Google은 세 개의 Gemini Flash 모델을 출시했지만, 3.5 Pro는 여전히 지연되고 있습니다. 효율성 향상이 OpenAI 및 Anthropic과의 프론티어(frontier) 격차를 좁히지는 못하고 있습니다.

Google은 2026년 7월 28일에 세 개의 Gemini Flash 모델을 출시했으나, 플래그십 모델인 3.5 Pro는 여전히 출시가 지연되고 있습니다. Gemini 4 사전 학습 (pretraining)이 시작되는 동안, 이 회사는 OpenAI, Anthropic 및 중국 연구소들에 프론티어 영역을 내어주고 있습니다.

주요 사실 (Key facts)

• Gemini 3.6 Flash는 DeepSWE에서 토큰 사용량을 65% 절감합니다.
• 가격: 입력 토큰 100만 개당 $1.50, 출력 토큰 100만 개당 $7.50.
• 3.5 Pro 지연; Gemini 4 사전 학습 (pretraining) 진행 중.
• 3.5 Flash-Lite: 초당 350개 출력 토큰.
• DeepSWE 성능이 3.5 Flash 대비 37%에서 49%로 향상되었습니다.

Google은 Gemini Flash 제품군의 세 가지 새로운 모델인 3.6 Flash, 3.5 Flash-Lite, 그리고 사이버 보안 모델인 3.5 Flash Cyber를 발표했습니다. 이번 발표에 묻혀 있는 사실은 Google이 기대했던 플래그십 모델인 Gemini 3.5 Pro가 여전히 파트너들과 독점적으로 테스트 중이며, "준비되는 대로 즉시" 출시될 것이라는 점입니다. The Decoder에 따르면

Google은 Gemini 4의 사전 학습 (pretraining)이 이미 진행 중이며, 이를 지금까지의 "가장 야심 찬 학습 과정"이라고 부르고 있습니다. 이는 피해 복구 (damage control)처럼 들리며, Google이 시장의 기대치를 알고 있지만 아직 이를 충족시키지 못하고 있다는 점을 명확히 보여줍니다.

핵심 요약 (Key Takeaways)

• Google은 세 개의 Gemini Flash 모델을 출시했지만 3.5 Pro는 여전히 지연되고 있습니다.
• 효율성 향상이 OpenAI 및 Anthropic과의 프론티어 (frontier) 격차를 좁히지는 못합니다.

프론티어의 도약이 아닌 효율성의 향상

Gemini 3.6 Flash는 3.5 Flash보다 출력 토큰을 약 17% 적게 사용할 것으로 예상되며, DeepSWE와 같은 벤치마크에서는 절감률이 65%에 달합니다. Google은 가격을 입력 토큰 100만 개당 $1.50, 출력 토큰 100만 개당 $7.50로 인하하여, 3.6 Flash가 벤치마크에서 지속적으로 능가하는 이전 3.1 Pro 모델보다 훨씬 저렴하게 만들었습니다.

Google은 또한 3.5 Flash 대비 성능 향상을 보고했습니다. DeepSWE는 37%에서 49%로, MLE Bench는 49.7%에서 63.9%로, OSWorld-Verified는 78.4%에서 83%로 상승했습니다. GDPval-AA v2 지식 작업 (knowledge work) 벤치마크는 1,349점에서 1,421점으로 개선되었습니다. Computer Use는 이제 Gemini API 및 Gemini Enterprise의 내장된 클라이언트 측 도구로 제공됩니다. Google은 또한 CBRN 오용 및 사이버 공격에 대응하기 위해 더 강력한 프런티어 안전 (Frontier Safety) 보호 조치를 추가했습니다.

멀티모달 (multimodal) 작업에서의 성능 향상과 100만 토큰의 컨텍스트 윈도우 (context window)에도 불구하고, Google은 여전히 미국과 중국 경쟁사들의 최고 모델들에 뒤처져 있습니다. 기술 스태프의 일원인 Logan Kilpatrick은 X(구 트위터)를 통한 비판에 대해, 명시적인 목표는 효율성, 사용성 및 비용 절감이었으며, 그 과정에서도 성능은 여전히 향상되었다고 답했습니다.

부재 중인 프런티어 모델

Gemini 3.5 Flash-Lite는 낮은 지연 시간 (low latency)과 높은 처리량 (high throughput)에 최적화되어, 100만 입력 토큰당 $0.30의 비용으로 초당 350개의 출력 토큰을 생성합니다. 3.5 Flash Cyber 모델은 잠재적 위험으로 인해 정부 및 선정된 파트너에게만 제한적으로 제공됩니다. 하지만 Pro급 모델의 부재로 인해 Google은 OpenAI의 GPT-4o나 Anthropic의 Claude Opus 4.6에 대응할 경쟁력 있는 해답을 갖지 못하게 되었습니다. [The Decoder에 따르면], Pro 모델 없이는 Google이 더 유능한 프런티어 모델을 앞세워 나가는 OpenAI, Anthropic, 그리고 심지어 Meta에게도 뒤처지고 있습니다.

Zwei Balkendiagramme zum durchschnittlichen Output-Token-Verbrauch pro Aufgabe: In DeepSWE v1.1 fällt er von 276K auf 97K, im Artificial Analysis Inte

Google의 전략은 벤치마크 정상을 차지하는 성능을 쫓기보다는 효율성과 특화된 사용 사례에 집중하는 것으로 보입니다. 하지만 기업 고객들이 복잡한 워크플로 (workflows)를 위해 프런티어 추론 (frontier reasoning) 능력을 점점 더 요구하고 있는 상황에서 이는 위험한 도박입니다. 이 회사의 역사는 추격이 가능하다는 것을 보여주었습니다. Gemini 2.5 Pro는 돌파구였습니다. 하지만 현재의 격차는 벌어지고 있습니다.

주목해야 할 점

3.5 Pro의 출시 시기나 Gemini 4 사전 학습 (pretraining) 이정표에 관한 업데이트가 있는지 Google의 다음 실적 발표(2026년 10월 예정)를 주목하십시오. 또한, 기업 고객들이 추론 집약적 (reasoning-heavy) 워크로드에 대해 OpenAI나 Anthropic으로 이동하기 시작하는지도 추적해야 합니다.

Vier Balkendiagramme vergleichen Gemini 3.1 Pro, 3.5 Flash und 3.6 Flash in DeepSWE v1.1, MLE-Bench, GDPVal-AA v2 und OSWorld-Verified; 3.6 Flash lieg

출처: the-decoder.com

[23 Jul, the_decoder를 통해 업데이트됨]

Alphabet은 AI 인프라에 대한 투자를 두 배로 늘림에 따라 [Bloomberg Tech에 따르면], 2026년 전체 자본 지출 (capital expenditures)을 이전 추정치보다 높은 1,950억 달러에서 2,050억 달러 사이로 전망하고 있습니다. 이러한 지출 급증은 Gemini 4 사전 학습 (pretraining)이 진행되는 동안 최첨단 (frontier) 경쟁에서 따라잡기 위해 필요한 규모를 강조합니다.

원문 게시: gentic.news