무엇인가
Gemini 4 Argon은 구글 딥마인드가 2026년 9월 30일 사이버 방어 파트너(Fairwind 프로그램)에게 먼저 풀고, 10월 13일 전 세계에 공개한 최전선 모델입니다. 모델 카드, 5쪽짜리 평가 방법 문서, 217쪽짜리 안전·보안 보고서가 함께 나왔습니다. Pro·Flash 같은 등급 이름을 버린 첫 제미나이이고, 모델 카드는 "이전 모델을 수정하거나 미세조정한 것이 아니다"라고 적었습니다. 2025년 11월 Gemini 3 Pro 이후 11개월 만에 처음부터 새로 학습한 기반 모델이며, 지식 기준일은 2026년 3월입니다.
이 항목이 '평가·벤치마크' 분야에 있는 이유는 Argon 카드가 성적표를 읽는 법을 배우기 좋은 교재이기 때문입니다. 19줄 비교표에는 공개 리더보드 값, 경쟁사 발표값, 구글이 네 모델을 다시 잰 값, Argon만 구글이 잰 값이 한 표에 섞여 있습니다. 코어닷투데이는 줄마다 공개 리더보드와 맞춰 봤고, 숫자 자체는 대부분 맞았지만 무엇을 표에 넣고 뺐는지가 인상을 바꾼다는 것을 확인했습니다.
어떻게 동작하나
카드의 구조 설명은 "대규모 희소 Mixture-of-Experts(MoE) 트랜스포머" 한 문장입니다. 라우터가 토큰마다 일부 전문가(FFN)만 골라 계산하므로, 지식을 담는 전체 크기와 토큰당 계산 비용이 분리됩니다. 파라미터 수·전문가 수·활성 비율은 공개하지 않았고, 구조 문단과 인용은 Gemini 3 Pro 카드와 거의 같습니다. 학습은 구글 TPU, JAX와 ML Pathways 위에서 했습니다.
| 항목 | 카드·문서에 적힌 것 | 읽을 때 볼 점 |
|---|---|---|
| 문맥 | 입력과 출력이 1,048,576토큰 창 하나를 나눠 씀 | 출력 기본 65,536토큰, 그 이상은 '롱 디코드'(백그라운드 실행·이어쓰기 토큰) |
| 측정 설정 | Argon 점수는 모두 pass@1, 가장 높은 사고 수준 | 기본값(medium)보다 비싸고 느린 설정 |
| 경쟁 모델 값 | "따로 적지 않으면 각 회사 발표값" | 구글이 직접 돌린 시험은 일부뿐 |
| 안전 | 프런티어 안전 평가 6줄 중 3줄이 "cannot be ruled out" | 닿았다고 확인한 것이 아니라, 닿지 않았다고 증명하지 못해 닿은 것처럼 대응했다는 뜻 |
긴 문맥 성능은 GraphWalks로 보여 줍니다. 16진수 이름 노드를 잇는 간선 수천 줄을 순서 없이 넣고 "깊이 3의 노드를 모두 대라"처럼 문맥 전체를 여러 번 오가게 하는 시험이며, F1로 채점합니다. 128K 이하(650문항)에서는 네 모델 모두 90점을 넘고 Argon이 99.7점, 25만~100만 토큰(200문항)에서는 Argon 84.2, Astra 71.8, Opus 5.5 66.8, Fable 5.1 65.0입니다. 네 모델 모두 구글이 직접 잰 값입니다.
빠른 시작
개발자 문서와 마이그레이션 안내에서 실무에 바로 걸리는 것만 모았습니다.
- 모델 이름
gemini-4-argon(안정판). 무료 등급으로는 쓸 수 없고 유료 등급이 필요합니다. 한국은 Gemini API 지원 국가입니다. - 사고 수준은 low·medium(기본)·high. 예전의
thinking_budget이나MINIMAL을 보내면 400 오류가 납니다. - temperature·top_p·top_k는 무시됩니다. 명시적 캐시는 없어지고 암묵적 캐시만 남았습니다(같은 앞부분 최소 4,096토큰이면 자동 95% 할인).
- HTTP 타임아웃은 호출당 최소 20분. 모델 카드가 "가끔 느리거나 시간 초과"를 공식 한계로 적었습니다.
- 가격은 100만 토큰당 입력 2달러·출력 10달러(소개가, 11월 30일까지), 12월 1일부터 4달러·20달러입니다.
공개 수치 다시 보기
코어닷투데이가 직접 모델을 돌린 것이 아니라, 카드 표를 10월 14일 기준 공개 리더보드·독립 측정과 대조한 결과입니다.
| 시험 | 카드 값 | 대조해 보니 |
|---|---|---|
| Harvey 법률 에이전트 | 19.6% (경쟁 셋 3.8~6.7%) | Vals 전체 79개 모델 중 6위. 1~5위는 표에 없는 Muse Spark 계열(최고 25.42%) |
| Vals Index | 1위 | 표에 없는 Sonnet 5.5가 1.86점 차 2위. Vibe Code Bench는 Sonnet 5.5가 1위 |
| Terminal-Bench Science 0.1 | 57.6% | Argon만 검증 시간 제한 6배. Vals 동일 조건 측정은 44.29%(5위) |
| Terminal-Bench 4.0 | 57.4% | Vals 독립 측정 57.58%로 일치. 단 표의 Opus 5.5 66.4%는 리더보드(64.8%)가 아니라 발표값 |
| CWE-bench v1 | "공동 1위" 68% | Grok 4.7·Argon·Astra 3자 동률, 동점 규칙상 Grok 4.7이 맨 위. 표에 Grok 없음 |
| LVBench | 91.7% | Gemini는 초당 1프레임(약 4,100장), Astra 800·Opus 600·Fable 300장 |
| OSWorld-2.0 | — | 세 번 돌린 것 중 최고값. 그래도 Astra보다 낮음 |
| LABBench 2 | 88.8% | 공개 최고(약 61%)보다 높음. 네 모델 모두 도구·인터넷을 준 구글 측정이라 네 모델끼리만 비교 |
독립 평가는 더 차분했습니다. Artificial Analysis 지능 지수 53(8위, Astra·Fable 5.1과 동점), 환각률 15%(45점 이상 모델 중 최저, 다만 정답률도 50% 대 Astra 63%), 작업당 비용은 소개가 1.99달러(정가 3.98달러)였습니다. 토큰 값이 싸서 싼 것이지 토큰을 덜 써서가 아닙니다. Argon은 작업당 약 6만 2천 토큰, Astra는 약 2만 7천 토큰을 썼습니다.
언제 쓰고, 언제 피하나
| 상황 | 판단 |
|---|---|
| 법률·금융·문서 분석, 긴 글을 읽고 쓰는 지식 노동 | 최전선의 맨 앞이거나 근처. 다만 법률 과제를 실수 없이 끝내는 비율이 다섯 건 중 한 건이라 사람 검토는 필수 |
| 긴 영상·수십만 토큰 문서를 통째로 | 강점. 도구마다 실제로 여는 길이는 다름(Copilot에서 약 40만 토큰에 압축 시작 사례) |
| 몇 시간짜리 터미널 코딩 | Opus 5.5·Astra와 직접 비교. 독립 평가에서 무한 추론 반복 사례 보고 |
| 짧은 응답·낮은 지연이 필요한 서비스 | 피한다. 느림이 공식 한계, 출시 직후 용량 문제 |
| 정당한 보안 질문(역공학·취약점 감사) | 거절이 늘었다고 구글이 인정. 별도 승인판은 Fairwind 파트너 전용 |
모델을 고를 때는 표 대신 Vals·Zapier·Surge 같은 공개 리더보드에서 표에 빠진 모델까지 확인하고, 사고 수준을 medium·low로 낮춰 내 데이터로 다시 재고, 토큰 단가가 아니라 작업당 비용을 12월 정가로 계산합니다.
한계와 주의
- 카드 표의 경쟁 모델 숫자는 출처가 섞여 있습니다. Harvey 19.6%는 전체 6위, Vibe Code는 Sonnet 5.5가 1위, CWE-bench는 Grok 4.7 포함 3자 동률, TB-Science는 Argon만 타임아웃 6배였습니다. 이 수치들을 다시 인용할 때는 원 리더보드를 확인합니다.
- "생각 사슬에 벌점을 주자 숨긴 해킹이 11.2%→36.4%"는 Argon의 수치가 아닙니다. 같은 실수가 크게 들어간 별도의 소규모 비운영 학습 실험(보고서 115~116쪽)의 결과입니다.
- 14/15는 은밀성 4/4 + 상황 인식 10/11입니다. 유일한 실패는 세 턴 안에 감시 설정을 바꿔야 하는 Oversight Frequency였습니다. TCL(Tracked Capability Level)은 FSF 3.1(2026-04-17)에서 새로 생긴 문턱입니다.
- 평가 인식이 커졌습니다. 코딩 함정 과제에서 평가를 알아챈 비율이 3.1 Pro 0%에서 Argon 37.8%였고, 구글 스스로 일부 사보타주 평가가 실제 성향을 현실적으로 추정했다고 보지 않는다고 적었습니다.
- 가격은 12월 1일 두 배(4달러·20달러)가 됩니다. 이름 'Argon'의 뜻은 구글이 설명하지 않았고, Argon·Barium·Carbon 코드명은 비즈니스 인사이더 보도일 뿐 확인되지 않았습니다.
- 위 대조는 2026년 10월 14일 시점입니다. 리더보드는 계속 바뀝니다.
