Google이 10월 13일 Gemini 4 Argon의 제공 범위를 넓히기 시작했습니다. 9월 30일 첫 공개 때는 사이버 방어 파트너(Fairwind Program)가 먼저 썼는데, 이제 개발자와 기업, AI Studio·Gemini API·Antigravity·Gemini Enterprise로 문이 열리는 흐름입니다.

한 줄로 정리하면 이렇습니다.

출시: 2026년 9월 30일 첫 공개 → 10월 13일 확대 제공 시작
특가: 입력 $2 / 출력 $10 (100만 토큰당, 11월 30일까지)
정상가: 11월 30일 이후 입력 $4 / 출력 $20으로 인상
캐시 입력: 95% 할인 유지

그런데 이 글에서 가격보다 먼저 봐야 할 것이 있습니다. 성적표가 시험지마다 다르게 나왔기 때문입니다.

성적표는 두 장이다: Vals는 1위, 터미널은 2위

DeepMind 모델 카드와 Google 발표 기준 수치를 모으면 이렇습니다.

Vals Index (금융·법률·세무·코딩 종합)
  Argon 68.9% > Opus 5.5 67.0% > Astra 63.1% (1위)

DeepSWE v1.1 (실전 멀티스텝 엔지니어링)
  Argon 77.9% > Opus 5.5 74.2% > Astra 74.1% (1위)

Vals Finance Agent v2
  Argon 65.4% > Fable 5.1 58.9% > Opus 5.5 58.6% (1위)

Harvey Legal Agent
  Argon 19.6% vs Astra 5.4% (큰 차이로 1위)

AutomationBench 51.3%, LVBench 91.7%, CWE-bench 68% (동점 1위)

반면 뒤집히는 시험지도 있습니다.

Terminal-Bench 4.0 (터미널 다단계 실행)
  Opus 5.5 66.4% > Astra 58.2% > Fable 5.1 57.9% > Argon 57.4%

FrontierSWE v2
  Astra 65.5% > Opus 5.5 62.3% > Argon 55.0%

Terminal-Bench Science 0.1
  Astra 68.1% > Opus 5.5 63.3% > Argon 57.6%

정리하면 긴 호흡의 실전 엔지니어링·금융·법률 지식 작업에서는 앞서고, 터미널 환경의 날카로운 실행 과제에서는 경쟁 모델이 앞섭니다. 종합 1위가 전 종목 1위는 아니라는 뜻입니다.

이 구분은 SWE-bench vs Terminal-Bench vs ProgramBench 글에서 다룬 구조와 정확히 이어집니다. 시험지가 다르면 점수를 합산하면 안 됩니다.

1M 출력 토큰은 ‘긴 글’이 아니라 ‘긴 작업’이다

Argon을 이해하는 키워드는 9월 30일 발표 때와 같습니다. 단일 응답 출력 상한이 기존 64K에서 1M 토큰으로 늘었다는 점입니다.

Context (읽기)
  “한 번에 얼마나 많은 자료를 볼 수 있는가?”

Output (쓰기·생각·도구 사용)
  “한 번의 작업 궤적에서 얼마나 오래 이어갈 수 있는가?”

Google 내부 사례가 방향을 보여줍니다. 80만 줄 넘는 Fuchsia Zircon 커널의 C/C++→Rust 마이그레이션, libgav1의 Rust SIMD 재작성과 2.7배 속도 향상 같은 작업입니다. 물론 Google도 자동 검증과 에뮬레이션 테스트, 사람 리뷰가 함께 들어갔다고 밝힙니다. 모델 혼자 다 했다는 얘기로 읽으면 안 됩니다.

주의할 점도 있습니다. Vals Index 작업 1건당 평균 비용이 약 $15.68, 코드 마이그레이션 테스트는 약 $58, CUA-bench는 약 $194 수준이라는 분석도 나옵니다. 오래 일하는 모델은 오래 일한 만큼 과금됩니다.

가격은 특가로 보지 말고 정상가로 계산하라

출시 특가 $2/$10은 11월 30일에 끝납니다. 이후 $4/$20이면 Opus 5.5급과 같은 티어입니다.

지금: 입력 $2 / 출력 $10 (Sonnet 5.5·GPT-6.1 Sol과 동일)
11월 30일 이후: 입력 $4 / 출력 $20 (Opus 5.5 티어와 동일)

그래서 비교 실험은 특가가 아니라 정상가 기준으로 해야 합니다. 이번 주에 맛보고 다음 달에 놀라는 패턴을 피하려면, 처음부터 $4/$20으로 작업당 비용을 재는 편이 좋습니다.

CodeBridge Mini Lab: 같은 일로 셋을 비교하자

브리핑의 액션을 실험 형태로 바꿔보겠습니다.

① 작업 1개를 고정한다 (예: 실패하는 테스트 5개 고치기)
② 하네스·도구·제한시간을 동일하게 둔다
③ Argon / GPT / Claude 순서로 돌리며 기록한다:

   [ ] 완료율 (테스트 통과 기준)
   [ ] p95 지연시간 (평균이 아니라 95퍼센타일)
   [ ] 성공 1건당 비용 ($4/$20 정상가 기준)
   [ ] 재시도·사람 개입 횟수
④ 벤치마크별로 나눠서 본다 (DeepSWE형 vs 터미널형)

여기서 1M 컨텍스트 비용 글의 교훈도 함께 가져오세요. 긴 입력을 매번 다 넣으면 캐시 할인을 받아도 비용이 불어납니다. 필요한 것만 넣는 습관이 Argon 같은 장기 실행 모델에서 더 중요해집니다.

결론: 1등 모델을 고르는 게 아니라 1등 시험지를 고르라

Argon 확대 제공이 주는 실무 메시지는 하나입니다.

내 업무 = 긴 리팩토링·금융·법률 지식 작업 → Argon 우선 비교
내 업무 = 터미널 실행·환경 조작 중심 → Opus·Astra도 함께 비교
요금 = 특가가 아니라 12월 요금으로 계산

벤치마크 1위가 아니라 내 작업에서의 완료율과 p95, 성공당 비용이 답입니다. 이번 주에 repo 작업 하나만 골라 세 모델에 똑같이 시켜보세요. 그 표 하나가 다음 분기 도구 선택을 정해줍니다.

함께 읽으면 좋은 글

참고 자료

이 주제를 직접 따라가며 배우고 싶다면

긴 작업을 끝까지 해내는 구조는 모델만으로 되지 않습니다. 하네스·루프·그래프 구조를 손으로 짜보면서, 기억과 검증을 어디에 둘지 연습해 보세요.