TechFlow Logo
로그인/ 회원가입
ETH 가스
Gwei
공포
gas
제미니에게 사과하고, 알아서 줄 서세요.

제미니에게 사과하고, 알아서 줄 서세요.

2026.11.20
공유하기
SemiAnalysis이 공개적으로 구글에 사과했으며, Gemini 4 시리즈가 연이어 4종의 모델을 출시하며 극적인 역전극을 연출했다.

작성자: 아이판얼

오늘, 유명 반도체 및 AI 연구 기관 SemiAnalysis는 X에 구글 딥마인드(Google DeepMind) 의장 데미스 하사비스(Demis Hassabis)에게 보내는 ‘구글 사과 전용 서식’ 이미지를 게시했다.

사유 항목에는 'X에서 사람들이 올린 게시물만 봤다', '애슬란트릭(Anthropic)에 다니는 룸메이트가 제미니(Gemini)가 끝났다고 설득했다', '모델 카드(Model Card)를 읽지 않았다' 등의 이유가 체크되어 있다. 가장 흥미로운 것은 마지막 줄이다. "데미스, 제미니 4에 대해서는 우리가 잘못됐다. 하나의 단어를 되돌리고 싶다."

그들은 자신의 초기 제목에서 'is'라는 단어를 지웠다: Gemini is cooked. '제미니가 끝났다'는 말이 '제미니가 이번엔 진짜 뭔가를 해냈다'로 변한 것이다.

이번 사건의 계기는 SemiAnalysis가 올해 8월 발표한 기사였다. 해당 글은 지난달 11월 잠시 선두를 달린 이후 구글이 더 이상 사람들의 기대를 충족시키는 모델을 출시하지 못해 사실상 경쟁력에서 밀리고 있다고 평가했다.

당시 이들은 딥마인드의 강화학습 팀원들이 다수 이탈했고 내부 컴퓨팅 파워 할당도 원활하지 않음을 분석하며 구글에 대해 상당히 가혹한 진단을 내렸다. "이대로 가다면 구글은 당연히 모델을 계속 출시하겠지만, 다시 업계 최고 수준에 도달할 확률은 이미 '제로'에 가까워졌다."

보고서가 발표된 지 두 달도 지나기 전에 구글은 Gemini 4 Argon을 공개했고, 이어 10월 말 카본(Carbon), 11월 12일 수소(Hydrogen), 18일 네온(Neon)을 연이어 선보였다. 불과 8일 동안 세 편의 모델이 나왔으며, 당시 카본의 성능은 Artificial Analysis의 종합 능력 랭킹에서도 1위를 차지했다.

그림: ai.studio 모델 선택 페이지

새로 공개된 모델들은 소셜 미디어에서 높은 호응을 얻었다. 플래시(Flash)에 특화된 수소는 작성이나 복잡한 소프트웨어 작업에서 빠르게 과제를 완수하는 반면, 가장 지능적인 모델인 카본은 다양한 장거리 에이전트(Agent) 작업을 다루는 데 능숙했다. 이 둘 사이의 네온은 속도와 지능을 모두 잡았으며, Gemini 4 시리즈 중 종합 능력이 가장 뛰어난 모델이라고 할 수 있다.

"제미니 4 네온은 너무 대박이다", "제미니 4 네온은 생각보다 훨씬 훌륭하다", "제미니 4 네온이 이전 세대 제미니 모델에 대한 모든 불만을 해결했다" 같은 댓글들이 X에서 많은 사용자의 공감과 지지를 받고 있다.

최근 구글 딥마인드 연구원 아서 더블릴라드는 X에서 자신들이 해당 비판 기사를 인쇄해 책상 위에 올려두고 매일 스스로를 되새겼다고 밝혔다. 그는 당시 일부 문제는 실제로 존재했으나, SemiAnalysis 기사가 준 자극에 감사한다고 말했다.

내가 감사하는 마음은 @SemiAnalysis_에게 보낸다. 제미니 RL 확장 팀에서는 해당 기사를 프린트해 책상 위에 올려두고 매일 현재 상황을 되새겼습니다. 하지만 시대는 변합니다. :)

이에 SemiAnalysis는 더블릴라의 게시물을 repost하며 앞서 언급한 구글을 위한 ‘사과서’를 함께 공개했다.

몇 시간 뒤 하사비스는 해당 게시물을转发하며 "사과 받는다"는 취지로 장난스럽게 응답했으며, 아울러 상대방이 '구글 딥마인드 실력자들을 낮게 평가'했음을 체크하지 않았다고 꼬집었다.

사실 기관 공식 계정이 밈 사진을 게시하기보다 2주 넘게 앞선 시점, '8월 쇼트 보고서'의 공동 저자인 딜런 패틀은 제미니 4 카본 벤치마크 결과가 나온 직후 개인 자격으로 구글에 공개 사과의 뜻을 전했다.

8월 초 권위 있는 기관으로부터 공개적으로 폄하를 받았던 것이, 11월 중순 며칠 만에 Gemini 4 시리즈 모델 넷을 연속 출시하며 순위권 상위에 복귀한 사이에, 구글 내부에서는 과연 어떤 조정과 축적 과정이 있었던 것인가?

TPU가 그토록 많은데도 왜 부족할까

작년부터 올해 초여름까지 제미니 전망이 부정적이었던 이유도 일부분 있었다. 한편으로는 원래 6월 출시 예정이었던 제미니 3.5 프로(Gemini 3.5 Pro)가 제때 서비스되지 않았고, 구글 CEO 쏜다르 피차이는 지난 5월 I/O 개발자 컨퍼런스에서 제미니 3.5 프로를 6월에 내놓겠다고 예고했지만 결국 계획이 무산되었다.

컴퓨팅 파워 제약과 여러 프로젝트 리더 간 의견 차이 등으로 인해, 지금처럼 핵심적인 역할로 부상한 프로그래밍 분야 등은 당기에 상대적으로 적은 자원을 배정받았다. 이후 R&D 총괄을 맡은 코레이 카부크우글루는 해당 기간에 팀이 주로 빠른 업데이트 주기를 가진 플래시 모델 개발에 집중했다고 설명하기도 했다.

그림: 구글은 지금까지 플래시 모델을 주로 출시해 왔다

내부 자원 갈등과 외부의 의문 속에 구글은 8월 5일 딥마인드에 대한 대규모 조직 개편을 발표했다. 기존 딥마인드 CTO이자 구글 수석 AI 아키텍트였던 코레이 카부크우글루가 딥마인드 부사장으로 임명되어 피차이에게 직속 보고하고, 제미니 모델 개발 최전방 연구 및 제미니 앱 및 개발자 팀을 총괄하게 되었다.

데미스 하사비스는 일상 운영 책임에서 물러나 딥마인드 의장과 알파벳 수석과학자로 자리 옮겼으며, 이와 동시에 제미니 기존 기술 공동 책임자 제프 딘과 오리올 비냘스, 산자이 겜와트, 쿠오 리 등이 구글을 떠나 디스커버리 루프(Discovery Loop)를 설립했다.

과거 대부분의 인식이 그랬듯, 구글은 데이터도 많고 GPU(또는 TPU)도 풍족했는데 왜 대형 언어 모델을 못 만들었을까 싶었다. 그러나 구글이 자체 AI 칩 TPU를 보유하고 있다 해도 차세대 제미니 학습용, 실시간 사용자 응답용, 그리고 구글 클라우드 고객들의 요청 대기열 등 용도가 많아 결국 공급이 절대 모자랐다.

그림: 구글의 방대한 모델 사업 라인업

그룹 입장에서는 칩 판매가 수익 창출이 되는 좋은 사업이지만, 연구자들 눈에선 실험 순서가 밀리면 아예 진행조차 못하는 상황이 발생했다.

이번 조직개편은 전체 팀원들에게 어떤 모델을 어떻게 훈련해야 하는지, 완성된 결과를 어떻게 유저에게 전달해야 하는지에 대해 더욱 명확히 인식시키는 계기가 됐다. 외신 보도에 따르면 구글 클라우드 경영진은 코레이가 딥마인드를 맡으면서 내부 TPU 공급 및 배분 문제로 인한 긴장감이 완화되길 바라고 있다.

Gemini 4 역전, 준비 기간은 얼마나 걸렸나

제미니 4 계열 모델이 폭발적인 성과와 높은 평가를 받게 된 공을 8월 인사와 컴퓨팅 파워 배치에만 돌리는 것은 대규모 모델 R&D가 가진 장기적 특성을 분명히 낮게 본 것이다.

공개 기록에 따르면 8월 5일 조직 개편과 8월 7일 쇼트 보고서 발표 이전에 이미 제미니 4 기반 구조 공정이 진행되고 있었다. 알파벳 2분기 실적 전화 회의(2026년 7월 22일)에서 피차이는 "제미니 4의 '구글 역사상 가장 야심 찬 프리 트레이닝(Pre-training)'이 이미 시작되었다"며 구체적으로 밝혔다.

그는analyst들 질의 응답環節에서 경영진이 막대한 컴퓨팅 파워와 정력을 제미니 4에 집중한 상태라며, "이번Generation의 베이스 모델을 기반으로 향후 업데이트 속도를 높여 월 1회 근접한 배포 리듬을 실현하겠다"고 덧붙였다.

코레이는 이후 9월 초와 11월 19일 방송된 두 차례 팟캐스트 인터뷰를 통해 제미니 4 연구 메커니즘을 추가로 설명했다. 딥마인드 내부에서는 여럿 연구 라인이 병렬로 진행됐는데, 한 팀이 현재 배포 버전 개선에 몰입하는 사이 다른 두 팀은 이미 뒤이어 나올 차기 모델 둘을 병행 개발 중이었다. 따라서 우리가 10월에 접한 제미니 4에는 최소 1년 이상의 연속 R&D역사가 담겨 있다.

대규모 프리 트레이닝과 병렬 개발 구조가 기반을 닦았다면, 프로그래밍과 에이전트 수행 분야에서 뚜렷한 도약의 열쇠를 건 것은 실제 엔지니어링 환경 기반의 '포스트 트레이닝(사후 학습) 체계'였다.

2026년 11월 12일, 당시 제미니 포스트 트레이닝 담당 책임자 멜빈 존슨은 AI Engineer CODE 콘퍼런스에서 SemiAnalysis의 비판 글을 도입삼아 구글 내부 학습 방식을 상세히 공유했다.

첫 번째는 고정된 공개 데이터셋 대신 실제 내부 업무 흐름을 활용하는 것이다. 존슨은 "구글 내부에서는 하루 약 10만 명의 직원이 프로그래밍 도구 앤티그러비(Antigravity)를 사용해 코드를 작성한다"고 소개했다. 포스트 트레이닝팀이 후보 모델 버전을 몇몇 생성하면 내부에서 블라인드 테스트를 실시해 엔지니어들이 보유한 실제 개발 과제를 직접 검증하게 하고, 더 나은 버전을 선정하도록 했다.

모델이 파일 간 수정 과정에서 어느 단계에서 막히는지, 기존 논리를 훼손한 적이 있는지 등의 실제 '실수 사례'들은 즉시 회수해 차기 학습 문제와 채점 기준으로 곧바로 전환된다.

이와 동시에 팀은 '종료된 문제'는 과감히 빼낸다. 강화학습(RL)에서 모델이 특정 문제를 반복해서 도전해도 일정하게 만점을 받는 수준에 도달하면, 샘플링마다 동일한 보상 신호가 들어와 모델이 "어떤 접근 방식이 더 나은지" 구분하지 못한다. 이러한 유형의 문제는 반드시 제거해 난이도를 높인 과제로 교체해야 한다.

두 번째로는 '완성'의 기준을 새롭게 정의하고, 에이전트의 신뢰도(정직함)에 특히 초점을 맞췄다.

전통적인 코드 평가에서는 단위 테스트 통과만으로 점수를 획득할 수 있었으나, 제미니 4 포스트 트레이닝 채점 시스템에서는 기능 구현 여부뿐만 아니라 경계 조건 처리, 코드 품질, 수정 범위의 절제, 그리고 유지보수 가능성까지 꼼꼼히 살피도록 기준을 개선했다.

더 중요한 점은 평가 시스템이 모델이 제출한 '자기보고' 내용과 실제 작동 로그를 일일이 교차 검증한다는 것이다. 만약 어려운 과제 절반만 완료해도 모델이 정확히 진도를 밝힌다면 부분 보상을 받을 수 있지만, 테스트조차 실행하지 않고 "완벽 통과"라고 주장하면 혹독한 페널티가 부과된다.

존슨은 또한 이전에 구글 내부에서 실시한 고난도 엔지니어링 평가에서 기본 모델의 환각률이 8%, 수소는 약 3%, 카본은 약 1.5%였다고 추가했다.

견고한 기반과 고강도 포스트 트레이닝의 힘입어 구글은 9월 말부터 11월 중순까지 불과 7주 만에 Gemini 4 시리즈 모델 넷을 연달아 공개했다.

이중 수소의 네온은 모두 카본에서 파생된 것으로, 카본은 장기 추론이 필요한 숙제에 집중하고, 수소는 일상 업무 처리 속도에 최적화되었으며, 네온은 추론의 깊이와 효율을 모두 잡았다.

그림: 11월에 목격한 연이은 치밀한 업데이트 뒤에는 같은Generation의 기반 모델 연구 성과가 하나씩 현실화되는 과정이 있다.

되짚어 보면 당시 SemiAnalysis가 지적했던 문제점들이 일부분 존재했다는 건 딥마인드 연구원들도 부인하지 않는다. 다만 3개월 후의 결과는 외부가 구글이 오랜 기간 축적해 온 R&D 역량과 이를 단일 모델에 집중 투입하는 속도를 여전히 과소평가 했음을 입증했다.

현재 제미니 4는 다른 모델들이 진지하게 경계해야 할 강력한 라이벌로 떠올랐다. 구글은 프로그래밍 및 에이전트 관련 능력을 다시 선두권의 위치로 끌어올렸을 뿐만 아니라, 실제 사용자 경험과 제품 성능 측면에서도 코드엑스(Codex), 클로드(Claude)같은 에이전트들을 따라잡기 시작했다.

그림: 제미니는 이제 배경에서 맥(Mac) 앱과 웹사이트를 조작해 복잡한 업무를 완료할 수 있다.

우리에게는 이는 물론 호재다. 주요 3대 모델사의 경쟁이 치열해질수록 업체들은 컴퓨팅 파워를 쏟아붓고 시장을 놓고 싸우게 될 것이며, 결과적으로 우리는 더 저렴하고, 안정적이며, 접근하기 쉬운 AI를 이용할 기회를 얻을 수 있다. (하키미는 꼭 다른 두 곳은 배우지 말았으면 좋겠다.)