아직 접근할 수 없는 영역: Google의 Gemini 4 Argon과 모델 출시를 위한 새로운 플레이북

한 줄 요약: 거의 1년 만에 나온 Google의 첫 번째 신규 프론티어 모델은 대부분의 벤치마크에서 최고점을 기록하고, 한 번의 호출로 백만 토큰을 작성하며, Claude Opus 5.5 가격의 절반으로 비용이 책정되었지만—사용할 수 없습니다. 사이버 방어 전문가들이 먼저 키를 받습니다.

2026년 9월 30일, Google DeepMind는 Gemini 4 Argon을 공개했습니다. 이는 지난 11월 Gemini 3.1 Pro 이후 처음 나온 신규 프론티어 모델이자, 약 7개월 만에 출시되는 비(非)Flash 클래스 모델입니다. 수치는 인상적입니다: VentureBeat의 집계에 따르면 GPT-6 Astra 및 Claude Opus 5.5를 상대로 18개 중 13개 벤치마크에서 1위를 차지했으며, 출력 예산은 15.6배 증가했고, 도입 가격은 Claude Opus 5.5의 정확히 절반입니다.

이러한 순서—방어 전문가가 먼저, 나머지 사용자들은 나중에—가 진짜 이야기입니다. Argon이 무엇인지, 수치가 실제로 무엇을 의미하는지, 그리고 왜 출시 과정(launch choreography)이 리더보드보다 더 중요한지 자세히 설명하겠습니다.

초등학생도 이해할 수 있도록 (ELI5): '프론티어 모델' 출시는 무엇이며, 해커의 적부터 시작하는 이유는 무엇인가요?

프론티어 모델을 새로운 슈퍼컴퓨터 설계라고 생각해 보세요. 이 모델이 기존에 존재하던 것보다 진정으로 더 많은 능력을 갖게 되면 두 가지가 동시에 사실입니다:

1. 더 유용한 작업을 할 수 있다 — 더 큰 코드베이스를 작성하고, 더 긴 연구 보고서를 완성하며, 네트워크를 더 잘 방어할 수 있습니다.
2. 더 해로운 작업을 할 수 있다 — 당신의 코드에서 취약점을 찾는 데 사용되는 동일한 능력이 다른 사람의 코드에서도 취약점을 찾을 수 있게 합니다.

역사적으로 연구소들은 출시 후에 레드팀(red-teaming)과 사용 정책으로 이를 처리해 왔습니다. Argon을 통한 Google의 접근 방식은 다릅니다: 공격자들이 그 형태를 알기도 전에 방어 전문가들이 모델을 먼저 받게 하는 것입니다. 사이버 방어 팀이 우선적으로 접근 권한을 얻는 이유는 Argon의 주요 활용 사례가 소프트웨어 취약점을 찾고 수정하는 것이기 때문입니다. Google에 따르면, CWE-bench v1에서 68%를 보고했으며 (GPT-6 Astra와 동률), Gray Swan 프롬프트 주입(prompt-injection) 스위트에서 공격자들의 성공률은 최고 수준인 0.7%였습니다.

미국 정부도 자발적인 사전 출시 접근 프로세스를 통해 조기에 참여합니다. 수천 명의 Google 직원이 이미 코딩, 연구 및 작성을 위해 내부적으로 이를 사용하고 있습니다. 한 내부 사례에서는 Argon이 양자 컴퓨팅 서브루틴을 최적화할 때 공개된 기준선(baseline)보다 40% 높은 성능을 보였습니다.

Phased rollout timeline

Argon의 단계적 출시: 먼저 방어자(defenders), 나중에 개발자(developers). 출처: Google, 2026년 9월 30일.

작동 방식: 내부적으로 실제로 바뀐 점은 무엇인가

Google은 아키텍처나 파라미터 수에 대해 거의 공개하지 않았습니다. 우리가 알고 있는 것은 다음과 같습니다:

• 사고 과정이 확장된 추론 모델(Reasoning model with extended thinking). Argon은 단순한 자동 완성 기능이 아닙니다. 소프트웨어 엔지니어링, 법률 및 금융 지식 작업, 사이버 보안과 같이 길고 다단계적인 작업을 위해 구축되었습니다. 작업 시간이 몇 초가 아니라 몇 시간 동안 지속되는 세 가지 영역입니다.
• 1M 입력 토큰, 1M 출력 토큰. 이제 입력 컨텍스트는 기본 조건(table stakes)이 되었으며, _출력_의 증량이 진정한 뉴스입니다. 이전 Gemini 모델들은 출력을 약 64K 토큰으로 제한했습니다. Argon은 단일 호출에서 최대 약 1백만 토큰을 방출할 수 있습니다. 이는 대략 3,000페이지 분량의 텍스트 또는 중형 규모 코드베이스를 중단 없이 처음부터 끝까지 재작성하는 것과 같습니다.
• 출력 예산이 에이전트(agent) 수학을 바꾼다. 자신의 전체 계획 및 전체 결과물을 한 번의 생성에서 유지할 수 있는 에이전트는 청크(chunk)로 나누고, 재개하고, 스스로를 다시 근거화(re-ground)할 필요가 없습니다. 왕복 횟수가 줄어들고, 컨텍스트가 손상될 가능성이 줄어드는 것입니다. 이것이 아래의 벤치마크 프로필 뒤에 숨겨진 역량적 베팅입니다.

Output budget comparison

출력 상한선: 64K → 1M 토큰. 약 0.75 단어/토큰 기준으로, 이는 호출당 약 190페이지 대 약 3,000페이지를 의미합니다.

벤치마크 스냅샷 (주의사항을 염두에 두고 읽으세요)

Google 발표 자료(2026년 9월 30일):

Benchmark head-to-head

Google 발표 점수입니다. 경쟁사 비교 점수는 동일한 테스트 환경이 아닌 제공업체/공개 리더보드 출처에서 가져왔습니다.

• DeepSWE v1.1 (장기 소프트웨어 엔지니어링): 77.9% — #1, Opus 5.5(74.2%) 및 GPT-6 Astra(74.1%)보다 몇 포인트 앞섬
• AutomationBench (종단 간 비즈니스 워크플로우): 51.3% — #1, Opus 5.5 대비 42.5%, Astra 대비 41.4%
• Harvey Legal Agent (법률 리서치 + 초안 작성): 19.6% — #1, Astra 대비 5.4%, Opus 5.5 대비 3.8%. 퍼즐이 아닌 전문적인 작업에서는 약 4~5배의 격차.
• FrontierSWE V2: 55%, #1. LAB-Bench 2: 88.8%, #1. LVBench (장기 비디오 이해): 91.7%, #1.
• Vals Finance Agent: 65.4%, 약 7 포인트 앞섬. Vals Index (미국 GDP 점유율 가중치 적용한 금융/코딩/법률/세금): 68.9%.
• Gray Swan (프롬프트 주입 강건성): 0.7% 공격 성공률 — 가장 높은 보고 수치
• Artificial Analysis Intelligence Index: 53 — GPT-6 Astra(최대)와 일치, GPT-6.1 Sol보다 1 포인트 높음. 주목할 점은 AA가 Terminal-Bench 4를 **57%**로 기록했다는 것인데, 이는 Gemini 3.1 Pro Preview 대비 +53점의 도약이지만 여전히 Sonnet 5.5(최대, 64%), Opus 5.5(최대, 60%), Astra(59%)에 뒤처진다. 에이전트형 코딩 분야는 여전히 경쟁 중이다.

솔직한 주의사항: 블룸버그가 익명의 소스를 통해 보도하기를 일부 Google 직원이 내부 성능이 불충분하다고 간주했으나, Google은 이에 이의를 제기했다. 또한 Google 자체 방법론 노트에 따르면 일부 Argon 점수는 내부적으로 계산되었고 경쟁사 점수는 제공업체 또는 공개 리더보드에서 가져왔으므로, 이러한 격차는 절대적인 진실이라기보다는 방향성을 제시하는 것으로 간주해야 한다. 또한 Harvey(19.6%)와 같은 전문 벤치마크의 절대 점수 자체가 여전히 낮은 수준이라는 점에 유의하라.

최신 동향: 출시 뒤에 숨겨진 패턴

Argon에 대한 세 가지 특징은 구글만이 아니라 업계 전체가 나아갈 방향을 설명합니다:

1. 플래그십 가격이 이제 워크호스(workhorse) 가격이 되었습니다. 소개용 API 가격은 입력/출력 토큰 100만 개당 $2/$10입니다 (캐시된 입력은 $0.10 — 95% 할인). 이는 기존의 $4/$20으로 돌아가는 것입니다. 이 가격은 Claude Opus 5.5의 $4/$20보다 절반이며, GPT-6 Astra의 가격 책정 대비 5분의 1 수준입니다. 최첨단 모델이 중급(mid-tier) 가격으로 출시되는 것은 관대함이 아니라 '9월 패턴'입니다. 실제로 Opus 5.5는 입력/출력을 20% 인하하고, 캐시된 읽기 작업은 Opus 5 대비 60% 할인했습니다. 최첨단 모델들은 이제 볼륨 비즈니스(volume business)로 재가격 책정되고 있습니다.

Pricing comparison

$/1M 토큰, 입력 + 출력. Argon의 초기 요금은 시장에 나와 있는 모든 최첨단 경쟁 모델보다 저렴합니다.

2. 단계적 출시(Phased rollout)가 실제 성능 비약의 기본값이 되고 있습니다. 방어자 중심 접근 방식은 마케팅이 아닙니다. 이는 업계가 취약점을 찾는 데 능숙한 모델이 출시 당일부터 이중 용도(dual-use)임을 내재화하고 있다는 의미입니다. 앞으로는 검증 장벽 뒤에서 시작하는 더 많은 출시를 예상해야 합니다.

3. 벤치마크 전장이 전문 작업으로 이동했습니다. 가장 큰 마진은 추론 퍼즐에 있는 것이 아니라 Harvey(법률), Vals Finance, AutomationBench와 같은 분야에 있습니다. 연구소들은 기업 구매자들이 Elo 점수를 사는 것이 아니라

• Gemini 4 Argon (2026년 9월 30일 발표)은 Google의 약 1년 만에 선보이는 새로운 프론티어 모델입니다: 1M 입력 / 1M 출력 토큰, 확장된 추론 능력을 갖추었으며, 소프트웨어 엔지니어링(SWE), 지식 노동, 사이버 방어를 목표로 합니다.
• GPT-6 Astra 및 Claude Opus 5.5와 비교했을 때 (벤더 보고; 방법론상의 주의사항 적용), 1819개의 벤치마크 중 약 1314개에서 선두를 차지하거나 동등한 성능을 보였으며, 전문적인 에이전트 벤치마크에서 가장 큰 격차가 나타났습니다.
• 도입 가격은 1M 토큰당 $2/$10입니다 (캐시된 입력에 대해 95% 할인) — 이는 Opus 5.5의 절반, GPT-6 Astra의 5분의 1 수준입니다.
• 아직 사용할 수 없습니다: 먼저 Fairwind 사이버 방어 전문가들이 사용하며, 미국 정부가 사전 출시를 거친 후 유료 API 및 AI Ultra로 제공될 예정입니다. 방어 전문가 우선 배포는 이제 이중 용도(dual-use) 역량의 새로운 표준이 되고 있습니다.
• 남아있는 의문점은, 내부 반대 보고서(Google에 의해 논란됨)가 모델을 더 잘 설명하는지 아니면 공개 벤치마크가 더 잘 설명하는지에 대한 것입니다. 외부인이 Fairwind 외에서 접근하게 되면 독립적인 재실행 테스트를 통해 결론이 날 것입니다.

출처: Google DeepMind 발표 (2026년 9월 30일); llm-releases.com 트래커; Artificial Analysis; TechCrunch, VentureBeat, Axios/Bloomberg, MorningTick, DEV, AlexTech, Digest AI 등을 통한 보도. 모든 벤치마크 및 가격 수치는 벤더/제3자 보고이며 출시 시점에 독립적으로 재실행된 적이 없습니다.

추천 태그: AI, LLMs, 머신러닝, Google, 기술 뉴스

동반 노트북: 이 게시물의 실행 가능한 튜토리얼 — 여기에서 다운로드 (Colab/Jupyter에서 열기).