구글 딥마인드가 2026년 9월 30일(한국 시각 10월 1일) Gemini 4 Argon(제미나이 4 아르곤)을 발표했습니다. Gemini 4 세대의 첫 모델입니다. 처음에는 사이버 보안 협력 기관에만 열었고, 10월 13일부터 유료 Gemini API 이용자와 Google AI Ultra 구독자도 쓸 수 있게 됐습니다.
구글은 아르곤을 실제 소프트웨어 개발, 기업 지식 업무, 사이버 보안 방어처럼 길고 복잡한 작업을 위한 모델이라고 소개합니다. 눈에 띄는 점은 세 가지입니다.
- 한 번에 최대 100만 토큰까지 길게 출력할 수 있어요.
- 도입 기간 가격이 100만 토큰당 입력 $2, 출력 $10예요.
- 환각(없는 사실을 지어내는 것) 비율이 낮다는 평가를 받았어요.
핵심 스펙 한눈에 보기
| 항목 | 내용 |
|---|---|
| 발표일 | 2026년 9월 30일 (개발자 공개 10월 13일) |
| 모델 ID | gemini-4-argon |
| 입력 | 텍스트, 이미지, 영상, 오디오, PDF |
| 출력 | 텍스트 |
| 컨텍스트 | 1,048,576 토큰 (입력+출력 합산) |
| 최대 출력 | 기본 65,536 토큰, 긴 출력(long decode) 사용 시 최대 약 100만 토큰 |
| 지식 기준일 | 2026년 3월 |
| 구조 | 희소 전문가 혼합(Sparse MoE) 트랜스포머 |
| 도입 가격 | 100만 토큰당 입력 $2 / 출력 $10 |
| 정가 (도입 기간 이후) | 100만 토큰당 입력 $4 / 출력 $20 |
| 캐시된 입력 | 95% 할인 |
벤치마크
구글이 공개한 수치입니다.
| 벤치마크 | 측정 내용 | 점수 |
|---|---|---|
| DeepSWE v1.1 | 실제 소프트웨어 개발 과제 | 77.9% |
| CWE-bench v1 | 보안 취약점 찾기·수정 | 68% (공동 1위) |
| AutomationBench | 업무 자동화 | 51.3% |
| LVBench | 긴 영상 이해 | 91.7% |
| Vals Index | 금융·코딩·법률·세무 종합 | 1위 |
| Gray Swan IPI | 프롬프트 인젝션 공격 방어 | 1위 |
Engadget 보도에 따르면 Artificial Analysis의 지능 지수에서 아르곤은 OpenAI GPT-6 Astra와 같은 점수를 받았고, 작업당 비용은 그 60% 수준입니다. 같은 보도에서 환각 비율은 15%로, GPT-6 Astra와 Sol(각 54%)보다 크게 낮았다고 합니다.
무엇을 잘하나
- 긴 코딩 작업: 20개 이상의 프로그래밍 언어로 긴 추론과 코드 작성을 이어 갈 수 있습니다. 100만 토큰 출력이 가능해 큰 코드 변경도 한 번에 끝까지 만들 수 있습니다.
- 보안 취약점 자동 처리: 취약점을 찾고, 정말 문제인지 확인하고, 패치까지 스스로 합니다. 시연에서는 병원 의료 소프트웨어의 심각한 취약점을 찾아냈다고 합니다.
- 문서·영상 분석: 차트를 전문가 수준으로 읽고, 긴 영상에서 세부 내용을 찾고, 여러 문서를 함께 보고 작업합니다.
- 전문 분야 업무: 금융 분석, 법률 문서 작성, 세무 같은 분야에서 강점을 보였습니다.
구글은 아르곤을 자사 데이터센터 최적화에도 써서 메모리 300TiB를 확보했다고 밝혔습니다.
어디서 쓸 수 있나
| 경로 | 대상 |
|---|---|
| Gemini API (Google AI Studio, Android Studio) | 유료 등급 개발자 |
| Google AI Studio | Google AI Ultra 구독자 |
| Google Antigravity | 에이전트 중심 개발 플랫폼 |
| Google Cloud (Vertex AI 모델 가든) | 기업 고객 |
| Fairwind 프로그램 | 정부·신뢰할 수 있는 보안 협력 기관 (최초 공개 대상) |
무료 등급과 일반 Gemini 앱 이용자에게는 아직 열리지 않았습니다. 구글은 “가능한 한 빨리” 범위를 넓히겠다고만 밝혔습니다.
API 기능 지원
| 기능 | 지원 |
|---|---|
| 생각하기(thinking) | 지원 (low / medium / high) |
| 함수 호출 | 지원 |
| 코드 실행 | 지원 |
| 구조화된 출력 | 지원 |
| 파일 검색 | 지원 |
| 구글 검색·지도 근거 연결 | 지원 |
| 컴퓨터 사용 | 미리보기 |
| 캐싱 | 자동(암시적) 캐싱만 지원 |
| Live API(실시간 음성) | 미지원 |
| 이미지 생성 | 미지원 |
간단한 호출 예시(Python, google-genai SDK)입니다.
from google import genai
client = genai.Client() # GEMINI_API_KEY 환경변수 사용
resp = client.models.generate_content(
model="gemini-4-argon",
contents="이 저장소의 테스트 실패 원인을 찾아 줘",
)
print(resp.text)안전성
딥마인드 모델 카드에 따르면 생물·화학(CBRN)과 사이버 보안 분야에서 위험 기준선(CCL)에 닿을 가능성을 배제할 수 없다고 평가했습니다. 그래서 별도 안전 대책을 적용한 상태로 공개했습니다. 유해 요청 거절, 사고 과정(chain-of-thought) 감시, 프롬프트 인젝션 방어 기능이 들어갔고, 처음에 보안 협력 기관에만 먼저 연 것도 같은 이유입니다.
모델 카드는 한계도 적어 두었습니다. 다른 대형 모델처럼 환각이 생길 수 있고, 분야에 따라 지식이 늦을 수 있으며, 가끔 느려지거나 시간 초과가 날 수 있습니다.
정리: 누구에게 맞을까
- 긴 코딩·에이전트 작업을 하는 개발자: 100만 토큰 출력과 낮은 도입 가격 덕분에 지금 써 볼 만합니다.
- 보안 팀: 취약점 찾기와 패치 자동화 성능이 최상위권입니다.
- 비용에 민감한 팀: 도입가 $2/$10은 경쟁 최상위 모델보다 훨씬 쌉니다. 다만 도입 기간이 끝나면 $4/$20으로 오르니 장기 예산은 정가 기준으로 잡는 게 안전합니다.
- 무료로 써 보고 싶은 분: 아직은 유료 API나 AI Ultra 구독이 필요합니다.
출처: Google 블로그 발표, 개발자 공개 안내, Gemini API 문서, DeepMind 모델 카드, Engadget