제미나이 4 하이드로젠, 2.5배 빠른 실행 모델

구글이 제미나이 4 하이드로젠을 11월 12일(현지시간) 공개했다. 카본과 아르곤이 오래 붙잡고 푸는 문제를 맡는 모델이라면, 하이드로젠은 코드를 쓰고 테스트를 돌리고 결과를 확인하는 반복 작업을 빠르게 처리하는 실행 모델이다. API로 에이전트를 돌리는 팀이라면 모델 선택지와 토큰 값 계산이 이날부터 달라진다.

공개 범위는 넓다. AI 스튜디오 전 등급과 제미나이 API, 기업용 제미나이, 제미나이 앱, 구글 검색에 들어갔다. 제미나이 앱에서는 무료 이용자도 자동 모델 선택으로 쓸 수 있고, 검색의 AI 모드는 하이드로젠을 기본 모델로 바꿨다. AI 프로·울트라 구독자는 안티그래비티에서도 이 모델을 쓴다.

검색 쪽 변화도 함께 왔다. 구글은 AI 모드에서 여러 하위 주제를 동시에 질의해 더 많은 링크를 제시하고, 답변에 이미지·비교표·그래프·지도를 함께 넣는다고 밝혔다. 복합 질문이나 오타가 섞인 질문을 나눠서 처리하는 동작도 이 모델에서 개선됐다.

아르곤을 넘은 지능지수 51

가장 눈에 띄는 숫자는 상위 모델을 앞선 지능지수다. 아티피셜 애널리시스 종합 지능 지수에서 기본 하이 설정 51점으로 아르곤의 50점을 넘었고, 새로 생긴 엑스하이 설정에서는 54점이다. 직전 경량 모델인 3.8 플래시의 하이 설정은 31점이었다.

추론 수준은 로우·미디엄·하이·엑스하이 네 단계다. 같은 모델로 빠른 응답과 깊은 추론을 오가라는 구성이고, 기본값은 하이다. 컨텍스트는 입력 100만 토큰, 최대 출력도 100만 토큰이다.

제미나이 4 하이드로젠, 터미널벤치 4.1에서 57%

구글이 공개한 터미널벤치 4.1 점수는 57%다. 같은 벤치에서 3.8 플래시는 18.2%였고, 작업 완료 속도는 2.5배 빨라졌다고 구글은 밝혔다. 사실과 다른 내용을 만드는 비율은 5분의 1 이하로 줄었고, 도구 호출이 실패하거나 검색 결과가 비었을 때 다시 시도하는 동작도 개선됐다고 덧붙였다.

뒤집히는 지점도 있다. 같은 벤치에서 클로드 소네트 5.5는 63.9%로 하이드로젠보다 높다. 구글도 경쟁 모델과 대등하거나 앞선다고만 표현했다. 모든 지표에서 1위라는 뜻이 아니라, 값과 속도를 함께 놓고 보면 선택지가 하나 늘었다는 쪽으로 읽어야 한다.

전문 업무 쪽 숫자는 더 좋다. 기업 업무 자동화 평가인 오토메이션벤치-AA에서 76.1%로 소네트 5.5의 71.8%, GPT-6.1 테라의 60.2%를 앞섰다. ALE(Agents Last Exam) 1.1에서는 71.6%, 세무 에이전트 벤치에서 52.3%로 1위, 법률 리서치 벤치에서 55.8%로 공동 1위다. 구글이 공개한 벤치마크 표에 실린 값이고, 세무와 법률 항목은 Vals 집계다.

값은 올랐지만 계산은 달라진다

가격은 100만 토큰당 입력 1.50달러, 출력 7.50달러다. 100만 토큰 컨텍스트 전체에 같은 단가를 적용한다. 기본 최대 출력은 6만4,000토큰이고, 긴 문서를 통째로 만드는 모드에서 100만 토큰까지 늘어난다.

3.8 플래시는 지금 입력 0.75달러, 출력 3.75달러로 하이드로젠의 절반이다. 대신 3.8 플래시도 내년 1월부터 같은 단가로 올라간다. 지금은 3.8 플래시가 싸고, 1월 이후에는 두 모델의 값이 같아진다. 그때부터는 같은 값에 지능 31점과 51점 중 무엇을 고를지의 문제가 된다.

상위 모델과 비교하면 하이드로젠이 싸다. 아르곤과 카본의 출시 초기 가격은 100만 토큰당 입력 2달러·출력 10달러였고, 하이드로젠은 입력 1.50달러·출력 7.50달러다. 판단이 어려운 대목만 상위 모델에 맡기고 나머지를 하이드로젠으로 돌리는 구성이 값으로도 맞아떨어지는 이유다.

비용은 호출 횟수가 아니라 넣고 빼는 토큰으로 정해진다. 100만 토큰을 통째로 넣는 요청 한 번이면 입력값만 1.50달러다. 긴 문맥을 자주 쓰는 에이전트는 모델 단가보다 문맥을 얼마나 되풀이해 넣는지가 요금을 가른다.

구글이 함께 공개한 외부 평가도 있다. 재피어의 독립 평가에서 작업 성공률 51.1%로 아르곤의 51.3%와 거의 같았고 작업당 비용은 절반 수준이었다. 박스는 정확도가 74%에서 79%로 오르고 작업 시간이 절반 이하로 줄었다고 밝혔다. 협업사 초기 테스트에서는 그래프·SQL·데이터가 많은 업무가 3.8 플래시보다 2~2.8배 빨랐고 토큰 사용은 12~23% 줄었다는 수치도 나왔다.

카본과 하이드로젠을 섞는 오케스트레이터

구글은 하이드로젠을 단독 모델이 아니라 여러 모델을 섞는 조합의 실행 엔진으로도 밀고 있다. 코딩 도구 안티그래비티에 들어간 오케스트레이터는 같은 세션에서 판단이 어려운 대목은 카본에, 코드 작성과 테스트·검증은 하이드로젠에 넘긴다. 구글에 따르면 터미널벤치 4.0에서 카본 단독에 가까운 성공률을 유지하면서 사용 할당량을 평균 24% 아끼고 완료 시간을 19% 줄였다.

에이전트 안전성도 숫자로 붙였다. 3.8 플래시와 비교해 허용된 권한을 넘어 행동하는 비율을 최대 81% 줄였고, 도구 사용과 코딩 평가에서 부적절한 행동과 작업 생략이 12배 줄었다고 한다. 에이전트를 길게 돌리는 쪽에는 이 항목이 점수보다 실무적으로 중요할 수 있다.

지금 사야 하나, 기다려야 하나

API로 코딩 에이전트를 돌리는 팀이라면 지금 비교해 볼 값이 있다. 3.8 플래시를 쓰던 자리는 속도와 지능 모두 이득이고, 오케스트레이터를 쓰면 카본을 매번 호출하지 않아도 된다. 반대로 긴 추론 한 번으로 승부하는 작업은 카본과 아르곤이 여전히 위쪽이다. 두 모델을 섞는 구성이 이번 발표의 실제 사용법에 가깝다.

로컬 실행을 준비하는 쪽에는 해당 사항이 없다. 발표에 가중치 공개에 대한 언급은 없었고, 파라미터 수와 내부 구조도 밝히지 않았다. 내려받아 돌릴 모델을 찾고 있었다면 이 발표로 GPU 구매 계획이 바뀌지는 않는다.

하드웨어 요구량은 사실상 회선 쪽에 있다. 100만 토큰 입출력을 로컬에서 같은 조건으로 흉내 내려면 보통 워크스테이션급 구성이 필요하고, 그 비용은 API 단가와 직접 비교하기 어렵다. 여러 에이전트를 병렬로 굴리는 팀이면 GPU보다 토큰 회전율과 할당량 관리가 병목이 된다. 로컬 장비를 새로 사는 대신 에이전트 호출 구조를 손보는 편이 먼저다.

정리하면 역할이 셋으로 갈린다. 설계와 원인 추적은 카본, 빠른 실행과 검증은 하이드로젠, 어려운 문제를 오래 붙잡는 작업은 아르곤이다. 셋을 한 세션에서 자동으로 오가는 구성이 이미 도구에 들어갔다.

지능은 상위 모델을 넘고 값은 상위 모델보다 싸다. 다만 로컬 실행이 아니라 API 선택지가 하나 늘어난 이야기다.