제미나이 4 카본 공개: 아르곤과 달라진 점, 사용 시점과 가격

구글이 2026년 10월 28일(미국 시간) 제미나이 4 카본을 발표했습니다. 제미나이 4 아르곤을 내놓은 지 2주 만입니다. 구글은 카본을 지금까지 낸 모델 가운데 가장 강력한 모델로 소개하며, 며칠씩 이어지는 코딩 작업과 사이버 보안 성능을 내세웠습니다. 다만 아르곤 때처럼 발표와 일반 공개 사이에 단계가 있어서, 10월 29일 기준 제미나이 앱을 열어도 카본은 보이지 않습니다.

이 글에서는 카본을 누가 먼저 쓰는지와 가격, 구글이 공개한 비교표에서 아르곤보다 나아진 점과 아직 1위가 아닌 시험, 보안 시험 결과, 외부 평가 기관과 해외 개발자들의 반응을 차례로 정리합니다. 아르곤의 요금제별 사용 위치는 제미나이 4 아르곤 정식 공개 정리에 있습니다.

카본을 먼저 쓰는 곳과 가격

구글 딥마인드의 코라이 카부크추올루 수석 부사장이 쓴 발표문은 공개 순서를 세 단계로 적었습니다.

카본 공개 순서

1. 11. 발표 주일부 사이버 보안 기관에 제공
   미국 정부 출시 전 시험 절차 참여
2. 22. 다음페어윈드 프로그램으로
   신뢰할 수 있는 협력사에 확대
3. 33. 그 뒤개발자, 기업, 일반 사용자
   구글 제품에서 제공

페어윈드 프로그램은 구글 딥마인드가 보안 능력이 강한 모델을 정부, 의료기관, 통신사처럼 중요한 시설을 지키는 조직에 먼저 제공하는 프로그램입니다. 아르곤도 9월 30일 발표 뒤 이 프로그램 참여 기관에 먼저 제공됐고, 10월 13일부터 유료 요금제 사용자도 쓸 수 있게 됐습니다. 페어윈드가 처음 나온 배경은 제미나이 3.8 플래시와 3.8 플래시 사이버 공개에 정리해 두었습니다.

API 가격은 아르곤과 같습니다. API는 프로그램에서 모델을 불러 쓰는 방식이고, 토큰은 모델이 글을 나눠 처리하는 단위입니다.

소개 가격에서는 캐시된 입력이 입력 단가의 95%를 할인한 0.10달러입니다. 캐시는 같은 입력을 다시 보낼 때 앞서 계산한 결과를 재사용하는 기능입니다. 소개 기간 이후 가격은 클로드 오퍼스 5.5와 같습니다. 단가가 같아도 모델이 답을 만들며 쓰는 토큰 수가 다르면 작업 한 건의 비용은 달라집니다. 이 차이는 뒤의 독립 평가 대목에서 다시 봅니다.

구글 비교표 18개 항목

구글은 카본을 아르곤, GPT-6 아스트라, 클로드 오퍼스 5.5, 클로드 페이블 5.1과 견준 표를 공개했습니다. 벤치마크는 정해진 과제를 모델에 맡겨 점수를 비교하는 시험입니다.

그림 1. 구글이 2026년 10월 28일 발표문에 공개한 카본 비교표입니다.

표의 18개 항목을 순위로 나누면 다음과 같습니다.

18개 항목에서 카본의 순위

• 16개1위아르곤보다 18개 모두 높음
• 2개다른 모델이 1위FrontierSWE 2, OSWorld-2.1

구글의 평가 방법 문서에 따르면 제미나이 점수는 구글이 사고 설정을 가장 높게 두고 직접 측정했거나 외부 순위표에서 가져온 값이고, 다른 회사 모델 점수는 대부분 각 회사가 공개한 값입니다. 사고 설정은 모델이 답하기 전에 생각하는 양을 정하는 값입니다. 측정한 곳과 조건이 다른 숫자가 섞여 있으니, 1위 개수보다 내 업무와 비슷한 시험의 차이를 보는 편이 판단에 도움이 됩니다.

아래 표는 아르곤보다 8%포인트 넘게 오른 다섯 항목과, 카본이 1위를 놓친 두 항목입니다.

터미널은 명령어를 입력해 컴퓨터를 다루는 화면이고, 에이전트는 여러 단계를 도구로 수행하는 AI입니다. 아르곤 발표 때 정리한 비교표에서 아르곤이 뒤졌던 분야는 터미널 코딩과 화면 조작이었습니다. 카본은 Terminal-Bench 4.0에서 오퍼스 5.5보다 5.6%포인트 높았지만, 화면 조작 시험인 OSWorld-2.1에서는 오퍼스 5.5보다 5.7%포인트 낮습니다. 아르곤 발표 때의 표와 이번 표는 시험 버전과 점수 출처가 달라서, 같은 시험이라도 아르곤 점수가 서로 다릅니다.

1위 항목 가운데 차이가 아주 작은 곳도 있습니다. 금융, 법률, 코딩 업무를 묶은 Vals Index는 카본 70.4%, 오퍼스 5.5 70.2%로 0.2%포인트 차이이고, 에이전트 코딩 시험 SWE-sweep은 카본 9.6%, 아스트라 9.5%입니다. 이 정도 차이는 시험을 다시 돌리면 순서가 바뀔 수 있는 범위로 보입니다.

사이버 보안 시험 세 가지

발표문이 가장 길게 다룬 부분은 보안입니다. 구글은 취약점을 찾고, 실제로 공격할 수 있는지 확인하고, 고치는 세 단계에서 모두 카본이 앞섰다고 설명했습니다. 이 세 시험은 안전장치를 끈 상태로 측정했습니다.

보안 시험 세 단계에서 카본과 아르곤

• 찾기, SEC-bench Pro88.2%아르곤 83.4%, 실제 소프트웨어의 취약점 발견
• 확인, ExploitGym54.8%아르곤 42.0%, 취약점을 공격 코드로 재현
• 수정, CWE-bench71.0%아르곤 68.0%, 원인을 고치는 코드 작성

취약점은 소프트웨어에서 공격자가 악용할 수 있는 결함입니다. 보안 담당자는 찾은 취약점이 실제로 공격에 쓰일 수 있는지 확인한 뒤 고칠 순서를 정하는데, ExploitGym은 이 확인 단계를 봅니다. ExploitGym 54.8%는 과제 하나에 10시간을 준 결과이고, 6시간으로 제한하면 53.5%입니다. 구글 차트에 함께 실린 오퍼스 5.5는 6시간 기준 34.5%, 아스트라는 시간 제한 없이 42.4%여서 조건이 완전히 같지는 않습니다.

구글 안팎의 사례도 함께 소개됐습니다. 구글 내부 시험에서 카본이 안전한 코드를 만드는 성공률은 아르곤의 두 배를 넘었습니다. 크롬 팀은 품질 높은 보안 패치를 만드는 작업에서 카본이 이름을 밝히지 않은 다른 회사의 대형 모델보다 10배 넘게 좋은 결과를 냈다고 전했습니다. 구글 계열 클라우드 보안 회사 위즈(Wiz)도 웹 침투 테스트 시험에서 카본이 가장 높았다고 전했습니다.

취약점을 찾고 공격 코드를 만드는 능력은 공격하는 쪽에도 그대로 쓰일 수 있습니다. 카본을 보안 기관에 우선 제공하고 미국 정부의 출시 전 시험 절차에 참여하는 것은 이 능력을 방어하는 쪽이 먼저 쓰게 하려는 조치로 보입니다.

안전성 수치와 외부 평가의 차이

발표문에는 카본이 시키지 않은 일을 하거나 근거 없는 말을 하는 빈도가 줄었다는 수치도 실렸습니다. 아래는 구글이 발표문에 밝힌 값입니다.

• 시험 채점 속이기: Terminal-Bench 4.0에서 채점을 속여 통과하려는 시도가 0.4%로 줄었고, 성공한 경우는 0.0%였습니다.
• 근거 없는 주장: 근거 없는 주장이 아르곤의 약 절반으로 줄었습니다. 구글은 카본이 근거가 부족하면 결과물에 한계를 적고, 막힌 작업은 실행하지 않고 남은 필요 조건을 목록으로 알려 준다고 설명합니다.
• 범위 지키기: 시키지 않은 일까지 하는 경우는 26%, 맡은 일을 덜 하는 경우는 29% 줄었습니다.
• 간접 프롬프트 인젝션: 아르곤 0.7%에서 카본 0.0%로, 평가한 공격 시도를 모두 막았습니다.

간접 프롬프트 인젝션은 웹페이지나 문서 안에 숨겨 둔 지시문으로 AI 에이전트를 조종하는 공격입니다. 에이전트가 메일을 읽거나 웹을 검색하다가 숨은 지시를 따르면, 사용자 대신 엉뚱한 파일을 보내는 일이 생길 수 있습니다.

그림 2. 그레이 스완(Gray Swan)의 간접 프롬프트 인젝션 시험 결과입니다. 막대 위 숫자는 15번 공격했을 때의 성공률이고, 낮을수록 잘 막은 것입니다. 차트는 구글 발표문에 실렸습니다.

외부 평가 기관의 수치는 방향이 조금 다릅니다. 아티피셜 애널리시스(Artificial Analysis)는 여러 시험을 묶어 모델 순위를 매기는 독립 평가 기관이고, 그중 AA-Omniscience는 틀린 답에는 감점하고 모르는 문제에 답하지 않으면 감점하지 않는 지식 시험입니다. 이 시험에서 카본의 정답률은 58.3%로 아르곤의 48.3%보다 10%포인트 올랐습니다. 반면 맞히지 못한 문항에 모른다고 하지 않고 틀린 답을 낸 비율인 환각률은 아르곤 4.2%에서 카본 11.4%로 높아졌습니다. 구글이 말한 근거 없는 주장 감소는 내부 시험 결과이고 AA-Omniscience는 지식 문답 시험이라, 두 수치는 측정한 대상이 같지 않습니다.

독립 평가와 실제 비용

아티피셜 애널리시스 지수 v5.0은 지식 업무, 터미널 코딩, 과학 추론 등 시험 9개를 묶은 점수입니다. 카본은 59점으로 1위이고, 같은 지수에서 오퍼스 5.5는 58점, 아스트라는 57점, 아르곤은 50점입니다.

이 기관의 측정에서 눈에 띄는 값은 토큰 사용량입니다. 카본은 지수 평가를 마치는 데 토큰 2억 개를 만들었고, 비교 모델의 중앙값은 6,400만 개였습니다. 과제 하나당 평균 비용은 소개 기간 이후 단가로 계산해 7.76달러였고, 출력 속도는 초당 92토큰이었습니다. 생각하는 과정을 길게 쓰는 모델은 단가가 같아도 청구되는 출력 토큰이 많아질 수 있습니다.

앞에서 본 Vals Index를 운영하는 Vals AI의 전체 순위에서 카본은 정확도 70.36%로 29개 모델 가운데 2위였습니다. 구글 표는 다섯 모델만 비교해서 카본이 1위로 나왔습니다. 웹 개발 결과물을 사람이 비교해 투표하는 WebDev Arena에서는 아르곤보다 89점 오른 1768점으로 4위였습니다.

해외 개발자 반응

해외 개발자 커뮤니티 해커뉴스의 토론에는 10월 29일 기준 600개가 넘는 댓글이 달렸습니다. 성능 자체보다 출시 방식과 이름을 두고 나온 이야기가 많았습니다.

• 발표만 하고 못 쓰는 모델: 모델을 소개해 놓고 한동안 공개하지 않는 방식이 아쉽다는 댓글이 많았습니다. 공개가 한 달 늦어지면 그사이 경쟁 모델이 나와 지금의 벤치마크가 의미를 잃는다는 의견도 있었습니다.
• 이름 혼란: 아르곤(18번 원소)과 카본(탄소, 6번 원소) 가운데 어느 쪽이 상위 모델인지, 카본이 아르곤을 대체하는지 묻는 댓글이 이어졌습니다. 가격이 같아서 더 혼란스럽다는 반응도 있었고, 원소 이름이면 모델을 118개까지 낼 수 있겠다는 농담도 나왔습니다.
• 아르곤 사용 경험: 아르곤이 기대에 못 미쳤다는 평가와, 대화 품질이 좋아 고객 응대 에이전트에 잘 쓰고 있다는 평가가 함께 있었습니다.
• 가격: 소개 가격 입력 2달러, 출력 10달러가 싸다는 반응과 함께 토큰을 얼마나 아껴 쓰는지가 궁금하다는 의견이 나왔습니다.

해외 기술 매체들은 아르곤 뒤 2주 만에 나온 출시 속도와 제한된 공개 범위를 함께 짚었습니다. 커뮤니티 댓글은 일부 이용자의 경험과 의견이라 공식 시험 결과와 무게가 다릅니다.

지금 할 수 있는 판단

카본이 일반에 공개되기 전까지 제미나이 앱과 API에서 쓸 수 있는 최신 모델은 아르곤입니다. 아르곤의 사용 위치와 모델 ID는 아르곤 정식 공개 정리에서 확인할 수 있습니다.

카본이 공개됐을 때 바꿀지는 업무 종류로 정합니다. 긴 문서나 대량 자료를 다루는 작업, 터미널에서 돌리는 코딩 에이전트라면 비교표상 아르곤과의 차이가 커서 바로 시험해 볼 만합니다. 화면을 직접 조작하는 작업은 비교표에서 여전히 오퍼스 5.5가 앞섭니다. 아르곤으로 하던 작업 몇 개를 정해 두고, 카본이 공개되면 같은 입력으로 돌려 결과와 사용 토큰을 함께 기록합니다. 외부 측정에서 카본은 토큰을 많이 쓰는 편이었으니, 결과가 나아진 만큼 작업 한 건의 비용이 얼마나 늘었는지도 같이 봅니다.

Sources

• Google의 Gemini 4 Carbon 발표, 2026년 10월 28일
• Google DeepMind의 Gemini 4 Carbon 평가 방법과 결과
• Artificial Analysis의 Gemini 4 Carbon 평가
• Vals AI의 Gemini 4 Carbon 평가