
북미 '대두포' 구글, 드디어 AI 테이블 중앙으로 복귀하다
작성자: Wildcard, 기크 파크

구글이 이번엔 정말 돌아왔다.
11월 18일, Google DeepMind가 Gemini 4 Neon의 네온 사인을 켰다.
이는 Gemini 4 시리즈가 단 7주 만에 내놓은 네 번째 원소 모델이다. 공식 발표된 벤치마크 점수 장표와 커뮤니티 실측 피드백을 살펴보면, 이 모델이 매우 까다로운 '스위트 스팟'을 정확히 공략하고 있음을 알 수 있다. 플래그십 모델에 필적하거나 일부 영역에서는 이를 능가하는 하드웨어 수준의 지능을 갖추고 있으면서도, 단일 작업 비용을 경쟁사의 절반 가량으로 절감했다.
Reddit 기술 커뮤니티에서 까다로운 개발자들이 보기 드물게 일방적인 호평을 보냈으며, "가격은 터무니없이 저렴하지만 성능은 무서울 정도로 강력하다"고 평했다. 월 19.99달러에 Google AI Pro를 구독하는 일반 사용자들은 더 큰 기대감을 표했으며, 울며 겨자 먹기로 Ultra 등급을 선택하지 않아도 Gemini 앱에서 플래그급 모델 수준을 직접 사용할 수 있게 되었다. 여기에 11월 한 달 동안 집중적으로 출시된 모델 및 도구 매트릭스를 더하면, 과거에는 테이블 가장자리에서 맴돌던 구글 AI가 마침내 테이블 중앙으로 다시 돌아오게 되었다.
전 세계 프로그래머들을 혼란스럽게 만든 유일한 요소는 아마도 구글의 신비로운 명명법일 것이다. 9월 말 Argon(아르곤), 10월 말 Carbon(탄소), 11월 중순 Hydrogen(수소), 그리고 현재 Neon(네온)까지 순서는 원자 번호도, 알파벳 순서도, 능력 강약도 따르지 않았다.
Hacker News에서는 진지한 유저들이 화학 성질을 모두 나열하며 패턴을 찾으려다가 결국 "구글은 아마 요소를 모자에 던져놓고 랜덤으로 뽑은 것 같다. 스타벅스 컵 사이즈로 이름을 짓는 게 이게 낫다"며 절망적인 푸념을 남겼다. 국내 누리꾼들은 이미 118번 원소 '오가시아(Oganesson)' 업데이트를 요청하며, "과학 뉴스 하나 보려면 중학교 화학 시간표를 복습해야 한다"는 농담을 쏟아냈다.

사진: 네티즌이 Gemini 4를 위해 설계한 '원소 주기표' 형식 모델 선택 화면
연금술 ‘걸작’
이름은 어찌 보면 이해하기 어렵지만, Neon이 제품군 내에서의 포지셔닝은 놀라울 정도로 명확하다.
이는 중형 긴 사이클 플래그십 Carbon과 경량 고빈도 실행 모델 Hydrogen 사이에 딱 맞게 배치되며, 기존 Gemini 3.1 Pro와 Argon이 차지하던 생태학적 위치를 완전히 대체했다. 알파벳 수석 과학자이자 DeepMind 대표인 데미스 하사비스는 이에 대해 높은 평가를 내며 '연금술의 걸작'이라고 칭했다.
這樣的 평가 뒤에는 확고한 수치적 지표가 받쳐주고 있다. Neon은 100만 토큰의 컨텍스트 윈도우(안티그래비티에서는 최대 512K 컨텍스트 지원)와 최대 100만 토큰의 출력 상한을 갖춘다. 또한 텍스트, 오디오/비디오, PDF, 스프레드시트의 네이티브 멀티모달 입력을 지원한다. 핵심 추론 능력을 보면 low, medium, high(기본값), xhigh 등 4단계 조절 가능한 사고 깊이를 제공해 개발자에게 비용 통제에 있어 극도로 넓은 선택지를 제공한다.
독립 평가 기관 Artificial Analysis의 데이터가 이 점을 가장 잘 방증한다. AA Intelligence Index v5.0.1 전체 순위에서 Neon은 xhigh 모드를 활성화해 61점을 기록하며 글로벌 3위를 차지했고, GPT-6.2 Astra와 Claude Fable 5.2에 이어 자사의 대형 모델 Carbon의 high 모드(60점), Anthropic의 Claude Opus 5.5(59점), OpenAI의 GPT-6.2 Sol(57점)을 모두 제쳤다. 심지어 기본값인 high 모드로도 60점을 받을 수 있으며, medium 모드에서 얻는 55점은 경량 모델 Hydrogen이 최선을 다한 xhigh 모드(54점)보다 높다.
기업 고객의 발길을 멈추게 하는 것은 바로 성능 점수와 단일 작업 비용을 보여주는 산점도 차트다. Neon은 최상위 플래그십 수준의 지능을 미들급 대량 보급 모델 수준의 청구서로 실현했다.
출력 속도는 초당 약 110토큰에 달해 Carbon(초당 약 57토큰)의 두 배에 근접하며, AA 벤치마크 단일 작업을 완료하는 평균 시간은 Carbon의 36분에서 21.5분으로 단축되었다. 단일 작업 비용은 6.44달러에 고정되어 있고, 표준 가격이 인상된 Carbon(7.76달러) 대비 약 17% 저렴하다. 안티그래비티 플랫폼의 기본 high 모드 기준 단일 작업 비용은 Carbon보다 무려 32% 절감된다.

그림: AA Index 기준 Gemini 4 Neon 각 모드별과 경쟁사의 IQ 점수 및 단일 작업 비용 비교
가장 경쟁이 치열한 코딩 및 엔터프라이즈 분야로 시선을 돌리면 이러한 가성비 파괴력이 더욱 직관적이다. AA Coding Agent Index 랭킹에서 Neon은 58.6점으로 1위를 차지했으며, Claude Code를 탑재한 Claude Fable 5.2 및 Opus 5.5(모두 58점)와 실력 면에서 거의 견줄 만하다. 하지만 경제성을 따지면, Neon의 안티그래비티 CLI 기준 평균 단일 작업 비용은 고작 6.86달러에 불과해, Claude Opus 5.5(12.61달러)와 Fable 5.2(15.47달러)의 절반에도 미치지 못한다.
실제 엔지니어링 능력을 나타내는 세부 테스트에서 Neon은 CursorBench 4.1에서 65.4%를 기록하며 Opus 5.5의 58.1%를 압도했고, 안티그래비티 환경의 SWE-sweep에서는 39.0%를 기록하며 Opus 5.5의 10.1%와 GPT-6.2 Sol의 8.3%를 크게 앞질렀다. 또한 기업 자동화를 모사한 Zapier AutomationBench(56.3%), 장기 사업 운영 시뮬레이션 Vending-Bench 2($16,843), 과학적 추론 RiemannBench(84.0%), AA-Briefcase 출력 품질 항목(1771 Elo)에서도 일제히 선두를 차지했다. Fairwind 계획 수호자를 대상으로 공개된 사이버 보안 특화 버전 역시 SEC-bench Pro에서 90.5%라는 높은 점수를 기록했다.

그림: Gemini 4 Neon의 코딩 및 과학적 추론 등 다양한 벤치마크에서의 비교 성과
다만, 새로운 엔진이라 해도 완벽하지는 않다.
먼저 고급 모드에서의 '수다스러움'과 지연 문제가 꼽힌다. xhigh 모드에서 AA 풀 테스트를 완료할 때 Neon은 2억 8,300만 개의 출력 토큰을 연달아 뱉어냈는데, 이는 Carbon보다 많으며 첫 응답 지연 시간도 56.51초에 달했다. 빠른 응답을 추구하는 환경이라면 medium 모드로 조정하는 것이 현명할 터이며, 이때 소요 시간은 8.3분으로 단축되고 출력량은 6,290만 토큰으로 제한된다.
국내 기술 포럼 '다러슈' 개발자들 사이에서 입맛 다시게 만드는 에피소드 중 하나는 11월 말까지 짧게 존재한 '가격 역전' 현상이었다.
Neon의 API는 캐시 히트 시 95% 할인(최저 $0.15)된 금액을 적용받는 인풋 $3, 아웃풋 $15(매백만 토큰 기준)의 정식 가격으로 즉시 출시되었으며 무료 크레딧도 제공되지 않는다. 반면 플래그십 Carbon과 Argon은 11월 30일까지 출시 초기 할인가인 각각 $2와 $10를 적용받고 있었고, 12월 1일부터 정가인 $4와 $20으로 회귀한다. 이는 11월 남은 열흘 동안 서브플래그십 단가가 오히려 플래그십보다 50% 비싸다는 뜻으로, 다소 유쾌한 상업적 시간차라고 할 수 있다.
개인 기술 과시에서 총괄 책임자 역할로
벤치마크 숫자는 결국 정지된 데이터일 뿐, 기술 커뮤니티를真正으로 들뜨게 만든 것은 Neon이 실제 엔지니어링 환경에서 보여준 지배력이다.
Google Antigravity의 실제 기기 디모 화면을 열어보면, 장거리 다중 에이전트 협업이 무엇인지 직관적으로 체감할 수 있다.
'NEONPUTT 84'라는 프로젝트에서 Neon은 `/swarm` 모드를 작동시켜 실시간으로 변하는 작업 그래프 속에서 scaffold, shaders, courses, physics, ui, engine, verifier 등 8개의 병렬 노드를 동시에 스케줄링한다. 이들은 역할을 분담해 커스터마이즈된 GLSL 셰이더, 240Hz 물리 엔진, 8개의 레벨을 작성하고 합쳐서 3D 시네폽 스타일이 가득한 미니 골프 게임을 완성했다. 게다가 코드 작성 후 스스로 브라우저 클릭 테스트 인터페이스를 인수해 조준과 타격을 수행하며,見事하게 홀-In을 달성했다.

그림: Gemini 4 Neon의 안티그래비티 내 swarm 기반 8개 병렬 서브 에이전트 협업 개발

그림: Gemini 4 Neon이 자체 생성한 3D 미니 골프 게임 및 브라우저 조작 통한 검수 테스트
시간을 더 늘려보면 그 지구력 역시 놀랍다. 공식 중점 디모에서 Neon은 안티그래비티 환경에서 `/swarm`을 활용해整整 12시간 연속 가동했다. 역사 파일 사진 몇 장만으로 3D 공간 속에 앨런 튜링이 1936년 케임브리지 킹스 칼리지에서 사용했던 서재를 벽돌 하나부터 틈새 하나까지 재현했으며, 심지어 가상 책상 위에서는真正 상호작용 가능한 범용 튜링 머신을 구동하기도 했다.
유튜브 채널 CHOOSETO.AI에는 새로 합류한 구글 개발자가 초기 베타 권한을 바탕으로 많은 생정보 실측 영상을 공개했는데, 아예 모든 벤치마크 점수는 건너뛰었다. 영상 속 Neon은 단일 SDF 수식으로 정교한 3D 용을 직접 도출해내고, 단일 파일로 애니메이션 포함 SVG 공작새를 생성하며, 1959년식의 낡은 평면 도면을 실제 들어가 걸어볼 수 있는 3D 주택으로 전환한다. 거친 백엔드 장면으로 넘어가면 Google Cloud Run 위에서 독자로 대기용 에이전트를 배포하며, 의도적으로 고장 내린 애플리케이션에 빠르게 롤백을 수행한다. 심지어 DGX Spark 위에서는 두 은하계 충돌 시뮬레이션을 돌리거나, 별도의 훈련 없이도 직접 신경망 가중치를 손으로 적어낼 수 있다.
Neon이 직접 소매를 걷어붙이고 중노동을 하는 것을 넘어 가장 현명한 진화는 '총괄 책임자' 역할을 익히는 것이다.
이번 안티그래비티 업데이트는 완전히 새로운 Orchestrator(Neon) 듀얼 모델 자동 오케스트레이션 모드를 함께 선보였다. 복잡한 다중 파일 프로젝트가 발생하면 Neon이 중추에서 아키텍처 기획과 상태 감시를 담당하며, 일반적인 코드 수정, 패키지 업데이트 및 테스트 실행 등은 가볍고 저렴한 Hydrogen에게 위임한다. 실행 단계에서 막힘이 생기면 통제권이 자동으로 Neon으로 돌아가 계획을 수정하므로, 개발자가 모델을 수동으로 전환해야 했던 번거로움을 완전히 제거했다.
현장 엔지니어링 팀들도 그 성격을 아주 잘 파악하고 있다. GitHub Copilot 공식 블로그는 특별히 Carbon을 제외한 Neon이 구동이 더 빠를 뿐만 아니라, 코드를 수정할 때 훨씬 더 절제력을 보이며 요청 없는 다른 곳의 임의 수정이 현저히 줄어들었고, 내부 테스트에서 코드 및 도구 결과 왜곡율이 사상 최저치를 기록했다고 전했다. 초기 협력 기계학습 연구팀 시각에서 보면, Neon은 '실험 실패 시 포기하는 초보 연구원'의 단점을 완전히 탈피했으며, 숙련된 학자처럼 원인 추궁, 신규 신호 탐색, 그리고 모델링 전략 적극 재구축을 행한다.
‘북미 대두 포대’의 절체절명의 반격
오늘의 세력을 보면 상상하기 어렵지만, 정확히 4개월 전까지만 해도 중국 인터넷에서는 구글 AI를 아이러니하게도 '북미 대두 포대'라는 별명으로 불렀다.
캘린더를 2026년 7월 무렵으로 거슬러 올라가면, 그게 바로 Gemini의 평판이 가장 흐릿했던 저조점이었다. 수학 추론 실패와 안전 검사 중 빈번한 이상한 오류들로 네티즌들의 맹비난이 하늘을 찔렀다. 5월 Google I/O에서 6월 출시하겠다고 약속했던 Gemini 3.5 Pro는 약속을 깨고 미뤄졌으며, 결국 3.5 Flash만 꺼내들여 경쟁사의 미들급과 겨룰 수밖에 없었다. 주요 코딩 및 에이전트 랭킹 상위권에서는 잠시 Gemini의 이름조차 찾아보기 어려웠다. 더 난감한 것은 모델의 내장 지식베이스가 오랫동안 2025년 1월에 묶여 있었다가, 3.6 Flash가 와서야 2026년 3월로 갱신되었다는 점이다. 경쟁사가 어떤 최신 버전을 출시했는지 인식하지 못했으며, 인터넷 검색 기능을 켜면 지능치가 동반 추락하기 일쑤였다.
고작 4개월이 지나는 동안 카드는 완전히 뒤집혔다.
11월 한 달 내내 구글은 밀도 높게 컴보를 이어갔다. 7주 연속 4종의 Gemini 4 원소 모델을 발표한 데 더해, 프롬프트로 상호작용 가능한 3D 환경을 생성하는 세계 모델 Genie 4, 저비용으로 장-duration 비디오를 처리하는 Gemini Omni 1.2 Flash를 동시 출시에 안티그래비티를 소프트웨어 개발과 화학 정보학 연구 전반을 아우르는 하드코어 에이전트 플랫폼으로 다듬었다. 주요 종합 랭킹에서 구글은 드디어 OpenAI의 GPT-6.2 시리즈, Anthropic의 Claude 5.2 및 Opus 5.5와 정면으로 맞설だけの 주먹을 쥐게 되었다.
구글은 이번 반격을 어떻게 이루어냈을까?

그림: Google DeepMind 부사장 겸 수석 AI 아키텍트 Koray Kavukcuoglu
올 8월, 구글은 중요한 조직 개편을 마무리하며 Demis Hassabis는 알파벳 수석 과학자이자 DeepMind 의장으로 보직 변경되었고, DeepMind 부사장 겸 수석 AI 아키텍트인 Koray Kavukcuoglu가 일상 운영과 Gemini 로드맵을正式으로 인수했다. 9월 The Information 정상회의에서 Koray는 "우리가 이미 AGI를 구현했는지 논의하는 건 결코 지금 올바른 질문이 아니다"라고 단언하며, 전 직원의 초점을 신뢰할 만한 유용한 에이전트 구축 쪽으로 강제로 되돌렸다.
그는 과거 끝까지 기술을 숨기다가 연말로 가면 깎듯하게 미뤄지는 구습을 완전히 끊고 '일찍 출시하고 빈번히 개선한다'는 강령을 정했다. 또한 사전 훈련과 사후 훈련 사이에 프로그래밍 능력 향상에 특화된 '중간 훈련(mid-training)' 전용 팀을 삽입했다.
DeepMind 사후 훈련 책임자 Melvin Johnson은 과거 Gemini 모델이 고전했던 이유는 단순한 작업을 전부 맞추는 순간 효과적인 학습 신호가 전혀 나오지 않았기 때문이라고 지적했다. 이에 팀은 매우 엄격한 자동화 강화학습 루프를 구축하여, 여전히 에이전트가 틀리기 쉬운 난이도 높은 레포지토리 간 프로젝트 숙련된 문제만 골라서 엄격한 샌드박스 및 유지되는 단위테스트 안에 넣고 지속적으로 압박했다. 동시에 시스템은 '검사관 우회, 테스트 결과 위변조'라는 부정행위에 중징계를 내렸고, 강도 높은 환경에서의 내부 왜곡율을 억지로 약 1.5%라는 역대 최저치까지 낮췄다.
이 모든 것을 최종적으로 떠받치는 마켓은 구글이 수년간 고투해 온 풀스택 자체 개발 하드웨어가 마침내 현금화되는 시점에 도달했다는 점이다.
판상의 상대들이 Nvidia GPU 공급 부족과 고가의 연산 비용 부담에 시달리고 있을 때, 구글의 차세대 TPU Ironwood와 오픈 소스 소프트웨어 계층 TPU Sync가 이미 성숙하게 안착했으며, 대용량 컨텍스트의 KV 캐시를 밀리초 단위로 호스트 메모리로 내려보낼 수 있다.
SemiAnalysis의 평가에 따르면 Ironwood는 장-duration 컨텍스트와 다단계 에이전트 시나리오에서 달러 당 생산성이 지배적이었다. 너무 매력적이어서 라이벌인 Anthropic까지 대규모 TPU 연산 파트너십을 체결했으며, 구글의 8세대 TPU는 이미 학습 칩과 추론 칩을 완전히 분리하여 개별 최적화에 들어갔다. 정확히 베이스의 끊임없는 자체 연산 자원 덕분에, 구글은 가격 전쟁을 벌이고 'Neon + Hydrogen' 소대형 모델 혼합 구성을 추진할 수 있는 주먹을 쥐게 되었다.
몇 달 전까지만 해도 수많은 조롱을 받던 '북미 대두 포대'는 결국 엔지니어링 규율과 연산 자원 기반으로 자기 자신을 구원했다. 구글이 이제 AGI를 증명하기 위한 웅대한 논문 하나에 매달리는 대신, 격주로 모델 릴리즈 라운드를 반복해 유용한 제품을 시장에 던지고 있을 때, OpenAI와 Anthropic이 바라기는 절대 하지 않았던 그 흉흉한 라이벌이 비로소 되살아났다.















