Gemini 4 Argon 총정리: AI 판도를 뒤흔들 괴물 등장
아스트라·페이블도 이겼다는데, 우리는 못 써요
2026년 9월 30일(미국 시간) 구글이 제미나이 4 아르곤(Gemini 4 Argon)을 냈습니다. 구글 발표로는 오픈AI 최고 모델 GPT-6 아스트라도, 앤트로픽 최고 모델 클로드 페이블 5.1도 이겼습니다. 구글이 공개한 시험 18개 중 13개에서 1등, 가격은 출시 할인가로 아스트라의 5분의 1입니다.
그런데 우리는 아직 앱이나 API로는 못 씁니다. 구글이 정식으로 먼저 내준 곳은 해킹을 막는 보안팀들이고, 그것도 해킹 관련 안전장치를 풀어서 줬습니다. 이렇게 센 모델을 왜 우리 말고 그쪽에 먼저 줬을까요? 이게 오늘의 주제입니다.
구글 표만 있는 건 아닙니다: LM아레나
LM아레나는 AI 두 개에 같은 질문을 하고, 이름을 가린 채 사람들이 어느 답이 나은지 투표해서 순위를 매기는 사이트입니다. 여기서도 아르곤은 질문하고 글 쓰는 부문(Text Arena) 1위, 1525점이었습니다. 다만 웹사이트 만들기(Code Arena: WebDev)는 8위, 1679점입니다. 같은 부문에서 GPT-6.1 Sol은 3위(1759점)였습니다. 만능은 아니라는 거죠.
구글의 1년 공백
- 2025년 11월 — 구글이 제미나이 3을 낸 뒤로 새 세대 대표 모델이 안 나왔습니다.
- 2026년 5월 — 피차이 CEO가 "다음 큰 모델은 6월"이라고 했지만, 제미나이 3.5 프로로 알려진 그 모델은 끝내 안 나왔습니다.
- 그 사이 OpenAI는 GPT-6 아스트라(9/3)를, 앤트로픽은 페이블 5.1과 오퍼스 5.5(9/22)를 냈고, 구글은 주로 싸고 빠른 플래시 모델을 냈습니다.
- 8월 — 딥마인드 수장도 바뀌었습니다.
- 9월 30일 — OpenAI 데브데이 바로 다음 날, 드디어 아르곤이 나왔습니다.
구글 안에선 이미 일하는 중
아르곤은 사실 구글 안에선 벌써 일하고 있습니다. 직원 수천 명이 쓰고 있고, 구글이 든 예가 꽤 구체적입니다.
- 데이터센터 메모리 — 아르곤 에이전트들이 서버 성능 기록을 분석해 고칠 곳을 스스로 찾아 적용했고, 300TiB가 넘는 메모리를 비웠습니다(총 500TiB~1PiB 절감 추정).
- 오래된 코드를 러스트로 — 동영상 디코더 libgav1의 러스트 버전에서 고속 처리(SIMD) 코드 3만 2천 줄을 바꿨더니 2.7배 빨라졌습니다. 영상 출력은 그대로고, 최적화된 C++ 버전보다는 아직 느립니다. 지금은 80만 줄이 넘는 Zircon 운영체제 커널도 옮기는 중입니다.
- 양자컴퓨터 계산 — 한 사례에선 몇 분 만에 공개된 기록보다 필요한 자원을 40% 줄였습니다.
- 한 번에 내놓을 수 있는 출력이 6만 4천 토큰에서 100만 토큰으로 늘었습니다(입력 한도가 아닙니다). 긴 일을 중간에 끊지 말고 끝까지 하라는 거죠.
다만 여기까지는 전부 구글이 직접 밝힌 사례입니다.
코딩보다 '사무'를 앞세운 성적표
재밌는 건 구글이 표 맨 위에 코딩이 아니라 사무 업무를 올렸다는 점입니다.
| 시험 | 제미나이 4 아르곤 | 비교 |
|---|---|---|
| 업무 자동화 AutomationBench (재피어) | 51.3% · 1등 | — |
| 법률 조사·문서 작성 (Harvey) | 19.6% | 아스트라 5.4%, 오퍼스 5.5 3.8% |
| 긴 개발 과제 DeepSWE | 77.9% | 오퍼스 74.2%, 아스트라 74.1% |
이렇게 18개 시험 중 13개에서 1등이고, 가격은 100만 토큰에 입력 2달러, 출력 10달러, 출시 할인가로 아스트라($10/$50)의 5분의 1입니다. 여기까지만 보면 '다 씹어먹었다'는 말이 나올 만하죠.
왜 막는 사람들에게 먼저?
답은 구글이 내세운 강점에 있습니다. 소프트웨어의 구멍, 취약점을 찾는 일입니다. 구글 말로는 아르곤은 구멍을 스스로 찾고, 진짜인지 확인하고, 고치는 것까지 합니다(외부와 비교할 수 있는 CWE-bench v1에선 아스트라·Grok 4.7과 68%로 동점).
- 구글이 인수한 보안 회사 위즈(Wiz)가 써 봤더니, 전 세계 병원이 쓰는 의료 소프트웨어에서 민감한 개인정보가 새는 치명적인 구멍을 찾았습니다. 이전 최신 모델들은 놓친 구멍이었습니다.
- 문제는 이 능력이 공격하는 쪽 손에 들어가도 똑같이 세다는 겁니다. 구글도 Fairwind 페이지에 *"잘못된 손에 들어가면 같은 능력이 똑같이 강력한 위협이 될 수 있다"*고 적었습니다.
- 그래서 막는 쪽이 먼저 쥐게 했습니다. 정부, 병원, 통신사 같은 곳들입니다. 심사를 통과한 파트너 중 일부만, 보안팀 안에서만, 쓴 기록을 남기면서요.
- 대신 이들에겐 해킹 관련 거절 장치를 풀어 줍니다. 방어 능력을 전부 쓰라는 거죠.
- 우리한테 아직인 이유도 구글이 밝혔습니다. 악용을 막고, AI가 선을 넘는지 감시하는 등 안전장치부터 다듬고 주겠다는 겁니다.
타이밍도 절묘합니다.
- 9/28(월) — OpenAI가 다음 모델 GPT-6.1 아스트라 출시를 접었습니다. 안전 시험에서 맡은 범위를 벗어나고, 자기가 한 일을 부정확하게 보고했다는 이유입니다.
- 9/29(화) — 피차이 CEO가 백악관에서 AI 안전 자율 합의에 서명했습니다.
- 9/30(수) — 아르곤이 나왔습니다. 미국 정부의 출시 전 점검 절차에도 참여하면서요.
구글 표 말고, 남이 잰 성적표
그럼 구글 표 1등은 진짜일까요? 구글 표를 다시 보면 진 시험이 5개 있습니다. 코딩 시험 FrontierSWE에선 아스트라가 10점 넘게(65.5% 대 55.0%), 터미널 작업 시험 Terminal-bench 4.0에선 오퍼스 5.5가 9점(66.4% 대 57.4%) 앞섭니다.
그리고 1등 했던 DeepSWE 점수는 구글이 직접 돌린 것이고, 경쟁사 점수는 공개 순위표나 각 회사 발표에서 가져왔습니다. 이렇게 아르곤 점수를 구글이 직접 잰 시험이 18개 중 절반인 9개입니다.
그래서 남이 잰 성적표가 중요한데, 평가 회사 Artificial Analysis가 벌써 돌려 봤습니다.
- 종합 지수 53점, 아스트라와 같습니다. 그런데 오퍼스 5.5는 58점으로, 구글 표에선 대부분 이겼던 오퍼스가 여기선 5점 위입니다. 구글 표엔 없던 소넷 5.5도 56점입니다.
- 대신 눈에 띄는 숫자가 하나 있습니다. 모르는 문제에서 지어내는 비율이 아르곤 15%, 아스트라 51%입니다. 맞히는 비율(50%)은 아스트라(63%)보다 낮지만, 모르면 모른다고 하는 모델이라는 거죠.
- 블룸버그는 구글 직원 일부가 시험은 잘 보는데 실제 코딩 일은 아쉽다며 의구심을 갖고 있다고 보도했고, 구글은 사실이 아니라고 반박했습니다.
할인이 끝나면 달라지는 비용
- 입력 2달러, 출력 10달러는 출시 할인가입니다. 할인이 끝나면 4달러, 20달러로 두 배가 되는데, 딱 오퍼스 5.5와 같은 가격입니다. 할인이 언제 끝나는지는 구글이 밝히지 않았습니다(Artificial Analysis는 "적어도 한 달").
- 그리고 아르곤은 생각을 길게 합니다. 한 문제에 쓰는 토큰이 6.2만으로 아스트라(2.7만)의 2배가 넘습니다.
- 그래서 Artificial Analysis가 계산해 보니 문제 하나 푸는 비용이 지금은 $1.99로 아스트라($3.26)의 60%지만, 할인이 끝나면 $3.98로 오히려 아스트라보다 20%쯤 비싸집니다.
토큰 값이 5분의 1이라고, 작업 비용까지 5분의 1은 아닌 거죠.
풀리면 이렇게 쓰세요
지금까지 나온 성적으로 정리해 봤습니다(추천은 제 정리입니다).
| 일 | 추천 | 근거 |
|---|---|---|
| 글로 묻고 답하기 · 지시대로 글쓰기 | 아르곤 | LM아레나 텍스트 1위(세부 1위: 코딩 질문·어려운 질문·지시 따르기·긴 질문·창작 글쓰기) |
| 긴 자료 조사 | 아르곤 | 아레나 긴 질문 1위, 지어내는 비율 15%(단, 정답률은 아스트라보다 낮음) |
| 긴 영상 이해 | 아르곤 | LVBench 91.7%, 구글 표 1위(구글 자체 측정) |
| 웹사이트 만들기 | GPT-6.1 Sol | 아레나 WebDev 3위(아르곤 8위), 할인가 기준 입출력 가격 같음 |
| 터미널에서 하는 코딩 | 오퍼스 5.5 | Terminal-bench 4.0에서 9점 앞섬 |
돈 아끼는 법도 있습니다.
- 같은 자료를 반복해서 넣는다면 캐시 할인 95%, 할인가 기준 100만 토큰에 10센트입니다.
- 할인가일 때 내 작업으로 직접 비용을 재 보세요.
- 토큰을 많이 쓰는 모델이라 토큰 값 말고 작업당 비용으로 비교해야 합니다.
그래서 왜? 제 해석
여기부턴 제 해석입니다. 구글 최강 모델을 보안팀에 먼저 준 이유는 두 가지로 봅니다.
- 구글이 내세운 무기가 구멍 찾기라서, 공격자보다 막는 쪽이 먼저 가져야 했습니다.
- OpenAI가 안전 문제로 모델을 접은 바로 그 주에 '세지만 안전하게 내는 회사'로 보이고 싶었을 겁니다.
그리고 구글이 돌아온 건 맞습니다. 남이 잰 종합 지수로도 아스트라와 동점이니까요. 다만 '씹어먹었다'보다는 '따라잡았다'에 가깝습니다.
일반 공개는 유료 API 고객과 구글 AI 울트라 구독자부터인데, 날짜는 아직 나오지 않았습니다. 여러분은 아르곤이 풀리면 뭐부터 시켜 보고 싶으세요? 영상 댓글로 알려 주세요.
이 영상에 대해
내레이션은 제 목소리를 복제한 AI 음성입니다. 영상 화면 속 원문 페이지는 설명을 위해 인용했고, 노란 형광펜은 제가 표시한 것입니다. 썸네일의 로봇 이미지는 AI로 만들었습니다.
출처
2026년 10월 1~2일에 확인한 내용이며, 수치는 바뀔 수 있습니다. 날짜는 미국 기준입니다.
- Google — Gemini 4 Argon 발표
- Google DeepMind — 벤치마크 표 · 평가 방법론(PDF) · Fairwind 프로그램
- LMArena — 텍스트·웹개발 순위(X) · GPT-6.1 Sol 웹개발(X)
- OpenAI — GPT-6 Astra · Anthropic — Claude Fable 5.1
- Artificial Analysis — Gemini 4 Argon 분석
- VentureBeat · 9to5Google(정가)
- CNBC · CNBC — 백악관 AI 합의(9/29)
- The Verge · Axios
- The Next Web — GPT-6.1 Astra 출시 취소 · The Next Web — 구글 반박
- Bloomberg — 직원 회의론
- Google Cloud — 위즈 인수 완료
- Hacker News 토론 · GeekNews