Gemini 4 Argon: Google DeepMind의 코딩, 과학, 에이전트 작업을 위한 프론티어 모델

Google DeepMind는 2026년 10월 13일 Gemini 4 Argon을 발표했습니다. 이 프론티어 모델은 코딩, 금융, 법률, 사이버 보안, 과학 분야의 심층적이고 다단계 작업을 위해 설계되었습니다. 이번 출시가 중요한 이유는 Argon이 일반 채팅 업그레이드가 아닌 장기적인 에이전트 작업을 위한 모델로 포지셔닝되었기 때문이며, DeepMind는 내부 엔지니어링 결과, 타사 보안 및 과학 배포, 공개된 안전 스택을 통해 이러한 주장을 뒷받침합니다.

가용성 및 가격

Gemini 4 Argon은 2026년 10월 13일부터 개발자, 기업, 소비자 대상으로 전 세계에서 사용 가능합니다. DeepMind는 이를 개발자, 기업, 과학자, 소비자에게 동시에 출시된 최신 프론티어 모델이라고 설명합니다.

  • 개발자: AI Studio 및 Gemini 플랫폼의 API와 AI Studio 및 Android Studio의 Gemini API 유료 티어에서 사용 가능합니다. Google AI Ultra 구독자는 Google Antigravity 및 AI Studio에서도 사용해 볼 수 있습니다.
  • 기업: Gemini for Business, API 및 Google Antigravity에서 사용 가능합니다.
  • 소비자: Google AI Ultra 및 Pro 구독자는 Gemini 앱과 Search의 AI Mode에서 사용할 수 있습니다.
  • 과학자 및 연구자: DeepMind는 10,000명의 과학자에게 Google Antigravity의 최상위 사용 티어를 6개월간 무료로 제공하며, 선착순으로 온보딩되며 자격, 용량 및 선정 기준이 적용됩니다.
  • 사이버 보안 방어자: Fairwind Program에 참여하여 사이버 가드레일 없이 Argon에 접근할 수 있는 신청이 선착순으로 접수 중입니다.

Argon은 입력 토큰 100만 개당 $2, 출력 토큰 100만 개당 $10의 출시 가격으로 제공되며, 캐시된 입력 토큰은 95% 할인됩니다. 이 모델은 Gemini API를 통해 업계 최고 수준의 100만 개 통합 입력-출력 토큰 한도를 지원하며, 개발자와 기업을 위해 문서화된 새로운 연속 프로토콜을 사용합니다.

벤치마크 포지셔닝

DeepMind는 Argon의 다단계 작업에서의 깊이와 정밀도 덕분에 다양한 도메인의 벤치마크에서 다른 프론티어 모델을 능가한다고 밝힙니다. 회사는 금융, 코딩, 법률, 세무 작업을 포함한 주요 경제 분야에서 모델 성능을 측정하는 Vals Index에서 1위를 차지했다고 언급합니다.

3D 환경에서 물리적, 공간적 문제를 이해하고 해결하는 모델의 능력을 테스트하는 Embodied Reasoning(ERQA) 벤치마크에서 Argon은 87%를 기록하며 순수 추론에 의존하는 다른 모든 프론티어 모델을 능가합니다.

Google 내부 엔지니어링 결과

DeepMind는 Google 소프트웨어 엔지니어들이 회사의 가장 어려운 엔지니어링 문제에 Argon을 사용해 왔으며, Antigravity의 Argon이 팀의 에이전트 코드 제출을 35% 이상 늘리고 코드 롤백을 거의 3분의 1로 줄이는 데 도움을 주었다고 보고합니다.

Chrome: 4천만 줄 코드베이스 리팩터링

Argon은 Chrome 팀이 Chromium의 4천만 줄 코드베이스 내에서 핵심 웹페이지 처리를 약 600만 줄의 레거시 브라우저 기능 폴더에서 분리하는 데 도움을 주었습니다. Argon은 한 번에 여러 개의 깔끔한 코드 변경을 파이프라인으로 처리하여 팀이 수백 개의 파일에 걸친 아키텍처 리팩터링을 완료하고 몇 달의 작업을 몇 주 만에 끝내도록 도왔습니다. DeepMind는 Chrome의 수십억 글로벌 사용자에게 이로 인해 실시간 웹페이지가 새로고침 없이 탭, 사이드 패널, 플로팅 창 사이를 유연하게 이동할 수 있게 되어 브라우저 충돌의 한 범주가 완전히 제거될 것이라고 말합니다.

Agent Development Kit: 하룻밤 사이의 Python 최적화

Google의 오픈소스 Agent Development Kit(ADK) 팀(엔터프라이즈 에이전트를 지원하는 프레임워크)은 Argon에게 .agents/skills 규칙북과 기존 앱을 깨지 않고 프레임워크 오버헤드를 제거하라는 한 문단의 목표를 제공했습니다. 밤새 자율적으로 작업한 Argon은 현재 google/adk-python에 반영된 최적화를 발견했으며, 이로 인해 긴 세션에서 인메모리 세션 준비 시간이 40% 단축되고 콜드 임포트 속도가 21% 빨라졌습니다.

xTB: 양자 화학 속도 향상

xTB(Semiempirical Extended Tight-Binding)는 분자의 3D 형태를 예측하고 많은 수의 약물 및 재료 후보를 스크리닝하는 데 사용되는, 분자용으로 가장 많이 인용되는 오픈소스 양자 화학 패키지 중 하나입니다. DeepMind 연구원들은 Antigravity에서 Argon을 사용하여 xTB의 분자 구조 예측 속도를 최대 2.3배, 컨포머 검색 속도를 1.8배 향상시켰습니다. 변경 사항은 GitHub의 공식 xTB 저장소에 기여되었습니다.

Gemma 및 vLLM: 2.85배 추론 속도 향상

Argon을 사용하여 DeepMind는 vLLM을 통해 A100에서 엔드투엔드 추론 속도를 2.85배 향상시켜 Gemma 4 E2B에서 초당 약 37,900토큰에서 108,000토큰 이상으로 처리량을 늘렸으며, 100% 토큰 일치와 품질 저하 없음을 달성했습니다. 이 작업은 일반적으로 몇 달이 걸리던 것을 며칠 만에 완료했으며, 변경 사항은 어텐션 튜닝과 스펙큘레이티브 디코딩을 다루는 업스트림 풀 리퀘스트로 제출되었습니다.

3D 시각화 및 비주얼 코딩

DeepMind는 이전 Gemini 모델과 비교하여 공간 추론, 수학적 정밀도, 비주얼 코딩에서 큰 개선을 보고합니다. Antigravity에서 /goal과 같은 슬래시 명령과 사용자 지정 스킬을 사용한 멀티에이전트 루프 프롬프트를 사용하여 Googlers는 Argon으로 브라우저에서 직접 렌더링되는 바닐라 코드로 복잡한 3D 시각화, 고충실도 게임, 인터랙티브 애니메이션을 프로토타이핑하고 있습니다.

전문가 및 기업 워크플로우

Argon은 법률, 금융, 과학, 코딩 분야에서 프론티어 추론, 깊은 시각적 인식, 확장된 도메인 지식, 강력한 작문 능력을 결합하여 위험도가 높은 전문가 워크플로우를 지원합니다. DeepMind는 이 모델이 명확하게 소통하고 사용자를 루프에 유지하며 이전 Gemini 모델보다 스타일 지침을 더 잘 따른다고 말합니다. 질문에 더 직접적으로 답하고 불필요한 헤지(hedging)를 줄이며, 필요 이상으로 반복하지 않고, 클리셰를 건너뜁니다.

DeepMind에 따르면 얼리 액세스 프로그램의 엔터프라이즈 고객과 스타트업은 이미 성과를 보고하고 있습니다. 회사는 Argon이 엄격한 접지(grounding)를 유지하면서 심층 멀티모달 문서 이해, 종단 데이터 분석, 인터랙티브 분석 샌드박스에서 탁월한 성능을 발휘한다고 말합니다.

사이버 보안: Fairwind 확장 및 Wiz 배포

DeepMind는 Fairwind Program을 수백 개의 추가 파트너로 확장하기 시작했습니다. Wiz는 이미 공공 이익을 위해 중요한 인프라를 무료로 보호하는 "Scan for Good" 이니셔티브에 Argon을 사용하고 있습니다. Wiz는 모델에 대한 조기 액세스를 통해 두 가지 위험도가 높은 결과를 입증했습니다.

  • 민감한 정부 데이터 보호: 장기적인 사이버 복원력 프로그램의 일환으로 연방 기관과 협력하여 Argon은 민감한 데이터와 정부 인프라를 노출할 위험이 있는 격차를 사전에 식별하고 해결하는 데 도움을 주었습니다. DeepMind는 이 노력이 중요한 보안 부문 개발 세부 사항의 노출과 특수 모델에 대한 무단 액세스를 방지하는 데 도움이 되었다고 말합니다.
  • 중요 의료 인프라 보호: Wiz는 Argon을 사용하여 vital 의료 인프라를 보호했습니다. 복잡한 취약점을 연결함으로써 모델은 팀이 마스터 키를 노출하고 관리자 액세스를 부여하는 공개 파일 다운로드 우회를 발견하고 신속하게 수정하도록 도왔습니다. Argon은 취약점을 발견하는 것을 넘어 수십만 건의 개인 환자 기록을 사전에 보호했습니다.

과학적 돌파구

DeepMind는 Argon이 이미 연구자와 도메인 전문가를 위해 결과를 내고 있는 여러 도메인을 나열합니다.

양자 컴퓨팅

Argon은 DeepMind 연구원들이 양자 오류 수정 및 알고리즘 설계에서 진전을 가속화하도록 돕고 있습니다. 오류 디코더가 실시간으로 양자 하드웨어를 따라잡을 수 있도록 Argon은 DeepMind의 ML 양자 오류 수정 디코더인 AlphaQubit의 내부 버전을 단일 고도로 최적화된 하드웨어 커널로 변환하여 추론 처리량을 거의 두 배로 늘렸고, 이를 통해 팀은 더 크고 강력한 모델을 배포하고 엄격한 실시간 임계값을 충족하면서 더 큰 양자 장치로 확장할 수 있습니다. Argon은 또한 양자 서브루틴의 시공간 비용을 줄이고 있습니다: 최근 양자 시뮬레이션 알고리즘의 빌딩 블록인 arcsin의 경우, Argon이 작성하고 Lean에서 공식적으로 검증한 구현은 공개된 양자 CORDIC 기준선과 비교하여 시공간 비용을 100배 이상 줄입니다.

핵융합

Stellarator는 무한한 청정 융합 에너지를 위한 주요 후보로 여겨지는 복잡한 기계이지만, 3D 자기장을 최적화하는 것은 매우 어려운 것으로 유명합니다. 1967년부터 "Grad의 추측"으로 알려진 오랜 가설은 이러한 자기장에 대한 정확한 수학적 해를 찾는 것이 불가능하다고 가정했지만, 메릴랜드 대학교의 Matt Landreman 교수를 포함한 최근의 반례가 발견되기 전까지였습니다. Google의 한 팀은 Landreman 교수와 함께 이제 Grad의 추측에 대한 더 넓은 클래스의 반례를 발견했습니다. 이러한 새로운 해는 융합 커뮤니티가 stellarator 시뮬레이션 코드를 테스트할 수 있는 신뢰할 수 있는 벤치마크를 제공합니다.

희귀 질환 연구

Gamow Labs의 연구원들은 Argon을 사용하여 희귀 발달성 폐 질환을 가진 신생아의 비식별화된 유전체를 분석했습니다. 한 사례에서 Argon은 일상적인 소프트웨어가 몇 년 동안 놓친 염색체 재배열을 정확히 찾아내고 왜 발견되지 않았는지 설명했습니다. 실제 임상 및 실험실 데이터에서 파생된 비공개 Gamow Labs 평가에서 Argon은 희귀 질환 진단 지원에서 57%로 RareBench를, 습식 실험실 추론에서 52.2%로 LabBench에서 최고 점수를 기록했습니다.

효소 설계

정밀한 반응성을 가진 효소를 설계하는 것은 악명 높을 정도로 느리며, 종종 수개월의 맞춤형 모델 튜닝과 후보 스크리닝이 필요합니다. 세린 에스터라아제는 표적 분자의 에스터 결합을 절단하는 효소 클래스로, 재활용 및 의약품, 바이오 연료, 세제 제조에 널리 사용됩니다. DeepMind 과학자들은 Argon과 협력하여 벤치마크 분자인 4MU-아세테이트를 표적으로 하는 세린 에스터라아제를 설계했으며, 이 분자는 에스터 결합이 절단되면 UV 광선 아래에서 발광합니다. Argon은 몇 시간 만에 관련 데이터를 수집하고, 모델 튜닝을 수행하고, 여러 생화학 영감 필터를 식별하여 최종적으로 5개의 새로운 설계를 도출했습니다. 이후 실험실 테스트에서 이러한 설계 전반에 걸쳐 강력한 촉매 활성이 확인되었습니다.

로보틱스: 비디오-시뮬레이션-실제(Video-to-Sim-to-Real)

DeepMind는 Argon이 고급 시각-의미론적 추론, 깊은 물리적 이해, 자율 코드 생성을 결합하여 로보틱스 스택 전반에 걸쳐 새로운 워크플로우를 여는 데 도움을 준다고 말합니다. 내부 테스트에서 Argon은 인간이 콘홀을 플레이하는 원시 비디오를 시청하고, 환경의 공간 좌표를 매핑하고, 필요한 전신 관절 움직임을 계산했습니다. 그런 다음 자율적으로 시뮬레이션 코드를 구축했습니다. Apptronik의 Apollo 휴머노이드에 이식되었을 때, 로봇은 실제 시험에서 7개의 연속 샷을 성공시켰습니다. DeepMind는 이 파이프라인을 "비디오-시뮬레이션-실제"라고 부르며, 수주에 걸친 수동 시뮬레이션 모델링을 몇 시간으로 압축한다고 말합니다.

안전 및 정렬

DeepMind는 Gemini 4 Argon을 특정 모델 기능과 보호 장치 측정에 대해 제3자 파트너와 협력하여 개발한 가장 포괄적인 안전 및 보안 스택이라고 설명합니다.

  • 오용 및 탈옥 방어: Frontier Safety Framework에 따라 DeepMind는 여러 도메인에서 Argon의 강화된 기능을 평가하고 탈옥 저항, 모니터링, 시행을 결합한 다층 방어 스택을 배포했습니다. 외부 생물 레드 팀링은 테스트된 생물 하위 작업의 1% 미만만 해제할 수 있었습니다. 모델을 스트레스 테스트하기 위한 적대적 세트에서 위반은 거의 2배 감소했으며, DeepMind는 이는 이전 Gemini 모델보다 훨씬 더 나은 것이라고 말합니다.
  • 에이전트 정렬 및 실시간 모니터링: DeepMind는 Argon이 시스템 경계를 존중하고, 부정적인 결과를 정직하게 보고하고, 되돌릴 수 없는 단계를 수행하기 전에 인간 확인을 위해 일시 중지하도록 훈련했습니다. 모델이 자제할 인센티브가 없는 코딩 벤치마크에서 지름길 시도는 Gemini 4 Argon에서 단 2%로 떨어졌습니다. 심층 방어 계층으로 DeepMind는 에이전트의 단계별 추론과 행동을 읽고 의도하지 않은 해결 방법을 실시간으로 탐지하고 차단하는 자동화된 오정렬 모니터를 구축했으며, 내부 배포, 기능 평가, 강화 학습 훈련 실행에 사용되며, 훈련 중 모델의 생각을 처벌하지 않아 추론이 투명하고 모니터링 가능하게 유지됩니다.
  • 프롬프트 인젝션 저항: 적대적 훈련과 자동 레드 팀링을 통해 Argon은 Gray Swan 간접 프롬프트 인젝션(IPI) 벤치마크에서 선두를 차지하며 15개의 적응형 시도에 걸쳐 공격 성공률을 0.7%로 줄였습니다.

전체 Gemini 4 Argon 모델 카드가 발표와 함께 게시되었습니다.

향후 전망

DeepMind는 Gemini 4 Argon을 Gemini 4 제품군의 시작으로 보고 있으며, 나머지 라인업은 추후 공개될 예정입니다. 이 모델의 100만 개 통합 입력-출력 토큰 한도, 긴 디코딩을 위한 새로운 연속 프로토콜, 에이전트 신뢰성의 보고된 향상은 장기적 코딩, 과학, 엔터프라이즈 에이전트 워크로드에서 직접적인 경쟁자로 자리매김합니다.

Sources