Gemini 4 Argon 발표, 지금 쓸 수 있나? GPT·Claude 비교와 API 조건

Google이 9월 30일 Gemini 4 Argon을 발표했다. 긴 작업을 이어가는 능력과 기업 업무 성능을 앞세웠지만, 발표 당일 누구나 쓸 수 있는 모델로 공개한 것은 아니다. 현재는 Fairwind 프로그램의 신뢰받는 사이버 방어 기관에 제한적으로 제공한다. 이후 유료 API 고객과 Google AI Ultra 구독자부터 접근을 확대할 예정이다. Google 공식 발표

새 모델 소식에서 먼저 확인할 것은 내 계정으로 언제, 얼마에 사용할 수 있는지다. 그다음이 지금 쓰는 모델을 바꿀 만큼의 차이가 있는지다. 이번 발표는 이 두 질문의 답이 서로 다른 단계에 있다. 성능표와 출시 예정 가격은 나왔지만, 일반 사용자의 이용 조건은 아직 다 채워지지 않았다.

이 글은 한국 시간 2026년 10월 1일 확인한 공식 자료를 정리했다. 직접 사용한 결과는 포함하지 않았다.

지금 쓸 수 있나

출시 대상과 가격은 공식 발표 및 가격 각주 기준이다. 공개 개발자 문서는 모델 목록, 요금표, 변경 기록을 함께 확인했다.

따라서 기존 Gemini API 키가 있다는 이유만으로 Argon을 호출할 수 있다고 안내하면 부정확하다. 실제 도입 전에는 문서에 모델 ID가 추가됐는지, 자신의 프로젝트에 접근 권한이 열렸는지부터 확인해야 한다. 무료 제공 여부와 요청 한도, 이용 지역도 별도 확인이 필요하다.

가격을 볼 때는 입력보다 출력 비용에 주의할 필요가 있다. 긴 결과를 생성하는 작업은 호출 한 번의 가격보다 작업 전체에서 소비한 토큰 수가 중요하다. 실패한 결과를 다시 생성하거나, 초안을 수정하는 과정까지 포함해 비교해야 한다. 발표된 단가만으로 기존 모델보다 운영비가 싸다고 결론 내리기는 이르다.

GPT와 Claude보다 모두 앞섰나

Google이 공개한 비교표에서는 지식 업무와 긴 영상 이해에서 Argon이 강했다. 반면 코딩 평가도 종류에 따라 순위가 달랐다. 아래는 강점과 열세가 함께 보이도록 고른 항목이다.

Argon이 앞선 AutomationBench·DeepSWE와 경쟁 모델이 앞선 FrontierSWE·Terminal-bench를 함께 비교했다. 각 평가 안에서만 점수를 비교해야 한다.

출처: 자료 Google DeepMind · 시각화 VECTORLOG

출처: Google DeepMind 공식 성능표. 모두 해당 표에서 높을수록 좋은 지표다. Google이 게시한 비교 수치이며 VECTORLOG의 자체 테스트가 아니다.

Vals Index는 금융·코딩·법률·세무 업무를 묶어 보는 평가다. AutomationBench는 여러 업무 단계를 끝까지 수행하는 능력, LVBench는 긴 영상 이해를 다룬다. 코딩에서는 DeepSWE가 Argon 우세지만, FrontierSWE는 Astra, Terminal-bench는 Opus가 앞선다. 취약점 수정 평가인 CWE-bench에서는 Argon과 Astra가 동점이다.

마케팅 실무에서는 AutomationBench나 영상·차트 관련 항목이 눈에 들어올 수 있다. 다만 이 점수를 광고 효율이나 보고서 품질로 바로 바꿔 읽을 수는 없다. 차트에서 값을 찾는 것과 광고비 증액을 권할 근거를 설명하는 것은 다른 과제다. 영상의 내용을 이해하는 것과 브랜드에 맞는 편집 방향을 정하는 일도 구분해야 한다.

벤치마크는 다음 테스트를 고르는 데 쓸 수 있다. 예를 들어 월간 광고 보고서라면 같은 원본 데이터와 같은 작성 지침을 넣고, 숫자를 틀린 곳이 있는지, 근거 없는 해석을 더했는지, 사람이 수정하는 데 얼마나 걸렸는지를 비교할 수 있다. 최종 결과가 비슷하다면 소요 시간과 총비용이 선택 기준이 된다.

서로 다른 평가의 점수를 평균 내어 종합 순위를 만드는 것도 피하는 편이 낫다. 평가마다 문제 구성과 채점 방식이 다르기 때문이다.

공개된 방법론을 보면 경쟁 모델의 수치에는 각 회사가 보고한 결과, 공식 리더보드, Google이 직접 측정한 결과가 함께 쓰였다. LVBench는 모두 도구 없이 평가했지만, 모델별 API 제한 때문에 영상을 전달한 프레임 수나 방식이 달랐다. 비교표의 모든 셀이 완전히 같은 실행 조건에서 나온 것은 아니다. Google 평가 방법론

방법론에 Argon을 Gemini API로 평가했다고 적혀 있어도 일반 개발자에게 API가 공개됐다는 뜻은 아니다. 내부 평가 환경과 외부 제공 상태는 따로 확인해야 한다.

전세대와 비교하면 무엇이 달라졌나

공식 발표가 같은 그래프에서 직접 비교한 대상은 Gemini 3.8 Flash Cyber다. 보안에 특화된 전세대와의 비교이므로 전체 Gemini 제품군의 향상률로 확대해서 읽으면 안 된다.

두 항목 모두 첫 시도 성과를 나타내는 Pass@1 기준이며 Google·Wiz 내부 평가다. 두 번째는 소스 코드 없이 웹 시스템의 취약점을 찾는 과제다. 공식 비교 그래프

Google과 Wiz의 내부 취약점 발견 평가. 모두 Pass@1 기준이며 전체 업무 성능의 향상률을 뜻하지 않는다.

출처: Google DeepMind · Google 및 Wiz 내부 평가

여기서 차이는 퍼센트포인트다. 71.0%에서 85.8%가 된 것을 ‘14.8% 향상’이라고 쓰면 다른 계산이 된다. 또한 보안 과제의 개선 폭으로 한국어 글쓰기나 콘텐츠 기획 능력이 얼마나 좋아졌는지를 설명할 수는 없다.

전세대의 다른 발표표와 숫자를 나란히 놓을 수도 있지만, 평가 조건이 같다는 확인이 먼저다. 이번 글에서는 같은 자료 안에서 비교 대상을 명시한 보안 평가를 중심으로 정리했다.

100만 토큰은 입력창 크기가 아니다

Google은 최대 출력 토큰 한도를 기존 64K에서 1M으로 늘렸다고 밝혔다. 긴 추론과 여러 단계의 문제 해결을 뒷받침하기 위한 변화다. 자료를 얼마나 많이 넣을 수 있는지를 뜻하는 입력 컨텍스트와 혼동하면 안 된다. 공식 발표의 출력 한도 설명

실무에서는 한도가 커졌다는 사실보다 작업이 그 여유를 어떻게 쓰는지가 중요하다. 길게 생성할 수 있어도 중간에 잘못된 가정을 세우면 이후 결과까지 영향을 받는다. 결과가 길어질수록 검토할 분량도 늘어난다.

도입 테스트에는 완성본만 비교하는 항목과 중간 검토를 두는 항목을 나눠보는 것이 좋다. 자료 조사 뒤 출처를 확인하고, 분석 뒤 계산을 검증하고, 최종 문서에서 표현을 다듬는 식이다. 사람의 검토가 줄었는지까지 봐야 긴 작업을 맡긴 효과를 판단할 수 있다.

지금 결정할 일

새 모델 발표만으로 기존 워크플로를 옮길 단계는 아니다. 먼저 실제 접근 권한과 호출 조건을 확인하고, 사용할 수 있게 되면 자주 반복하는 업무 한 가지로 비교하는 편이 낫다.

마케터라면 광고 성과 보고서나 긴 인터뷰 영상의 내용 정리, 개발자라면 실제 저장소의 버그 수정처럼 검증 가능한 과제가 적합하다. 같은 자료와 성공 기준을 준비해두면 공개 후 첫인상에 기대지 않고 판단할 수 있다. 정확도뿐 아니라 수정 시간, 작업 완료율, 총비용을 함께 남기는 것이 중요하다.

이번 발표에서 확인된 것은 Argon의 일부 기업 업무 성능과 제한 공개 계획이다. 내 업무에서의 차이는 공개된 뒤 같은 과제를 맡겨봐야 알 수 있다. 지금은 성능표에서 비교할 후보를 고르고, 내 계정에서 쓸 수 있는 조건이 갖춰지는지 확인할 때다.

---

AI 도구를 고를 때 발표 자료와 실제 사용 조건을 함께 살펴보고 싶다면 VECTORLOG LETTER 구독 안내를 확인해 주세요.