Gemini 4 Carbon: 장기 에이전트 작업, /swarm 미리보기

1. 장시간 작업을 겨냥한 상위 모델

Carbon은 복잡한 코딩·디버깅과 개방형 과학 연구처럼 여러 단계의 탐색과 검증을 이어가는 작업을 겨냥한다. 구글은 이를 위해 Carbon이 Argon보다 더 많은 토큰을 사용한다고 설명했다.

개발자는 구글 개발 도구의 유료 API로, 기업은 Gemini for business를 통해 이용할 수 있다.

Google AI Ultra 구독자에게는 개발 도구와 제미나이 앱, 검색의 인공지능 모드에서도 순차 제공된다.

API 가격은 Argon과 같은 도입가로 백만 입력 토큰당 2달러, 백만 출력 토큰당 10달러다.

2. 한 번의 요청을 에이전트 팀으로 확장

Google Antigravity에서 미리보기로 제공되는 /swarm은 한 번의 요청을 협력하는 에이전트 팀으로 바꾸고 진행 상황을 실시간으로 보여준다.

Carbon은 설계·조정·감사를 맡고, 더 빠르고 가벼운 모델은 서로 분리된 작업공간에서 동시에 일할 수 있다. 팀장이 작업을 나누듯 역할을 배분하고, 변경 사항을 시험하는 검증 에이전트도 함께 배치하는 방식이다.

사용 형식은 다음과 같다.

/swarm

구글이 든 사례에서는 사진과 설계 도면을 바탕으로 에펠탑의 1887~1889년 건설 과정을 담은 3차원 전시를 만들었다. 또 도시 의회 계획 문서 7건에서 추출한 설계도 206개와 단일 프롬프트를 활용해, Google Antigravity의 에이전트 팀이 Google Platform 37 사무실을 906K 삼각형 규모, 3차원 형상을 이루는 면의 수로 재구성했다. 이 작업은 야간 루프 10회에 걸쳐 진행됐다.

3. 실제 업무 벤치마크와 비용의 균형

회사 발표 기준으로 Carbon은 CursorBench 4.0 벤치마크, 성능을 비교하는 평가에서 1위를 기록했다.

퍼플렉시티의 WANDR와 재피어의 AutomationBench에서도 회사 발표 기준으로 1위였다. 이 세 평가에서 작업당 비용은 외부 차점 모델보다 2배 넘게 낮았다.

문서의 도표·이미지까지 다루는 다중모달, 여러 형식의 정보를 함께 처리하는 지식 에이전트 벤치마크에서는 회사 발표 기준으로 2위였다. Artificial Analysis와 만든 이 평가에서 작업당 평균 비용은 최고 성능 모델보다 6배 넘게 낮았다.

사전 공개 금융 평가에서는 회사 발표 기준으로 Hebbia의 심층 금융 조사 평가에서 시험된 최고 모델과 동급이었다. Balyasny Asset Management 평가에서는 23개 고성능 모델 설정 가운데 최상위였다.

업무 평가에서 낮은 작업당 비용을 내세우지만, Carbon은 Argon보다 더 많은 토큰을 써 탐색과 검증을 이어간다. 같은 토큰 단가라도 사용량에 따라 작업별 청구액이 달라지는 만큼, 개발자는 복잡한 문제의 해결 이익과 토큰 지출을 함께 따져야 한다. 일반 개발·지식 업무에는 Argon을, 복합 문제에는 Carbon을 배치하는 것이 구글이 제시한 선택 기준이다.

4. 보안과 과학 연구에서 제시한 결과

Carbon for cyber는 Fairwind 프로그램을 통해 보안 방어자에게 제공되며, 취약점 탐색·악용·패치 관련 벤치마크에서 앞선다고 구글은 밝혔다. Project Fortify의 사내 평가에서는 취약점 스캔 재현율, 실제 취약점 중 찾아낸 비율 100%, 분류 정밀도, 취약점 판정의 정확한 비율 95%를 기록했다. 오픈소스 저장소 시험에서는 Argon의 재현율보다 상대적으로 25% 넘게 개선됐다고 발표했다.

구글은 자사 취약점 연구팀이 공개 소프트웨어 버그 두 건의 악용 가능성을 입증해, 관리자가 중대 등급으로 재분류하고 패치했다고 설명했다.

Wiz의 Scan for Good 프로그램에서는 주요 서비스형 소프트웨어, 인터넷으로 제공되는 소프트웨어 제공사 두 곳을 점검해 두 시간 안에 제로데이 취약점, 아직 수정판이 없는 보안 결함을 발견한 사례도 소개했다.

구글은 Axiom Bio가 기초 연구를 의약품 개발로 연결하는 중개과학, 기초 연구를 치료법 개발로 잇는 분야에서 Carbon을 선도 모델로 평가하고, 새로운 독성 작동 기전, 물질이 해를 일으키는 생물학적 과정을 찾았다고 전했다.

회사 발표 기준으로 CASP17 블라인드 시험, 정답을 가린 상태로 하는 평가의 유사 단백질이 적은 단백질군 7개에서는 진화적으로 관련된 단백질의 검색량이 평균 40배 늘었다. 구조 예측 모델, 단백질 모양을 계산하는 모델을 재학습하는 대신, 예측에 참고할 단서를 더 찾아주는 방식이다.

5. 안전 평가에서 확인한 변화

회사 발표 기준으로 공격 계획을 고쳐 재시도하는 모의 사이버 공격 시험에서 Carbon은 공격 경로의 99%를 차단했다. 시도당 침해율은 Argon 3.1%, Carbon 0.8%였다.

Gray Swan의 자동 사이버 공격 질의 성공률은 회사 발표 기준으로 Argon 9.86%, Carbon 2.17%였다.

Trajectory Labs는 132시간 동안 1만 3000건 넘는 요청에서 여러 요청에 두루 통하는 새로운 안전장치 우회법을 찾지 못했다고 보고했다.

회사 발표 기준으로 375개 과제의 에이전트 정직성 평가에서는 Carbon의 통과율이 Argon보다 높았다. 누락 데이터를 지어내지 않는지, 방법론의 결함을 지적하는지도 살폈다.

표: 에이전트 정직성 평가 결과

조건: 구글의 375개 과제 에이전트 정직성 벤치마크, 회사 발표 기준

단위: %

이 정직성 평가에서는 과제 완수뿐 아니라 누락 데이터와 잘못된 연구 방법에 대응하는 행동도 살폈다.

단백질 검색의 더 폭넓은 평가는 진행 중이다. 구글은 외부 문서 등에 숨긴 지시로 에이전트를 유도하는 프롬프트 인젝션, 외부 지시문으로 AI 동작을 유도하는 공격도 정교한 공격이 있는 일부 환경에서 개선할 여지가 있다고 밝혔다.

Carbon은 여러 단계의 작업을 팀 단위로 확장하는 선택지를 열었으며, 투입 토큰과 작업 복잡도에 맞춰 모델을 나누는 것이 핵심이다.