소식 · · 읽는 시간 12분

Gemini 4 Carbon 일반 공개: Argon과 같은 단가에서 점수가 크게 오른 곳과 늘어난 대기 시간

이 글의 차례
  1. 같은 요청 형식, 같은 단가
  2. 점수가 크게 오른 곳과 거의 그대로인 곳
  3. 제3자가 잰 응답 시간과 토큰
  4. 보안 점수에 붙은 조건
  5. Hacker News에서 나온 엇갈린 첫인상
  6. 어떤 호출을 Carbon으로 옮길까
  7. 한계
  8. 출처

Google이 2026년 11월 10일 Gemini 4 Carbon(gemini-4-carbon)을 개발자, 기업, Google AI Ultra 구독자에게 열었습니다. 10월 28일 발표 때는 Fairwind 프로그램에 든 보안 방어 인력에게만 풀린 모델입니다. 이미 Argon을 쓰는 개발자에게 Carbon은 모델 ID 한 줄만 바꾸면 되는 선택지이고, 토큰 단가도 같습니다. 다른 것은 두 가지입니다. 점수가 오른 폭이 벤치마크마다 0.9%p에서 12.8%p까지 크게 갈리고, 제3자 측정에서 첫 토큰까지 기다리는 시간이 약 30초 늘었습니다.

이 글에서는 Carbon이 Argon과 무엇이 같고 무엇이 다른지, Google 모델 카드 수치로 직접 계산한 점수 차이, Artificial Analysis가 잰 응답 시간과 토큰 사용량, 보안 점수에 붙은 조건, Hacker News 반응을 다루고, 마지막으로 어떤 호출을 Carbon으로 옮길 만한지 판단을 적습니다.

같은 요청 형식, 같은 단가

Google 개발자 문서는 Argon에서 Carbon으로 옮길 때 요청 스키마를 바꿀 필요가 없다고 적습니다. 두 모델은 입력·사고·출력이 함께 쓰는 1,048,576 토큰 창, long decode, low·medium·high 사고 수준(기본값 medium)을 똑같이 지원합니다. 토큰 단가표도 두 모델이 같아서, 11월 30일까지는 100만 토큰당 입력 $2, 출력 $10의 도입가가 적용되고 12월 1일부터는 입력 $4, 출력 $20입니다. 출력 단가에는 사고 토큰이 포함됩니다. Argon이 아니라 Gemini 3.x에서 바로 옮긴다면 고칠 요청은 앞서 정리한 Gemini 4 Argon 마이그레이션 글과 같습니다.

차이는 한 턴에 쓰는 사고 토큰의 양입니다. 문서는 Carbon이 복잡한 작업에서 턴마다 더 많은 사고 토큰을 써서 탐색하고 검증하며, 그 결과 Argon보다 토큰 사용량과 지연이 늘어난다고 설명합니다. 그래서 Google 스스로 대화형 코딩, 일상적인 기능 개발, 빠른 프로덕션 루프에는 Argon을 남겨 두라고 권합니다. 옮기는 쪽에 주는 실무 지침은 두 가지입니다. max_output_tokens를 32K 미만으로 잡아 둔 앱은 32,768 이상으로 올리고, HTTP 타임아웃을 더 긴 사고 시간에 맞게 늘리라는 것입니다. Gemini 3 이하에서 옮기는 경우에는 어려운 프롬프트가 몇 분 걸릴 수 있다며 백그라운드 실행을 쓰거나 타임아웃을 15분 이상으로 잡으라고 적습니다.

쓸 수 있는 곳은 다음과 같습니다.

경로대상조건
Gemini API, Google AI Studio개발자API는 유료 등급만(무료 등급 불가). Ultra 구독자는 AI Studio에서도 사용
Gemini for business기업API, 모델 선택 메뉴, Antigravity, CodeMender
Gemini 앱, 검색 AI 모드일반 사용자Google AI Ultra 구독자
Google Antigravity개인 개발자Google AI Ultra 구독자

표 1. Google 공식 블로그와 Gemini API 문서를 대조해 직접 정리 (2026-11-12 확인)

Gemini API 이용 가능 지역 목록에는 대한민국이 들어 있습니다. 그래서 국내 개발자는 유료 등급 API 키만 있으면 바로 호출할 수 있습니다.

점수가 크게 오른 곳과 거의 그대로인 곳

Google DeepMind 모델 카드는 Carbon과 Argon의 점수를 같은 표에 싣습니다. 백분율로 적힌 15개 항목에서 Carbon 점수에서 Argon 점수를 직접 빼 차이가 큰 순서로 늘어놓으면 그림 1과 같습니다. Artificial Analysis Intelligence Index(점수 단위)와 Vending-Bench 2(달러 단위)는 단위가 달라 그림에서 뺐습니다.

그림 1. Gemini 4 Carbon과 Argon의 벤치마크 점수 차이. Google 모델 카드 수치로 직접 계산했고, 막대 색은 그 점수를 누가 쟀는지를 나타냅니다

차이가 10%p를 넘는 항목은 세 개입니다. 취약점 익스플로잇을 만드는 ExploitGym(42.0% → 54.8%), 256K~1M 토큰 길이 문맥에서 그래프를 따라가는 GraphWalks(84.2% → 96.2%), 과학 계산을 터미널에서 수행하는 Terminal-Bench-Science 0.1(52.9% → 64.8%)입니다. 반대로 차트 읽기(Chartography, +0.9%p), 종합 지표인 Vals Index(+1.2%p), Zapier의 업무 자동화 평가(AutomationBench, +2.6%p)는 거의 움직이지 않았습니다. 긴 문맥과 여러 단계를 검증하는 작업에서 더 생각하는 효과가 크고, 한 번에 답이 정해지는 작업에서는 효과가 작게 나왔다고 정리할 수 있습니다.

그림의 막대 색은 측정 주체입니다. 평가 방법 문서에 따르면 ExploitGym, GraphWalks, SEC-bench Pro, OSWorld-2.1, Agents' Last Exam, SWE-sweep의 Carbon 점수는 Google이 직접 계산했고, 나머지는 외부 리더보드나 Artificial Analysis에서 가져왔습니다. 직접 평균을 내 보면 Google 자체 측정 6개의 평균 차이는 8.4%p, 외부 출처 9개는 4.7%p입니다. 두 묶음은 다루는 작업 종류도 다르므로, 이 차이만으로 자체 측정이 부풀려졌다고 단정할 수는 없습니다. 다만 외부 출처 숫자만 보면 Carbon의 평균 이득이 자체 측정 묶음의 절반 남짓이라는 점은 판단에 넣을 만합니다.

제3자가 잰 응답 시간과 토큰

벤치마크 점수가 이득이라면 비용은 기다리는 시간입니다. Artificial Analysis가 두 모델을 모두 high 사고 수준으로 놓고 잰 값을 같은 단위로 옮기면 다음과 같습니다.

항목Carbon (High)Argon (High)
Intelligence Index v5.0.16050
작업당 출력 토큰123k116k
작업당 사고 토큰72.2k68.3k
출력 속도80 tok/s65 tok/s
첫 토큰까지 시간67.83초37.64초
단일 요청 평균 종단 시간159.39초110.88초
Index 작업당 소요 시간25.5분30.0분

표 2. Artificial Analysis의 Gemini 4 Carbon vs Argon 비교 페이지 (2026-11-12 확인). 측정 주체는 Artificial Analysis이며, 속도·지연 값은 최근 5일 평균이라 날마다 바뀝니다

토큰 수치는 같은 페이지 안에서도 방향이 엇갈립니다. 작업당 출력 토큰은 Argon보다 약 6% 많을 뿐이지만, 전체 Index를 돌리는 데 쓴 출력 토큰 합계는 205M 대 113M으로 차이가 큽니다. 단일 요청의 대기 시간 차이는 분명합니다. 직접 계산하면 첫 토큰까지 30.19초가 더 걸려 Argon의 1.8배이고, 단일 요청 평균 종단 시간은 48.51초, 약 44% 늘었습니다. 출력 속도는 오히려 Carbon이 빠르므로, 늘어난 시간은 대부분 답을 쓰기 시작하기 전의 사고 구간에 있는 것으로 보입니다.

반대 방향의 숫자도 있습니다. 여러 단계를 거치는 Index 작업 하나를 끝내는 데 걸린 시간은 Carbon이 25.5분으로 Argon의 30.0분보다 짧았습니다. 요청 한 번은 더 오래 기다리지만, 긴 에이전트 작업 전체로는 덜 헤매고 더 빨리 끝날 수 있다는 뜻으로 읽힙니다.

Artificial Analysis는 같은 출시 분석에서 지식 정확도 평가 AA-Omniscience v1.1의 정답률이 Argon보다 10점 올라 58%가 됐지만, 모르는 것을 지어내는 환각 비율도 4%에서 11%로 올랐다고 적었습니다. 이 11%는 이 평가에서 Argon 다음으로 낮은 수치이지만, 사실 확인이 중요한 작업이라면 Argon에서 그대로 옮기기 전에 따로 확인해야 할 항목입니다.

보안 점수에 붙은 조건

그림 1에서 가장 크게 오른 ExploitGym에는 조건이 붙어 있습니다. 모델 카드는 사이버보안 벤치마크 결과가 "Fairwind 프로그램을 통해 접근했을 때의 성능"이라고 적습니다. Fairwind는 검증된 보안 방어 인력에게 특화 기능을 여는 별도 경로입니다. 가격 각주도 공개 접근용 Carbon 모델에만 적용된다고 구분합니다.

그래서 일반 API 키로 받는 Carbon이 ExploitGym 54.8%, SEC-bench Pro 88.2%, CWE-bench 71.0%를 그대로 낸다고 기대해서는 안 됩니다. Google은 같은 날 Carbon의 오용 방지 장치를 강화했다고 밝혔습니다. ExploitBench와 CyScenarioBench로 만든 모의 공격 환경에서 적응형 레드팀 에이전트로 시험했을 때 시도 1회당 침투율은 Argon의 3.1%에서 0.8%로 낮아졌다고 합니다. 이 값은 Google 발표 수치입니다. 보안 진단에 쓰려는 국내 팀이라면 공개 모델 점수가 발표되지 않았다는 점부터 알고 시작해야 합니다.

Hacker News에서 나온 엇갈린 첫인상

Google 공지를 올린 Hacker News 글에는 공개 당일 많은 댓글이 달렸습니다. 기대하는 쪽은 품질을 말했습니다. 사용자 5555watch는 미완성 논문 초안을 여러 모델에 넣어 왔다며 "Carbon's answer surprised me with some interesting points all the other AI's missed. It's an anecdote, sample of one, but it got my attention."라고 적었습니다. 스스로 표본이 하나라고 밝힌 관찰입니다.

회의적인 쪽은 속도와 접근성을 말했습니다. Ultra 구독자라는 eitally는 "Argon is itself already so slow that I'm not sure Carbon will make sense for most activities."라고 했습니다. dom96은 자신의 벤치마크에서 Carbon이 다른 회사 모델과 같은 점수를 냈지만 그 모델보다 "still slower and more costly"하다고 평가했습니다. 여기에는 dieortin이 "How is it more costly? It's 4 times cheaper."라고 반박했고, alphabettsy가 "Cheaper on the price list doesn't equal cheaper in use."라고 다시 받았습니다. 스레드의 상당수 댓글은 성능보다 요금제별로 쓸 수 있는 모델이 다르다는 혼란에 쏠렸습니다. byefruit은 Pro 요금제 Gemini 앱에서 Carbon이 보이지 않는다며 "Looks like it's Ultra only."라고 적었습니다.

어떤 호출을 Carbon으로 옮길까

국내 개발자에게 이번 공개가 바꾸는 것은 고를 수 있는 모델이 하나 더 생겼다는 점입니다. 단가와 요청 형식이 같으므로 옮기는 비용이 거의 없습니다. 판단 기준은 그 호출이 기다림을 견딜 수 있는지, 그리고 이득이 큰 종류의 작업인지 두 가지로 보입니다.

사용자가 화면 앞에서 답을 기다리는 호출에는 Argon을 남기는 편이 맞아 보입니다. 챗봇 응답, IDE 안의 대화형 코딩, 짧은 요약이 여기에 해당합니다. Artificial Analysis 기준으로 첫 토큰까지 약 68초를 기다려야 하는데, 그림 1에서 이런 작업과 가까운 차트 읽기와 업무 자동화 점수는 거의 오르지 않았습니다. 반대로 사람이 기다리지 않는 백그라운드 작업에서는 Carbon을 시험해 볼 만합니다. 수십만 토큰짜리 계약서·로그·코드베이스를 통째로 읽는 분석이 그 예입니다. 긴 문맥을 따라가는 GraphWalks에서 두 번째로 큰 차이(+12.0%p)가 나왔습니다. 여러 단계를 검증하는 에이전트 작업도 마찬가지입니다.

시점도 고려해야 합니다. 12월 1일부터는 두 모델 모두 단가가 두 배가 되므로, 11월 안에 같은 입력으로 Argon과 Carbon을 나란히 돌려 품질 차이와 실제 청구액을 확인해 두는 것이 좋습니다. 문서가 권하는 대로 세 사고 수준을 모두 돌려 보고 기준을 넘는 가장 낮은 수준을 고르면, Carbon의 대기 시간도 일부 줄일 수 있을 것으로 보입니다.

한계

항목내용
직접 측정 없음이 글은 Carbon을 직접 호출해 재지 않았습니다. 점수는 Google 모델 카드, 시간·토큰은 Artificial Analysis 수치입니다
수치 시점모델 카드는 2026년 10월 기준 결과입니다. Artificial Analysis 페이지 값은 갱신될 수 있으며, 출시 분석 글의 Index 59(v5.0)와 비교 페이지의 60(v5.0.1)처럼 버전에 따라 다릅니다
측정 조건모델 카드 점수는 최고 사고 수준 기준이고, 표 2는 high 기준입니다. 기본값 medium에서의 차이는 공개된 값이 없습니다
보안 점수사이버보안 3개 항목은 Fairwind 경로 기준이라 공개 API 모델 성능과 다를 수 있습니다
커뮤니티 반응공개 직후 한 스레드의 개인 관찰이며 표본이 적습니다

출처

1 / 1