요약
구글 딥마인드가 최상위 모델 Gemini 4 Argon을 공개하고 Pro·Ultra 구독자에게 먼저 열었습니다.
구글 딥마인드는 이 모델을 가장 어려운 문제를 풀기 위한 "다음 시대의 프런티어 지능"이라고 소개했습니다. 소개 페이지에는 코딩, 과학 연구, 로봇, 보안 분야의 활용 사례와 회사가 직접 측정한 벤치마크 결과가 실렸습니다.
왜 중요한가
- 회사 발표로는 벤치마크 대부분에서 GPT-6 Astra와 Claude Opus 5.5를 앞섰습니다.
- 다만 터미널 작업과 일부 코딩 평가에서는 두 모델에 뒤져, 코딩 1위 자리는 아직 내주지 못했습니다.
- 출력 창(한 번에 내놓을 수 있는 분량)이 100만 토큰이라 저장소 전체 생성처럼 긴 결과물도 한 번에 만들 수 있습니다.
핵심 내용
- 범용 업무 평가 Vals Index에서 68.9%로 Claude Opus 5.5(67.0%)보다 높았다고 밝혔습니다.
- Terminal-bench 4.0에서는 57.4%로 Claude Opus 5.5(66.4%)에 크게 뒤졌습니다.
- Chrome 코드 리팩터링에서 몇 달 걸릴 일을 몇 주 만에 끝냈다고 소개했습니다.
- 영상을 물리 시뮬레이션 코드로 바꿔 앱트로닉의 휴머노이드 로봇 학습에 쓴 사례도 내놓았습니다.
- 간접 프롬프트 주입(외부 문서에 숨긴 악성 지시)에 가장 잘 버티는 모델이라고 했습니다.
HN 반응
- 여러 이용자가 답이 간결하고 구조적이며 빠르다고 호평했고, 말투가 거만한 Claude Opus 5.5보다 낫다는 의견도 많았습니다.
- 코딩은 아직 Claude Opus 5.5가 앞선다는 평가와 Vulkan 디버깅 같은 실무에서 충분히 잘한다는 경험담이 엇갈렸습니다.
아직 코딩에는 써 보지 않았지만, 최근 Claude(주로 Fable과 Opus 5.5)로 던졌던 호기심성 질문 몇 개를 이 모델에 돌려 봤어요.
확실히 한 단계 도약했어요. 정말 놀랐습니다.
답변이 핵심을 짚고, 논리 구조가 잡혀 있고, 글도 명료해요. 질문 하나에 잘 쓴 미니 에세이를 받는 느낌이에요.
파라미터를 직접 바꿔 볼 수 있는 작은 시뮬레이션이나 모델을 만들어 주는 것도 아주 좋아하더라고요. 예를 들어 가정을 바꾸면 경제 시나리오가 어떻게 달라지는지 살펴보기에 정말 좋아요.
출처가 달린 삽화를 고르는 솜씨도 훌륭하고요.
앞으로 코딩이 아닌 건 전부 이걸로 할 생각이에요.
복잡하고 미묘한 건강 문제를 설명하는 솜씨가 정말 놀랍습니다.
예를 들어 저는 최근에 "녹내장 의심 환자"라서 망막 OCT 검사를 받았습니다. 녹내장 의심 환자인 이유는 시신경 유두 함몰비(cup-to-disc ratio)가 비정상적으로 높기 때문인데, 이는 녹내장 환자에게서 흔히 보이는 양상입니다.
이 OCT 검사에서는 RNFL에 대한 결과지를 받게 되는데, 간단히 말해 시신경과 망막의 건강 상태와 두께를 알려 주는 보고서입니다. (물론 엄청나게 단순화한 설명입니다.)
담당 안과 의사는 OCT 결과를 제게 설명하는 데 애를 먹었고, 대신 어깨를 으쓱하며 "아마 고도근시라서 그럴 겁니다. 그래도 1년에 한 번씩은 계속 오세요"라고 했습니다.
그런데 제 검사 결과는 끔찍할 정도로 새빨갛습니다. 제 나이대 망막 두께에서 하위 1퍼센타일에도 못 미친다는 뜻이죠. 직접 알아볼 만큼 걱정스러운 건 당연했습니다...
ChatGPT 6 Pro와 Opus 5.5는 이 검사 결과가 임상적으로 뭘 의미하는지 전혀 갈피를 잡지 못했습니다. 반면 Argon은 처음으로 다음을 해낸 모델이었습니다.
OCT 장비가 작동하는 원리를 설명했습니다.
제 경우에 함몰과 얇아진 RNFL 층이 생기는 생리적 메커니즘을 자세히 설명했습니다.
이를 임상적 권고로 요약했습니다. (안과 의사의 권고와 비슷하고, 기본적인 영양제 복용과 생활 습관 개선이 더해졌습니다.)
제 눈과 녹내장 환자 눈의 지형을 비교하는 인터랙티브 시각화를 제공했습니다: https://optic-nerve-3d.netlify.app/
정말 감탄했습니다.
네, 제 경험으로도 복잡한 건강 문제를 이해하려 할 때는 OpenAI나 앤트로픽 모델보다 Gemini가 훨씬 쓸모 있었습니다. 증명의 기준이 훨씬 잘 맞춰져 있는 것 같아요. 위험할 수 있는 치료법은 부작용 위험이 크지 않은 다른 치료법보다 더 탄탄한 근거가 필요하다는 점을 제대로 이해하고 있다는 뜻입니다.
이걸 2020년 개발자 인건비로 만들면 얼마나 들었을지 궁금하네요.
완전히 동의해요. 제가 새로 꼽은 범용·비코딩용 모델입니다. 이 정도일 줄은 몰랐어요... 게다가 빠르기까지 하고요.
저도 첫인상이 "빠르다"였어요. https://x.com/tmuxvim/status/2110054212361220444
다들 어디서 써 보고 계세요? AI Studio에 로그인했더니 엉망진창이에요. 지금 어떤 모델을 쓰는지조차 알 수가 없어요.
월 20달러짜리 Pro 멤버십으로 gemini.google.com에서 써요.
왜죠? 코딩은 별로인가요? 아니면 더 성능이 좋은 게 있나요, 아니면 같은 성능에 가격이 더 싼 게 있나요?
질문하신 분은 아니지만 말씀드리면, 코딩만 놓고 보면 지금까지 Gemini 모델은 앤트로픽(확실한 선두)과 OpenAI의 최고 모델에 뒤처져 왔습니다. 현재 코딩 모델로는 Opus 5.5가 중론상 최고입니다.
그렇다고는 해도, 지금까지 써 본 Argon은 정말 인상적입니다. 구글의 AI 전략에 대해 제가 했던 험담은 전부 취소합니다. Argon은 아주 좋고 아주 빠릅니다. 코딩에서도 경쟁력이 있을지 모르지만, 아직은 단정하기 이릅니다.
저도 완전히 동의합니다. Claude Code의 Opus 5.5가 훨씬 낫다는 걸 알고 정말 놀랐습니다. 코딩 작업에 Gemini Pro를 꽤 오래 썼는데, Opus 5.5로 코드 분석을 다시 해 보니 Gemini가 코드를 이해하는 데 부족한 점이 꽤 많이 드러나더군요... 저는 Python으로 코딩하는데, LLM으로 코드를 짜기에는 Python이 최고의 언어로 여겨집니다(언어적 엔트로피를 말하는 겁니다).
이 글에서 다루는 신제품이 아니라 2월에 나온 예전 Gemini 3.1 Pro를 쓰신 것 같네요.
Opus 5.5는 Opus 5.5가 짠 코드에서도 버그를 줄줄이 찾아내거든요. 그러니 이건 모델 능력의 차이를 보여 주는 게 아닐 수도 있습니다.
저는 OpenRouter를 통해 Vulkan 코드를 살펴보는 데 쓰고 있습니다. 괴물이에요. 코드 안에 계측 코드를 넣는 데 망설임이 없습니다(렌더 패스가 여러 개 있거든요). 프레임버퍼를 PNG 파일로 덤프해 픽셀 단위로 비교하고, 셰이더에 가짜 색을 입혀 버그를 찾아내기도 합니다. 정말 인상적입니다.
궁금해서 여쭤보는데, 이런 작업에는 어떤 하네스를 쓰시고 샌드박스는 어떻게 구성하셨나요? 저는 예전에 Aider를 썼는데 더 최신 도구로 바꿀까 생각 중이거든요.
처음엔 agy CLI로 시작했는데, 컨텍스트 압축이 너무 예측 불가능해서 끔찍합니다. 그래도 구글 구독으로 쓸 수 있는 유일한 방법이라 참고 씁니다. 사용량 한도나 주간 한도가 바닥나면 Opencode(Openrouter ZDR 엔드포인트 사용)를 병행해서 쓰고 있고, 지금도 그렇게 씁니다.
최근 2주 동안은 deepseek-harness를 직접 수정한 버전을 쓰기 시작했습니다. 텔레메트리를 끄고, 기본 코드에 딸려 오는 pi-ai 매니페스트에 의존하는 대신 Openrouter를 통해 제공자의 모델 목록을 동적으로 조회하도록 고쳤습니다. 지금까지는 이게 가장 좋은 경험입니다. 캐싱이나 초당 토큰 수 통계를 보여 주는 점이 특히 마음에 듭니다. (추신: 저는 TypeScript를 하나도 모르지만, AI로 하네스를 수정하는 정도면 이런 손질을 하기엔 충분합니다.)
샌드박싱은 분명 제게 골칫거리입니다. 아마 아시겠지만, 그래픽이나 게임 프로그래밍에서는 윈도 시스템에서 실제 렌더 서피스를 만들고 입력 컨텍스트(키보드, 마우스, 게임패드)까지 처리해야 해서 헤드리스 실행이 불가능한 경우가 많습니다. 그래서 개발은 대부분 VM에서 합니다. 그런데 테스트 스위트와 스모크 테스트 일부는 호스트 OS에서 직접 돌려야 하는데, 이건 썩 좋지 않죠. 이걸 피할 방법이 있으면 꼭 듣고 싶습니다.
수정한 부분을 공유해 주실 수 있나요?
저는 지금 antigravity cli로 Gemini Argon 4를 쓰는데, 코딩 정말 잘합니다.
자동 압축은 언제 되나요? gemini-3.8-flash처럼 25만 토큰에서 되나요? 그보다 넉넉하다면 울트라 요금제로 올리는 걸 고려해 볼 수도 있겠네요.
울트라 요금제 쓰세요? 일반 구독에는 없다고 나오던데요.
저는 이 모델을 API로 쓰고 있습니다. 가장 기대되는 건 영어(그리고 어떤 언어든) 글쓰기 능력입니다. 트위터에서 제가 제일 싫어하는 유행은 2D 일러스트나 3D 렌더링을 올리면서 그걸 모델 성능의 척도처럼 내미는 겁니다. 잘 쓴 글은 화제가 될 가능성이 훨씬 낮지만, 판타지 세계를 한 방에 렌더링하는 것보다 훨씬 더 중요합니다.
API로 써 봤는데 지금까지는 모델이 정말 마음에 듭니다. 머리가 맑고, RL에 찌든 느낌이 없고, 문체가 뚜렷하고, 큰 모델 특유의 느낌이 납니다. 다만 이 모델에서 em 대시가 돌아왔습니다.
그나저나 제가 구글 팀 소속이었다면 순다르 피차이에게 정말 답답했을 겁니다. 이 모델의 출시가 엉망이 된 건 전적으로 용량 문제 같은데, 피차이는 자기 팀만 빼고 다른 모두에게는 기꺼이 용량을 내주고 있으니까요.
저는 구글 내부에서 한동안 써 왔습니다. 생각이 명료하고 직설적이라서 Opus 5.5보다 Argon이 더 좋습니다. 말을 체계적이고 곧바로 풀어 가거든요.
흥미롭네요. 제가 본 LLM 출력 중 최고는 gemini 2.5 pro의 추론 과정(reasoning trace)이었어요. 구조가 잘 잡혀 있고 간결해서 "최종 출력"보다 훨씬 이해하기 쉬웠거든요. 물론 얼마 안 가 다른 곳들처럼 추론 과정을 숨겨 버렸지만... 아쉬워요!
그게 사실이라면 지금까지 구글이 내놓은 어떤 모델과도 엄청나게 다르다는 얘기네요. 기대는 되지만 의심도 꽤 됩니다.
제가 느끼기엔 Argon은 Opus 5.5만큼 좋은데, Opus는 짜증스럽게 비꼬고 알아듣기 어려워요.
취향 문제인 건 알지만, 자기가 아는 것보다 똑똑해 보이려고 남을 깔보고 말을 흐리는 대학원생이 떠올라요.
Opus 5.5는 자기가 옳다고 믿는 잘난 척하는 너드 같은 성격이라, 가끔 정말 알아듣기 어렵습니다. 천천히 설명하라고 콕 집어 시키지 않으면 정보를 너무 빽빽하게 욱여넣어요.
그래도 하네스 루프 안에서 설계하고 엔지니어링 문제를 푸는 데는 훌륭한 모델입니다. 인수인계는 형편없지만요.
네, 맞아요! 비꼬는 건 아닐지 몰라도 전문 용어를 쓰고 말을 흐리는 건 확실해요. 우리 모두 아는 그 느낌 있잖아요, 슬쩍 암시만 하는 거요. 자기가 (더) 똑똑하다는 걸 끊임없이 증명하려는 사람과 얘기하는 기분이에요.
저도 Opus 5.5가 말하는 방식이 싫어요. 거들먹거리면서 잘난 척하려는 느낌이에요. 싫어요, 싫어. 아직 Argon은 안 써 봤지만, 그에 비하면 Gemini 3.8 Flash는 매일 쓰는 모델로 쓰는 내내 즐거웠어요(게다가 빠르고요!).
이상하네요. 왜 그럴까요? '역할'을 조정하거나 '명확히 하기 위한 질문을 하라'는 지시를 추가해 보셨나요? 참 별난 일이네요.
저도 써 봤습니다. 아주 밀도가 높지만, 근거를 들어 인용하고 태도가 직설적이고 단도직입적입니다. Opus 5처럼 뚜렷한 "어조"나 말버릇이 있진 않습니다. 지시를 잘 따르고 기본적으로 꽤 깔끔한 언어를 씁니다. Argon은 탄탄하고 긴 호흡의 작업도 잘 다룹니다.