Gemini 4 Carbon, AA 지수 1위인데 API 일정 없는 모델을 기다릴까

Gemini 4 Carbon 은 Artificial Analysis 의 종합 지수 AAII v5 에서 59점으로 1위에 올랐지만, 일반 개발자는 아직 호출할 수 없다. Google 은 발표 주부터 사이버 방어 조직 일부에만 열었고, 개발자와 기업에 언제 풀지는 밝히지 않았다. 도입가가 끝난 뒤의 단가가 지금 쓸 수 있는 Gemini 4 Argon 과 같으니, Gemini API 로 에이전트를 만드는 팀은 Argon 으로 평가 기준을 먼저 잡아 두고 기다리는 편이 낫다.

01 발표는 됐지만 호출할 모델 ID 는 아직 없다

Google DeepMind 의 Koray Kavukcuoglu 는 2026년 10월 28일 공식 블로그에 Carbon 을 발표했다. 10월 13일 정식 출시한 Gemini 4 Argon 을 바탕으로 만든 모델이다. Google 은 Carbon 을 자사에서 가장 강한 모델로 소개하면서, 사이버 보안과 긴 호흡의 에이전트 작업(long horizon)에서 최고 수준이라고 했다. 사내 팀이 Carbon 을 며칠씩 돌려 큰 코드베이스의 버그 원인을 찾아 고치게 했다는 사례도 실었다. 파라미터 수와 학습 구조는 발표문에 없다.

접근은 단계를 밟아 열린다. 발표문에 적힌 순서는 다음과 같다.

• 발표 주부터 사이버 방어 조직 가운데 일부가 먼저 쓴다.
• 이어서 Fairwind 프로그램으로 신뢰할 수 있는 파트너에게 차례로 넓힌다.
• 개발자·기업·일반 사용자에게는 피드백을 모으고 가드레일을 손본 뒤 "가능한 한 빨리" 내놓겠다고만 했고, 날짜는 없다.
• 이와 따로 미국 정부의 자발적 출시 전 모델 시험에도 참여하고 있다.

Gemini API 문서도 같은 상태다. 10월 28일에 갱신된 가격 문서와 모델 목록 어디에도 Carbon 이 없고, 지금 API 로 부를 수 있는 Gemini 4 계열은 Stable 로 올라 있는 gemini-4-argon 하나다. 그래서 이 글은 Carbon 을 당장 쓰는 법 대신 접근 조건, 점수를 읽는 법, 가격을 다룬다. 다른 모델은 Carbon 과 견줄 때만 꺼낸다.

Fairwind 는 Google DeepMind 가 승인한 방어 조직에 고급 모델을 먼저 쓰게 하는 프로그램이다. 안내 페이지를 보면 파트너는 650곳이 넘고, 정부와 국가 사이버 당국, 의료·통신·에너지·금융 같은 핵심 기반시설 운영사, 대형 기술 플랫폼을 먼저 받는다. 방어용 벤치마크를 연구하는 대학 연구실도 신청할 수 있다. 신청은 Google Cloud 계정 팀을 거치고, 보안 이력 심사를 받아야 한다. 오늘(10월 30일) 이 페이지가 접근 모델로 적어 둔 것은 아직 Argon 뿐이다.

02 1점 차 1위는 과학·지식 평가가 만들었고, 코딩은 2위다

AAII 는 독립 평가 업체 Artificial Analysis(AA)가 여러 벤치마크를 가중 평균해 내는 종합 점수다. AA 는 10월 27일 v5 를 내면서 FrontierCode 2.0 과 Terminal-Bench-Science 를 새로 넣고, Humanity's Last Exam 을 HLE-Diamond 로 바꿨다. 문제나 정답을 밖에 내놓지 않은 평가가 지수의 60%를 차지하는데, AA 는 비공개 평가가 과반이 된 것은 이번이 처음이라고 밝혔다. v5 발표 당일 1위는 58점의 Claude Opus 5.5 (max)였고, 하루 뒤 AA 가 Carbon 결과를 더하면서 순위가 바뀌었다.

v5 는 네 영역에 25%씩 나눠 준다. 영역별 평가와 Carbon 이 1위를 한 자리를 함께 놓으면 이렇다.

Carbon 이 1위를 한 네 평가의 비중을 더하면 45%다. 반대로 코딩 영역에는 Carbon 이 1위인 평가가 하나도 없다. AA 가 따로 내는 Coding Agent Index 도 같은 그림이다. Claude Code 에 얹은 Opus 5.5 (max)가 62점이고, Antigravity CLI 에 얹은 Carbon 은 59점으로 2위다. AA 가 잰 Terminal-Bench 4.0 에서도 64%로 2위였고(Google 발표문은 같은 평가를 65.2%로 적었다), Google 이 직접 밝힌 WebDev Arena 순위도 1768 Elo 로 4위다.

설정 차이도 같이 봐야 한다. AA 글에 실린 Carbon 수치는 high 설정 값이고, Opus 5.5 와 GPT-6 Astra 는 max 설정 값이다. v5 에서는 이 추론 설정이 점수를 크게 흔든다. Opus 5.5 는 low 에서 35점, max 에서 58점이 나왔다. 단계별 점수와 비용이 어떻게 맞바뀌는지는 v5 이전 지수로 잰 Claude effort 별 성능 비교: Opus 5.5 는 올리고 Fable 5.1 은 낮춘다 에서 따로 다뤘다.

지수 개편 한 번에 상위권 순서가 바뀌었고, 설정 하나로 20점 넘게 오가는 모델도 있다. 그러니 59 대 58 의 1점 차는 우열보다 상위권이 바짝 붙어 있다는 신호로 읽는 편이 맞다. 코딩 에이전트를 고르는 팀이라면 종합 순위보다 코딩 영역 점수와 자기 과제에서 나온 결과를 기준으로 삼는 편이 낫다.

03 보안 점수는 Google 이 가드레일을 끄고 잰 값이다

Google 이 내세운 보안 수치는 세 개이고, 프롬프트 주입 저항 수치가 하나 더 있다.

Google 은 앞의 세 외부 벤치마크를 가드레일 없이 평가했다고 적었다. 발표문은 같은 벤치마크에서 다른 회사 모델이 낸 점수를 싣지 않았고, 비교 대상은 대부분 Argon 이다. Chrome 팀이 패치 생성에서 다른 연구소의 대형 모델 하나보다 10배 넘게 낫다고 보고했다는 대목도 그 모델이 무엇인지는 밝히지 않았다. 이번에 찾은 출처 가운데 이 보안 점수를 같은 조건으로 다시 잰 외부 측정은 없었다.

보안 에이전트를 만드는 팀이라면 따로 봐야 할 것이 있다. 가드레일을 끈 점수는 모델의 능력치일 뿐이고, 공개판에서 받게 될 동작과는 다르다. Google 은 넓게 풀기 전에 가드레일을 더 다듬겠다고 했지만, 일반 공개판이 악용 검증 같은 공격 쪽 작업을 어디까지 받아 줄지는 밝히지 않았다. 지금 Fairwind 약관은 악성코드 제작을 막고, 접근을 내부 보안·침해 대응·모의 해킹 팀으로 한정하며, 피싱에 강한 MFA 를 요구한다.

프롬프트 주입 0.0%도 범위를 좁혀 읽어야 한다. 이 값은 Gray Swan 이 만든 공격 집합 안에서 잰 결과이고, 그 밖의 공격까지 막는다는 보장은 아니다. 에이전트에 도구 실행 권한을 줄 때 권한을 좁히고 위험한 동작에 사람 승인을 거치게 하는 설계는 Carbon 이 와도 그대로 두는 편이 낫다.

04 Google 내부 수치와 AA 측정은 환각에서 방향이 갈린다

Google 은 정렬과 신뢰성 쪽 개선도 내부 평가로 보였다. 실제 코딩 환경에서 심각한 정렬 이탈 경보가 80% 가까이 줄었고, 근거 없는 주장은 Argon 의 절반 수준으로 내려갔다고 한다. 시킨 범위를 넘는 행동은 26%, 맡은 일을 덜 하는 경우는 29% 줄었다. Terminal-Bench 4.0 에서 채점을 속이려는 시도는 0.4%였고 성공한 경우는 없었다. 확신이 없을 때 밀어붙이지 않고 관련 자료를 찾아 어긋난 점을 사용자에게 먼저 보여 준다는 설명도 붙였다.

AA 측정은 조금 다른 그림이다. 지식 정확성을 재는 AA-Omniscience v1.1 에서 Carbon 은 54점으로 1위였고, 정답률은 Argon 보다 10%p 오른 58%였다. 그런데 같은 평가의 환각률은 Argon 의 4%에서 11%로 올랐다. AA 는 그래도 Argon 다음으로 낮은 값이라고 평했고, Opus 5.5 (max)와 GPT-6 Astra (max)는 둘 다 50%였다.

두 수치는 재는 대상과 방법이 달라서, 어느 한쪽이 틀렸다고 볼 근거는 없다. 다만 사실 답변의 정확도가 걸린 작업이라면 Argon 보다 나빠진 지표가 하나 있다는 점을 알고 시험하는 편이 낫다. 앞 문단의 정렬·안전 수치는 모두 Google 이 스스로 잰 값이라는 점도 함께 기억해 둔다.

05 과제당 비용은 Argon 과 거의 같고, 도입가 종료일은 비어 있다

Carbon 은 Argon 과 같은 도입가로 시작하고, 도입 기간이 끝나면 Argon 과 같은 표준가로 오른다. 2026년 10월 Gemini API 가격 문서와 Google 발표문을 맞춰 보면 이렇다.

Argon 은 가격 문서에 날짜가 박혀 있다. 11월 30일까지는 지금 단가를 받고, 12월 1일부터 두 배를 적용한다고 적혀 있다. 캐시 단가를 예산에 넣을 때는 조건이 하나 붙는다. Argon 은 명시적 캐시를 지원하지 않고 암묵적 캐시만 되므로, 캐시 단가는 자동으로 캐시가 걸린 토큰에만 붙는다. Carbon 은 표준가만 밝혔고, 도입가가 언제 끝나는지는 Google 발표문에도 AA 글에도 없다. 지금 Argon 을 쓰는 팀에게는 Carbon 출시보다 12월 1일 단가 인상이 먼저 닥치는 셈이다.

AA 는 지수 문제 하나를 푸는 데 드는 비용을 표준가로 계산해 공개한다.

Carbon 은 Argon 보다 9점 높은데 과제당 비용은 거의 같다. 토큰 단가도 같으니, AA 문제 묶음에서는 Argon 에서 Carbon 으로 바꿔 타도 청구액이 크게 늘지 않는다는 신호다. Opus 5.5 (max)보다는 23% 낮고, GPT-6 Astra 보다는 1.2배쯤 비싸다.

다른 측정에서는 결과가 다르다. AI타임스가 전한 Vals AI 결과에서 Carbon 은 Argon 보다 출력 토큰을 64% 더 썼고, 금융·세무 에이전트 과제는 두 배 넘게 오래 걸렸다. v5 에서 에이전트형 평가가 늘면서 과제당 출력 토큰 중간값도 35k에서 59k로 커졌다. 과제 종류에 따라 토큰 양이 이만큼 갈리니, 자기 작업의 토큰 양은 직접 재야 한다.

06 한국 팀에게: 기다리는 동안 Argon 으로 기준선을 잡아 둔다

직접 영향을 받는 쪽은 Gemini API 로 코딩·보안 에이전트를 만드는 팀이다. Argon 은 출시 당일 전 세계에 열렸고 무료 등급 없이 유료 등급에서만 쓸 수 있어서, 국내 팀도 Gemini API 결제가 되어 있으면 지금 부를 수 있다. Fairwind 안내에는 지역 제한이 적혀 있지 않지만, 우선 대상 목록에 일반 스타트업이나 외주 개발팀은 없다. 대부분의 국내 팀에게 Carbon 은 날짜 없는 예정으로 남는다.

Claude 나 OpenAI 모델로 이미 에이전트를 돌리는 팀이라면 지금 옮길 이유는 없다. Carbon 은 호출할 수 없고, 코딩 지표는 Opus 5.5 가 3점 앞선다. 프롬프트·도구 호출 형식·평가 스크립트를 다시 짜는 이전 비용은 Carbon 모델 ID 가 생기고 자기 과제로 재 본 뒤에 들여도 늦지 않다.

Gemini 를 쓰는 팀이 지금 할 수 있는 일은 이렇다.

1. 아래 명령으로 내 키에 보이는 모델 이름을 보고, carbon 이 들어간 이름이 나오기 전에는 출시 일정을 계획에 넣지 않는다.
2. 이번 달 Argon 사용량에 12월 1일 단가를 곱해 예산을 다시 잡는다.
3. 자기 과제로 작은 평가 세트를 만들고, 11월 30일 전에 Argon Batch 로 돌려 기준 점수를 남긴다.
4. 과제마다 출력 토큰 수를 기록해, Carbon 이 오면 AA 의 과제당 비용 대신 이 숫자로 비교한다.
5. 모델 이름을 코드가 아니라 설정값으로 빼서, Carbon 이 나오면 값 하나만 바꿔 비교하고 결과가 나쁘면 바로 되돌린다.
6. 보안 에이전트라면 공개판 가드레일 정책이 나왔을 때 거절하는 작업 범위부터 확인한다.

# 내 API 키로 호출할 수 있는 Gemini 4 계열 모델 이름만 뽑는다
# pageSize 를 빼면 한 페이지에 50개만 오므로 최대값 1000 을 준다
curl -s "https://generativelanguage.googleapis.com/v1beta/models?pageSize=1000&key=$GEMINI_API_KEY" \
  | jq -r '.models[].name' | grep 'gemini-4'
# 응답에 nextPageToken 이 있으면 pageToken 으로 넘겨 다음 페이지를 받는다

되돌리기 쉬운 순서로 보면, 모델 이름을 설정으로 빼고 기준 점수를 남겨 두는 일은 지금 해도 잃을 것이 없다. 반대로 Carbon 일정을 전제로 다른 모델 계약이나 이전을 미루는 결정은, 날짜가 나오기 전까지는 근거가 없다.

07 자주 묻는 질문

Google Cloud 고객이 아니거나 학생이면 Fairwind 로 들어갈 길이 있나?

Fairwind 안내는 Cloud 고객이 아니면 Google Cloud 시작 문서로, 학생은 Google Cloud 의 CodeMender 로 보낸다. 신청 창구가 계정 팀이라 Cloud 계약이 없는 팀은 출발점부터 멀다. 들어가더라도 지금 받는 모델은 Argon 이다.

Argon 에서 Carbon 으로 바꾸면 비용이 늘어나나?

측정에 따라 다르다. AA 문제 묶음에서는 과제당 비용이 거의 같았지만, Vals AI 측정에서는 출력 토큰이 64% 늘었다. 두 모델은 토큰 단가가 같아서 청구액 차이는 거의 토큰 양에서 나온다. 그러니 Argon 으로 기준선을 잡을 때 과제별 출력 토큰 수를 꼭 남겨 둔다.