제미나이 4 아르곤: 사용 시점, 가격과 벤치마크 읽기
제미나이 4 아르곤 발표와 일반 공개는 다릅니다. 누가 먼저 쓰는지 확인하고, 토큰 가격을 간단히 계산하며, 벤치마크 점수를 내 업무에 맞게 읽는 방법을 설명합니다.

세 줄로 먼저 읽기
- 구글은 2026년 9월 30일 발표한 제미나이 4 아르곤을 페어윈드 참여 기관 일부와 내부 팀에 먼저 제공하고 유료 API와 AI 울트라 사용자에게는 그다음에 제공합니다.
- 소개 가격은 100만 토큰당 입력 2달러와 출력 10달러, 이후 4달러와 20달러이며 입력 1만 토큰과 출력 2,000토큰인 요청 한 건은 소개 단가로 0.04달러입니다.
- 긴 문서 분석과 지식 업무 시험은 아르곤이 앞서고 터미널 코딩과 화면 조작 시험은 GPT-6 아스트라나 오퍼스 5.5가 앞서므로 내 업무와 같은 종류의 시험 점수로 고릅니다.
2026년 10월 13일 아르곤이 정식 공개됐습니다. 요금제별 사용 위치, 모델 ID, 11월 30일까지의 소개 가격과 입력 한도는 제미나이 4 아르곤 정식 공개 정리에 있습니다. 아래 내용은 10월 4일 기준입니다.
구글이 2026년 9월 30일 차세대 AI 모델 제미나이 4 아르곤을 발표했습니다. 9월 내내 X에서 코드명으로만 돌던 아르곤이 실제 제품 이름이 됐습니다. 그런데 발표문 첫 문단에 지금 바로 쓸 수 있는 모델이 아니라고 적혀 있어서, 출시 소식만 보고 제미나이 앱이나 AI 스튜디오를 열어도 아르곤은 보이지 않습니다.
이 글은 발표 당시 반응과 2026년 10월 4일 공식 안내를 바탕으로 누가 먼저 쓰는지, 가격과 출력 한도, 구글이 공개한 벤치마크, 해커뉴스와 X, 블룸버그 보도에 나온 반응을 차례로 정리합니다. 발표 전 목격담과 유출 수치는 제미나이 4 프로 아르곤 정리에 있고, 이 글 뒤쪽에서 그때 돌던 수치를 실제 발표와 대조합니다.
지금 쓸 수 있는 곳과 다음 순서
구글 딥마인드의 코라이 카부크추올루 수석 부사장이 쓴 발표문은 공개 순서를 네 단계로 적었습니다.
아르곤 공개 순서
1. 우선 제공페어윈드 참여 보안 기관 일부
구글 내부 팀
2. 함께 진행미국 정부 출시 전 접근 절차
시험자 의견으로 안전장치 수정
3. 다음유료 API 고객
AI 울트라 사용자
4. 그 뒤더 많은 개발자와 기업
일반 소비자
페어윈드 프로그램은 구글 딥마인드가 9월 초 사이버 보안 특화 모델 제미나이 3.8 플래시 사이버를 내놓으면서 만든 사전 제공 프로그램입니다. 정부, 의료기관, 통신사처럼 중요한 시설을 지키는 조직이 신청서를 내면 구글이 심사합니다. 공식 안내에 소개된 참여 조직은 650곳이 넘고, 아르곤은 그중 일부에만 먼저 갑니다. 3.8 플래시 사이버는 제미나이 3.8 플래시와 3.8 플래시 사이버 공개에 정리해 두었습니다.
10월 4일 기준 공개 API 모델 문서에는 아르곤의 호출용 모델 ID가 없었습니다. API는 프로그램에서 모델을 불러 쓰는 방식이고, 모델 ID는 부를 모델을 지정하는 이름입니다. AI 울트라는 제미나이 앱의 유료 요금제입니다. API 사용료와 앱 구독료는 따로 내고, 어느 쪽에 미리 결제해도 3단계가 열리기 전에는 아르곤을 쓸 수 없었습니다.
먼저 쓰는 기관과 구글 내부 팀에는 사이버 보안 관련 안전장치를 끈 판이 갑니다. 구글은 보안 회사 위즈(Wiz)가 이 모델로 전 세계 병원이 쓰는 의료 소프트웨어에서 민감한 개인정보가 노출되는 심각한 취약점을 찾았고, 이전 최상위 모델들은 이 취약점을 놓쳤다고 설명했습니다. 발표문은 이 수준의 능력을 안전하게 내놓으려고 단계를 나눴다고만 적었습니다. 취약점을 찾는 능력은 공격에도 그대로 쓰일 수 있어서 방어하는 쪽에 먼저 준 것으로 보입니다.
가격과 출력 한도
발표문의 API 가격은 소개 가격과 소개 기간 이후 가격 두 가지입니다. 입력은 모델에 보내는 자료와 요청, 출력은 모델이 만들어 내는 내용입니다. 토큰은 글을 나눠 처리하는 단위로, 한글 글자 수와 일대일로 같지 않습니다. 아래는 다른 모델과 함께 놓은 출력 단가입니다.
100만 토큰당 출력 단가(미국 달러)
아르곤의 소개 가격은 지금 쓰는 3.1 프로 프리뷰와 입력 단가가 같고 출력은 2달러 낮습니다. 소개 기간이 끝나면 클로드 오퍼스 5.5와 같은 가격이 됩니다. 캐시는 같은 입력을 다시 쓸 때 계산을 재사용하는 기능이고, 소개 가격에서는 입력 단가의 95%를 깎아 0.10달러입니다. 같은 단가라도 작업마다 쓰는 토큰 수가 다르면 총비용이 달라집니다.
입력 1만 토큰, 청구 대상 출력 2,000토큰인 요청 한 건을 계산하면 이렇습니다.
입력 1만, 출력 2,000토큰 요청 한 건
0.02달러입력 10,000토큰10,000 ÷ 100만 × 2
0.02달러출력 2,000토큰2,000 ÷ 100만 × 10
0.04달러소개 가격 합계이후 단가로는 0.08달러
출력 한도도 크게 늘었습니다. 출력 한도는 한 번의 응답에서 모델이 만들 수 있는 최대 토큰 수입니다. 구글은 이전 한도 6만4,000토큰을 아르곤에서 100만 토큰으로 늘렸다고 밝혔습니다. 모델이 깊게 생각하면서 한 번의 작업에 수십만 토큰을 만들 수 있어야 어려운 문제를 한 번에 푼다는 설명입니다. 출력 100만 토큰을 채우면 소개 단가로 10달러, 이후 20달러가 들고 입력 비용은 따로 붙습니다. 현재 제미나이 API 가격표는 모델이 생각하는 과정의 토큰도 출력으로 청구합니다. 출력 한도는 넣을 수 있는 자료의 크기인 입력 한도와 다른 값입니다.
구글이 공개한 벤치마크 19개
구글 딥마인드 제미나이 페이지에는 아르곤과 GPT-6 아스트라, 클로드 페이블 5.1, 클로드 오퍼스 5.5를 견준 표가 있습니다. 벤치마크는 정해진 과제를 모델에 맡겨 점수를 비교하는 시험입니다. 입력 길이가 다른 GraphWalks 두 행을 따로 세면 표는 19개 행입니다.
19개 행에서 아르곤의 순위
13개단독 1위
1개공동 1위CWE-bench, 아스트라와 같은 점수
5개다른 모델보다 낮음주로 터미널 코딩과 화면 조작
수치를 모두 구글이 측정한 것은 아닙니다. 공식 평가 방법에 따르면 구글이 직접 측정한 결과와 Vals 같은 외부 순위표, 경쟁사가 공개한 수치를 함께 썼습니다. 영상 시험은 모델마다 넣은 영상 프레임 수가 달랐습니다. 프레임은 영상을 이루는 한 장 한 장의 이미지입니다. 조건이 다른 점수를 모았으니 순위 하나로 모든 업무의 우열을 정할 수는 없습니다.
아르곤이 앞서거나 공동 1위인 시험 가운데 8개입니다.
| 시험 | 무엇을 보는지 | 아르곤 | GPT-6 아스트라 | 페이블 5.1 | 오퍼스 5.5 |
|---|---|---|---|---|---|
| Vals Index | 금융, 코딩, 법률, 세무 업무를 미국 GDP 비중으로 가중한 점수 | 68.9% | 63.1% | 65.8% | 67.0% |
| AutomationBench | 재피어가 만든 업무 자동화 처음부터 끝까지 실행 | 51.3% | 41.4% | 31.4% | 42.5% |
| Vals Finance Agent v2 | 여러 단계의 금융 조사 | 65.4% | 53.5% | 58.9% | 58.6% |
| Harvey Legal Agent | 법률 조사와 문서 작성 | 19.6% | 5.4% | 6.7% | 3.8% |
| DeepSWE v1.1 | 실제 소프트웨어 개발의 긴 작업 | 77.9% | 74.1% | 67.4% | 74.2% |
| GraphWalks 256K~1M | 25만~100만 토큰 입력 속 관계 추적 | 84.2% | 71.8% | 65.0% | 66.8% |
| LVBench | 긴 영상 이해 | 91.7% | 87.5% | 79.7% | 83.7% |
| CWE-bench v1 | 보안 취약점 수정 | 68.0% | 68.0% | 58.0% | 67.0% |
아르곤이 뒤진 다섯 시험은 대부분 코딩과 컴퓨터 조작입니다. 막대는 아르곤 점수이고, 아래에 그 시험의 1위 모델을 적었습니다.
아르곤이 1위를 놓친 시험
아르곤은 문서 분석과 긴 입력 시험에서 앞서고, 명령어를 입력하는 터미널 환경과 화면 조작 시험에서는 낮았습니다. 여러 단계를 도구로 수행하는 AI를 에이전트라고 부르는데, 에이전트 코딩 시험끼리도 결과가 다릅니다. DeepSWE에서는 1위이고 FrontierSWE에서는 아스트라보다 65.5 − 55.0 = 10.5%포인트 낮다는 점은 해커뉴스에서도 지적됐습니다. 10.5%포인트는 점수의 차이이고, 아스트라가 10.5% 더 잘한다는 상대 비율과는 다릅니다.
터미널 명령 실행이 주 업무라면 Terminal-bench 행을, 코드 저장소의 긴 개발 과제라면 DeepSWE 행을 먼저 봅니다. DeepSWE에서 아르곤과 오퍼스의 차이는 77.9 − 74.2 = 3.7%포인트입니다. OSWorld의 부분 점수는 내 컴퓨터 작업을 끝까지 성공할 확률이 아닙니다.
구글이 밝힌 내부 사용 사례
발표문은 아르곤이 이미 구글 내부 업무에 쓰이고 있다며 사례 세 가지를 들었습니다. 모두 구글이 밝힌 결과입니다.
구글이 밝힌 내부 사용 결과
300TiB 이상데이터센터 메모리 확보전체 예상 500TiB에서 1PiB
80만 줄 이상러스트로 옮기는 지르콘 커널퓨시아 운영체제
2.7배libgav1 러스트 판 속도기존 러스트 판 대비, 출력은 동일
40%양자 알고리즘 개선논문 기준 대비, 큐비트와 게이트 사용량
메모리 절감은 아르곤 에이전트 여러 개가 구글 데이터센터 전체의 성능 측정 기록을 분석해 최적화할 곳을 찾아 적용한 결과입니다. 코드 이전은 C/C++로 짠 정규식 라이브러리 re2부터 지르콘 커널까지 러스트로 옮기는 작업이고, 영상 디코더 libgav1에서는 기존 러스트 판보다 2.7배 빠르면서 출력은 똑같았다고 합니다. 양자 알고리즘은 큐비트와 게이트 사용량을 줄이는 특정 과제에서 논문에 발표된 기준보다 40% 나은 결과를 몇 분 만에 냈다는 내용입니다.
러스트는 일부 메모리 오류를 프로그램 실행 전 검사로 막도록 설계된 프로그래밍 언어입니다. 러스트로 옮긴다고 모든 오류가 없어지지는 않습니다. TiB와 PiB는 메모리 용량 단위이고 1PiB는 1,024TiB입니다. 해커뉴스에서는 이 대목에 답글이 많이 달렸습니다. 구글 핵심 라이브러리를 대규모로 옮길 수 있다면 C++의 앞날이 달라질 수 있다는 의견과, 구글 안에서 러스트 도입을 오래 미뤄 왔다는 이야기가 함께 나왔습니다.
해커뉴스와 X, 언론 반응
반응은 어디에서 나왔는지에 따라 내용이 달랐습니다.
어디에서 어떤 반응이 나왔는지
| 반응 | |||
|---|---|---|---|
| 일반 공개 날짜가 없다는 불만 | 제공 | – | – |
| 벤치마크만으로는 판단하기 어렵다 | 제공 | – | 제공 |
| 초기 사용 경험이 좋았다 | 제공 | – | 제공 |
| 가격표와 순위 이미지 재게시 | – | 제공 | – |
해커뉴스 토론에는 일반 공개 날짜가 없다는 불만과 벤치마크만으로 판단하기 어렵다는 의견이 나왔고, 초기 사용 경험을 좋게 설명한 댓글도 있었습니다. 익명 이용자의 경험담은 공식 시험 결과와 무게가 다릅니다.
X에서 도는 가격표와 순위는 원문 링크가 붙어 있는지부터 봅니다. 구글 관계자의 발표 소개, 접근 권한이 있는 평가자의 시험, 발표 내용을 다시 옮긴 게시물은 근거의 수준이 다릅니다. 모델 이름과 평가 방법이 빠진 순위 이미지로는 성능을 판단하기 어렵습니다.
블룸버그 보도는 일부 구글 직원이 실제 코딩과 앱 화면 디자인 작업에서 벤치마크만큼의 성능을 느끼지 못했다고 전했습니다. 같은 기사에는 구글의 반박과 아르곤을 높이 평가한 내부 의견도 실렸습니다. 같은 조건에서 모델을 시험한 결과가 아니라 내부 의견이 엇갈린다는 보도입니다.
발표 전 목격담과 실제 발표 대조
9월 한 달 동안 X에 돌던 이야기는 이번 발표로 맞은 것과 틀린 것이 나뉘었습니다. 코드명과 출력 한도, 컨텍스트 창 이야기는 X 계정 Lentils가 9월 14일 올린 게시물에서, 가격은 익명 이미지에서 나왔습니다.
발표 전 이야기와 실제 발표
| 항목 | |||
|---|---|---|---|
| 이름 | 내부 코드명 아르곤 | 정식 이름 아르곤 | 제공 |
| 등급 | 제미나이 4 프로 | 프로라는 말 없음 | 제공하지 않음 |
| 출력 한도 | 256K 토큰 | 100만 토큰 | 제공하지 않음 |
| 가격(100만 토큰당) | 입력 2.25, 출력 11.25달러 | 소개 가격 입력 2, 출력 10달러 | 제공하지 않음 |
| 시기 | 10월 초중순 출시 | 9월 30일 발표, 단계 공개 | 제공하지 않음 |
출력 한도가 이전 모델보다 크다는 방향은 맞았지만, 실제로는 네 배가 아니라 열다섯 배 넘게 늘었습니다. 유출 가격표도 가격대는 가까웠지만 숫자는 달랐습니다.
어느 업무에 아르곤이 맞는지
옮길 모델은 벤치마크 표에서 내 작업과 같은 종류의 시험을 골라 정합니다. 구글 비교표의 순위를 업무 종류별로 모으면 이렇습니다.
이런 업무라면 이 모델이 앞섭니다
| 이런 업무 | |||
|---|---|---|---|
| 계약서와 재무 자료 같은 긴 문서 분석 | 제공 | – | – |
| 법률 조사와 문서 작성 | 제공 | – | – |
| 긴 영상 이해 | 제공 | – | – |
| 터미널에서 명령을 실행하는 코딩 | – | 제공 | – |
| 에이전트 코딩(FrontierSWE) | – | – | 제공 |
| 화면 조작 | – | – | 제공 |
계약서와 재무 자료처럼 긴 문서를 분석하는 일이 많다면 아르곤의 지식 업무 점수와 가격이 눈에 띕니다. 터미널에서 돌리는 코딩 에이전트가 주 업무라면 이 표만으로는 오퍼스 5.5나 아스트라에서 옮길 이유가 약합니다. 앞에서 본 구글 내부 의견처럼 점수와 실제 작업 결과는 다를 수 있으니, 지금 쓰는 모델과 같은 작업을 나란히 돌려 결과와 비용을 기록해 두면 같은 조건으로 견줄 수 있습니다.
Sources

제대로 이해했는지 한 문제로 확인해 볼까요?
답을 고르면 바로 풀이가 나와요.
2026년 10월 4일 확인한 아르곤의 제공 범위를 올바르게 설명한 것은 무엇일까요?

새 글과 AI 소식을 메일로 받아 보세요
AI가 바꾸는 일과 도구, 측정 실무 이야기를 매주 한 번 보내 드려요.
이 글이 도움이 되었나요?
제미나이 앱, 모델, 워크스페이스 안의 기능을 구분하는 것부터 시작합니다
- 1제미나이 모델 종류와 차이: Flash-Lite, Flash, Pro, Argon과 3.8 Flash vs 3.1 Pro
- 2제미나이 요금제와 무료 범위, 학생 요금제 이해하기
- 3제미나이 스파크(Gemini Spark) 뜻과 쓰는 곳 알아보기
