For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/ko/articles/gemini-4-argon-launch-access-api-pricing-cf4e0dbb.md.
Google의 [Gemini 4 Argon 발표](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/)는 대규모 코드 변경,...
Google의 Gemini 4 Argon 발표는 대규모 코드 변경, 시각적 제작, 과학적 추론, 짧은 대화를 넘어 이어지는 작업처럼 어렵고 장기적인 작업을 겨냥한 모델을 소개합니다. 이번 출시는 개발자 제품과 소비자 경험 모두에 적용되지만, 각 환경의 액세스 조건은 서로 다릅니다.
실질적인 판단 포인트는 이러한 세부 사항에 있습니다. 도입 API 가격에는 종료일이 있고, 100만 토큰 한도는 여러 종류의 콘텐츠가 공유하며, 주목받는 소프트웨어 속도 향상 수치는 워크로드의 특정 부분에 적용됩니다. 원본 문서를 확인하면 이 발표를 훨씬 더 정확하게 평가할 수 있습니다.
Google은 AI Studio와 Gemini 플랫폼을 통한 유료 API 액세스를 설명하며, 개발자 제공 범위는 Android Studio에도 확장됩니다. Google AI Ultra 구독자는 Antigravity와 AI Studio를 통해 액세스할 수 있으며, 소비자용 Gemini 앱 및 Search AI Mode 출시는 Google AI Pro 및 Ultra 구독자를 포함합니다.
이는 권한 조건이 서로 다른 별개의 제품입니다. 소비자 경험에 대한 Google AI Pro 액세스가 동일한 플랜에서 AI Studio의 Argon 개발자 액세스나 무료 API 할당량을 자동으로 포함한다는 뜻은 아닙니다.
통합을 계획한다면 일반적인 출시 헤드라인에 의존하지 말고 현재 개발자 액세스 요구 사항을 확인해야 합니다. AI Studio 가격 페이지는 API 모델을 gemini-4-argon으로 식별하며, 이에 대한 무료 등급은 나열하지 않습니다.
10월 15일에 확인한 Google의 표준 API 가격 문서는 Gemini 4 Argon에 대해 두 기간의 가격을 제시합니다. 아래 가격은 토큰 100만 개당 미국 달러 기준입니다.
| 토큰 범주 | 2026년 11월 30일까지 | 2026년 12월 1일부터 |
|---|---|---|
| 입력 | $2.00 | $4.00 |
| 출력, 사고 과정 포함 | $10.00 | $20.00 |
| 암묵적으로 캐시된 입력 | $0.10 | $0.20 |
따라서 출시 발표에 제시된 도입 입력 및 출력 요금은 영구 가격이 아니라 기간 제한 가격입니다. 캐시된 입력 가격은 해당 입력 요금과 비교해 95% 낮지만, 자격을 갖춘 암묵적 캐시 입력에만 적용됩니다. 이 페이지는 이 모델에서 명시적 캐싱이 지원된다고 나열하지 않습니다.
토큰 가격만으로 애플리케이션의 전체 비용을 알 수 있는 것도 아닙니다. 별도 과금 도구와 워크플로의 반복 요청이 비용을 추가할 수 있으므로, 프로덕션 비용 추정은 실제 요청 패턴과 최신 문서를 반영해야 합니다.
Google의 긴 디코드 문서는 입력, 사고 과정, 출력이 공유하는 1,048,576토큰의 통합 한도를 설명합니다. 이는 입력 100만 토큰에 더해 생성 출력 100만 토큰을 제공한다는 약속이 아닙니다.
Interactions API는 일반적으로 동기식 또는 스트리밍 출력에 65,536토큰 상한을 적용합니다. 그 이상을 생성하려면 문서에 명시된 대로 백그라운드 모드, 더 큰 max_output_tokens 설정 및 스토리지 활성화가 필요합니다. 서버는 연속 홉 방식으로 더 긴 생성을 수행합니다.
이러한 작업을 설계할 때 두 가지 세부 사항이 중요합니다. 첫째, max_output_tokens에는 반환되는 출력뿐 아니라 사고 과정도 포함됩니다. 둘째, 연속 홉은 입력을 다시 계산할 수 있으며, 자격이 있는 경우 문서화된 암묵적 캐시 할인이 적용됩니다. 긴 디코드는 한 요청을 무제한으로 무료 연장하는 기능이 아닙니다.
이 기능은 긴 구현 작업이나 광범위한 분석에 도움이 될 수 있지만, 큰 출력 허용량이 정확성을 보장하지는 않습니다. 결과는 여전히 검토가 필요하며, 입력은 동일한 총 예산의 일부를 사용합니다.
Google은 약 수억 줄이 아니라 약 4,000만 줄 규모라고 설명하는 Chrome 코드베이스에서 수백 개 파일에 걸친 리팩터링에 Argon을 사용했다고 보고합니다. 이 코드베이스에는 약 600만 줄 규모의 레거시 영역도 포함됩니다. Google은 이 작업이 수개월 규모의 과제에서 수주 규모의 과제로 전환됐다고 말합니다. 이는 Google이 보고한 프로젝트 결과이지, 임의의 리포지터리 변경에 관한 일반적 보장은 아닙니다.
ADK 엔지니어링 글은 보다 검토 가능한 사례를 제공합니다. 이 사례는 약 800개의 소스 파일로 구성되고 대규모 공개 테스트 모음이 지원하는 약 205,000줄의 Python 리포지터리에 관한 것입니다.
작업은 두 차례에 걸쳐 진행됐습니다. 최초의 2시간 시도에서는 한계가 드러났고, 이후 야간 실행에서는 프로젝트 스킬과 Antigravity 목표를 사용했습니다. 모델은 32개 파일 전반에 걸쳐 6개의 최적화를 제안했지만, 유지보수자는 2개를 채택하고 4개를 거부했습니다. 최종 병합 작업은 두 차례의 변경을 22개 파일에 걸쳐 결합했고, 17개의 테스트 함수를 추가했습니다.
채택된 최적화는 인메모리 세션 서비스에서 데이터를 복사하기 전에 필터링하는 방식과 지연 패키지 임포트를 다뤘습니다. 공개 병합 커밋에서 결과 코드를 검토할 수 있습니다.
이 벤치마크는 하나의 속도 향상 수치를 보편적인 결과처럼 제시하지 않고 여러 시간을 분리한다는 점에서 유용합니다.
출처: Google Developers Blog, ADK 최적화 연구. 이 측정은 프레임워크 오버헤드를 분리하기 위해 즉시 응답 모델과 도구를 사용했으며, 여러 실행의 중앙값을 사용했습니다.
| 측정 항목 | 이전 | 이후 | 보고된 변화 |
|---|---|---|---|
| 50턴 후 첫 번째 모델 요청 | 64ms | 36ms | 43% 더 빠름 |
| 150턴 후 첫 번째 모델 요청 | 200ms | 122ms | 39% 더 빠름 |
| 콜드 임포트 | 1.22초 | 0.97초 | 21% 더 빠름 |
| 새 프로세스에서 첫 요청까지 | 3.07초 | 3.09초 | 사실상 변화 없음 |
| 전체 158턴 실행 | 65.6초 | 56.1초 | 14% 더 빠름 |
약 40%의 향상은 테스트된 인메모리 서비스의 세션 준비 경로에 관한 것입니다. 특히 다른 스토리지 백엔드를 사용하거나 대부분의 시간을 모델 및 도구 응답 대기에 쓰는 배포 환경에서는 모든 ADK 애플리케이션을 40% 더 빠르게 만든다고 설명해서는 안 됩니다.
콜드 임포트는 개선됐지만 프로세스 시작부터 첫 요청까지의 시간은 개선되지 않았습니다. 이는 로컬 최적화가 모든 엔드투엔드 지표를 향상시킨다고 가정하는 대신, 사용자에게 보이는 워크플로를 측정해야 한다는 실질적인 시사점입니다.
제안된 변경은 공개 단위 테스트 16,892개를 모두 통과했지만, 제거된 임포트가 계속 패치 가능해야 한다는 기대 때문에 내부 테스트 타깃 25개가 실패했습니다. 유지보수자는 공개 테스트의 성공을 안전성에 대한 충분한 증거로 여기지 않고, 지연 접근자를 통해 호환성 문제를 해결했습니다.
다른 제안 변경은 오래된 캐시 데이터, 비공개 OpenTelemetry 속성에 대한 의존성, 엔드투엔드 이점 없이 가독성을 낮춘 점, 그리고 합성 워크로드에서만 이득이 나타난 최적화 등의 이유로 거부되었습니다.
아이디어를 한 문장으로 입력하면 We0 AI가 쇼케이스 사이트, 페이지, CMS를 생성하고 출시 후 고객과 트래픽 확보를 돕습니다.
무료 등록을 위한 하나의 완전한 프로젝트 생성
하나의 완전한 생성 흐름을 시도하고 첫 번째 프로젝트 초안을 빠르게 보는 데 가장 적합합니다.
이 점은 이 사례를 무감독 코딩 성공담보다 더 유용하게 만듭니다. 모델은 개선 후보를 만들었고, 유지보수자는 근거를 평가하고 부적합한 패치를 거부했으며, 채택된 작업을 병합하기 전에 호환성 문제를 수정했습니다.
Google은 NVIDIA A100에서 vLLM을 사용한 Gemma 4 E2B 추론 최적화도 보고합니다. 이 특정 설정에서 처리량은 초당 37,900토큰에서 108,000토큰으로 증가했으며, 토큰 동등성 기준으로 보고된 향상은 2.85배입니다.
이는 구성에 특화된 결과입니다. 다른 모델, GPU, 배치 패턴 또는 배포 스택에서 동일한 속도 향상을 입증하지 않으며, 호스팅된 Argon API 요청의 가격이나 지연 시간과 혼동해서도 안 됩니다.
출시 자료의 창작 시연에는 Blender와 시각적 비평을 이용해 제작한 3차원 사원, 그리고 책상 사진에서 영감을 받아 여러 도구로 조립한 레이싱 경험이 포함됩니다. 후자는 Blender MCP, 생성된 텍스처, Three.js 및 추가 미디어 기능을 결합하므로, 완성된 결과물은 하나의 일반 텍스트 호출이 모든 자산을 도움 없이 생성한다는 증거가 아니라 워크플로의 결과입니다.
이 사례들은 Google이 개발자가 시도하기를 바라는 프로젝트 유형을 보여 줍니다. 생성된 코드, 물리 동작, 자산 라이선스 또는 브라우저 성능을 직접 검증하는 일을 대체하지는 않습니다.
이번 출시는 소프트웨어 엔지니어링을 넘어 여러 연구 분야로 확장됩니다. 각 결과는 해당 분야의 명칭이 암시할 수 있는 범위보다 더 좁은 문제를 다룹니다.
로보틱스 시연도 같은 패턴을 따릅니다. Google의 Apollo 로봇은 사람이 콘홀을 하는 모습을 관찰하고 시뮬레이션을 만든 뒤, 보고된 시연에서 실제 세계의 연속 7회 성공을 달성합니다. 이는 소개된 실행에 대한 증거이지, 임의의 로봇, 환경 또는 물리 작업 전반의 신뢰성 추정치는 아닙니다.
Google은 내부 코드 제출이 35% 증가했고 롤백 비율이 약 3분의 1 감소했다고 말합니다. 이는 회사가 보고한 내부 수치이며, 출시 글은 이를 다른 조직이 얻을 결과에 대한 통제된 예측으로 제시하지 않습니다.
ADK 사례는 더 폭넓은 주장을 평가할 실용적인 방법을 제공합니다. 먼저 기준선을 측정할 수 있는 작업에서 시작하고, 테스트와 호환성 검사를 유지하며, 최종적으로 채택된 패치를 평가해야 합니다. 변경 사항을 검토하고 수정하는 데 걸린 시간도 결과에 포함됩니다.
연구 작업에서 이에 대응하는 질문은 출력이 관련 분야의 검증을 통과하는지입니다. 즉, 증명, 실험실 실험, 독립적인 계산 또는 신중하게 설계된 평가가 필요합니다. 모델이 제시하는 그럴듯한 설명은 그 과정의 한 단계일 뿐입니다.
2026년 10월 15일에 확인한 AI Studio 가격 페이지에는 gemini-4-argon의 무료 등급이 나열되어 있지 않습니다. 소비자 구독 액세스와 개발자 API 액세스는 조건이 다르므로, Google AI Pro 소비자 기능에 API 모델이 포함된다고 가정해서는 안 됩니다.
문서화된 도입 표준 요금은 2026년 11월 30일까지 입력 토큰 100만 개당 $2, 사고 과정을 포함한 출력 토큰 100만 개당 $10입니다. 12월 1일부터 페이지는 각각 $4 및 $20을 나열합니다. 자격을 갖춘 암묵적 캐시 입력은 별도로 가격이 책정되며, 도구 요금이 총비용에 추가될 수 있습니다.
아니요. Google은 입력, 사고 과정 및 출력에 대해 공유되는 1,048,576토큰 예산을 문서화합니다. 따라서 긴 입력은 상호작용의 다른 부분에 남는 공간을 줄입니다.
긴 디코드 문서는 백그라운드 모드, 스토리지 및 일반 한도를 초과하는 max_output_tokens 값을 요구합니다. 연속 홉은 공유 예산과 문서화된 과금 동작의 적용을 계속 받으므로, 애플리케이션은 현재 Interactions API 지침을 따라야 합니다.
아니요. 약 40%라는 결과는 Google 벤치마크의 특정 인메모리 세션 준비 경로에 관한 것입니다. 전체 158턴 실행은 14% 개선됐고, 새 프로세스에서 첫 요청까지의 시간은 사실상 변하지 않았습니다.
아니요. 보고된 결과는 정의된 연구 문제와 시연에 관한 것입니다. 이를 임상, 산업 또는 물리 세계 사용 사례로 일반화하기 전에 적절한 독립 검증, 도메인 검토 및 배포 테스트가 필요합니다.
Gemini 4 Argon은 코드, 시각 프로젝트 및 연구 전반에 걸쳐 폭넓은 것으로 보고된 기능을 제공합니다. 즉시 확인해야 할 실무 세부 사항에는 유료 개발자 액세스, 11월 이후 종료되는 도입 가격, 그리고 사고 과정과 출력을 포함하는 공유 컨텍스트 예산이 포함됩니다.
가장 강력한 엔지니어링 근거는 채택되고 테스트된 ADK 변경과 그 측정된 한계에서 나오며, 사람의 검토는 여전히 결과의 일부입니다.
한 문장에서 시작해 몇 분 안에 완전한 웹사이트를 받아보세요.
