2026년 9월 30일, Google DeepMind가 새로운 AI 모델 Gemini 4 Argon을 공개했다.
이번 모델은 단순히 Gemini Pro의 성능을 조금 높인 업데이트라기보다, Google이 GPT-6 Astra와 Claude Opus 5.5 같은 최상위 모델과 직접 비교하는 frontier급 AI 모델에 가깝다.
Google은 Argon을 공식적으로 “Pro”나 “Ultra 모델”이라고 부르기보다 frontier intelligence를 위한 모델로 소개한다. 실제 벤치마크에서도 소프트웨어 엔지니어링, 기업 지식 업무, 금융·법률, 장기 에이전트 작업, 사이버 보안이 핵심 영역으로 제시된다.
한 줄로 요약하면: Gemini 4 Argon은 일반적인 Pro급보다 위에서 GPT-6 Astra·Claude Opus 5.5와 경쟁하는 Google의 최상위 frontier 모델이다.
Gemini 4 Argon은 Pro보다 위 모델인가?
포지션상으로는 그렇다고 보는 것이 자연스럽다.
다만 Google이 공식적으로
Flash → Pro → Argon
이라는 등급 체계를 발표한 것은 아니다. Argon은 별도의 모델명을 사용하고 있으며 Google은 이를 frontier 모델로 분류한다.
그럼에도 실제 비교 상대를 보면 위치를 쉽게 알 수 있다. Google DeepMind의 공식 성능표에서 Argon은 GPT-6 Astra, Claude Opus 5.5와 직접 비교된다.
또 초기 일반 제공 대상도 유료 Gemini API 고객과 Google AI Ultra 가입자 중심으로 예정돼 있다.
따라서 이해하기 쉽게 표현하면 대략 다음과 같다.
Flash → Pro → Argon / Frontier급
단, 여기서 Argon을 공식적으로 “Gemini Ultra 모델”이라고 부르는 것은 정확하지 않다. Google AI Ultra는 구독 상품의 이름이고 Argon은 별도의 frontier 모델이다.
가장 파격적인 변화: 최대 출력 100만 토큰
Argon에서 가장 눈에 띄는 숫자는 1M, 즉 100만 토큰이다.
특히 중요한 점은 단순히 입력 컨텍스트가 길어진 것이 아니라는 것이다. Google은 Argon의 최대 출력 토큰 한도를 기존 64K에서 1M으로 확대했다고 설명했다.
일반적인 챗봇에서는 답변이 수천 토큰만 되어도 상당히 긴 편이다. 그렇다면 왜 100만 토큰이나 필요할까?
목표는 장시간 스스로 일하는 AI 에이전트다.
예를 들어 AI가 대규모 프로그램을 수정한다고 생각해보자.
사용자의 요청을 이해하고, 코드를 검색하고, 수십 개 파일을 읽고, 수정하고, 테스트를 실행하고, 오류를 발견하고, 다시 코드를 수정하고, 최종적으로 결과를 검증한다.
이 과정이 반복되면 하나의 작업 자체가 매우 길어진다.
즉 이번 1M 출력은 단순히 “답변을 엄청 길게 쓸 수 있다”는 기능이라기보다, AI가 하나의 목표를 가지고 얼마나 오래 작업을 이어갈 수 있는가를 겨냥한 기능에 가깝다.
공식 벤치마크: 업무 자동화와 실제 업무에서 강하다
아래 수치는 Google DeepMind가 공개한 Gemini 4 Argon 성능표를 바탕으로 정리했다.
| Benchmark | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|
| Vals Index | 68.9% | 63.1% | 67.0% |
| AutomationBench | 51.3% | 41.4% | 42.5% |
| Vals Finance Agent v2 | 65.4% | 53.5% | 58.6% |
| Harvey's Legal Agent | 19.6% | 5.4% | 3.8% |
| DeepSWE v1.1 | 77.9% | 74.1% | 74.2% |
특히 AutomationBench에서는 Argon이 51.3%를 기록했다. 단순 지식 문제가 아니라 여러 도구를 이용해 실제 업무를 수행하는 능력을 평가하는 테스트다.
금융 업무를 평가하는 Vals Finance Agent v2에서도 65.4%, 장기 소프트웨어 엔지니어링을 평가하는 DeepSWE v1.1에서도 77.9%를 기록했다.
이 결과만 보면 Argon의 강점은 단순한 채팅보다 실제 업무를 수행하는 에이전트 쪽에 더 가깝다.
하지만 모든 코딩 벤치마크를 이기는 것은 아니다
Argon이 모든 영역에서 경쟁 모델을 압도하는 것은 아니다.
| Benchmark | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|
| FrontierSWE v2 | 55.0% | 65.5% | 62.3% |
| Vibe Code Bench | 91.9% | 89.6% | 90.3% |
| Terminal-bench 4.0 | 57.4% | 58.2% | 66.4% |
| PostTrainBench | 45.3% | 44.3% | 49.3% |
| Terminal-Bench Science 0.1 | 57.6% | 68.1% | 63.3% |
| LABBench 2 | 88.8% | 85.4% | 73.1% |
FrontierSWE v2와 Terminal-Bench Science에서는 GPT-6 Astra가 더 높은 점수를 기록했고, Terminal-bench 4.0과 PostTrainBench에서는 Claude Opus 5.5가 앞섰다.
따라서 Argon을 “모든 면에서 가장 뛰어난 모델”이라고 표현하기보다는,
기업 업무·금융·법률·긴 에이전트 작업에서 특히 강력하고, 코딩에서는 Astra·Opus와 영역별로 우열이 갈리는 최상위 모델
이라고 보는 편이 정확하다.
긴 컨텍스트에서도 강점
장기 작업 능력은 GraphWalks 평가에서도 나타난다.
| GraphWalks | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|
| 최대 128K | 99.7% | 98.7% | 90.6% |
| 256K~1M | 84.2% | 71.8% | 66.8% |
특히 256K~1M 범위에서 Argon이 84.2%를 기록했다.
AI 에이전트가 수십만 토큰의 코드나 문서를 지속적으로 다뤄야 하는 상황에서는 이런 차이가 중요해질 수 있다.
가격은 Sol과 Astra 사이
Argon의 도입 초기 API 가격은 100만 토큰 기준으로 다음과 같다.
| 모델 | 입력 | 출력 |
|---|---|---|
| Gemini 4 Argon 도입 가격 | $2 | $10 |
| GPT-6 Sol | $2 | $10 |
| Gemini 4 Argon 정식 가격 예정 | $4 | $20 |
| GPT-6 Astra | $10 | $50 |
Argon의 초기 가격은 GPT-6 Sol과 같은 수준이다.
Google은 도입 기간 이후 Argon 가격을 입력 $4 / 출력 $20 per 1M tokens로 올릴 예정이라고 밝혔다. 그래도 GPT-6 Astra의 표준 API 가격인 $10 / $50보다는 상당히 낮다.
가격만 보면 Argon은 Sol과 Astra 사이에 있지만, 성능 비교 상대는 Astra와 Opus라는 점이 흥미롭다.
Google 내부에서는 이미 실제 업무에 사용 중
Argon이 흥미로운 이유는 벤치마크뿐만이 아니다.
Google은 내부 개발 업무에서도 Argon 에이전트를 사용했다고 밝혔다.
한 사례에서는 데이터센터의 프로파일링 데이터를 분석해 메모리 최적화 지점을 찾아냈고, 실제 적용 결과 300TiB 이상의 메모리를 확보했다고 한다.
또 C/C++ 코드를 Rust로 변환하는 대규모 코드 마이그레이션에도 Argon을 적용하고 있다. 대상에는 80만 줄 이상 규모의 Fuchsia Zircon 커널도 포함된다.
이런 사례는 Argon이 단순히 “질문에 답을 잘하는 AI”가 아니라 복잡한 프로젝트를 맡겨놓을 수 있는 AI를 지향한다는 점을 보여준다.
사이버 보안 능력이 강해서 단계적으로 공개한다
Argon은 발표 직후 모든 사용자에게 공개되지 않았다.
Google은 먼저 Fairwind Program의 신뢰할 수 있는 사이버 보안 파트너와 테스터들에게 모델을 제공하고 있다.
Argon은 취약점을 스스로 찾아내고, 검증하고, 패치하는 작업까지 수행할 수 있다. CWE-bench v1에서는 68%를 기록했으며 GPT-6 Astra와 같은 점수를 기록했다.
이런 능력은 방어에 유용하지만 악용 가능성도 있기 때문에 Google은 광범위한 공개 전에 안전장치를 추가로 검증하고 있다.
언제 일반 공개될까?
현재 정확한 일반 공개 날짜는 발표되지 않았다.
Google은 안전성 검증 후 접근 범위를 넓힐 계획이며, 초기 확대 대상은 유료 Gemini API 고객과 Google AI Ultra 가입자다.
따라서 무료 Gemini 사용자에게 한 번에 공개되기보다는,
제한 테스트 → 유료 API·Ultra → 더 넓은 사용자층
순으로 단계적으로 확대될 가능성이 높다.
Gemini 4 Argon에서 가장 중요한 변화
Gemini 4 Argon의 핵심은 벤치마크 점수가 조금 올라간 것만이 아니다.
기존 AI의 기본 형태가
질문 → 추론 → 답변
이었다면 에이전트 시대의 AI는
목표 → 조사 → 도구 사용 → 실행 → 테스트 → 실패 분석 → 수정 → 재실행 → 검증
과정을 반복한다.
이때 중요한 것은 순간적인 지능뿐 아니라 얼마나 오랫동안 목표를 잃지 않고 작업할 수 있는가다.
Argon의 100만 토큰 출력 한도와 장기 컨텍스트 성능은 바로 이런 방향을 겨냥하고 있다.
그래서 Gemini 4 Argon은 단순히 “Gemini Pro가 조금 더 좋아졌다”라고 보기보다는,
Google이 본격적으로 내놓은 차세대 frontier 에이전트 모델
이라고 보는 편이 더 정확하다.
앞으로 AI 모델 경쟁의 질문도 점점 달라질 가능성이 있다.
“누가 질문에 가장 똑똑하게 답하는가?”
에서
“AI에게 일을 맡겼을 때 인간의 개입 없이 어디까지 끝낼 수 있는가?”
로 말이다.
Gemini 4 Argon은 바로 그 경쟁을 상징하는 모델 중 하나다.
작성일: 2026년 10월 1일
출처
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.