생성형 AI 도구를 활용하여 작성 및 편집된 노트입니다.
Gemini 3 Deep Think, ‘생각하는 AI’가 연구·엔지니어링을 바꾸는 법
최근 구글이 Gemini 3 Deep Think를 대폭 업그레이드했고, 개발자 커뮤니티에서도 “이 정도면 추론이 한 단계 달라졌다”는 반응이 나왔습니다1. 핵심은 간단해요. 대화 잘하는 AI를 넘어, 애매한 문제·지저분한 데이터·정답이 하나가 아닌 상황에서 끝까지 밀고 들어가는 ‘전문 추론 모드’가 더 실전형으로 진화했다는 점입니다2.
이번 글에서는 Gemini 3 Deep Think가 정확히 무엇이 달라졌는지, 숫자(벤치마크)와 사례(연구·제조·3D 프린팅)를 섞어 쉽게 풀고, 마지막엔 “그럼 우리는 어디에 써먹을까?”까지 정리해볼게요.
Gemini 3 Deep Think란? ‘속도’ 대신 ‘정답률’에 올인한 모드
Deep Think는 Gemini의 일반 모드처럼 즉답을 뱉기보다, 복잡한 문제를 조각내고 가설을 세우고 검증하는 쪽에 무게가 실립니다. 특히 과학·연구·엔지니어링은 문제 자체가 불친절하잖아요. 데이터는 누락돼 있고, 제약조건은 문서 밖에 숨어 있고, “이게 정답”이라고 찍어주기도 어렵고요.
구글은 이번 업데이트를 과학자·연구자들과 함께 다듬었다고 밝히며, “이론을 넘어 실제 적용”을 전면에 내세웠습니다2. 쉽게 말해, 논문 요약이나 코딩 도우미를 넘어 검토자, 설계 파트너, 프로토타이핑 가속기로 포지션을 잡겠다는 선언에 가깝습니다.
성능 지표로 보면: 수학·코딩을 넘어 ‘과학 추론’까지 확장
AI 성능 이야기는 숫자가 지루하게 느껴질 수 있는데, 이번엔 해석이 꽤 명확합니다. Deep Think는 ‘어려운 문제를 도구 없이도 버텨내는가’에서 두드러진 결과를 내세웠어요. 예를 들어 Humanity’s Last Exam에서 48.4%(도구 없이)라는 점수, ARC-AGI-2에서 84.6%를 기록했다고 공개했습니다2. 또 코딩 실력의 상징처럼 쓰이는 Codeforces에선 Elo 3455, IMO(국제수학올림피아드) 2025 수준도 언급됐죠2.
재미있는 포인트는 “수학/코딩 잘함”이 끝이 아니라는 겁니다. 물리·화학 올림피아드 서술형에서도 ‘금메달급’이라고 했고, 이론물리 성격의 CMT-Benchmark에서도 50.5%를 제시했습니다2. 즉, 문제를 읽고 수식을 돌리는 것뿐 아니라 현상을 설명하고, 조건을 붙여가며 추론하는 영역을 넓히고 있다는 신호로 볼 수 있어요.
실전 사례: 논문 오류 탐지부터 결정 성장·부품 설계, 그리고 3D 프린팅까지
업그레이드가 진짜인지 확인하는 가장 쉬운 방법은 “누가 어디에 썼나”입니다. 구글이 공개한 사례 중 인상적인 건, 한 수학자가 고난도 논문을 검토하는 과정에서 Deep Think가 동료심사를 통과했던 논리적 결함을 찾아냈다는 대목이에요2. 이런 유형은 ‘요약’이 아니라, 논증의 연결고리를 실제로 따라가야 하니 추론 모드의 존재 이유가 드러납니다.
제조 쪽에선 듀크대 연구팀이 반도체 후보 물질을 노리고 결정 성장(얇은 박막) 공정을 최적화했는데, 목표 크기(100μm 이상)를 만족하는 레시피를 설계하는 데 도움을 받았다고 합니다2. 또한 구글 내부 R&D에서 물리 부품 설계를 가속했다는 언급도 있었고요2.
대중에게 가장 직관적인 장면은 “스케치 → 3D 프린팅 파일”입니다. Deep Think가 그림을 분석해 형상을 모델링하고, 출력 가능한 파일을 만든다는 방향이 공개됐죠2. 외부 보도에선 이 지점이 특히 “3D 프린팅의 큰 변곡점”으로 조명됐는데, CAD 숙련도나 복잡한 물리 기반 모델링이 진입장벽이었던 영역을 대화형으로 낮출 수 있다는 해석입니다3. 한마디로, 머릿속 아이디어를 “출력 가능한 물건”으로 바꾸는 구간이 짧아질 수 있어요.
시사점: 누가 먼저 이득 볼까, 그리고 어떻게 써야 할까
Deep Think 같은 ‘고추론 모드’는 모든 사람에게 항상 켜둘 옵션이라기보다, 비용이 큰 실수(연구 오류, 설계 결함, 공정 실패)를 줄여주는 쪽에서 가치가 커집니다. 연구자에겐 검토자(리뷰어)와 실험 설계 파트너, 엔지니어에겐 제약조건을 정리해주는 설계 보조, 메이커에겐 스케치를 현실로 바꾸는 제작 비서에 가깝죠.
실용 팁은 간단합니다. “정답을 달라”보다 “제약조건을 함께 세우자”로 접근하세요. 목표(무엇을 만들지), 제약(재료/치수/안전/비용), 검증(어떤 테스트로 통과를 확인할지)을 먼저 적어주면, 이런 추론형 모델의 강점이 더 잘 드러납니다.
접근성도 체크 포인트입니다. 현재 업데이트된 Deep Think는 Google AI Ultra 구독자에게 Gemini 앱에서 제공되고, 동시에 Gemini API로는 연구자·기업 대상 얼리 액세스를 받는 형태라고 안내됐습니다2. “써보고 싶은데 어디서?”가 가장 현실적인 질문이라면, 이 두 줄이 현재 답입니다.
참고
2Gemini 3 Deep Think: Advancing science, research and engineering
3Google boosts Gemini 3 Deep Think AI and it’s a huge milestone for 3D printing