기술동향 · 13 min read

제미나이 4 카본 vs 오퍼스 5.5: 1점 차 1위, 무엇이 다른가

제미나이 4 카본이 독립 지수 1위에 올랐지만 오퍼스 5.5와 1점 차다. 성능·가격·공개 시점을 측정 주체별로 비교한다.

딥 버건디 듀오톤 동판화풍 19세기 경주장 결승 테이프 앞에 태엽 자동인형 둘이 맞닿을 듯 서 있고, 심판이 시안빛 돋보기로 둘 사이의 좁은 틈을 들여다보며 군중이 줄 뒤에서 지켜보는 팝아트 판화

제미나이 4 카본(Gemini 4 Carbon)은 구글이 2026년 10월 28일 공개한 최상위 AI 모델이다. 구글은 사이버보안과 며칠씩 이어지는 긴 작업에 강한 모델이라고 소개했다(구글 공식 블로그). 독립 평가 지수에서 1위에 올랐지만, 11월 8일 확인 기준으로 일반 공개 날짜는 나오지 않았고 일부 사이버 방어자만 쓸 수 있다.

핵심 요약

  • Artificial Analysis 지능 지수는 11월 8일 확인 기준 60점으로 69개 모델 중 1위이고, 2위 클로드 오퍼스 5.5(max, 59점)와 1점 차이다. 발표 직후에도 59 대 58로 1점 차였다(Artificial Analysis, AI Weekly).
  • Vals 지수는 70.36%(오차 ±0.97)로 2위다. 1위 소넷 5.5(70.85%)와 오퍼스 5.5(70.18%)가 모두 오차 범위 안에 있다(Vals AI).
  • 가격은 100만 토큰당 입력 2달러·출력 10달러로 시작해 4달러·20달러로 오른다. 개발자·소비자 공개 날짜는 없다(구글 공식 블로그).

앞선 글: 제미나이 4 아르곤은 '접근이 닫힌 모델의 벤치마크를 어떻게 읽어야 하나'라는 질문을 남겼다. 이 글은 그 질문에 답한다. 비교 기준이 되는 클로드 오퍼스 5.5 글도 함께 볼 만하다.

제미나이 4 카본 vs 오퍼스 5.5, 숫자로 비교하면

카본의 숫자는 세 종류다. 독립 기관이 잰 것, 구글이 직접 잰 것, 구글이 협력사의 말을 전한 것이다. 이 셋을 섞으면 같은 모델이 전혀 다르게 읽힌다.

지표 카본 비교 대상 측정 주체
지능 지수 v5.0 60점, 69개 모델 중 1위 오퍼스 5.5(max) 59점, 아르곤 50점 Artificial Analysis
Vals 지수 70.36%(±0.97), 2위 소넷 5.5 70.85%, 오퍼스 5.5 70.18% Vals AI
코딩 에이전트 지수 59점(발표 직후 보도) 클로드 코드와 오퍼스 5.5 조합이 3점 앞섬 Artificial Analysis(OfficeChai 인용)
터미널 벤치 4.0 65% 아르곤 57% Artificial Analysis
지능 지수 과제당 비용 7.76달러 오퍼스 5.5 10.04달러, 아르곤 9.95달러 Artificial Analysis
환각률(AA-Omniscience v1.1) 11%(발표 직후 보도) 오퍼스 5.5 50% Artificial Analysis(OfficeChai 인용)
표준가(100만 토큰) 입력 4달러·출력 20달러 오퍼스 5.5와 같음 구글, OfficeChai
첫 토큰까지(High 설정) 66.88초 아르곤 38.93초 Artificial Analysis
SEC-bench Pro(취약점 찾기) 88.2% 이미지 표라 옮기지 않음 구글 발표
ExploitGym(공격 코드) 54.8% 이미지 표라 옮기지 않음 구글 발표
CWE-bench(원인 패치) 71.0% 이미지 표라 옮기지 않음 구글 발표(콜리니어)
간접 프롬프트 주입 공격 성공률 0.0% 아르곤 0.7% 구글 발표(그레이 스완 벤치마크)

출처: Artificial Analysis 비교 페이지와 모델 리더보드(11월 8일 확인), Vals AI, OfficeChai(환각률·코딩 지수 인용), 구글 공식 블로그. Artificial Analysis 수치는 11월 8일 확인한 값이다. 발표 직후에는 카본 59점·오퍼스 5.5 58점이었다(AI Weekly). 아르곤 50점은 비교 페이지 값이고, 공개 초기 보도에는 53점으로 나온다.

AA-Omniscience 환각률은 전체 답 중 오답 비율이 아니라, 정답을 맞히지 못한 문항 가운데 답을 거절하지 않고 틀린 답을 낸 비율이다(Artificial Analysis).

순위: 1점 차를 어떻게 읽나

지능 지수의 1점은 순위를 바꾸지만 능력의 차이를 말해 주지는 않는다. Vals 지수는 오차까지 공개하는데, 위아래 세 모델이 오차 범위에 겹친다. 분야별로는 Vals의 금융 지수와 법률 리서치 벤치에서 1위, 터미널 벤치에서 4위다. 코딩 에이전트 지수에서는 클로드 코드와 오퍼스 5.5 조합이 3점 앞선다. 격차가 뚜렷한 쪽은 오히려 전작과의 비교다. 과제당 비용은 카본이 약 22% 싸고 지능 지수는 10점 높다.

가격: '절반 값'은 도입가 기준이다

카본은 100만 토큰당 입력 2달러·출력 10달러의 도입가로 시작해 4달러·20달러로 오른다. 캐시 입력은 입력가의 95%를 깎는다(구글 공식 블로그). '오퍼스의 절반 값'이라는 표현은 도입가 기준이다. 표준가로 맞추면 두 모델의 토큰 단가는 같고, 그 기준에서 카본의 과제당 비용은 23% 낮고 과제당 출력 토큰은 약 29% 적다(OfficeChai). 도입 기간이 언제 끝나는지는 구글 발표에 없다.

속도: 첫 글자까지 1분 남짓

High 설정에서 출력은 초당 66토큰(아르곤 70토큰), 첫 토큰까지는 66.88초다(11월 8일 확인, Artificial Analysis). 맥락 창은 100만 토큰이다. 대화용이라기보다 오래 생각하고 오래 일하는 쪽이다. 구글은 사내에서 큰 코드베이스의 버그 원인을 찾아 고치는 작업을 며칠씩 돌렸다고 밝혔다. 회사 측 설명이다.

보안 점수: 구글이 잰 숫자

표 아래쪽 네 줄은 구글 발표다. 크롬팀이 '다른 연구소의 대형 모델보다 패치 생성이 10배 이상 낫다'고 했다는 대목은 비교 대상의 이름이 없어 검증할 수 없다. 구글은 표기가 없는 벤치마크는 안전장치 없이 측정했다고 밝혔다. 나중에 일반 이용자가 받을 모델이 이 점수를 그대로 낼지는 알 수 없다.

누가 쓸 수 있고 왜 방어자에게 먼저 여나

구글은 카본을 일부 사이버 방어자에게 먼저 주고, 페어윈드 프로그램으로 신뢰 파트너를 점차 늘린 뒤, 안전장치를 개선해 개발자·기업·소비자에게 공개한다고 밝혔다. 일반 공개 날짜는 없다. 11월 8일 확인한 Gemini API 변경 기록에도 카본 항목은 없었다.

아르곤은 9월 30일 한정 공개 뒤 10월 13일 Gemini API에 정식 출시됐고, 카본은 그로부터 15일 뒤에 나왔다. 로이터는 이를 오픈AI·앤스로픽과의 코딩·사이버보안 경쟁 속에 놓았다(로이터, 칼리지타임스 게재).

구글은 미국 정부의 자발적 출시 전 시험에 참여 중이며, 신뢰할 수 있는 방어자들과 안전장치를 시험한 뒤 범위를 넓힌다고 밝혔다(TestingCatalog). 취약점을 찾고 공격 코드까지 쓰는 능력은 방어와 공격에 함께 쓰인다.

아르곤과 비교하면 달라진 점이 있다. 10월 1일 아르곤 글을 쓸 때 이 블로그가 확인한 수치는 회사 발표뿐이었지만, 카본은 공개 당일 독립 기관 점수가 나왔다. 검증 공백은 그만큼 좁아졌다. 하지만 평가 기관은 재도 독자는 재현할 수 없다는 구조는 그대로다. 페어윈드의 선정 기준과 참여 명단도 공개되지 않았다.

상황별로 보면

  • 일반 이용자: 일반 공개 전이다(11월 8일 확인 기준). 지금 쓸 수 있는 최상위 모델끼리의 비교는 GPT-6 솔·루나 vs 클로드 오퍼스 5.5 글이 더 쓸모 있다.
  • 도입 담당자: 순위보다 우리 업무에 해당하는 항목의 점수, 표준가 기준 과제당 비용, 첫 응답을 1분 넘게 기다릴 수 있는지를 본다. Vals 지수 1위는 소넷 5.5였다. 값과 토큰 사용량의 균형은 클로드 소넷 5.5 비교 글에서 다뤘다.
  • 보안 담당자: 구글 수치를 그대로 믿지 않더라도, 취약점을 찾아 고치는 작업이 며칠짜리 자동 작업으로 옮겨 가는 방향은 분명하다. 그 능력이 방어자에게 먼저 가는 기간이 곧 패치를 앞당길 시간이다.

인간에게 무엇이 달라지는가

일반 이용자에게 당장 달라지는 것은 없다. 다만 아르곤 정식 출시 15일 뒤에 카본이 나온 것처럼 최상위 모델이 몇 주 간격으로 바뀌면, '어느 모델이 1위인가'를 따라가는 일의 값이 떨어진다. 남는 것은 내 일에 맞는 점수를 고르는 눈이다.

보안 쪽에서는 취약점을 찾고 고치는 시간이 줄어드는 만큼, 사람이 맡는 일이 그 결과를 확인하고 배포를 결정하는 쪽으로 옮겨 갈 가능성이 크다. 금융 이용자에게 어떤 의미인지는 AI 해킹과 금융자산 글에서 다뤘다.

아직 모르는 것은

  • 환각률 비교: 카본의 11%는 보도 두 곳에서 일치하지만, 아르곤 수치는 자료에 따라 4%와 15%로 갈린다. 그래서 전작 대비 증감은 쓰지 않았다.
  • 모델 카드: 프런티어 안전성 평가 내용은 이번 조사에서 원문을 확인하지 못했다.
  • 안전 수치: 터미널 벤치 부정행위 시도 0.4%, 심각한 정렬 경보 약 80% 감소 등은 구글 내부 수치다.
  • 독립 평가의 조건: 평가 기관이 안전장치가 켜진 모델을 쟀는지는 확인되지 않았다.

PRISM AGENDA의 시각

우리는 카본의 1위보다 그 1위가 만들어진 순서가 더 중요하다고 본다. 측정표가 먼저 나오고, 방어자가 쓰고, 개발자와 대중은 그다음이다. 쓸 수 없는 모델이 순위표 맨 위에 있는 일은 이제 관행이 됐다. 그래서 제한 공개 모델의 점수를 볼 때 우리는 아래 점검 질문 4개를 먼저 던진다.

점검 항목(PRISM AGENDA 제안) 질문 카본의 경우
측정 주체 회사인가, 독립 기관인가 사이버 점수는 회사, 종합 지수는 독립
측정 상태 안전장치를 켠 모델인가 구글 표는 대부분 끈 상태, 독립 기관은 미확인
격차 오차보다 큰가 1점, Vals는 오차 안
접근 내가 같은 값에 쓸 수 있나 11월 8일 기준 불가, 도입가 종료일 미공개

네 질문에 답해 보면 카본은 '최강 모델'이 아니라 '최상위권에 든, 아직 검증이 끝나지 않은 모델'이다. 그래도 구글의 전진은 진짜다. 아르곤 정식 출시 15일 만에, 같은 표기 가격으로 지능 지수가 10점 높은 모델을 내놓았다. 평가는 문이 열린 뒤에 다시 해야 한다.

자주 묻는 질문

제미나이 4 카본은 지금 쓸 수 있나?

11월 8일 확인 기준으로 일반 개발자와 소비자는 쓸 수 없다. 구글은 일부 사이버 방어자에게 먼저 제공하고, 페어윈드 프로그램으로 범위를 넓힌 뒤 일반에 공개한다고 밝혔다. 일반 공개 날짜는 발표되지 않았고, Gemini API 변경 기록에도 카본 항목이 없다.

제미나이 4 카본은 클로드 오퍼스 5.5보다 좋은가?

Artificial Analysis 지능 지수에서는 11월 8일 확인 기준 60점 대 59점(오퍼스 5.5 max 설정)으로 앞서지만, 코딩 에이전트 지수에서는 3점 뒤진다. Vals 지수의 두 모델 차이는 오차 범위 안이다. 과제당 비용은 카본이 7.76달러, 오퍼스 5.5가 10.04달러로 측정됐다.

제미나이 4 아르곤과 무엇이 다른가?

구글은 사이버보안과 긴 작업을 강화했다고 설명한다. 11월 8일 확인한 독립 측정으로는 지능 지수가 50점에서 60점으로, 터미널 벤치 4.0이 57%에서 65%로 올랐다. 표기 가격은 같지만 지능 지수 과제당 비용은 9.95달러에서 7.76달러로 줄었고, 첫 토큰까지 걸리는 시간은 38.93초에서 66.88초로 늘었다.

다음 질문

독립 평가 기관에 먼저 열어 주는 모델과 그렇지 않은 모델을, 이용자는 어떻게 구분해 믿어야 할까.