을 결정할 수 없다는 산술적 예시일 뿐입니다.

예를 들어, 결제 어댑터의 재시도 처리에서 발생한 버그를 조사하는 작업을 생각해 봅시다. 기밀 정보를 제외한 실패 테스트, 관련 코드, 공개 인터페이스 사양을 제공하고 수정안과 회귀 테스트를 요청합니다. 초기 단계에서는 도구를 파일 참조와 테스트 결과 획득에만 국한하고, 변경 적용은 사람이 확인합니다.

답변을 보기 전에, 성공 조건을 고정합니다.

• 수정안이 실패했던 동작을 수정하고 기존의 회귀 테스트를 통과시킨다.
• 공개 인터페이스를 유지하고 허가된 의존성만 사용한다.
• 도구 인수가 스키마와 일치하며, 결과가 원래 호출 ID에 대응한다.
• 실제 파일 위치를 제시하고 근거 없는 설명은 가설로 명시한다.
• 비용과 시간의 상한 내에서 끝나거나 재개 가능한 상태로 중단된다.

JSON이 올바른 것과 수정이 올바른 것은 별개입니다. 모델의 '테스트가 통과함'이라는 설명이 아니라, 실제 테스트 결과로 판정합니다.

기존 에이전트에서 OpenAI 클라이언트를 사용하고 있다면, BeatAPI의 Gemini 4 Argon API 페이지에서 모델 ID, 대응하는 연결 방식, 현재 요금을 확인할 수 있습니다. 다음은 그 OpenAI 호환 연결을 사용하는 틀입니다. API 키는 환경 변수에서 읽어옵니다.

import os
from openai import OpenAI
client = OpenAI(
...

격리된 환경에 openai를 설치하고, 자신의 task-fixture.txt를 준비합니다. 32,768은 마이그레이션 시 시작 값이며, 모든 연결처에 최적인 값은 아닙니다. 이 코드는 로컬에서 구문을 확인했지만, Argon에는 전송하지 않았습니다.

재현성 보장을 위해 temperature=0을 추가하지 마십시오. 최신 공식 가이드에서는 Argon이 temperature, top_p, top_k를 무시한다고 합니다. 호환 API 측에서 수락/거부/삭제 중 어떤 처리를 할지 확인하는 것도 필요합니다. reasoning_effort와 Google의 thinking_level 대응도, 변환 처리 과정을 조사하지 않고 가정해서는 안 됩니다.

고정된 평가용 작업 집합으로 검증하고, 철회 조건을 결정한 후 소량의 실제 트래픽에 적용합니다. 합격률, 도구 또는 형식 실패, 사용 가능한 답변까지 걸리는 시간, 최종 상태, 총 비용을 기록합니다. 변경이 수반되는 처리를 두 개의 모델로 비교할 때는 실제 처리 대신 모의 도구를 사용합니다.

이미지나 실시간 음성을 생성할 수 있나요? 공식 모델은 텍스트 출력이며, 이미지 생성 및 Live API에는 대응하지 않습니다. 입력 이해 능력과 생성 능력을 분리해서 생각해야 합니다.

100만 토큰을 매번 출력할 수 있나요? 입력과 추론에도 같은 프레임을 사용하고 실행 방식에 따른 상한선도 있기 때문에 불가능합니다.

모두 high로 설정해야 하나요? medium부터 시작하여 동일한 합격 조건으로 비교한 후 선택합니다.

답변의 글자 수만으로 비용을 추정할 수 있나요? 추론, 재입력, 실패, 외부 도구를 포함해야 합니다.

completed면 작업도 성공인가요? 모델의 생성 종료와 애플리케이션의 합격 판정은 별개입니다.

BeatAPI는 어디서부터 시작하나요? Gemini 4 Argon 연결/요금 페이지에서 통신 형식을 선택하고, 하나의 제한된 작업을 사용량과 함께 기록합니다. 고급 설정과 도구 작동을 확인한 후에 대상을 늘려가세요.