서론: 2026년 9월 30일, 구글은 새로운 최상위 모델을 사이버 방어자에게만 공개했다
2026년 9월 30일, Google DeepMind(구글의 AI 연구 개발 부문)는 새로운 최상위 모델인 'Gemini 4 Argon'을 발표했습니다.
다만, 누구나 사용할 수 있는 것은 아닙니다.
가장 먼저 접근 권한을 받은 곳은 구글이 사이버 방어를 위해 마련한 틀인 'Fairwind Program'에 참여하는 방어 측 조직들뿐입니다.
9월 30일 발표문에는 개발자, 기업, 일반 사용자에게 제공되는 시기는 '가능한 한 빨리(as soon as possible)'라고만 적혀 있을 뿐, 구체적인 날짜는 없었습니다.
(2026년 10월 23일 추가)
10월 13일, 구글은 개발자들에게 제공을 시작했습니다. Gemini API의 유료 트랙을 통해 Google AI Studio와 Android Studio에서 사용할 수 있게 되었습니다.
구글이 6월에 공개할 것이라고 예고했던 모델은 나오지 않았습니다.
8월에는 AI 부문의 체제가 크게 바뀌었습니다. 그 경위는 제1장에서 살펴보겠습니다.
세간의 질문은, 구글이 Anthropic과 OpenAI를 따라잡았는지, 아니면 아직 뒤처지고 있는지입니다. 저는 이 질문을 잠시 접어둡니다.
대신, 구글이 직접 공개한 비교표와 발표문을 나란히 읽습니다.
Argon이 타사 프론티어 모델에 승리하고 패배한 지점은 명확하게 갈립니다. 그리고 구글이 발표문에서 무엇을 이야기했는지도 파악할 수 있습니다.
제1장: 구글은 6월에 예고했던 Gemini 3.5 Pro를 내지 않고, 9월에 Gemini 4를 출시했다
구글의 새로운 프론티어 모델인 Argon이 나오기까지의 4개월을 구글 자체 문서만으로 추적해 보겠습니다.
5월 19일.
구글은 연례 개발자 컨퍼런스 'Google I/O'에서 Gemini 3.5 Flash를 공개했습니다. 같은 발표문에는 상위 모델인 3.5 Pro에 대해 다음과 같이 적혀 있습니다.
“3.5 Pro에도 전력을 다하고 있다. 이미 사내에서 사용 중이며, 다음 달 출시가 기대된다.” 여기서 '다음 달'은 6월을 의미합니다.
7월 22일.
실적 설명회에서 Google/Alphabet의 Sundar Pichai CEO는 “Gemini 3.5 Pro는 현재 테스트 중”이라고 말했습니다. 동시에 Gemini 4에 대해서는 “지금까지 가장 야심 찬 사전 학습(pre-training)을 시작했다”고 밝혔습니다. 사전 학습이란 모델의 기반을 만드는 대규모 학습을 의미합니다.
6월이라는 예고는 이 시점에서 지켜지지 않았습니다.
8월 5일.
Pichai CEO는 직원들에게 보낸 메모에서 AI 부문의 체제 변경을 공표했습니다.
- Google DeepMind를 이끌어 온 Demis Hassabis는 일상적인 운영을 떠나 Google DeepMind의 회장 및 Alphabet의 최고 과학자(Chief Scientist)가 되었습니다.
- Google DeepMind의 최고 기술 책임자였던 Corey Kutschhauer는 Pichai CEO 직속으로 Google DeepMind를 이끌며 Gemini 모델 개발을 총괄하게 되었습니다.
- 구글 연구를 오랫동안 지탱해 온 Jeff Dean과 Sanjeev Gemawat는 독립적인 공익 법인을 설립하게 되었습니다. 구글은 설립 초기 출자자로 참여합니다.
Pichai CEO는 같은 메모에서 “우리는 최첨단에 계속 머무르는 데 전력을 다하고 있으며, 개선이 필요한 분야에 집중하고 있다”라고 적었습니다.
CEO 자신이 '개선이 필요하다'고 인정한 형태입니다.
9월 30일.
Kutschhauer의 이름으로 Gemini 4 Argon이 발표되었습니다.
이러한 경위로부터 두 가지 해석이 나옵니다. 첫 번째는 “Gemini는 끝났다”라는 해석입니다.
@IT은 8월 21일 기사에서 이러한 시각이 확산되고 있다고 전했습니다. 두 번째는 구글이 도태된 것이 아니라, 스스로 '탈퇴'했다는 해석입니다. AI 논평을 발신하는 Alberto Romero가 7월 28일에 주장한 바입니다.
로메로의 가설에 따르면, OpenAI와 Anthropic이 목표하는 “AI가 다음 AI를 만드는 연구 자동화”를 Hassabis는 범용 인공지능(AGI)으로 가는 올바른 길이라고 생각하지 않습니다. 구글은 그 경쟁에서 의도적으로 거리를 두었다는 것입니다.
다만, 로메로 자신은 이것이 “정보에 기반한 추측”이라고 밝히고 있습니다.
@IT “구글은 AI 경쟁에서 졌는가? '최강의 AI'가 아닌 'AI의 전력망'을 선택하는 도박”
Alberto Romero “The Actual Reason Why Google “Fell Out” of the AI Race Changes Everything”
제2장: 구글은 자체 비교표에 19가지 잣대를 나열했고, 13개에서 승리하고 5개에서 패배했다
AI의 능력은 벤치마크(benchmark)라고 불리는 시험으로 측정된다.
나는 이것을 '잣대'라고 부른다.
이 잣대가 다르면, 같은 AI 모델의 순위도 달라지기 때문이다.
Google DeepMind는 Argon 모델 소개 페이지에 비교표를 게재하고 있다.
비교 대상은 세 가지이다. OpenAI의 GPT-6 Astra와 Anthropic의 Claude Fable 5.1 및 Claude Opus 5.5다.
표에 나열된 잣대는 총 19개이며 (긴 문장 처리를 측정하는 GraphWalks는 글자 수별로 2개 항목으로 분리되어 있다).
Argon이 1위를 차지한 것은 13개, 공동 1위는 1개(취약점 수정 능력을 측정하는 CWE-bench v1에서 Astra와 동일하게 68.0%), 그리고 1위를 놓친 것이 5개이다.
Google은 이 잣대들을 분류하여 표에 배열하고 있다.
분류별로 살펴보면, 승패의 편향이 명확하게 드러난다.
Googleの分類ごとのArgonの結果
Google Gemini 4 Argon 벤치마크표
(출처: Google DeepMind 'Gemini' 모델 소개 페이지 (Gemini 4 Argon 비교표))
지식 노동 관련 잣대는 Vals Index, AutomationBench, Vals Finance Agent v2, Harvey's Legal Agent Benchmark이다. 이는 금융, 법무, 업무 자동화 등 직종의 작업을 완수할 수 있는지를 측정하는 잣대다.
나는 이를 '업무 잣대'라고 부른다.
네 가지 수치는 모두 Google이 아닌, AI 평가를 담당하는 제3자 Vals AI와 업무 자동화 서비스 Zapier가 공개한 순위표에서 가져온 것이다.
한 가지 밝혀두어야 할 점이 있다.
이 표의 수치들은 잣대마다 출처가 다르다. 타사 수치는 원칙적으로 각 사가 자체 공표한 값이나, 잣대를 운영하는 주체가 공개한 순위표의 값이다. Argon 수치의 일부는 Google이 직접 측정한 것이다.
모두가 같은 시험장에서 동시에 치른 결과가 아니다. 표를 통해 읽을 수 있는 것은, Google이 자신의 기준으로 배열한 승패 분포까지에 지나지 않는다.
図1
그림 1: Argon은 업무 잣대에서 전승(全勝)하고, 5개 항목에서 패배했다
나는 지난 6월에 '지능만으로는 더 이상 경쟁 축이 아니다'라고 글을 썼다.
어떤 모델이 가장 똑똑한가라는 평가 기준만으로는 이미 승패를 가릴 수 없다는 분석이다. Argon의 표는, 그 평가 기준만으로는 승패를 결정할 수 없는 상황을 한 장에 보여주고 있다. 승패는 잣대마다 나뉘어 있다.
제3장: Argon이 패배한 5가지 잣대는 모두 AI가 단말기나 PC를 직접 조작하여 작업을 진행하는 능력을 측정하고 있었다
Argon이 1위를 놓친 5가지 잣대는 분류상으로는 네 가지 범주에 걸쳐 있다. 하지만 각각이 무엇을 측정하는지 운영자의 설명을 통해 확인해보면, 공통점이 나타난다.
Argonが首位を逃した５つの物差し
Google Gemini 4 Argon 벤치마크표
(출처: Google DeepMind 'Gemini' 모델 소개 페이지 (Gemini 4 Argon 비교표))
(출처: Google DeepMind 'Gemini 4 Argon Model evaluation: Approach, methodology & results')
(출처: Proximal Labs 'FrontierSWE v2' (GitHub))
(출처: aisa-group 'PostTrainBench: Can LLM Agents Automate LLM Post-Training?')
5가지 모두 AI가 단말기나 PC를 스스로 조작하여 작업을 진행할 수 있는지를 측정하고 있다. 나는 이를 '운영 능력 잣대'라고 부른다.
제2장에서 명명한 '업무 잣대'가 완성된 결과물을 평가하는 것이라면, 이 잣대는 측정하는 장소가 다르다.
5가지 중 2개는 AI의 연구 개발 자체와도 관련이 있다.
PostTrainBench 운영자는 이 시험이 AI 에이전트의 연구 개발 능력을 측정하는 것임을 설명하고 있다.
FrontierSWE v2 역시 과제 분류에 'AI 연구'를 포함한다.
다만, 여기서 지나치게 말해서는 안 된다.
운영 능력 잣대에서 Argon이 모두 패배한 것은 아니다.
Google의 비교표에서는 장기간의 소프트웨어 개발을 측정하는 DeepSWE v1.1에서 Argon이 77.9%로 1위였다. 같은 표에서 실제 업무용 소프트웨어로 복잡한 작업을 수행할 수 있는지를 측정하는 Agent's Last Exam에서도 Argon이 39.5%로 1위였다.
(출처: Google DeepMind 'Gemini' 모델 소개 페이지 (Gemini 4 Argon 비교표))
OpenAI「GPT-6 Astra: A new generation of intelligence」
정확히 말하자면 이렇다.
Argon이 패배한 5가지 지표는 모두 '조작(Operation)'의 물꼬였다.
하지만, 모든 조작의 물꼬에서 패배한 것은 아니다.
제4장: Google은 발표문으로 승리한 물꼬만 이야기했고, OpenAI는 발표문 초반에 조작의 물꼬를 나열했다
Argon의 비교표는 모델 소개 페이지에 있다.
그렇다면, 발표문 본문에서는 Google이 어떤 물꼬를 언급했는가?
발표문에서 Argon의 성적으로 이름이 거론된 공개적인 물꼬들은 DeepSWE v1.1, Vals Index, Vals Finance Agent v2, Harvey's Legal Agent Benchmark, AutomationBench, LVBench(긴 영상 이해), CWE-bench v1, Gray Swan의 IPI 벤치마크(AI가 읽는 문서에 숨겨진 지시로 AI를 조작하는 공격에 대한 내성)이다.
이 모든 물꼬에서 Argon은 선두 또는 공동 선두에 섰다.
반면, Argon이 패배한 5가지 물꼬는 발표문 본문에 단 한 번도 등장하지 않는다.
그 5가지는 모델 소개 페이지의 표에만 실려 있다.
나는 이 차이를 '언급된 물꼬'와 '나열된 물꼬'라고 부른다.
Google은 패배를 숨긴 것이 아니다. 표에는 나열하고 있다.
단지, 언급하지 않았을 뿐이다.
발표문에서 가장 비중 있게 다룬 것은 Vals Index였다.
Google은 Vals Index를 '금융·코딩·법무·세무 업무에 대한 경제적 영향을 측정하고, 각 분야를 미국 국내총생산(GDP) 기여도로 가중치를 부여하는' 물꼬라고 소개했다.
Vals Index의 운영 회사인 Vals AI가 공개한 계산식은 다음과 같다.
Vals Index ＝（8.0×금융 + 5.6×코딩 + 1.2×법무 + 0.5×세무）÷ 15.3
금융의 가중치는 15.3 중 8.0으로, 전체의 약 52%를 차지한다.
코딩 부문에는 Argon이 패배한 Terminal-bench 4.0도 포함되어 있다.
그럼에도 불구하고 Argon은 10월 2일 기준으로 68.90%로 선두였다.
Argon의 약한 물꼬들은 지수 안에 포함되어 있으면서, 금융 가중치 속에서 희석되고 있다.
(2026년 10월 23일 추가)
Vals AI는 10월 19일에 지수를 v2.2로 개정했다. 10월 21일 업데이트된 페이지에서는 Argon이 69.24%로 3위이다. 선두는 Claude Sonnet 5.5(70.85%), 2위는 Claude Opus 5.5(70.18%)이다.
비교할 것은 OpenAI가 GPT-6 Astra의 발표문에서 무엇을 이야기했는지다.
발표문 초반에 나열된 그래프는 5가지가 있었다.
Terminal-Bench Science 0.1, ARC-AGI-3, FrontierMath Tier 4, Terminal-Bench 4.0, AutomationBench이다.
ARC-AGI-3은 처음 접하는 환경에서 과제를 해결하는 능력을 측정하는 물꼬이며, FrontierMath Tier 4는 수학적 물꼬이다.
본문 초반에서는 FrontierMath Tier 4에서 98%, ARC-AGI-3에서 99.9%, ExploitBench에서 100%라고 적었다. ExploitBench는 알려진 취약점을 실제로 작동하는 공격 코드로 변환할 수 있는지 측정한다.
OpenAI는 Argon이 패배한 조작의 물꼬 중 2가지(Terminal-Bench 4.0과 Terminal-Bench Science 0.1)를 자사의 발표문 초반에 배치했다.
図2
그림 2: Google과 OpenAI는 거의 다른 물꼬들을 이야기했다
발표문에서 어떤 물꼬를 전면에 내세우는지는 어느 회사든 선택할 수 있다.
OpenAI도 Google도, 자사의 비교에서 선두에 선 물꼬를 선택했다.
다른 점은, 선택한 물꼬의 종류이다. Google은 업무 관련 물꼬를 이야기했고, OpenAI는 조작의 물꼬와 추론의 물꼬를 내세웠다.
제5장: 5가지 패배가 Google이 AI에 단말기나 PC를 조작시키는 개발에서 손을 뗀 증거가 될 수는 없다
제4장까지의 분석만으로, 그대로 'Google은 조작 경쟁에서 물러났다'고 해석하는 것은 오류이다. 이유는 세 가지가 있다.
첫 번째 이유. Google 스스로가 그렇게 발언하지 않았다.
피차이(Pichai)는 8월 5일 메모에서 최첨단에 머무르기 위해 전력을 다하고, 개선이 필요한 분야에 집중하고 있다고 적었다.
Argon 발표문에서도 Google 엔지니어가 일상적인 디버깅부터 대규모 코드 마이그레이션까지 Argon을 사용하고 있다고 언급한다.
사내에서는 C 언어 또는 C++로 작성된 코드를 Rust라는 언어로 옮기는 작업에 Argon을 사용하며, Fuchsia Zircon 커널(OS의 핵심 부분)에서는 80만 줄이 넘는 규모에 달한다고 한다.
Google (Koray Kavukcuoglu) “Gemini 4 Argon: our next era of frontier intelligence”
Google (Sundar Pichai・Demis Hassabis) “The next chapter of our AI momentum”
두 번째 이유. 조작의 척도에서도 우위를 점하는 부분이 있다.
제3장에서 보았듯이, DeepSWE v1.1과 Agent's Last Exam에서는 Argon이 선두를 차지했다.
세 번째 이유. 비교표 자체가 중립적인 시험 결과가 아니다.
수치의 출처는 척도마다 각 사의 공시 값, 운영자의 순위표, Google의 측정으로 나뉘어 있다. 측정 조건이 갖춰지지 않은 이상, 몇 포인트 차이로 확정된 우열을 읽기는 어렵다.
다만, PostTrainBench는 Google이 모든 모델을 동일한 조건(GPU 1대・10시간)에서 측정했다는 점(LABBench2와 GraphWalks도 마찬가지이다). 이 척도에서의 패배는 측정 방식의 차이로 설명할 수 없다.
그렇다면 제1장에서 소개된 로메로 씨의 가설은 어떨까. 로메로 씨는 Google이 AI를 통한 연구 자동화 경쟁에서 거리를 두었다고 해석했다.
Argon 표에서는 AI 연구 개발과 관련된 두 가지 척도(PostTrainBench와 FrontierSWE v2)에서 Argon이 선두 자리를 놓치고 있다.
분포는 로메로 씨의 가설과 모순되지 않는다.
하지만, 모순되지 않는 것과 증명된 것은 다르다.
패배의 이유가 Google의 선택인지, 단순히 아직 도달하지 못한 것인지는 표가 구별할 수 없다. 피차이 씨가 개선에 집중하고 있다고 언급한 이상, 나는 '경쟁에서 물러났다'고 쓰지 않는다.
9월 30일 기준으로 말할 수 있는 것은 다음 두 가지뿐이다.
-
Argon은 업무 척도에서는 선두를 차지했지만, 조작 척도 5개에서는 선두 자리를 놓쳤다.
-
Google은 발표문에서 업무 척도를 이야기했다.
제6장: 당신의 업무에 적용할 두 가지 질문
Argon 표는 Google의 이야기가 끝나지 않는다.
AI를 선택하는 사람에게 교훈이 있다. AI 평가는 어떤 척도로 측정하느냐에 따라 달라진다. 그러므로, 선택하기 전에 자신의 척도를 정할 필요가 있다.
질문 ①: 당신이 AI에게 맡기고 싶은 업무는 무엇으로 평가되는가?
완성된 분석・문서・판단으로 평가되는 업무라면, 봐야 할 것은 업무 척도이다.
단말기나 컴퓨터를 조작하여 작업을 진행하는 것 자체가 업무라면, 봐야 할 것은 조작 척도이다.
Argon 표로 말하자면, 전자는 Argon이 선두에 섰고, 후자 중 5개에서는 타사가 우위에 있었다.
질문 ②: 당신이 비교하고 있는 것은 누구의 이야기하는 척도인가?
AI를 파는 회사(벤더)의 발표문은 그 회사가 이긴 척도를 말한다.
제4장에서 보았듯이, Google도 OpenAI도 그러하다.
발표문의 수치가 아니라, 자신의 업무와 가까운 척도의 수치를 표 속에서 찾아 비교해야 한다.
図3
그림 3: 업무 평가 방식이 봐야 할 척도를 결정한다
실은, 질문 ①의 답은 업무의 어느 부분을 AI에 맡기고, 어느 부분을 사람이 담당하느냐에 따라 달라진다. 사람이 처음 10%에서 방향을 정하고, 마지막 10%에서 판단하며, 중간의 80%를 AI에게 맡긴다.
나는 이 배분을 '인간과 AI의 공창 황금비 「10:80:10 법칙」'이라고 부른다.
종장: Google의 발표문은 이용자에게 어떤 척도로 측정되기를 원하는지를 보여주었다
Gemini 4 Argon은 어디서 이기고, 어디서 패배했을까?
답은 Google 자신의 문서 안에 있었다.
Argon은 금융・법무・업무 자동화와 같은 업무 척도에서 선두에 섰다. 단말기나 컴퓨터를 스스로 조작하여 작업을 진행하는 조작 척도에서는 5개에서 선두 자리를 놓쳤다.
그리고 Google은 발표문에서 업무 척도를 이야기했고, 조작 척도는 표에 올리는 데 그쳤다.
Vals AI는 Vals Index 분석을 통해 지수를 구성하는 모든 척도에서 선두에 서는 모델은 하나도 없다고 적고 있다.
최상위 AI 모델 간의 경쟁은 더 이상 하나의 순위로는 이야기할 수 없다.
**척도마다, 선두가 바뀐다.
따라서, “구글이 탈락했는지, 따라잡았는지”라는 질문은 질문의 틀 자체가 부족합니다. 단 하나의 순위를 전제로 한 질문이기 때문입니다.
진정으로 물어야 할 것은 각 회사가 사용자들에게 어떤 잣대로 측정되기를 바라고 있는가 하는 점입니다.
제가 구조적으로 판단한 내용은 다음과 같습니다.
9월 30일의 구글은 GDP로 가중치를 부여한 작업의 잣대 위에 서서, 그 잣대를 이야기했습니다.
OpenAI는 GPT-6 Astra 발표문에서 조작(Operation)과 추론(Reasoning)이라는 잣대를 내세웠습니다.
두 회사는 같은 하나의 순위를 다투고 있는 것이 아닙니다.
어떤 잣대가 시장의 기준이 될 것인지를 다투고 있습니다.
그 승부는 아직 결정되지 않았습니다.
9월 30일 시점에서는 Argon이 개발자나 기업에게 제공되는 날짜조차 정해지지 않았었습니다.
(2026년 10월 23일 추가)
10월 13일, 구글은 개발자를 대상으로 제공을 시작했습니다.
참고 문헌
https://openai.com/index/gpt-6-astra/ - aisa-group, "PostTrainBench: LLM 에이전트가 LLM 사후 훈련을 자동화할 수 있는가?" (GitHub)
https://github.com/aisa-group/PostTrainBench - Vals AI 「Vals Index」v2.1 (2026년 10월 2일 참조), v2.2 (2026년 10월 21일 업데이트)
논의
