Gemini 4 Carbon, 언제 쓸 수 있나? 벤치마크·가격과 도입 판단 기준

Gemini 4 Carbon은 2026년 10월 29일 기준으로 아직 일반에 공개되지 않았습니다. 따라서 지금 사용 중인 모델로 개발과 출시를 이어가는 것이 좋습니다. Google DeepMind는 10월 28일, 고난도 엔지니어링과 사이버 보안 작업을 위한 모델로 Carbon을 발표했습니다. 벤치마크 선두라는 소식은 평가를 준비할 이유이지, 출시를 미룰 이유는 아닙니다. Google의 발표문에 따르면 접근 권한은 제한적으로 제공됩니다.

Gemini 4 Carbon은 어떤 작업을 겨냥하나요?

Carbon이 겨냥하는 것은 여러 번 시도해야 끝낼 수 있는 작업입니다. 장시간 이어지는 코딩, 어려운 엔지니어링 문제, 사이버 방어가 여기에 해당합니다. Google은 내부 팀에서 Carbon이 복잡한 코드베이스의 디버깅과 패치 작업을 며칠에 걸쳐 수행하는 모습을 확인했다고 밝혔습니다.

장기 작업을 수행한다는 것은 여러 단계를 거치는 동안에도 목표를 놓치지 않는다는 뜻입니다. 유지보수 담당자가 실패한 테스트를 출발점으로 여러 파일을 살피고, 수정을 시도했다가 또 다른 실패를 발견해 패치를 고치는 과정을 떠올리면 됩니다. 에이전트는 모델이 파일을 읽거나 테스트를 실행하는 등 실제 행동을 할 수 있도록 모델 주위를 구성하는 소프트웨어입니다. 작업의 성공 여부는 모델뿐 아니라 툴, 완료 여부를 판단하는 검증 절차까지 포함한 전체 구성에 달려 있습니다.

창업자가 따져볼 질문은 현재 엔지니어의 시간을 잡아먹는 반복적인 유지보수 작업을 이 모델이 끝낼 수 있느냐는 것입니다. 코딩 질문에 그럴듯하게 답하는 것과 팀이 승인할 수 있는 패치를 내놓는 것은 서로 다른 결과물입니다.

지금 Carbon을 사용할 수 있는 대상은 누구인가요?

Google은 발표 주간에 선정된 사이버 방어 조직부터 접근 권한을 제공하고, 이어 Fairwind를 통해 신뢰할 수 있는 파트너를 추가할 계획입니다. 이후 피드백을 반영하고 안전장치를 개선한 뒤 제품을 통한 접근 범위를 넓히겠다는 순서입니다. 더 폭넓은 제공 시점은 “가능한 한 빨리”라고만 밝혔으며, 날짜는 제시하지 않았습니다.

Fairwind Program은 Google이 심사를 거쳐 방어 목적의 조직에 접근 권한을 제공하는 경로입니다. 정부, 핵심 인프라, 주요 기술 플랫폼을 우선 대상으로 삼습니다. 신청서는 자격 심사를 위한 것이며, 제출 즉시 공개 모델을 쓸 수 있는 가입 절차가 아닙니다. 보안 기업 창업자라면 조직이 요건에 맞을 때 신청할 수 있습니다. 일반적인 애플리케이션 개발자라면 승인 여부에 납품이나 출시 일정이 좌우되게 해서는 안 됩니다.

프로그램의 공개 기술 설명에는 여전히 Argon이 명시되어 있습니다. 접근 권한이 제공되는 순서는 Carbon 발표문을, 프로그램 규칙은 Fairwind 페이지를 기준으로 확인해야 합니다. 신청서를 냈다는 사실이나 이미 프로그램에 참여하고 있다는 사실만으로 해당 조직에 Carbon이 활성화되었다고 볼 수는 없습니다.

실제 도입에 필요한 정보는 아직 비어 있습니다. Google의 발표문에는 Carbon의 공개 모델 ID, 컨텍스트 한도, 앱 요금제, 일반 공개일이 없습니다. 벤치마크의 입력 길이로 API 한도를 알 수는 없습니다. Argon 문서의 정보를 그대로 가져와 이 항목들을 채워서는 안 됩니다.

이 자료들과 Google의 평가 방법론은 2026년 10월 29일에 확인했습니다. 이 글은 해당 날짜를 기준으로 접근 가능 여부를 판단한 글이며, Carbon을 직접 사용해 테스트하지는 않았습니다.

Carbon과 Argon은 어떤 관계인가요?

현재 사용할 수 있는 Gemini의 기준 모델은 여전히 Gemini 4 Argon입니다. Google은 10월 13일부터 Google Cloud에서 Argon을 제공했으며, Gemini API 가격 문서에도 유료 이용이 안내되어 있습니다. Carbon은 Argon을 기반으로 발전한 모델이지만, 발표만으로 지금 애플리케이션에서 호출할 수 있는 모델이 바뀌는 것은 아닙니다.

기존 연동을 유지하는 1인 개발자에게는 이 구분이 중요합니다. Argon을 기준으로 프롬프트, 툴 권한, 결과 승인 기준을 계속 개선하면 됩니다. Argon이 해결하지 못한 어려운 작업은 저장해 두면, 나중에 Carbon이 실제로 얼마나 나아졌는지 평가할 수 있는 비교 대상이 됩니다.

CTO라면 모델 전환 여부와 신제품 발표를 별개의 사안으로 다뤄야 합니다. 테스트 세트를 재사용하는 것은 어렵지 않지만, API 동작까지 같을 것이라고 가정할 수는 없습니다. 기존 모델을 그대로 대체할 수 있다고 판단하기 전에, 최종 제공되는 모델의 입력, 출력, 툴, 운영 한도를 공식 문서에서 확인해야 합니다.

Gemini 4 Argon 해설에서는 현재 이용 경로와 운영 한도를 다룹니다. Google이 Carbon에 대해 별도로 명시하기 전까지는 Argon에만 해당하는 정보입니다.

Gemini 4 벤치마크: Google이 공개한 수치는 무엇인가요?

Google이 공개한 비교에서는 아래 평가 모두에서 Carbon이 Argon보다 앞섭니다. 그러나 모든 작업이나 모든 경쟁 모델과의 비교에서 Carbon이 이긴다는 뜻은 아닙니다. 다음 표는 Google의 벤치마크 표를 옮긴 것입니다. 공개된 평가 결과이며, 이 글을 위해 직접 측정한 수치는 아닙니다.

사이버 보안 항목들은 결함을 찾고, 악용 가능성을 확인하고, 수정하는 서로 다른 방어 단계를 평가합니다. 이 백분율들을 평균 내어 하나의 보안 점수로 만들어서는 안 됩니다. 유지보수 작업을 평가하는 팀이라면 패치 벤치마크가 목적에 더 가까운 출발점입니다. 취약점 발견 점수는 그와 다른 질문에 답합니다.

어떤 조건에서 평가했는지도 살펴야 합니다

Google의 평가 방법론은 대체로 가장 높은 추론 설정을 사용합니다. AA Index와 Terminal-Bench 결과는 Artificial Analysis에서, CWE-bench 결과는 Collinear AI에서 가져왔으며, 나머지는 Google이 직접 산출했습니다. 하나의 표 안에 서로 다른 출처의 평가가 섞여 있는 셈입니다.

예를 들어 Google의 SEC-bench Pro 결과는 183개 작업으로 구성된 JavaScript 엔진 평가 분할을 사용합니다. ExploitGym 평가에서는 에이전트의 툴을 실행하는 소프트웨어인 Antigravity 하네스를 사용했으며, 인터넷 연결 없이 완화 조치를 끈 상태에서 진행했습니다. OSWorld는 오프라인 하위 집합을 대상으로 여러 실행 중 최댓값을 보고합니다. 점수로 어떤 주장을 뒷받침할 수 있는지 판단하려면 이런 조건을 함께 봐야 합니다.

다른 툴, 권한, 한도로 작동하는 제품은 별도로 평가해야 합니다. 공개 벤치마크 결과가 있다고 해서, 평가를 위해 제한적으로 제공된 기능이 나중에 기업이 구매할 제품에도 제공된다고 보장되지는 않습니다.

‘1위’라는 표현은 어디까지 받아들여야 하나요?

‘1위’는 특정 순위표에서의 위치를 뜻하며, 모든 분야의 승자를 뜻하지는 않습니다. Artificial Analysis는 Carbon High를 Intelligence Index v5.0에서 59점으로 최상위에 올려놓으면서도, 일반에 공개된 API가 없다는 점을 명시합니다. 평가를 위한 접근 권한으로 좋은 성적을 냈다는 사실과 일반 고객이 사용할 수 있다는 사실은 구분해야 합니다.

Google 자체 표에도 예외가 드러납니다. OSWorld 오프라인 하위 집합에서 Carbon의 **81.5%**는 Anthropic의 모델인 Claude Opus 5.5의 **87.2%**보다 낮습니다. 이것만으로도 Carbon이 모든 워크로드에서 앞선다는 주장은 성립하지 않습니다. 모델을 고르기 전에 자신의 업무와 가장 가까운 평가부터 골라야 합니다.

이 표를 Carbon과 OpenAI GPT-6.1 Terra의 우열을 판정하는 자료로 삼아서도 안 됩니다. 표의 OpenAI 열은 다른 모델인 GPT-6 Astra입니다. Astra의 결과로 코딩 워크플로에서 Terra를 교체해야 하는지 답할 수는 없습니다.

마지막으로 Google이 발표한 프롬프트 인젝션 공격 성공률 0.0%는 평가에 사용한 공격에 한정된 결과입니다. 프롬프트 인젝션은 에이전트가 읽는 자료 속에 지시를 숨겨 행동을 다른 방향으로 유도하려는 공격입니다. 모델이 좋은 성적을 내더라도 권한 경계, 테스트 결과 검토, 중대한 조치에 대한 승인 절차는 유지해야 합니다.

개발·운영·구매 담당자는 무엇을 해야 하나요?

개발자는 만족할 만한 결과를 내는 모델을 계속 사용하면 됩니다. Gemini 애플리케이션이 Argon에서 돌아간다면 그대로 유지하면서 비교를 준비해야 합니다. 이미 Opus 5.5나 GPT-6.1 Terra로 업무를 잘 처리하고 있다면, Carbon 발표만으로 작업을 멈추거나 모델을 옮길 이유는 없습니다. 더 넓은 선택지는 현재 모델 선택 가이드에서 다룹니다.

운영 담당자는 장시간 작업의 결과를 검토할 수 있게 만들어야 합니다. 중견기업 CTO라면 실패하는 테스트가 이미 있고 담당자가 분명한, 반복적으로 발생하는 회귀 버그 수정 작업을 지정할 수 있습니다. 운영 책임자는 무엇을 바꿨는지, 어떤 검증을 실행했는지, 무엇이 미해결 상태인지 보여주는 작업 로그를 요구할 수 있습니다. 작업 시간이 길어지는 것이 도움이 되려면 결과가 정확해야 하고, 검토자가 그 정확성을 효율적으로 확인할 수 있어야 합니다.

구매 담당자는 초기 요금 적용 기간 이후까지 예산을 잡아야 합니다. 토큰은 모델의 입력과 출력에 요금을 매기는 단위입니다. 최종 패치가 작더라도 실행 시간이 길어지면 더 많은 토큰을 사용할 수 있습니다.

Gemini 4 Carbon 가격: 초기에는 입력 토큰 100만 개당 $2, 출력 토큰 100만 개당 $10입니다. 캐시된 입력에는 입력 토큰 요금에서 95% 할인이 적용됩니다. 초기 요금 적용 기간이 끝나면 입력 토큰 1M당 $4, 출력 토큰 1M당 $20입니다. Google 발표문과 각주를 기준으로 한 금액입니다.

Carbon 발표문에는 초기 요금 적용 종료일이 없습니다. Argon의 문서에 명시된 Standard 요금 변경은 2026년 12월 1일부터 적용됩니다. 이는 Argon 예산에 반영해야 할 날짜이며, Carbon의 출시일이나 요금 변경일이 아닙니다. 요금제별 상세 비교는 Gemini 가격 안내에서 확인하면 됩니다.

이번 주에는 무엇부터 준비하면 좋을까요?

지금 재사용 가능한 테스트 세트의 담당자를 정해야 합니다. 투자를 받은 기업의 창업자에게 필요한 결과물은 접근 권한이 생겼을 때 근거를 들어 설명할 수 있는 도입 결정입니다. 1인 개발자에게는 다음 모델이 나왔을 때 더 빠르게 평가할 수 있도록 모아 둔 어려운 작업들이 그 결과물입니다.

1. 1

   대표적인 작업을 모아 둡니다

   회귀 버그 패치, 여러 파일에 걸친 변경, 권한을 부여받은 보안 수정, 추가 확인 질문이 필요한 모호한 요청을 모아 둡니다. 어려운 실패 사례뿐 아니라 일상적인 작업도 포함해야 합니다. 저장할 테스트 자료에서는 인증 정보와 불필요한 고객 데이터를 제거합니다.

2. 2

   실행 전에 승인 기준을 정합니다

   시작 리비전, 수정이 허용된 파일, 사용할 수 있는 툴, 반드시 통과해야 할 테스트, 작업을 중단해야 하는 조건을 기록합니다. 회귀 버그 수정이라면 재현 테스트를 통과하는 동시에 무관한 변경이 없어야 한다는 조건을 둡니다. 설명이 그럴듯하다고 해서 수정이 끝난 것은 아닙니다.

3. 3

   Argon의 기준 결과를 기록합니다

   현재 사용하는 모델로 테스트 세트를 실행합니다. 패치, 테스트 결과, 청구 대상 사용량, 재시도, 중단, 검토에 들인 수고를 저장합니다. 이는 권장하는 확인 항목이며, 이 글에서 직접 측정한 결과가 아닙니다. 반복적으로 수행하는 Gemini 작업의 예산은 초기 요금 적용 기간이 끝난 뒤의 요금을 기준으로 잡아야 합니다.

4. 4

   Carbon이 전환할 가치를 입증하게 합니다

   계정에 접근 권한이 생기고 Google이 인터페이스를 문서화하면, 비교 가능한 툴과 권한으로 같은 작업을 반복합니다. 검토 부담, 지연 시간, 비용이 감당할 수 없을 만큼 늘어나지 않으면서 승인할 수 있는 결과가 개선될 때만 사용 범위를 넓힙니다. 그렇지 않으면 이미 잘 작동하는 기준 모델을 유지합니다.

접근 권한이 달라질 때마다 실무에 필요한 모델 도입 판단을 받아보려면 뉴스레터를 구독하세요.