구글, 차세대 AI 모델 'Gemini 3.6 Flash' 출시… 지능과 토큰 절충의 대상이 된 비웃음

작년부터 Gemini를 사용해 왔다면, 최신 유행하는 농담은 다음과 같습니다: "자신의 형제가 점진적으로 알츠하이머병에 걸려가는 것을 지켜보는 것과 같다." 일반적으로 기업이 새로운 모델을 출시할 때는 이러한 농담을 반박하는 데 사용되어야 합니다. 하지만 방금 구글이 세 가지 새로운 모델을 공개한 후, 오히려 그 주장을 철회하지 않고 네티즌들은 더 크게 웃으며 "너를 믿지 않았는데, 너는 가장 실망스러운 존재가 되었군"이라는 느낌을 주었습니다. 이 세 가지 모델은 3.6 Flash, 3.5 Flash-Lite, 그리고 사이버보안을 위한 3.5 Flash Cyber입니다. 공식 블로그의 문구는 여전히 익숙합니다: 더 효율적이고, 더 똑똑하며, 대규모 AI 에이전트를 위해 설계되었으며, 한 치의 흐트러짐도 없습니다. 그러나 실제 경험은 극적으로 다릅니다.

플래그십인 3.6 Flash부터 시작합니다. 이는 5월 I/O 컨퍼런스에서 발표된 3.5 Flash의 소규모 버전 업그레이드이며, 공식적인 포지셔닝은 워크호스 모델입니다. 이번 세대의 가장 큰 판매 포인트는 토큰 절약입니다: Artificial Analysis Index 데이터에 따르면, 3.6 Flash는 3.5 Flash보다 출력 토큰을 17% 적게 사용하며, DeepSWE 시나리오에서는 최대 65% 적게 사용합니다. 다단계 작업을 실행할 때 추론 단계와 도구 호출 횟수도 줄어듭니다. 가격은 실제로 하락했으며, 입력 토큰 100만 개당 $1.5, 출력 토큰 100만 개당 $7.5로, 이전 3.5 Flash의 출력 가격은 $9였습니다. 이는 직접적으로 $7.5로 낮춰져, 더 빠르고 비용 효율적이며, 단일 에이전트 작업의 비용이 크게 감소했습니다.

벤치마크 테스트에서 코드 능력은 초점이었으며, DeepSWE는 37%에서 49%로 상승했습니다. 공식 주장에 따르면 불필요한 코드 변경이 적고, 실행 루프가 짧으며, 생성된 코드가 생산 요구 사항에 더 가깝습니다. 머신러닝 연구를 위한 MLE Bench는 49.7%에서 63.9%로 더 큰 증가를 보였으며, 컴퓨터 작업을 위한 OSWorld-Verified는 78.4%에서 83%로 상승했고, 컴퓨터 작업은 Gemini API 및 기업 에디션에서 내장 도구로 만들어져 바로 사용할 준비가 되었습니다. 작지만 실용적인 업데이트는 지식 컷오프 날짜가 2025년 1월에서 2026년 3월로 최종적으로 밀려나, 오래된 캘린더에서 벗어나게 되었다는 점입니다. 보안 측면에서 공식은 3.6 Flash가 업그레이드된 Frontier Safety 보호를 갖추고 있다고 말했으며, 화학, 생물학, 방사선, 핵 및 사이버 공격이라는 두 가지 유형의 남용에 초점을 맞추고 있으며, 탈옥(jailbreaking)에 대한 저항력이 강해지고, 정상적인 필요를 해치지 않도록 노력하며 불필요한 거부를 최소화한다고 합니다.

다음 단계는 3.5 Flash-Lite로, 속도와 affordability에 초점을 맞추며, 에이전트 검색 및 문서 처리와 같은 높은 처리량과 낮은 지연 시간 작업을 대상으로 합니다. 이는 3.5 시리즈에서 가장 빠르며, Artificial Analysis 측정에 따르면 초당 350개의 토큰을 생성할 수 있습니다. 가격은 매우 저렴하며, 입력 토큰 100만 개당 $0.3, 출력 토큰 100만 개당 $2.5이며, 3월 출시된 3.1 Flash-Lite보다 품질이 크게 향상되었습니다. 추론 수준을 조정할 수 있으며, 하위 엔드 작업은 속도와 효율성을 위해 최저 수준에서 실행할 수 있고, 여러 단계가 필요한 복잡한 하위 작업을 마주할 때는 사고 수준을 위로 조정할 수 있습니다. 컴퓨터 작업도 내장 도구로 만들어졌습니다.

중요한 개선 사항: 코드 및 에이전트 작업을 위한 Terminal-Bench2.1은 31%에서 54%로 점프했으며, 긴 컨텍스트를 위한 GDM-MRCR v2는 60.1%에서 72.2%로 향상되었고, 실제 작업 실행을 위한 GDPval-AA v2는 642에서 1140으로 증가했습니다. 가장 흥미로운 점은 이 하위 모델이 실제로 상위 모델인 3Flash보다 많은 에이전트 및 코드 작업에서 우위를 점했다는 것입니다. 예를 들어 SWE-Bench Pro (54.2% 대 49.6%) 및 OSWorld-Verified (74.0% 대 65.1%)에서, 즉 3Flash가 처리하던 작업들이 이제 더 빠르고 강력한 대안을 갖게 되었습니다. 공식은 여러 사용 사례를 제공했으며, 여기에는 방대한 전자상거래 데이터에서 제품 기능 추출, 3.6 Flash의 사이드킥으로서 한 번에 25개의 웹 디자인 개념 생성, 영수증의 일괄 번역 및 요약, 그리고 게임을 플레이하고 반복하여 생성하는 것이 포함됩니다. Ashler, Palo Alto Networks 및 Ramp 고객들은 또한 그 속도, 지능 및 비용 효율성을 칭찬했습니다.

마지막으로, 3.5 Flash Cyber는 다른 접근 방식을 취하며, 코드에서 보안 취약점을 찾고 수정하는 것에 특화되어 있습니다. 구글의 논리는 명쾌합니다: AI가 취약점을 찾는 속도가 이미 기존 시스템이 이를 수정하는 속도보다 빠르므로, 더 많은 취약점이 쌓이고 있습니다. 대신 그들은 저렴하고 효율적인 Flash를 사용하여 일괄적으로 이를 수정합니다. 이 모델은 3.5 Flash에서 파생되었으며, 그들의 CodeMender 도구와 함께 여러 Flash Cyber 에이전트가 협력한 후 보고서로 요약됩니다. 업계에서 잘 알려진 CyberGym 벤치마크에서 1등급 수준에 도달했으며, 더 큰 모델에 비해 더 적은 토큰을 사용했습니다. 그러나 이 모델은 현재 사용할 수 없으며, 취약점 찾기가 양날의 검이기 때문입니다. 구글은 Anthropic의 발자취를 따라 보안 서사를 채택하여 이를 철저히 잠그고 신뢰할 수 있는 파트너에게만 내부 테스트를 위한 제한된 접근을 제공합니다. 목표는 취약점이 악용되기 전에 최전선 방어자들에게 시간을 제공하는 것이지만, 사람들이 이를 오용하지 않도록 방지하는 것입니다.

이 시점에서 당신은 궁금할 수 있습니다: 진정한 플래그십인 3.5Pro는 어디에 있는가? 공식 설명에 따르면, 그것은 여전히 파트너들과 테스트 중이며 준비되면 출시될 것입니다. 그러나 이 진술 뒤의 이야기는 그렇게 매끄럽지 않을 수 있습니다. Bloomberg 및 기타 매체의 보도에 따르면, 3.5Pro의 코드 생성 능력은 내부 기대치를 결코 충족하지 못했습니다. 구글은 6월 말에 다시 학습 데이터를 업데이트하여 코드 단점을 보충했지만, 결과는 여전히 개선되지 않았습니다. 심지어 구글이 원래 학습 계획을 완전히 버리고 다시 시작했다는 루머도 있습니다. 동시에 Google AI 대변인 Logan Kilpatrick은 공개 발언에서 3.5Pro를 명시적으로 건너뛰고 Gemini4에 초점을 맞추며, 가장 크고 야심찬 Gemini4 사전 훈련이 이미 시작되었으며 진전이 흥미롭다고 주장했습니다. 플래그십 지연이라는 배경을 고려할 때, 이는 다소 산만함이나 환장을 연장하는 약속처럼 느껴집니다.

오늘 출시된 Flash 모델들만 봐도, 네티즌들은 완전히 구매하지 않습니다. 제3자 평가 기관인 Artificial Analysis는 두 가지 새로운 모델이 실제로 작업당 시간을 절반으로 줄이고 토큰 효율성을 개선했으며, Flash-Lite의 지능 지수가 11포인트 증가했다고 밝혔습니다. 그러나 3.6 Flash의 지능 수준은 3.5 Flash와 비교하여 기본적으로 동일하게 유지되었습니다. 가격이 능력 격차를 무시할 만큼 충분히 낮아지지 않았으며, 능력이 비용을 정당화할 만큼 충분히 상승하지도 않았습니다. X 플랫폼에서 일부 사용자는 3.6 Flash가 Artificial Analysis에서 3.5 Flash와 정확히 동일한 점수를 받았다고 비판했으며, Meta Spark1.1, GLM-5.2, 5.6Luna, Sonnet5, Grok4.5, 5.6Terra와 같은 경쟁사보다 더 나쁘다고 불평하며, 단순히 끔찍하다고 불평했습니다.

사용자 Angel은 가치 대비 비용의 관점에서 접근하여, 3.6 Flash의 사용 비용이 GPT-5.6Sol 중간 버전보다 높지만 지능 수준은 낮아 어색한 조합을 만든다고 지적했습니다. 결국 Flash 시리즈의 기초는 가치 대비 비용이지만, 이제 그 가치가 경쟁사보다 나쁘다는 것이 지적되었으며, 이는 자충수와 같습니다. 비교를 위해 OpenAI의 Tibo도 최근 발언을 통해, 주간 활성 사용자가 1000만 명에 도달함에 따라 Codex 및 ChatGPT Work의 유료 사용자들이 새로운 할당량 재설정을 받았다고 밝혔습니다. 이러한 대비와 불일치, 사람들은 여전히 호수 옆의 Google Gemini3를 기억하고 있는가?

현실 세계의 테스트러들도 불을 붙였습니다. 사용자 Balder은 직접 비판하며, 이 세 모델의 성능이 이전 3.5 Flash보다 나쁘다고 말했으며, 문제에는 기본 디코딩 오류, 이상한 중국어 단어 선택, 이미지 및 비디오 품질 저하, 지침과 불일치, 심각한 제한, 빈번한 메모리 혼란 및 잘못된 도구 호출 등이 포함되지만 이에 국한되지 않는다고 했습니다. 그는 심지어 음모론을 제기하여, 구글이 Anthropic에 판매할 컴퓨팅 파워를 확보하기 위해 이렇게 했다고 제안하며, 아이러니하게도 이것이 Pichai가 원하는 것 - Cloud First라고 말했습니다. X 사용자 Conor Dart는 구글의 Antigravity를 사용하여 AI 생성 게임 테스트를 실행했으며, 결과적으로 더 나쁜 목재 질감과 대리석 질감이 거의 유사하지만 여전히 사용할 수 없었습니다. 그는 직접 이를 또 다른 실패라고 부르며, Gemini3.5 또는 3.6Pro를 기다리는 것이 낫다고 말했습니다.

한편, 공식 계정들은 더 많은 효율성, 저렴한 가격 및 적은 토큰을 강조합니다. 다른 한편으로, 대부분의 네티즌들은 부정적인 피드백을 제공했으며, 모델 뒤의 일련의 나쁜 소식, 즉 플래그십 지연, 최고 인재 이탈 및 축소된 시장 가치와 함께했습니다. 구글이 정말로 기술 경로를 망쳐놓았는지, 비용 절감에 너무 집중하여 지능 향상을 잊고, 몇몇 Flash 모델들만으로 상황을 안정시키려 했는지 의심하지 않을 수 없습니다. 어쨌든 Gemini4의 사전 훈련이 이미 시작되었습니다. 만약 이번 시도도 실패한다면, 알츠하이머병에 대한 농담은 정말로 예언이 될 수 있습니다.