구글 딥마인드(Google DeepMind)가 복잡한 연구와 엔지니어링 작업을 오래 이어서 수행하는 모델, 제미나이 4 아르곤(Gemini 4 Argon)을 공개했다. 구글은 브라우저 코드 개편부터 양자컴퓨팅, 효소 설계, 로봇 동작까지 아르곤을 적용한 사례를 제시하며 성능을 강조했다. 눈여겨볼 대목은 질문에 답하는 능력보다 여러 도구와 자료를 오가며 실제 결과물을 완성하는 능력에 무게를 뒀다는 점이다. 다만 초기 사용자들의 평가는 글쓰기와 일반 질의에서는 호의적인 반면, 코딩 속도와 이용 가능 여부에서는 엇갈린다.
핵심요약
- 구글은 아르곤이 크롬의 대규모 코드 개편과 개발 도구 최적화를 도왔다고 밝혔으며, 모델의 가치를 답변 품질보다 완료된 작업으로 보여주려 한다.
- 구글 연구진은 아르곤을 양자컴퓨팅·효소 설계·로봇 시뮬레이션에 적용했으며, 일부 결과는 코드 반영이나 실험실 시험까지 이어졌다.
- 아르곤은 CWE-Bench 취약점 수정 평가에서 공동 1위인 68%를 기록했다고 구글은 밝혔으며, 사이버 방어 활용과 오용 방지를 함께 내세웠다.
- 구글은 최대 100만 출력 토큰으로 긴 증명과 대규모 코드 생성을 지원한다고 설명했으며, 긴 작업을 끊지 않고 끝내는 능력을 강조했다.
- Hacker News 사용자들은 글쓰기와 다국어 대응을 높이 평가했지만, 이용 가능 여부와 일부 코딩 작업의 비용·시간에는 이견을 보였다.
연구 난제부터 사이버 방어까지
구글은 아르곤을 과학, 수학, 로봇공학, 사이버 방어 분야의 전문가와 함께 쓰는 모델로 소개했다. 첫 화면에서 강조한 것은 단일 시험 점수보다 연구자와 엔지니어가 풀기 어려운 문제에 모델을 투입하는 방식이다. 원시 영상에서 깊이와 물체의 경계를 추정한 뒤 물리적으로 맞는 시뮬레이션 코드를 작성하는 로봇 사례도 앞세웠다. 영상을 설명하는 데 그치지 않고, 로봇이 시험할 수 있는 환경으로 옮긴다는 주장이다.
보안 분야에서는 CWE-Bench(소프트웨어 취약점 수정 능력을 평가하는 시험)에서 68%로 공동 1위를 기록했다고 밝혔다. 구글은 아르곤이 자사 모델 중 간접 프롬프트 인젝션(외부 자료에 숨긴 지시로 모델의 행동을 바꾸려는 공격)에 가장 강하다고도 설명했다. 이용 대상을 방어 활동을 하는 파트너로 넓히겠다는 계획도 함께 제시했다. 강한 사이버 역량을 공개하면서 누구에게, 어떤 조건으로 접근을 허용할지가 발표의 한 축을 이룬다.
크롬 코드 개편과 분자 계산
엔지니어링 사례의 규모는 크롬(Chrome)에서 드러난다. 구글은 아르곤이 4,000만 줄 규모의 크로미움(Chromium) 코드에서 약 600만 줄에 걸친 오래된 브라우저 기능 폴더와 웹페이지 처리 핵심 부분을 분리하는 작업을 도왔다고 밝혔다. 여러 코드 변경을 병행해 수백 개 파일에 걸친 구조 개편을 몇 달 대신 몇 주에 마쳤다는 설명이다. 구글은 이를 바탕으로 사용자가 페이지를 다시 불러오지 않고도 탭, 측면 패널, 별도 창 사이로 옮길 수 있게 하고 특정 유형의 브라우저 충돌을 없애겠다고 했다.
연구용 소프트웨어에도 아르곤을 적용했다. 구글 연구진은 개발 플랫폼 앤티그래비티(Antigravity)에서 아르곤을 사용해 양자화학 도구 xTB의 분자 구조 예측 속도를 최대 2.3배, 분자 형태 탐색 속도를 1.8배 높였다고 밝혔다. 변경 사항은 GitHub의 공식 xTB 저장소에 제출됐다. 공개된 코드 변경이 있다는 점은 이 사례를 시연 영상만으로 평가할 필요가 없게 만든다.
밤새 수행한 최적화와 코드 이전
구글의 오픈소스 에이전트 개발 키트(ADK) 팀은 아르곤에 작업 규칙과 기존 앱을 망가뜨리지 않으면서 프레임워크 부담을 줄이라는 짧은 목표를 줬다. 구글에 따르면 아르곤이 밤새 찾아낸 최적화는 코드에 반영됐고, 긴 세션의 메모리 내 세션 준비 시간을 40%, 처음 불러오는 시간을 21% 줄였다. 목표를 세세한 구현 지시로 바꾸지 않아도 개선 지점을 찾았다는 점을 구글은 강조한다. 다만 여기서 제시한 수치는 해당 팀의 작업 결과다.
추론 엔진 vLLM에서는 A100을 사용한 제마 4 E2B(Gemma 4 E2B)의 처리량을 초당 약 3만7,900토큰에서 10만8,000토큰 이상으로 높였다고 밝혔다. 구글은 전체 추론 속도가 2.85배가 됐고 출력 토큰은 기존과 일치하며 품질 저하는 없었다고 설명했다. 또 아르곤은 구글 스킬 교육 실습 700개 이상을 다섯 코드 저장소의 고정된 시스템 이미지와 실행 환경에서 이전하면서, 숨어 있던 시간 초과 및 동시 실행 오류를 16건 넘게 찾아냈다. 구글이 제시한 절감 효과는 엔지니어링 작업 955시간과 연간 약 540시간이 들던 반복 정리 작업의 3시간짜리 업데이트 전환이다.
블렌더에서 웹 게임까지 이어진 3D 작업
구글은 이전 제미나이 모델보다 공간 추론, 수학적 정확성, 시각적 코딩이 개선됐다고 설명하며 3D 제작물을 연달아 선보였다. 아르곤은 앤티그래비티에서 여러 에이전트가 결과물을 시각적으로 점검하는 과정을 거쳐 블렌더(Blender)로 탑과 주변 건물을 갖춘 사원 장면을 만들었다. 실제 책상 사진을 미니어처 레이싱 게임으로 바꾼 사례에서는 물체와 경주로를 3D로 만들고 충돌을 확인한 뒤, 물리 효과와 음향을 연결했다. 이미지 한 장에서 출발해 고딕 건축물과 조명 효과를 갖춘 장면을 만드는 작업도 소개했다.
다른 시연에서는 파이썬(Python) 스크립트로 3D 게임의 조형, 뼈대 설정, 애니메이션을 만든 다음 웹에서 실행되도록 연결했다. 외부 라이브러리 없이 순수 파이썬으로 자체 3D 광선 추적 엔진과 영상·음향 도구를 작성해 도서관 장면의 영상을 완성한 사례도 있다. 이 시연들이 보여주는 대상은 한 장의 보기 좋은 이미지가 아니라 모델링부터 실행 가능한 결과물까지 잇는 작업 흐름이다. 따라서 평가는 화면의 인상뿐 아니라 수정 가능성, 동작, 제작에 든 시간까지 살펴야 한다.
문서 묶음과 전문 업무를 다루는 방식
구글은 아르곤이 법률, 금융, 과학, 코딩 분야에서 긴 자료를 읽고 여러 단계를 거치는 업무를 처리한다고 밝혔다. 아이소모픽 랩스(Isomorphic Labs)는 복잡한 PDF와 특허에서 필요한 정보를 추려 신약 연구에 쓰며, 보통 몇 주 걸리던 과정을 몇 시간으로 줄였다고 설명했다. 의료기술 기업 앰비언스 헬스케어(Ambience Healthcare)는 합성 의료 기록 200건 이상을 평가한 결과, 비교한 모델 중 제미나이 4가 필요한 정보를 찾아내는 정도와 ICD-10 진단 코드의 구체성에서 가장 높았다고 밝혔다. 이 회사는 실제 환자 기록에 대한 검증을 진행 중이라고 덧붙였다.
기업 문서 서비스 박스(Box)는 자체 평가에서 아르곤의 정확도가 제미나이 3.1 프로보다 14% 높았다고 밝혔다. 문서 본문뿐 아니라 그림에 담긴 단서까지 연결해 답을 완성했다는 평가다. 금융 분석 기업 케플러(Kepler)는 공시 자료를 이용한 재무 분석 시험에서 수치의 99% 이상이 분석가가 만든 기준 모델과 일치했다고 설명했고, 법률 서비스 렉시스넥시스(LexisNexis)는 법률 조사와 계약 검토에서 유망한 초기 결과를 제시했다. 구글은 이 밖에도 프로젝트 자료 폴더를 제안서로 정리하거나, 약 50GB의 고고학 자료를 탐색 가능한 3D 유적으로 재구성하는 사용례를 보여줬다.
양자 회로, 희귀질환, 효소 설계
연구 분야에서 구글은 아르곤을 논문 검색을 넘어 가설을 만들고 검토하는 협력 도구로 묘사한다. 아르곤은 구글의 양자 오류 정정 디코더인 알파큐비트(AlphaQubit)의 내부 버전을 최적화된 단일 하드웨어 커널로 옮겨 추론 처리량을 거의 두 배로 높였다고 한다. 또 양자 시뮬레이션에 쓰이는 arcsin 구현을 작성했고, 이를 정형 검증 도구 린(Lean)으로 확인한 결과 기존 발표된 기준 방식보다 시간·공간 비용이 100배 넘게 줄었다고 구글은 밝혔다. 핵융합 장치 스텔러레이터의 자기장에 관한 오래된 수학적 가설에서는 구글 연구진과 메릴랜드대 교수의 공동 작업으로 더 넓은 반례의 종류를 찾았다고 소개했다.
의생명 연구에서는 게이모 랩스(Gamow Labs)가 희귀 발달성 폐 질환이 있는 신생아의 신원 정보가 제거된 유전체를 분석하는 데 아르곤을 썼다. 한 사례에서 아르곤은 기존 소프트웨어가 수년간 놓친 염색체 재배열을 찾아내고 놓친 이유를 설명했다고 한다. 구글 연구진은 특정 분자를 분해하면 자외선 아래에서 빛을 내는 효소를 설계하는 작업에도 모델을 투입했다. 아르곤이 몇 시간 만에 후보 다섯 개를 골랐고, 후속 실험실 시험에서 이 설계들의 촉매 활성이 확인됐다고 밝혔다.
로봇의 일곱 번 투척과 보안 현장
로봇 시험은 영상에서 동작을 배워 실제 기계로 옮기는 데 초점을 맞췄다. 구글의 내부 시험에서 아르곤은 사람이 콘홀 게임을 하는 영상을 보고 공간 좌표와 필요한 전신 관절 움직임을 계산한 뒤 시뮬레이션 코드를 만들었다. 이를 앱트로닉(Apptronik)의 아폴로(Apollo) 휴머노이드에 적용하자 실제 시험에서 일곱 번 연속으로 목표물을 맞혔다고 구글은 밝혔다. 이 사례는 영상 이해, 물리 환경 구성, 로봇 동작 생성이 한 작업으로 연결됐다는 설명이다.
사이버 보안 기업 위즈(Wiz)는 아르곤을 공공 기반시설을 무료로 보호하는 활동에 사용하고 있다. 구글은 위즈가 초기 접근 권한을 이용해 핵심 의료시설을 보호했으며, 취약점 발견을 넘어 수십만 건의 환자 기록을 보호하는 데 모델을 활용했다고 설명했다. 보안 모델의 성능을 실제 방어 사례로 보여주는 동시에, 같은 역량이 공격에도 쓰일 수 있다는 문제를 피할 수 없다. 그래서 구글은 성능 소개 다음에 오용 방지와 접근 통제 방안을 배치했다.
100만 출력 토큰과 단계적 접근
구글이 제시한 아르곤의 최대 출력 길이는 100만 토큰이다. 구글은 이를 이용하면 10만 토큰이 넘는 추론 과정과 긴 수학적 증명, 양자 오류 정정 프로그램을 한 번에 출력할 여유가 생긴다고 설명했다. 여러 파일로 구성된 앱 생성, 큰 코드 저장소의 구조 개편, 오래된 시스템의 대규모 변환도 응답이 중간에 잘리는 일을 줄일 대상으로 들었다. 긴 출력이 곧 완성도를 보장하는 것은 아니므로, 실제 작업에서는 끝까지 일관성을 유지하는지가 중요해진다.
안전 대책으로 구글은 유해한 요청은 거절하되 정당한 연구는 허용하고, 모델의 추론 과정과 행동을 감시해 필요하면 실행을 멈추겠다고 밝혔다. 위험도가 높은 학습이나 평가에 앞서 격리된 실행 환경을 더 단단히 봉쇄하겠다는 계획도 제시했다. 아르곤은 구글 AI 프로와 울트라 구독자에게 제공되며, 자격과 수용 규모 등의 조건에 따라 연구자는 앤티그래비티의 높은 사용 한도를 6개월간 무료로 신청할 수 있다. 보안 방어 담당자에게는 별도 프로그램 신청 경로를 열었다.
커뮤니티 의견
한 사용자는 코딩이 아닌 호기심 위주의 질문을 아르곤에 다시 입력해 보고 답변의 변화가 뚜렷했다고 했다. 답이 간결하고 논리적으로 정리돼 있으며, 가정을 바꿔 볼 수 있는 작은 시뮬레이션을 자주 만든다는 점을 높이 샀다. 답글에서는 일반 용도 모델로 마음에 든다는 동의가 나왔지만, 구글 모델이 어려운 작업에서는 약한 모습을 보여 왔다는 지적도 있었다.
다른 사용자는 API로 써 본 뒤 화려한 3D 시연보다 잘 쓴 문장이 더 중요한 모델 역량이라고 주장했다. 글의 구조와 문체가 마음에 든다는 평가와 함께, 공개 과정에서 이용 용량을 충분히 확보하지 못한 듯하다며 구글의 배포 방식에 불만을 나타냈다. 이는 발표 자료가 시각적 결과물에 큰 비중을 둔 것과 대비되는 반응이다.
한 사용자는 구글 모델의 강점으로 기본적인 멀티모달 지원(글·이미지 등 여러 종류의 정보를 다루는 능력), 큰 입력 맥락 길이, 저렴한 가격의 일관성을 꼽았다. 답글에서는 다른 서비스인 코파일럿(Copilot)을 통해 쓸 때 100만 입력 맥락으로 설정해도 약 40만 토큰에서 내용을 압축하는 현상을 봤다는 경험이 나왔다. 그 사용자는 원인이 코파일럿인지 출시 초기 문제인지는 알 수 없지만, 동작 자체는 좋고 다소 느리다고 평가했다.
비용을 비교한 사용자는 비슷한 지능 수준의 모델과 견줘 작업당 비용이 크게 낮다며 아르곤을 긍정적으로 봤다. 반론은 새로운 모델이 나올 때마다 새로운 성능 그래프가 등장해 비교표의 설득력이 떨어진다는 것이었다. 가장 강한 설정으로 실행한 모델을 비교 대상으로 삼는 일이 경제적인지도 의문으로 제기됐다.
접근성과 특정 제작 작업을 놓고는 평가가 갈렸다. 한 사용자는 울트라 구독자인데도 앤티그래비티에서 아르곤을 이용할 수 없다고 했다. 이미지에서 HTML을 만드는 개인 시험을 진행한 다른 사용자는 아르곤을 상위권 모델보다는 한 단계 아래로 평가했다. 다만 페이지를 만들기 전 레이아웃을 문자로 먼저 그려 본 방식은 눈에 띄었다고 덧붙였다.
언어와 문화적 맥락에서는 호평이 이어졌다. 한 사용자는 자신의 독일어 평가에서 제미나이 4의 향상 폭이 컸다고 했고, 다른 사용자는 스리랑카 음식이나 인도·타밀 지역의 영화, 혼례 관습처럼 영어권 밖의 주제에서 답이 구체적이라고 말했다. 특히 지역에 따라 관습이 달라지는 혼례 준비 목록을 요청했을 때 일반적인 설명 대신 해당 지역의 맥락을 짚어 준다는 경험을 공유했다.
긴 탐색 작업과 대화 스타일을 시험한 사용자들도 있었다. 한 사용자는 보이니치 필사본 해독을 아르곤에 맡겨 연구를 진행 중이라고 소개했지만, 댓글만으로 해독 결과에 대한 합의가 이뤄진 것은 아니다. 다른 사용자는 오픈라우터(OpenRouter)를 통한 초기 사용에서 모델과 의견을 주고받는 경험이 좋았으며, 경쟁 모델과 비슷한 수준의 대화를 제공하면서 말투는 다르게 느껴졌다고 했다.
기업 활용과 코딩 비용을 비교하는 의견은 더 신중했다. 한 사용자는 자체 에이전트 실행 체계를 갖추면 비슷한 능력의 모델을 바꿔 쓰기 쉬워질 수 있다고 봤지만, 답글에서는 복잡한 다중 에이전트 작업을 안정적으로 처리하는 차이가 여전히 중요하다는 반론이 나왔다. 개인 코딩 시험을 진행한 사용자는 작은 버그 11개 중 10개를 고쳤다고 하면서도, 비교 모델보다 실행 시간과 비용이 더 들었다고 보고했다. 한 작업에서는 지나치게 오래 추론하다 제한 시간에 걸렸다는 점도 짚었다.
핵심통찰
아르곤 발표에서 달라진 것은 모델이 무엇을 아는지보다 무엇을 끝냈는지를 보여주는 방식이다. 코드 저장소에 반영된 최적화와 실험실에서 확인한 효소 활성은 3D 시연과는 다른 무게를 갖는다. 동시에 이용 가능 여부, 작업당 비용, 오래 생각하다 멈추는 코딩 사례는 높은 성능이 곧 편리한 사용 경험으로 이어지지 않음을 보여준다. 앞으로는 긴 작업의 성공률뿐 아니라 결과를 검토하고 재현하는 데 드는 수고까지 비교해야 한다.
원본: Gemini
토론: Hacker News