Gemini 4 Argon 공개, 벤치마크와 실전 사례로 본 실력

출처: Google DeepMind
원문: https://deepmind.google/models/gemini/
작성자: 팔복소프트-김팔복

한눈에 보기

• Google DeepMind가 새 프런티어 모델 Gemini 4 Argon을 공개했고, 지금은 Google AI Pro·Ultra 구독자가 쓸 수 있습니다.
• Google 공개 표에서 Argon은 지식 업무와 장문맥 벤치마크에서 GPT-6 Astra, Claude Opus 5.5, Claude Fable 5.1을 앞섰습니다.
• 반면 Terminal-bench 4.0, FrontierSWE v2, OSWorld-2.0 등에서는 다른 모델이 1위였습니다.
• 출력 창이 1M 토큰이라 긴 증명이나 여러 파일짜리 앱을 한 번의 응답으로 끝내는 쓰임을 내세웁니다.
• Chrome 레거시 분리, Gemma 4 E2B 추론 가속처럼 실제 저장소에 반영된 사례를 함께 공개했습니다.

배경

최근 프런티어 모델 경쟁은 "얼마나 똑똑한가"보다 "도구를 쓰며 긴 작업을 끝까지 해내는가"로 옮겨 왔습니다. 이번 발표도 채팅 품질보다 에이전트형 코딩과 장문맥 사례에 무게를 실었고, 사례 대부분은 Google의 에이전트 개발 플랫폼 Antigravity에서 돌린 결과입니다.

주요 내용

벤치마크: 강한 곳과 약한 곳이 분명하다

그림 1. Google 공개 벤치마크에서 Argon이 1위인 항목과 다른 모델이 1위인 항목 (팔복소프트 작성)

가장 크게 앞선 곳은 지식 업무입니다. AutomationBench 51.3%(2위 Opus 5.5 42.5%), Harvey's Legal Agent Benchmark 19.6%처럼 법률·금융 에이전트 과제에서 격차가 큽니다. 다만 법률 쪽은 1위 점수가 19.6%라 모든 모델에게 아직 어려운 영역입니다.

코딩은 엇갈립니다. DeepSWE v1.1(77.9%)에서는 1위지만, 터미널 작업 중심의 Terminal-bench 4.0에서는 57.4%로 Opus 5.5(66.4%)에 뒤졌고 FrontierSWE v2도 GPT-6 Astra(65.5%)가 Argon(55.0%)보다 높습니다.

장문맥과 1M 토큰 출력

그림 2. 256k~1M 토큰 구간 GraphWalks 점수 (팔복소프트 작성, 수치는 Google 공개 자료)

128k 이하에서는 네 모델 차이가 작지만, 256k~1M 구간에서는 Argon 84.2%, GPT-6 Astra 71.8%로 벌어집니다. 출력 창도 1M 토큰이어서, Google은 잘린 응답을 이어 붙이지 않고 여러 파일짜리 앱이나 대형 레거시 변환을 한 번에 끝내는 용도를 예로 듭니다.

실제 저장소에 들어간 사례

• Chrome: 약 4천만 줄 Chromium 코드 안의 약 6백만 줄 레거시 폴더에서 핵심 웹페이지 처리 코드를 분리했고, 수개월 걸릴 리팩터링을 수주로 줄였습니다.
• Gemma 4 E2B: A100 + vLLM에서 처리량을 초당 약 37,900토큰에서 108,000토큰 이상으로 올렸고(2.85배), 업스트림 PR로 공개했습니다.
• ADK: 규칙 문서와 한 문단짜리 목표만 주고 밤새 돌려, 세션 준비 시간 40%, 콜드 임포트 21%를 줄였습니다.
• 레거시 마이그레이션: 700개 이상의 실습 환경을 옮기며 숨은 버그 16개 이상을 찾았습니다.

안전 측면에서는 간접 프롬프트 인젝션에 가장 강한 자사 모델이라고 밝혔고, 사고 과정(chain-of-thought)과 행동을 감시해 필요하면 실행을 멈추는 장치를 배포한다고 했습니다.

팔복소프트 관점

• 표는 Google이 고른 시험지입니다. 1위를 놓친 항목을 숨기지 않은 점은 믿을 만합니다. 그런데 그 항목이 하필 터미널 조작, 실무형 SWE, 데스크톱 조작처럼 코딩 에이전트에 기대하는 영역입니다. Claude Code 같은 도구로 터미널 중심 워크플로를 이미 굴리는 팀이라면 당장 갈아탈 이유는 약합니다.
• 강점은 "긴 것"입니다. 1M 출력과 256k 이상 장문맥 점수는 오래된 Java/JSP, 전자정부 프레임워크 시스템을 안고 있는 SI·금융권에 의미가 있습니다. 대량 문서 분석이나 스키마 변환처럼 한 번에 넣고 한 번에 받아야 하는 작업이라면 시험해 볼 만합니다.
• 비용은 확인 전입니다. 이 페이지는 구독 제공만 밝히고 API 요금과 한도는 적지 않았습니다. 긴 출력은 비용과 응답 시간도 함께 늘리므로, 계산 전까지는 장점으로만 볼 수 없습니다.
• 국내 환경의 벽은 그대로입니다. 망분리나 개인정보 국외 이전 규제로 코드베이스를 클라우드 LLM에 올리기 어려운 조직이 많습니다. 이런 팀에게는 업스트림에 공개된 Gemma vLLM 최적화가 더 바로 쓸 수 있는 소식입니다.
• 한국어 성능은 언급이 없습니다. 벤치마크와 고객 사례 모두 영어권 기준이라, 한국어 문서에서의 우위는 직접 확인해야 합니다.

정리

Argon은 "가장 똑똑한 모델"이라기보다 긴 문맥, 긴 출력, 지식 업무 에이전트에서 확실히 앞선 모델입니다. 터미널 중심 코딩에서는 경쟁 모델과 우열이 갈리니 용도별로 고르면 됩니다. 대형 레거시 정리나 대량 문서 분석 과제가 있다면 자체 데이터로 짧게 비교해 보고, 요금이 확인되기 전까지는 실험 단계에 두는 편이 맞습니다.

• Gemini 4
• Google DeepMind
• LLM 벤치마크
• 코딩 에이전트
• 장문맥