두 달도 안 돼 네 개가 나온 Gemini 4, 지금은 무엇을 골라야 할까
목차
구글이 두 달이 안 되는 사이에 새 인공지능 모델 네 개를 연달아 내놓았습니다. 가장 최근에 나온 Gemini 4 Neon까지 합치면, 같은 세대 이름 아래 모델이 네 종이나 쌓인 셈이죠.
예전에는 이름만 봐도 역할이 바로 떠올랐습니다. 가벼운 작업은 Flash, 무거운 작업은 Pro로 나뉘었거든요. 그런데 이번 세대는 다릅니다. Argon, Carbon, Hydrogen, Neon처럼 모두 원소 이름을 달고 나왔습니다.
이름만 들어서는 어떤 모델이 더 빠르고 어떤 모델이 더 비싼지 감이 잘 안 잡힙니다. 게다가 기존 모델의 할인 기간이 곧 끝나면서 가격 순서까지 뒤바뀔 예정이죠. 지금 상황에서 개발자는 네 모델 가운데 무엇을, 어떤 기준으로 골라야 할까요?
원소 이름 넷, 이름만 봐서는 왜 등급을 알 수 없을까
구글이 공식 블로그에서 밝힌 구도는 의외로 단순합니다. 빠른 일상 실행은 Hydrogen이, 가장 어렵고 긴 작업은 Carbon이 맡고, Neon은 그 사이에서 깊이와 효율의 균형을 잡는 자리입니다.

실제 출시 순서를 보면 흐름이 더 잘 보입니다. Axios 보도에 따르면 9월 30일 소수의 사이버보안 파트너에게 먼저 풀린 Argon이 10월 13일 정식 공개되면서 첫 테이프를 끊었습니다. 뒤이어 Carbon이 10월 28일 발표된 뒤 11월 10일 일반에 풀렸고 Hydrogen(11월 12일)과 Neon(11월 18일)이 며칠 간격으로 나왔습니다.
원소 이름은 성능 서열을 뜻하지 않습니다. 확인한 공식 발표 범위에서는 명명 기준 설명이 없고 Hacker News 스레드에서도 주기율표 명명법에 고개를 갸웃하거나 알파벳 순서가 아니냐는 추측이 오갔습니다. 실제로 9to5Google 댓글에서 가장 많은 추천을 받은 의견도 Flash와 Pro 체계가 훨씬 직관적이었다는 불만이었습니다.

혼란을 줄여 주는 단서는 소비자용 Gemini 앱의 새 메뉴입니다. Neon 출시와 함께 앱의 모델 선택지는 자동 선택(Auto)을 제외하면 일상 도움(Everyday help)에 Hydrogen, 심층 분석(Deeper analysis)에 Neon(Pro·Ultra), 코딩과 복잡한 작업(Code & complex work)에 Carbon(Ultra 전용)을 배치하는 세 단계로 정리됐습니다. 정작 가장 먼저 나왔던 Argon은 이 메뉴에서 자취를 감췄습니다.
Argon이 '이상적인 선택'에서 업그레이드 대상이 되기까지
불과 며칠 전까지만 해도 구글의 설명은 달랐습니다. Carbon을 일반 공개할 때만 해도 구글 블로그는 소프트웨어 엔지니어링과 지식 노동의 대부분에는 여전히 Argon이 이상적인 선택이라고 적었거든요.
그런데 일주일여 뒤에 공개된 Neon 개발자 가이드는 권장 구도를 완전히 바꿨습니다. 작업 종류별로 짝지어진 추천 모델을 나란히 놓아 보면, Argon이 있던 자리가 그대로 Neon으로 옮겨간 모습이 한눈에 들어옵니다.
| 작업 종류 | 11월 10일 Carbon 블로그 기준 | 11월 18일 Neon 개발자 가이드 기준 |
|---|---|---|
| 일반 코딩·엔터프라이즈 추론 | Gemini 4 Argon | Gemini 4 Neon (업그레이드 대상) |
| 대량의 일상 에이전트 루프 | — | Gemini 4 Hydrogen |
| 대량 분류 작업 | — | Gemini 3.5 Flash-Lite |
| 가장 어려운 장시간 작업 | Gemini 4 Carbon | Gemini 4 Carbon |
| Fairwind 승인 사이버 테스트 | — | gemini-4-carbon-cyber-permissive |
공식 클라우드 문서의 Gemini 4 시작 가이드에는 아직 Argon이 제품군 네 모델 중 하나로 남아 있습니다. 하지만 개발자 가이드는 Gemini 3.1 Pro, Gemini 3.8 Flash의 복잡한 코딩 워크로드와 함께 Argon의 일반 워크로드를 Neon의 "target upgrade" 대상으로 명시했습니다. 앱에서는 이미 Neon이 그 자리를 대체했고 Hacker News 스레드에서는 Antigravity 공식 문서에 Argon이 제공 모델로 남아 있는데도 자신의 Ultra 계정에서는 Argon을 고를 수 없게 됐다는 한 사용자의 보고가 올라왔습니다.
도입가가 끝나면 가격 순서는 어떻게 바뀌나
역할 구도와 함께 가격표의 전환 일정도 따져 봐야 합니다. 지금 당장 토큰(텍스트와 이미지·음성 등의 입력 및 출력을 쪼개 처리하는 단위)당 단가만 보면 Neon이 가장 싼 선택지가 아니거든요.
11월 30일까지는 Argon과 Carbon에 절반 수준의 도입가가 적용됩니다. 12월 1일에 정가로 돌아가야 비로소 Neon의 단가 우위가 생깁니다. 네 모델의 100만 토큰당 가격 변화를 표로 정리했습니다.
| 모델 | 구분 | 11월 30일까지 (입력 / 캐시 / 출력) | 12월 1일부터 (입력 / 캐시 / 출력) |
|---|---|---|---|
| Gemini 4 Hydrogen | 프로모션 없음 (표준 요금) | $1.50 / $0.075 / $7.50 | $1.50 / $0.075 / $7.50 |
| Gemini 4 Neon | 정가 | $3.00 / $0.15 / $15.00 | $3.00 / $0.15 / $15.00 |
| Gemini 4 Carbon | 도입가 → 정가 | $2.00 / $0.10 / $10.00 | $4.00 / $0.20 / $20.00 |
| Gemini 4 Argon | 도입가 → 정가 | $2.00 / $0.10 / $10.00 | $4.00 / $0.20 / $20.00 |
11월 20일 재확인한 Gemini API 공식 가격 페이지에는 네 모델의 입력·캐시 입력·출력 가격이 모두 등재되어 있습니다.
The Rundown의 분석처럼, 할인 기간이 끝나기 전까지 Neon은 할인 중인 Carbon보다 토큰 단가가 50% 비쌉니다. 정가가 적용되는 다음 달이 되어야 Carbon보다 25% 싼 모델이 되죠. 실제로 Hydrogen은 기존 Flash 계열의 후속작인데도, VentureBeat가 인용한 경쟁 소형 모델(Haiku 5.5, GPT-6 Luna, Muse Ember)의 최저 표준 요금과 비교하면 비캐시 입력·출력 단가가 각각 15배 높습니다.
토큰 단가가 싸면 청구서도 쌀까
가격표를 보고 Neon을 골랐더라도, 실제 청구서 액수는 생각과 다르게 나올 수 있습니다. 모델이 답을 내놓기 전에 내부적으로 얼마나 오래 생각하느냐에 따라 쓰는 토큰 양이 크게 달라지기 때문입니다.
리터당 기름값이 싸도 연비가 나쁜 차를 타면 목적지까지 기름값이 더 드는 것과 같습니다. Gemini 4는 thinking_level이라는 설정으로 이 생각의 깊이를 조절하는데, 출력 가격에는 사용자에게 보이지 않는 이 추론 토큰까지 모두 포함됩니다. 그래서 100만 토큰당 단가보다 실제 과제 하나를 끝내는 데 드는 '작업당 비용(cost per task)'을 봐야 합니다.
독립 벤치마크 기관인 Artificial Analysis(AA)의 영문 페이지에 게시된 평가 수치를 보면 이 차이가 드러납니다(속도와 소요 시간은 조회 시점에 따라 달라질 수 있습니다). 아래 표는 최고 추론 설정(xhigh)의 Neon과 AA 평가 비교군 중앙값, 그리고 다른 Gemini 4 모델들의 게시 수치를 나란히 놓은 것입니다.
| 모델 (설정) | AA 지능 지수 | 출력 속도 | 작업당 소요 시간 | 작업당 비용 | 지수 평가 출력 토큰 |
|---|---|---|---|---|---|
Neon (xhigh) | 61 (#6/95) | 110 tok/s | 21.5분 | $6.44 | 283M |
Carbon (high) | 60 (#8/96) | 56 tok/s | 36.6분 | $7.76 (정가 기준) | 205M |
Hydrogen (xhigh) | 54 (#26/95) | 167 tok/s | 15.4분 | $3.16 | 304M |
Argon (high) | 50 (#33/95) | 66 tok/s | 29.2분 | $4.97 (도입가 기준) | 113M |
| 비교군 중앙값 | — | — | 12.4분 | — | 65.4M |
구글은 자체 측정 기준으로 기본 high 설정에서 Neon의 작업당 비용이 Carbon보다 32% 낮다고 주장합니다. 하지만 AA가 xhigh로 잰 Neon은 초당 출력 속도가 Carbon보다 빠르면서도 토큰을 너무 많이 생성하는 탓에 작업당 시간이 비교군 중앙값보다 훨씬 길었습니다. 그래서 AA 페이지에는 Neon에 "작업당 유독 느리고 매우 장황하다(notably slow per task and very verbose)"는 평이 붙었습니다.


추론 수준을 무작정 높인다고 성적이 오르지도 않습니다. VentureBeat가 인용한 AA 지수 평가 기준으로 Hydrogen은 high에서 작업당 비용이 $1.87이었지만 xhigh로 올리자 $3.16까지 뛰었고, 정작 별도 터미널 작업 평가인 Terminal-Bench 4.0 점수는 그대로였습니다. 비용과 성능의 파레토 전선(Pareto frontier)을 따질 때는 단가표가 아니라 설정별 실측 비용을 함께 봐야 합니다.

모델 하나 대신 조합을 고르게 된 까닭은
하나의 모델로 모든 단계를 밀어붙이면 시간과 추론 토큰이 불어나기 때문에, 구글은 모델을 섞어 쓰는 패턴을 아예 공식 사용법으로 내세웠습니다. 비싼 두뇌와 빠른 손발을 분리하는 방식이죠.
Neon이 작업 전체를 살펴보고 여러 단계로 된 계획을 세운다.
모든 단계 보기
- Neon이 작업 전체를 살펴보고 여러 단계로 된 계획을 세운다.
- Neon은 store=True로 이 계획을 저장해 다음 호출이 이어받을 수 있게 한다.
- Hydrogen 작업자마다 previous_interaction_id로 저장된 계획을 넘겨받는다.
- Hydrogen 작업자들이 저마다 맡은 단계를 동시에 실행한다.
- 실행 결과가 Neon으로 돌아오고, Neon이 계획대로 됐는지 검증한다.
구글의 Interactions API를 쓰면 이 전체 구성 가운데 계획 저장과 작업자 한 번의 실행을 코드 몇 줄로 구현할 수 있습니다(병렬 실행과 결과 취합, 재검증은 별도 제어 코드가 필요합니다). 먼저 Neon이 전체 작업 계획을 세워 store=True 옵션으로 서버에 맥락을 저장하면, 그 응답 ID를 previous_interaction_id로 넘겨받아 Hydrogen이 각 단계를 빠르게 실행합니다. Antigravity의 Orchestrator 기능도 한 세션 안에서 모델 역할을 동적으로 전환해 같은 구조를 자동으로 굴립니다.
from google import genai
client = genai.Client(
enterprise=True,
project="PROJECT_ID",
location="global",
)
# Step 1: Plan the workflow with Gemini 4 Neon
plan_turn = client.interactions.create(
model="gemini-4-neon",
input="Design a 3-step plan to migrate our REST order service to gRPC in Go.",
store=True,
)
# Step 2: Run an individual step with Gemini 4 Hydrogen using previous_interaction_id
exec_turn = client.interactions.create(
model="gemini-4-hydrogen",
input="Implement step 1 (.proto service definition) from the plan.",
previous_interaction_id=plan_turn.id,
)
print(exec_turn.output_text)Neon 모델 카드를 보면 Neon은 Carbon에서 파생(adapted)됐다고 적혀 있습니다. 큰 모델의 능력을 작고 빠른 모델로 옮기는 지식 증류(distillation) 기법과 비슷한 맥락으로 보이지만, 실제 증류 적용 여부와 구체적인 모델 크기는 공개된 설명만으로 확인할 수 없습니다. 어쨌든 위 표에 인용한 당시 출력 속도 기준으로 Carbon의 약 1.96배인 Neon이 계획을 짜고 실행은 더 싸고 빠른 Hydrogen에 넘기면 전체 할당량과 시간을 줄일 여지가 생깁니다. 실제로 구글은 Hydrogen 발표 당시 Carbon과 Hydrogen을 묶은 Orchestrator가 자사 Terminal-Bench 평가에서 Carbon에 가까운 성공률을 유지하면서 할당량은 24% 덜 쓰고 속도는 19% 빨랐다고 발표했습니다.
Gemini 3 코드를 그대로 옮기면 무엇이 깨지나
새 모델을 쓰기로 마음먹고 기존 Gemini 3.1 Pro나 3.8 Flash 코드를 옮길 때, thinking_budget이나 MINIMAL 추론 수준, 명시적 캐시 참조가 남아 있으면 곧바로 에러를 마주치게 됩니다. Gemini 4부터는 추론 제어와 캐싱 방식이 바뀌었기 때문입니다.
특히 옛 방식의 매개변수를 넘겼을 때 조용히 무시해 주던 부분들이 이번에는 HTTP 400 오류를 뱉도록 엄격해졌습니다. 마이그레이션 전에 확인해야 할 핵심 변경점을 표로 정리했습니다.
| 항목 | 기존 Gemini 3 코드에 남아 있을 수 있는 설정 | Gemini 4 방식 (Python SDK google-genai >= 2.34.0) |
|---|---|---|
| 추론 양 지정 | thinking_budget (토큰 수), MINIMAL 수준 | thinking_level (공통: LOW, MEDIUM, HIGH / Neon·Hydrogen은 XHIGH 추가 지원) |
| 옛 추론 설정 사용 시 | 자동 매핑 | HTTP 400 오류 반환 (MINIMAL도 지원 안 함) |
| 기본 추론 수준 | 모델별 상이 | Carbon·Argon은 MEDIUM, Neon·Hydrogen은 HIGH |
| 컨텍스트 캐싱 | cached_content 명시적 지정 | 명시적 캐싱 미지원, 4,096토큰 이상 접두부 암묵적 캐싱 |
| 샘플링 매개변수 | temperature, top_p, top_k 사용 | Gemini 3.6 이상과 Gemini 4에서 무시됨 (이전 Gemini 3은 기본값 유지 권장) |
실제 코드에서는 모델 이름뿐 아니라 설정 블록도 고쳐야 하는데, 그 방법은 공식 가이드의 변경 내역에 잘 나와 있습니다. 명시적 캐시 경로와 thinking_budget을 지우고 thinking_level을 문자열이나 열거형으로 넘겨야 합니다.
client = genai.Client(
enterprise=True,
project="PROJECT_ID",
location="global", # Supports "global", "us", and "eu"
)
response = client.models.generate_content(
- model="gemini-3.1-pro-preview", # Or "gemini-4-argon" / "gemini-3.8-flash"
+ model="gemini-4-neon",
contents=prompt,
config=types.GenerateContentConfig(
- temperature=0.0,
- cached_content="projects/.../cachedContents/...", # Explicit caching unsupported
thinking_config=types.ThinkingConfig(
- thinking_budget=16384, # Returns HTTP 400 instead of mapping silently
- thinking_level="MINIMAL", # MINIMAL unsupported on Gemini 4 Neon
+ thinking_level="HIGH", # Valid: "LOW", "MEDIUM", "HIGH" (default), "XHIGH"
),
),
)이 밖에도 주의할 점이 두 가지 더 있습니다. 첫째, 병렬로 함수 호출(function calling)을 할 때는 첫 번째 functionCall 파트에만 thought_signature가 담겨 돌아오며, 수동으로 대화 이력을 구성할 때는 반환된 서명을 그대로 보존해야 합니다(빠뜨리거나 중복하면 오류가 발생합니다). 둘째, Neon과 Hydrogen에서 max_output_tokens를 기본 한도인 65,536토큰보다 크게 잡고 Agent Platform의 v1beta1 API로 호출할 때 한 세그먼트가 그 한도를 넘기면, Interactions API는 status="requires_continuation"과 continuation_token을 반환하고 GenerateContent는 finish_reason=CONTINUATION과 continuation_token으로 후속 생성을 알립니다(Carbon·Argon의 비스트리밍 직접 HTTP 한도는 32,768토큰입니다). Python SDK의 자동 후속 생성은 Interactions API에서 2.34.0 이상, GenerateContent에서 2.30.1 이상을 요구합니다. 앞선 세그먼트가 완료된 뒤 다음 세그먼트가 실패하더라도 이미 생성된 토큰 요금은 청구됩니다.
그래서 지금은 어느 모델을 골라야 하나
지금 당장 새 프로젝트를 시작한다면 사실상 세 모델 중 하나를 고르는 문제로 좁혀집니다. 작업의 성격과 예산, 그리고 날짜에 따라 선택지가 명확히 갈립니다.
일상적인 개발·에이전트 루프나 빠른 도구 호출은 Hydrogen부터 검토하는 편이 맞습니다. 반대로 아주 복잡한 추론이나 며칠씩 이어지는 사이버보안·대형 코드베이스 분석처럼 한 번의 실패 비용이 큰 작업은 Carbon이 담당합니다. Neon은 그 중간에서 Argon에서 이전하는 일반 코딩·기업 추론이나 더 복잡한 작업을 우선 맡는 선택지로, 정가 전환 이후에는 Carbon 정가보다 낮은 단가로 쓸 수 있습니다.
물론 이 모델들이 언제나 정답은 아닙니다. 도입가 기간이 끝나기 전까지는 할인 중인 Carbon이 토큰 단가 면에서 오히려 Neon보다 유리합니다. 또한 단순 대량 분류나 초저비용 소형 모델이 필요한 자리에는 Hydrogen도 너무 비싸므로, Gemini 3.5 Flash-Lite나 Haiku 5.5, GPT-6 Luna, Muse Ember 같은 경쟁 소형 모델을 쓰는 편이 낫습니다. 구글 모델 카드 비교표 기준으로 최고 수준의 코딩 벤치마크(Terminal-Bench 4.1, FrontierCode 2.0)에서는 Claude Opus 5.5가, 차트 이해(Chartography)에서는 GPT-6.2 Sol이 Neon을 근소하게 앞선다는 점도 대안을 검토할 때 참고할 만합니다.
Argon의 정확한 API 종료(deprecation) 일정은 아직 공개되지 않았지만 Agent Platform 문서는 최소 2027년 10월 13일까지 제공한다고 안내하며, Neon의 안전 및 보안 보고서(Safety & Security Report)는 "coming soon" 상태입니다. 구글이 내세운 Carbon 대비 작업당 비용 절감 주장이 도입가와 정가 중 무엇을 기준으로 계산한 수치인지, 그리고 포럼 일각에서 검증 없이 제기된 11월 중순 이후 품질 저하 의혹이 실제인지도 현재로서는 알 수 없습니다.
원소 이름이 한꺼번에 쏟아져 처음에는 주기율표를 펼쳐야 할 것처럼 보였지만 앱 메뉴와 공식 가이드가 가리키는 방향은 분명합니다. 자동 선택 외에 이름을 직접 고르는 주요 Gemini 4 모델은 일상 작업의 Hydrogen, 심화 코딩·추론의 Neon, 최상위 장기 작업의 Carbon 세 단계로 정리됐습니다.
