제미나이 3.8 플래시, 코딩 강화하고 보안 모델 분리

구글(Google)이 추론·코딩 성능을 높인 제미나이(Gemini) 3.8 플래시(Flash)와 보안 방어에 특화한 제미나이 3.8 플래시 사이버(Cyber)를 공개했다. 구글은 전작과 같은 속도·도입 가격을 유지하면서 복잡한 소프트웨어 작업을 더 잘 처리한다고 설명한다. 한쪽은 개발자가 널리 쓸 수 있는 범용 모델이고, 다른 한쪽은 취약점 발견과 패치를 맡을 신뢰받는 방어자에게만 제공된다. 성능 점수만큼 눈여겨볼 대목은 모델이 더 오래 생각할 때 실제 비용과 응답 시간이 어떻게 달라지는지다.

핵심 요약

  • 구글은 6주 동안 세 번째 플래시 모델인 제미나이 3.8을 내놓으며, 코딩·추론 성능 향상과 전작 수준의 속도·도입 가격을 함께 내세웠다.
  • 제미나이 3.8 플래시는 장기 소프트웨어 작업과 전문 분야 평가에서 성적을 높였지만, 어려운 문제에는 추론 단계와 도구 호출을 늘려 토큰을 더 쓸 수 있다.
  • 플래시 사이버는 취약점 발견뿐 아니라 자동 패치에 집중하며, 구글은 내부 코드 보안 작업에서도 성과를 확인했다고 밝혔다.
  • 보안용 모델은 더 폭넓은 사이버 기능을 갖춘 만큼 신뢰받는 방어자에게만 제공돼, 두 모델의 사용 범위가 갈린다.
  • 커뮤니티에서는 빠르고 저렴한 결과를 반기는 반응과 함께, 벤치마크 점수가 실제 지연 시간이나 작업 품질을 충분히 보여주지 않는다는 지적이 나왔다.

6주 새 세 번째 플래시

구글은 제미나이 3.7 플래시를 내놓은 지 3주 만에 3.8을 공개했다. 6주 동안 세 번째 플래시 모델을 출시한 셈이다. 이번 발표의 중심에는 범용 작업을 맡는 제미나이 3.8 플래시와 사이버보안에 맞춘 제미나이 3.8 플래시 사이버가 있다. 구글은 두 모델이 같은 기반 지능을 공유하되, 쓰일 환경에 따라 기능과 접근 범위를 달리했다고 설명했다.

구글은 코딩과 추론 성능이 높아진 배경으로 모델을 반복 평가하고 개선하는 장기 에이전트 루프(모델이 여러 단계를 거치며 작업을 수행·점검하는 과정)를 들었다. 까다로운 사이버보안 과제를 활용한 훈련도 공통 기반의 개선에 기여했다고 밝혔다. 따라서 사이버 모델은 범용 모델과 무관한 별도 발표라기보다, 공유하는 기술을 방어 작업에 맞춰 적용한 결과에 가깝다. 다만 두 모델의 이용 방식은 공개 범위부터 크게 다르다.

긴 코딩 작업과 전문 분야 추론

제미나이 3.8 플래시의 핵심 목표는 한 번에 끝나지 않는 소프트웨어 작업이다. 구글은 복잡한 개발 문제를 처음부터 끝까지 자율적으로 푸는 능력을 보는 딥SWE(DeepSWE v1.1·장기 소프트웨어 공학 평가)에서 이 모델이 대부분의 더 큰 최상위 모델보다 높은 성적을 냈다고 밝혔다. 그러면서 비용은 그보다 훨씬 낮다고 강조했다. 단순한 코드 한 조각 생성보다 여러 단계를 이어 가는 작업에 초점을 맞춘 주장이다.

평가 범위는 개발 업무에 그치지 않는다. 구글은 금융 분석용 발스 파이낸스 에이전트 V2(Vals Finance Agent V2)와 법률 업무용 하비 리걸 에이전트 벤치마크(Harvey’s Legal Agent Benchmark)에서도 3.7 플래시와 다른 최상위 모델을 앞섰다고 설명했다. 과학·기술·공학·수학과 인문학, 전문 분야의 다단계 추론을 평가하는 HLE-버리파이드(HLE-Verified) 점수는 54.9%로 제시했다. 구글이 내세우는 개선은 빠른 초안 작성뿐 아니라 분석과 보고가 필요한 작업까지 포괄한다.

더 오래 생각할 때 드는 비용

구글은 성능 향상의 한 이유를 모델이 어려운 문제에 더 많은 노력을 들이도록 설계한 데서 찾는다. 제미나이 3.8 플래시는 복잡한 요청을 받으면 추론 단계를 추가하고 도구를 반복해서 호출한다. 특히 노력 수준을 높게 설정하면 결과를 개선하기 위해 토큰(모델이 입력과 출력을 처리하며 과금하는 단위)을 더 사용할 수 있다고 구글은 밝혔다. ‘같은 가격’이라는 설명이 요청 한 건의 총비용까지 같다는 뜻은 아닌 이유다.

개발자가 계산 효율을 우선한다면 노력 수준을 낮춰 토큰 사용량을 줄일 수 있다. 구글은 효율을 중시하는 작업에 계속 쓸 수 있도록 3.7 플래시도 지원한다고 밝혔다. 3.8 플래시로 만든 시연에는 구글 안티그래비티(Google Antigravity)에서 제작한 성 탐험 게임과 DOS 형태의 지도 서비스가 포함됐다. 미국 지질조사국 자료를 활용한 지형 시각화와 구글 AI 스튜디오(Google AI Studio)에서 만든 기기 분해 3D 도구도 제시하며, 구글은 코드 작성에서 인터랙티브 결과물 제작까지 활용 범위를 보여줬다.

20개 언어에서 취약점 찾기

제미나이 3.8 플래시 사이버는 코드를 살펴 취약점을 자율적으로 찾아내는 데 초점을 맞춘다. 구글은 취약점 발견 평가인 사이버짐(CyberGym)에서 이 모델이 3.5 플래시 사이버뿐 아니라 훨씬 큰 최상위 모델도 앞섰다고 밝혔다. 사이버짐이 주로 C·C++ 코드베이스를 다룬다는 점을 고려해, 구글은 별도의 내부 평가도 진행했다. 이 평가에는 20개 프로그래밍 언어로 작성된 복잡한 코드베이스와 다양한 취약점이 포함됐다.

구글에 따르면 내부 평가에서 제미나이 3.8 플래시 사이버의 성공률은 70%를 넘었다. 구글은 이를 이전 모델에서 큰 폭으로 나아진 결과로 제시했다. 두 평가는 서로 보는 범위가 달라 점수 하나로 모든 방어 환경을 설명하지는 않는다. 다만 구글의 발표는 특정 언어의 취약점 찾기에서 더 다양한 코드베이스의 문제 발견으로 평가 범위를 넓히려는 방향을 보여준다.

발견에 그치지 않고 패치까지

구글은 방어자에게 필요한 능력으로 취약점 발견만큼 수정을 강조했다. 공격에 활용하는 기능보다 패치 능력을 우선 개발했다는 설명이다. 콜리니어(Collinear)가 운영하는 외부 평가 CWE-벤치(CWE-Bench)에서 제미나이 3.8 플래시 사이버의 패스@1(한 번의 시도로 평가를 통과한 비율)은 47.2%였다. 구글은 선두 최상위 모델의 47.8%에 근접하면서 비용은 훨씬 낮다고 밝혔다.

구글 내부 적용 사례도 공개했다. 크롬(Chrome) 보안팀에서는 이 모델이 정확한 취약점 패치를 훨씬 큰 상용 모델 가운데 가장 성적이 좋은 모델의 2.6배만큼 만들어냈다고 구글은 설명했다. 위즈(Wiz)의 내부 침투 테스트 평가에서는 다른 주요 최상위 모델보다 재현율이 7.59.7% 높고 비용은 2.35.2배 낮았다고 밝혔다. 구글 클라우드 취약점 연구팀은 평소 조사와 발견에 몇 달이 걸리는 중대한 기초 취약점을 이 모델로 2시간 이내에 찾았다고 전했다.

두 모델에 다른 안전장치

범용 플래시와 사이버 모델은 보안 기능을 허용하는 범위부터 다르다. 구글은 자체 프런티어 안전 프레임워크(고성능 AI의 위험을 평가·완화하는 기준)에 따라 3.8 플래시에 화학·생물·방사능·핵 분야와 사이버 공격 악용을 막는 장치를 적용했다고 밝혔다. 반면 플래시 사이버에는 방어 작업에 필요한 더 폭넓은 사이버 기능을 허용한다. 그 대신 이용 대상을 신뢰받는 방어자로 제한했다.

구글은 두 제미나이 3.8 모델의 프롬프트 인젝션(악의적인 입력으로 모델의 지시 체계를 흔드는 공격) 대응력도 향상됐다고 밝혔다. 이 평가는 그레이 스완(Gray Swan)의 측정 결과를 근거로 들었다. 에이전트가 도구를 여러 번 호출하며 코드를 읽고 고치는 작업에서는 지시를 가로채려는 입력에 얼마나 견디는지가 중요하다. 이번 발표에서 성능 개선과 접근 통제가 함께 다뤄진 이유이기도 하다.

이용 경로와 달라지는 요금

일반 개발자는 구글 안티그래비티와 구글 AI 스튜디오의 제미나이 API, 안드로이드 스튜디오(Android Studio) 등에서 3.8 플래시를 사용할 수 있다. 기업에는 제미나이 엔터프라이즈(Gemini Enterprise), 일반 이용자에게는 제미나이 앱과 검색의 AI 모드, 구글 시트의 일부 구독 경로가 제시됐다. 반면 플래시 사이버는 새 페어윈드 프로그램(Fairwind Program)을 통해 신뢰받는 정부 기관, 핵심 인프라 운영자, 소프트웨어 유지보수 담당자에게 우선 제공된다. 범용 모델을 바로 시험하는 경로와 보안 모델의 신청 경로가 구분된 것이다.

3.8 플래시의 도입 가격은 입력 100만 토큰당 0.75달러, 출력 100만 토큰당 3.75달러로 3.7 플래시와 같다. 이 가격은 2026년 12월 31일까지만 적용된다. 2027년 1월 1일부터는 각각 1.50달러와 7.50달러가 된다. 모델 선택을 검토하는 개발자라면 발표 시점의 단가뿐 아니라 노력 수준에 따른 토큰 사용량과 예정된 가격 변경을 함께 따져야 한다.

커뮤니티 의견

한 사용자는 HTML과 자바스크립트 결과물을 빠르게 만드는 점을 높이 평가했다. 간단한 웹페이지 제작 요청에 13초와 1.8센트를 들여 흥미로운 결과물을 얻었다고 소개했다. 답글에서도 결과의 속도와 완성도를 반기는 반응이 나왔다.

다른 사용자는 개인 여행 계획 앱에서 3.7 플래시를 쓰며 장소 정보, 방문 순서 정하기, 사진 선별, PDF 정보 추출에서 좋은 결과를 얻었다고 했다. 코딩 외 작업에서도 제미나이를 과소평가할 필요가 없다는 주장이다. 다만 영업시간처럼 바뀔 수 있는 정보는 모델의 기억에 맡기지 말고 공식 사이트를 웹 검색으로 확인해야 한다는 답글이 달렸다.

벤치마크 성적에 주목한 사용자는 3.8 플래시가 딥SWE 순위에서 높은 자리에 오른 점을 들어 플래시 모델치고 강력하다고 평가했다. 다른 사용자는 점수표에 속도가 담기지 않는다며 실제 응답이 매우 빠르게 느껴진다고 덧붙였다. 동시에 직접 사용해 봤을 때의 품질은 더 지켜봐야 한다는 의견도 있었다.

그림 생성 결과를 비교한 사용자는 추론 수준별 비용과 전작의 결과물을 나란히 제시하며, 낮은 추론 수준에서는 오히려 퇴보한 것 같다고 봤다. 이에 같은 그림을 모델마다 반복해서 비교하는 방식은 차이를 보여주기 어려운 평가라는 반론이 나왔다. 벤치마크가 눈에 띄는 결과를 보여줘도 실제 작업 품질을 가르는 기준인지는 따져봐야 한다는 논쟁이다.

한 사용자는 제미나이 계열의 장점으로 오디오·비디오 입력을 꼽았다. 빠르고 저렴한 플래시 모델이 이미지와 영상에서 구조화된 정보를 뽑는 작업에 적합하다는 의견이다. 실제 스트림과 소셜 콘텐츠를 분석할 때 영상을 480p로 변환해 배치 API에 보내고 있다는 경험담도 이어졌다.

또 다른 사용자는 코딩처럼 결과를 검증하고 다시 시도할 수 있는 작업에 빠르고 저렴한 모델이 특히 잘 맞는다고 주장했다. 모델을 실행·검증·재시도하게 구성하는 도구가 갖춰지면 적은 시간과 비용으로 높은 수준의 결과를 얻을 수 있다는 설명이다. 다만 어떤 실행 도구 구성이 제미나이에 적합한지를 묻는 답글도 달려, 모델 성능과 이를 둘러싼 작업 방식이 별개 문제임을 드러냈다.

추론 수준별 점수를 비교한 사용자는 외부 지능 지표에서 3.7 플래시의 낮음·중간·높음 점수가 각각 51·53·57, 3.8은 52·57·59라고 짚었다. 가장 큰 상승 폭이 중간 수준에서 나타났다는 점에 주목하면서, 실제 운영에서는 낮은 추론 수준의 성능이 더 유용한 지표일 수 있다고 했다. 높은 수준에서 토큰을 많이 써 점수를 올리는 방식은 비용과 시간이 중요한 환경에 맞지 않는다는 답글도 이어졌다.

속도에 대해서는 상반된 체감이 나왔다. 한 사용자는 낮은 추론 설정에서 큰 출력을 생성할 때 3.5 플래시는 810초, 3.7 플래시는 1525초가 걸려 공개된 속도 평가와 달랐다고 했다. 답글에서는 접속 경로에 따라 지연 시간이 다를 수 있다는 의견과, 별도의 퍼즐 평가에서는 3.8이 3.7보다 조금 빨랐다는 경험담이 함께 나왔다.

핵심 통찰

제미나이 3.8 플래시의 변화는 단순히 더 높은 점수를 얻는 데 그치지 않는다. 구글은 저렴한 범용 모델이 긴 작업을 이어 가도록 만들고, 같은 기반 기술을 취약점 수정까지 맡는 제한 공개 모델로 확장했다. 앞으로 확인할 것은 높은 추론 수준에서 늘어나는 토큰과 실제 지연 시간을 감안해도 이점이 유지되는지, 보안 모델이 발견한 문제를 얼마나 정확하게 고치는지다. 벤치마크와 시연을 넘어 반복 가능한 실제 작업 결과가 경쟁력을 가를 것이다.


원본: Introducing Gemini 3.8 Flash and 3.8 Flash Cyber

토론: Hacker News