Gemini 4 Argon 정식 출시: 최저 환각률·공격적 가격이 AI 인용 지형에 갖는 의미

핵심 요약

• 구글 딥마인드 Gemini 4 Argon은 2026년 10월 13일 Gemini API에서 stable 모델 ID gemini-4-argon으로 정식 출시(GA)됐으며, 유료 전용으로 무료 등급 접근이 없다.
• Artificial Analysis 집계 기준 Argon은 high reasoning에서 Intelligence Index 53점으로 GPT-6 Astra와 동률, Gemini 3.1 Pro Preview 대비 23점 상승했다.
• AA-Omniscience에서 Argon의 환각률은 15%로 Index 45점 이상 모델 중 최저이며, GPT-6 Astra 51%·GPT-6.1 Sol 54%와 대비된다(단 정확도는 50%).
• 가격은 100만 토큰당 입력 $4·출력 $20이 표준이며, 11월 30일까지 50% 할인된 $2/$10이 한시 적용된다.
• Argon은 과제당 약 6.2만 출력 토큰을 소비해 GPT-6 Astra(약 2.7만)의 2배 이상으로, 리스트 가격보다 실비용이 높아질 수 있다.

Gemini 4 Argon은 무엇이 달라졌나?

구글의 플래그십 복귀 신호라는 점이 핵심이다. VentureBeat에 따르면 이번 발표는 챗봇 출시라기보다 수개월간의 압박 끝에 프런티어 AI에서 다시 자리를 되찾으려는 시도로 해석된다. 9월 30일 처음 공개돼 사이버 방어자 대상 'Fairwind' 프로그램으로 제한 배포됐다가 이번에 폭넓게 풀렸다.

구글 자체 비교표에 따르면 Argon은 19개 항목 중 13개에서 단독 선두, CWE-bench v1에서 동률, 5개 코딩/터미널 항목에서는 뒤처진다.

어떤 영역에서 강한가?

코딩이 아니라 다단계 지식노동 에이전트에 강점이 몰려 있다. cometapi·llm-stats 집계 기준 주요 수치는 다음과 같다.

벤치마크	Argon	비교
Vals Index(GDP 가중 지식노동)	68.9%	1위
Vals Finance Agent v2	65.4%	1위
Harvey Legal Agent	19.6%	Astra 5.4%·Opus 3.8%
DeepSWE v1.1	77.9%	1위
Zapier AutomationBench	51.3%	Opus 5.5 42.5%·Astra 41.4%

역사적으로 구글 모델이 부진했던 에이전트 성능에서 반전을 보인 점이 주목된다. 다만 Artificial Analysis는 코딩·터미널 작업은 여전히 Claude Opus 5.5·GPT-6 Astra가 선두라고 밝혔다.

환각률 15%는 무엇을 의미하나?

'모른다를 인정하는 성향'이 강하다는 뜻이지, 정답률이 높다는 뜻은 아니다. deeplearning.ai·artificialanalysis.ai에 따르면 같은 평가에서 정확도는 50%로, Argon은 불확실할 때 틀리게 추측하기보다 모른다고 답할 가능성이 높을 뿐 여전히 오답을 낼 수 있다. 환각을 줄인 모델은 불확실할 때 근거를 찾는 성향이 강해지며, 이는 출처 그라운딩 의존도 상승으로 이어진다.

가격과 숨은 비용은?

현재 저렴해 보이지만 두 가지 함정이 있다. MindStudio와 VentureBeat에 따르면 50% 할인가 기준 Intelligence Index 과제당 비용은 $1.99로 GPT-6 Astra의 60% 수준이지만, 할인 종료 시 $3.98로 오른다. 또한 과제당 출력량이 Astra의 2배 이상이어서, 출력 과금이 비싼 구조에서는 실제 운영비가 리스트 가격보다 커질 수 있다.

※ 위 수치 상당수는 구글 자체 비교표 또는 Artificial Analysis 집계에 근거하며 독립 검증이 진행 중이다. 방법론 차이로 '환각이 낮다'가 '정답률이 높다'를 뜻하지 않음에 유의해야 한다.

TableFlip 관점

이 동향의 핵심은 '어떤 모델이 B2B 리서치의 기본값이 되는가'가 곧 '어떤 콘텐츠가 인용되는가'를 좌우한다는 점이다. Argon의 강점이 금융·법률·자동화 등 다단계 지식노동 에이전트에 몰려 있다는 사실은, 국내 금융사·로펌·컨설팅이 채택할수록 그 에이전트가 웹에서 끌어오는 소스가 브랜드 노출 창구가 된다는 의미다.

특히 최저 환각률은 출처 그라운딩 의존도를 높이므로, 명확한 저자·날짜·구조화 데이터·1차 출처 같은 신뢰 신호가 약한 한국어 콘텐츠는 인용 후보에서 더 쉽게 탈락할 수 있다. TableFlip의 실무 순서(진단 → 구조 개선 → 근거 콘텐츠 → 월간 모니터링)에서 이번 국면의 핵심은, 할인 윈도(~11/30) 안에 '우리 업종 리서치의 디폴트 모델'이 무엇이 될지 실측해 두는 것이다. 단일 승자 모델이 없는 멀티모델 환경에서는 Gemini·GPT·Claude가 각기 선호하는 소스 신호를 동시에 충족해야 노출이 안정된다.

TableFlip은 매주 주요 모델의 인용 패턴을 AI 노출 리포트로 실측하며, 업종별 소스 신호 충족도는 GEO 진단 방법론으로 점검한다. 모델 지형이 재편되는 지금, 먼저 무료 AI Visibility 진단으로 현재 노출 구조를 확인해 두길 권한다.