Gemini 4 Argon 벤치마크 13/18 선두, 그런데 API 모델 ID가 아직 없다

AI트렌드 Gemini 4 Argon 가격 LLM API gemini-4-argon 제미나이 4 아르곤

AI 트렌드·이슈

목록 보기

118/119

안녕하세요, 미니지식공간입니다.

구글이 2026년 9월 30일 Gemini 4 Argon을 공개했다. 벤치마크 18개 중 13개에서 선두를 가져갔다는 발표인데, 정작 API로 호출할 모델 ID는 공식 문서에 아직 올라와 있지 않다. 이 글은 지금 코드에서 무엇을 할 수 있고 무엇을 할 수 없는가를 기준으로 정리한다.

TL;DR

출력 토큰 한도가 64K → 1,000,000으로 확대됐다. 공식 블로그 명시 사항이다.

도입가 입력 $2 / 출력 $10 (100만 토큰당), 캐시 입력은 입력가의 95% 할인. 도입가 종료 후 $4 / $20.

Gemini API 공식 모델·가격 문서에 Gemini 4 항목이 없다(2026-10-01 확인). 지금은 전환 작업을 시작할 수 없다.

1. 공식 발표에 적힌 것만

구글 공식 블로그(2026-09-30) 기준으로 확정된 항목은 아래가 전부다.

# 출처: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/
#       https://deepmind.google/fairwind-program/
# 아래는 공식 발표문에 기재된 값만 전사한 것이며, 설정 파일이 아니다.

model name           : Gemini 4 Argon
announced            : 2026-09-30
max output tokens    : 1,000,000   (이전 Gemini 계열 64,000)
input context window : 공식 발표문 미기재 (확인 필요)
price (intro)        : input $2 / output $10  per 1M tokens
price (post-intro)   : input $4 / output $20  per 1M tokens
cached input         : input 단가의 95% off -> intro 기준 $0.10 / 1M
intro period end     : 미공개 (확인 필요)
api model id         : 공식 API 문서 미기재 (확인 필요)
access order         : Fairwind Program -> 유료 API 고객 + Google AI Ultra -> 개발자/기업/소비자

입력 컨텍스트 윈도를 100만 토큰으로 적은 기사가 몇 곳 있는데, 공식 문구가 100만이라고 말하는 대상은 출력 한도다. 원문은 출력 토큰 한도를 업계 최고 수준인 100만 토큰으로 기존 64K에서 확대한다는 표현을 쓴다. 입력 쪽 수치는 발표문에 없으므로 확인 필요로 둔다.

2. 단가 구조

구분	입력 / 1M	출력 / 1M	캐시 입력 / 1M
Gemini 4 Argon (도입가)	$2	$10	$0.10 (95% off)
Gemini 4 Argon (도입가 종료 후)	$4	$20	확인 필요
GPT-6 Astra	$10	$50	—
Claude Opus 5.5	$4	$20	—

Argon 단가 출처: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/
비교 단가 출처: https://venturebeat.com/technology/google-unveils-gemini-4-argon-retaking-benchmark-lead-over-openai-and-anthropic-but-in-limited-release

여기서 설계상 중요한 지점은 출력 단가와 출력 한도가 같이 커졌다는 것이다. 출력 100만 토큰을 실제로 소진하면 도입가 기준 호출 한 번에 $10, 정가 기준 $20이 청구된다. 출력 한도 확대는 처리량 이득이면서 동시에 단일 호출 비용 상한의 확대이기도 하다. max_output_tokens 류의 상한을 기본값에 맡기지 않고 명시하는 쪽이 안전하다.

도입가 종료 후 캐시 입력 단가는 공식 발표에 없다. 입력가의 95% 할인 규칙이 정가에도 그대로 적용되면 $0.20이 되지만, 그 규칙이 유지된다는 명시가 없어 확인 필요다.

3. 지금 API로 호출할 수 있나

결론부터: 모델 문자열이 없어서 불가능하다. 2026년 10월 1일 기준으로 Gemini API 공식 모델 목록과 가격 문서를 확인했으나 Gemini 4 계열 항목이 없다. 문서에 올라와 있는 최신 계열은 Gemini 3.8 Flash다.

그래서 아래 코드는 현행 공식 문서의 예제를 그대로 옮긴 것이고, 모델 문자열은 문서에 기재된 gemini-3.8-flash를 유지했다. Argon의 모델 ID가 공개되면 이 자리만 바뀌는 구조라서, 호출 형태를 미리 확인해 두는 용도로는 쓸 수 있다.

# 출처: https://ai.google.dev/gemini-api/docs/text-generation
# 공식 문서 예제 원문. model 문자열은 문서 기재값 그대로 둠.
from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-3.8-flash",
    input="How does AI work?"
)
print(interaction.output_text)

// 출처: https://ai.google.dev/gemini-api/docs/text-generation
import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({});

const interaction = await ai.interactions.create({
  model: "gemini-3.8-flash",
  input: "How does AI work?",
});
console.log(interaction.output_text);

# 출처: https://ai.google.dev/gemini-api/docs/text-generation
curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d "{\"model\": \"gemini-3.8-flash\", \"input\": \"How does AI work?\"}"

추론 강도는 공식 문서에서 generation_config 안의 thinking_level로 설명되며, 문서에 기재된 값은 low / medium / high다. Argon에서 이 파라미터 체계가 그대로 유지되는지는 모델 문서가 나오기 전까지 알 수 없다.

4. 벤치마크 18개 중 13개 — 이기는 쪽과 지는 쪽

아래 수치는 전부 구글 자사 발표이며 제3자 독립 검증 결과가 아니다. 벤처비트와 더뉴스택이 같은 수치로 정리했다.

벤치마크	Gemini 4 Argon	비교 모델	차이
Harvey 법무 에이전트	19.6%	GPT-6 Astra 5.4%	+14.2%p
GraphWalks (256K~1M)	84.2%	GPT-6 Astra 71.8%	+12.4%p
AutomationBench	51.3%	Claude Opus 5.5 42.5%	+8.8%p
Vals Finance Agent v2	65.4%	Claude Opus 5.5 58.6%	+6.8%p
LVBench	91.7%	GPT-6 Astra 87.5%	+4.2%p
DeepSWE v1.1	77.9%	Claude Opus 5.5 74.2%	+3.7%p
CWE-bench v1	68%	GPT-6 Astra 68%	공동 1위
FrontierSWE v2	55.0%	GPT-6 Astra 65.5%	-10.5%p
Terminal-Bench Science 0.1	57.6%	GPT-6 Astra 68.1%	-10.5%p
Terminal-Bench 4.0	57.4%	Claude Opus 5.5 66.4%	-9.0%p

패턴이 읽힌다. 롱 컨텍스트 탐색, 기업 지식 업무(법무·재무), 업무 자동화, 영상 이해에서는 두 자릿수 격차까지 벌리는데, 터미널·셸을 직접 다루는 에이전트형 코딩 벤치마크에서는 오히려 뒤처진다. DeepSWE v1.1만 보고 코딩 전반에서 1위라고 읽으면 과대 해석이다.

간접 프롬프트 인젝션 내성은 Gray Swan 지표에서 공격 성공률 0.7%로 보고됐다. Claude Opus 5.5 1.0%, GPT-6 Astra 8.5%와 비교된다. 단 이 구체 수치는 벤처비트 단일 출처에서만 확인됐다. Vals Finance Agent v2 수치도 같다.

5. 출력 100만 토큰이 바꾸는 설계 지점

출력 한도가 64K일 때는 긴 산출물을 만드는 작업이 거의 전부 분할 호출이었다. 문서 전체 번역, 대규모 리팩터링 패치, 코드베이스 단위 테스트 생성 같은 일은 청크를 나누고 각 청크의 결과를 이어 붙이는 오케스트레이션 코드를 따로 두게 된다. 이 코드가 전체 파이프라인에서 버그가 가장 자주 나는 부분이기도 하다.

출력 한도가 100만이면 그 오케스트레이션을 걷어낼 여지가 생긴다. 대신 세 가지가 새로 문제가 된다. 첫째, 단일 호출의 타임아웃과 스트리밍 처리. 둘째, 실패 시 재시도 비용 — 90만 토큰을 뽑다가 끊기면 그 전부가 매몰 비용이다. 셋째, 출력 상한 미설정 상태의 비용 폭발. 긴 출력이 가능해지는 것과 긴 출력을 안전하게 운영하는 것은 별개 문제다.

구글은 사내 적용 사례로 양자 최적화 과제에서 공개 기준선 대비 40% 개선, 데이터센터 메모리 300TiB 이상 확보(총 500TiB~1PiB 절감), libgav1 디코더 재작성으로 기존 러스트 이식본 대비 2.7배 속도를 제시했다. 모두 자사 발표다.

6. 도입 전 점검 5가지

모델 ID 공개 여부. 공식 모델 문서와 가격 문서에 Gemini 4 항목이 올라왔는지 확인한다. 2026-10-01 기준으로는 없다.
도입가 종료 조건. $2/$10이 언제까지인지 공개되지 않았다. 정가 $4/$20 기준으로 비용을 추산해 두는 쪽이 안전하다.
출력 상한 명시. 출력 한도 100만은 단일 호출 비용 상한이 $10~$20까지 열린다는 뜻이다. 상한을 코드에서 걸어 둔다.
코딩 과제 유형 구분. 터미널·셸 에이전트 워크로드는 발표 수치상 Argon이 뒤처진다. 벤치마크 평균이 아니라 자사 과제 유형으로 재측정한다.
접근 경로. 사이버 방어 목적이면 Fairwind Program 신청 요건을 먼저 확인한다. 그 외에는 유료 API 고객·Google AI Ultra 순서를 기다리는 것 외에 경로가 없다.

자주 묻는 질문

Q. gemini-4-argon 같은 모델 ID로 지금 호출되나?
아니다. 2026년 10월 1일 기준 Gemini API 공식 모델 목록과 가격 문서에 Gemini 4 계열 항목이 없다. 공식 문서에 모델 문자열이 올라오기 전에는 호출 경로가 없다.

Q. 기존 Gemini API 코드를 수정해야 하나?
지금 시점에는 수정할 것이 없다. 현행 문서의 호출 형태는 client.interactions.create(model=..., input=...)이며, Argon이 추가되더라도 모델 문자열 교체로 시작하는 것이 자연스럽다. 다만 파라미터 체계 변경 여부는 모델 문서 공개 전까지 알 수 없다.

Q. 도입가 $2/$10이면 Claude Opus 5.5보다 싼가?
도입가 기준으로는 입력·출력 모두 절반이다. 다만 도입가가 끝나면 $4/$20으로 Opus 5.5와 같아진다. 도입 기간 길이가 공개되지 않았으므로 장기 비용 비교의 근거로는 약하다.

마무리

Gemini 4 Argon은 발표 내용과 사용 가능 시점 사이의 간격이 유독 큰 공개다. 출력 100만 토큰과 도입가 $2/$10은 확정 사실이지만, 모델 ID가 없고 접근 순서가 사이버 방어 파트너부터라 지금은 코드에 손댈 단계가 아니다. 같은 $2/$10 구간을 도입가 없이 표시 단가로 쓰는 쪽과의 비교는 gpt-6.1-sol 도입 점검 글에 정리해 두었다.