구글 제미나이 3.8 플래시가 나왔습니다 — 터미널벤치는 9점 뛰고 SWE-벤치는 1점 올랐습니다
AI 뉴스 SVIL 구글 제미나이 딥마인드 LLM 코딩 AI

구글 제미나이 3.8 플래시가 나왔습니다 — 터미널벤치는 9점 뛰고 SWE-벤치는 1점 올랐습니다

SVIL - Singularity Visual Intelligence Lab 18 min read

3주입니다. 구글이 제미나이 3.7 플래시를 낸 것이 8월 13일이었고, 9월 2일에 3.8 플래시가 나왔습니다. 모델 하나를 다듬어 내놓는 간격이 한 달도 되지 않습니다.

그런데 숫자를 들여다보면 이야기가 조금 갈립니다. 어떤 벤치마크에서는 9점 가까이 뛰었고, 어떤 벤치마크에서는 1점 남짓 올랐습니다. 같은 모델의 같은 발표에서 나온 두 숫자입니다. 오늘은 이 간극이 무엇을 뜻하는지, 그리고 가격표에 적힌 날짜가 왜 더 중요한지를 정리합니다.

어둠 속에 크기가 커지는 청록빛 육각형 셋이 떠 있고 가장 큰 것의 모서리가 밝게 빛나는 개념 이미지 — 3주 간격의 연속 출시를 표현했습니다

3주 만에 또 나왔습니다

구글 딥마인드가 9월 2일 제미나이 3.8 플래시를 정식 공개했습니다. 직전 버전인 3.7 플래시가 8월 13일에 나왔으니 정확히 3주 만입니다.

그 3.7 플래시도 3.6 플래시가 나온 지 3주 만에 나온 것이었습니다. 같은 계열의 모델이 한 달에 한 번꼴로 갈아치워지고 있다는 뜻입니다.

이런 속도는 쓰는 쪽에 이득만 주지 않습니다. 붙여 놓은 모델 이름을 언제 바꿔야 하는지, 지난달에 맞춰 둔 프롬프트가 이번 달에도 같은 결과를 내는지를 계속 확인해야 합니다.

스키마키라는 내부 코드명

이 모델은 공개되기 전 사내에서 스키마키라는 코드명으로 불렸습니다. 월스트리트저널이 공개 하루 전에 이 이름과 출시 시점을 먼저 보도했습니다.

코드명이 바깥으로 새어 나온 것 자체는 흔한 일입니다. 다만 이번에는 보도가 나온 다음 날 실제로 제품이 나왔기 때문에, 소문 단계와 발표 단계 사이의 간격이 거의 없었습니다.

저희가 어제 아침 회차에서 이 건을 다루지 않은 이유가 그것입니다. 그때는 1차 출처가 없는 유출 단계였고, 오늘은 모델 카드와 가격표가 함께 나온 정식 발표입니다.

매끈한 어두운 판이 곧게 서 있고 바깥 테두리로만 강한 청록빛이 새어 나오는 개념 이미지 — 공개 전 코드명으로만 알려졌던 상태를 표현했습니다

제트스키에서 옵스를 이겼다는 말

보도에 따르면 구글은 사내 개발 도구인 제트스키에서 이 모델과 경쟁사 모델을 나란히 놓고 비교했습니다. 복잡한 코딩 작업에서 엔지니어 다수가 앤스로픽의 옵스 계열보다 이쪽을 선호했다고 전해집니다.

선호 이유로 꼽힌 것은 정확도가 아니라 응답 지연이 크게 낮고 출력이 간결하며 환각이 줄었다는 점이었습니다.

다만 이것은 구글 내부 인원이 구글 도구 안에서 내린 판단입니다. 회사가 자기 모델을 시험한 결과를 회사가 전한 것이므로, 바깥의 독립 측정과는 구분해서 읽어야 합니다.

9월 2일, 예고대로 공개됐습니다

모델은 구글 AI 스튜디오와 제미나이 엔터프라이즈 에이전트 플랫폼을 통해 9월 2일부터 일반 사용이 가능해졌습니다. API 모델 아이디는 gemini-3.8-flash 입니다.

모델 카드도 같은 날 딥마인드 쪽에 올라왔습니다. 유출 보도만 있던 상태에서 확인 가능한 문서가 붙은 상태로 넘어간 것입니다.

쓰는 입장에서는 여기서부터가 실제 판단의 시작입니다. 벤치마크 표는 만든 쪽이 고른 항목이고, 내 작업에서의 성능은 붙여 봐야 알 수 있습니다.

매끈한 어두운 정육면체가 두 쪽으로 갈라져 벌어지고 그 사이를 강한 청록빛이 가득 채운 개념 이미지 — 정식 공개 시점을 표현했습니다

터미널벤치 2.1에서 90.8퍼센트

가장 크게 오른 항목은 터미널벤치 2.1입니다. 3.7 플래시가 81.6퍼센트였는데 3.8 플래시는 90.8퍼센트를 기록했습니다. 9.2포인트 차이입니다.

터미널벤치는 모델이 명령줄 환경에서 여러 단계를 거쳐 작업을 끝내는 능력을 봅니다. 도구를 부르고 결과를 읽고 다음 명령을 정하는 흐름이 얼마나 안정적인지가 점수에 반영됩니다.

3주 만에 9점이 오른 것은 작은 변화가 아닙니다. 다만 이 숫자 하나만 보고 모델 전체가 그만큼 좋아졌다고 읽으면 곤란합니다.

그런데 SWE-벤치 프로는 1.2점 올랐습니다

같은 발표에 실린 SWE-벤치 프로 점수는 60.4퍼센트에서 61.6퍼센트로 올랐습니다. 1.2포인트입니다.

앞의 9.2포인트와 같은 모델, 같은 표에서 나온 숫자입니다. 한쪽은 크게 뛰었고 한쪽은 거의 제자리입니다.

이 간극이 이번 발표에서 가장 눈여겨볼 지점입니다. 어느 쪽 숫자를 인용하느냐에 따라 같은 모델이 도약으로도 보이고 미세 조정으로도 보이기 때문입니다.

거의 같은 크기의 청록빛 삼각형 둘이 아주 조금만 겹쳐 있고 겹친 좁은 부분만 훨씬 밝게 빛나는 개념 이미지 — 1.2포인트에 그친 변화폭을 표현했습니다

두 벤치마크는 서로 다른 것을 잽니다

터미널벤치는 도구를 쓰는 흐름을, SWE-벤치 프로는 실제 저장소의 이슈를 읽고 코드를 고쳐 테스트를 통과시키는 능력을 봅니다.

앞쪽은 절차를 잘 밟는가에 가깝고 뒤쪽은 문제를 실제로 푸는가에 가깝습니다. 그래서 도구 호출 안정성을 다듬으면 앞쪽이 먼저 오르고, 뒤쪽은 잘 움직이지 않습니다.

이번 결과는 그 전형에 가깝습니다. 다듬은 곳이 어디인지가 두 숫자의 격차로 드러났다고 읽는 편이 정확합니다.

딥SWE 73.7퍼센트라는 숫자

딥SWE v1.1에서는 73.7퍼센트를 기록했습니다. 코딩 계열 지표 중에서는 높은 편에 속하는 값입니다.

다만 벤치마크마다 채점 기준과 문제 구성이 다르기 때문에, 서로 다른 벤치마크의 퍼센트를 나란히 놓고 비교하는 것은 의미가 없습니다.

같은 벤치마크의 이전 버전 점수와 비교할 때만 변화폭이 뜻을 갖습니다.

매끈한 어두운 팔각형의 4분의 3이 청록으로 빛나고 나머지 4분의 1은 어둠에 남은 개념 이미지 — 73.7퍼센트라는 측정값을 표현했습니다

14개 중 8개를 이겼다는 자체 비교

구글이 함께 낸 비교표에서 3.8 플래시는 14개 항목 중 8개에서 앞섰습니다.

뒤집어 말하면 6개에서는 앞서지 못했다는 뜻이기도 합니다. 전면적인 우위가 아니라 항목별로 갈리는 결과입니다.

비교표는 만든 쪽이 항목을 고릅니다. 어떤 항목이 표에 실렸는지보다 어떤 항목이 실리지 않았는지를 함께 보는 습관이 필요합니다.

가격은 100만 토큰당 0.75달러입니다

입력은 100만 토큰당 0.75달러, 출력은 3.75달러입니다.

플래시 계열은 원래 저렴한 쪽을 맡는 모델군입니다. 대량 호출을 전제로 한 작업에서는 이 단가가 성능 지표보다 실질적인 영향을 줍니다.

다만 이 가격에는 기한이 붙어 있습니다.

아주 얇은 청록빛 조각이 훨씬 두꺼운 어두운 덩어리와 떨어져 나란히 선 개념 이미지 — 낮게 책정된 초기 단가를 표현했습니다

12월 31일까지만 그 가격입니다

구글은 위 단가가 2026년 12월 31일까지 적용된다고 밝혔습니다. 도입 초기의 한시 가격이라는 뜻입니다.

기한이 명시된 가격은 계산의 성격을 바꿉니다. 지금 단가로 연간 비용을 잡아 두면 넉 달 뒤에 그 계산이 무너집니다.

서비스에 붙일 모델을 고르는 자리라면 발표 시점 단가가 아니라 기한 이후 단가로 먼저 셈해 보는 편이 안전합니다.

1월 1일에 두 배가 됩니다

2027년 1월 1일부터 입력은 1.50달러, 출력은 7.50달러가 됩니다. 정확히 두 배입니다.

한시 할인이 끝나면 원래 가격으로 돌아가는 구조인데, 그 폭이 절반이 아니라 배수라는 점이 눈에 띕니다.

월 사용량이 큰 쪽일수록 이 전환 시점의 충격이 큽니다. 넉 달 뒤를 지금 계산에 넣어 두어야 하는 이유입니다.

청록빛 육각형 하나 옆에 같은 크기의 청록빛 육각형 둘이 맞붙어 놓인 개념 이미지 — 1월에 두 배가 되는 가격을 표현했습니다

출력 토큰에 사고 토큰이 포함됩니다

출력 단가에는 모델이 답을 만들기 전에 내부적으로 소모하는 사고 토큰이 함께 계산됩니다.

즉 화면에 보이는 답이 짧아도 청구되는 출력량은 그보다 클 수 있습니다. 추론을 많이 하는 작업일수록 이 격차가 벌어집니다.

단가만 보고 예산을 잡으면 실제 청구서와 어긋나기 쉬운 지점입니다.

컨텍스트 캐싱도 함께 오릅니다

1월 1일 전환 때 컨텍스트 캐싱 요금도 같은 비율로 오릅니다.

캐싱은 같은 맥락을 반복해서 넣는 작업에서 비용을 줄이려고 쓰는 기능입니다. 긴 문서를 두고 여러 번 묻는 구조라면 여기에 의존하는 비중이 큽니다.

본 단가와 캐싱이 같이 오르므로, 캐싱으로 상쇄해서 버티겠다는 계획은 잘 서지 않습니다.

같은 중심을 가진 좁은 청록 고리와 훨씬 넓고 밝은 청록 고리가 겹쳐 있는 개념 이미지 — 본 단가와 캐싱 요금이 함께 오르는 구조를 표현했습니다

3.7 플래시는 8월 13일이었습니다

직전 버전인 3.7 플래시는 8월 13일에 나왔습니다. 그때도 전작 대비 가격을 낮춘 것이 함께 부각됐습니다.

한 달도 안 되는 간격으로 성능과 가격이 동시에 움직이고 있다는 뜻입니다.

이 속도에서는 어떤 모델이 가장 좋은가보다, 갈아 끼우는 비용이 얼마인가가 실무의 관심사가 됩니다.

3주 간격이라는 출시 속도

3.6에서 3.7까지 3주, 3.7에서 3.8까지 3주였습니다.

이 간격이 유지된다면 다음 버전은 9월 하순쯤이 됩니다. 지금 붙이는 모델이 한 달 뒤에는 직전 세대가 된다는 이야기입니다.

그래서 모델 이름을 코드에 직접 박아 두는 방식은 점점 불리해집니다. 설정으로 빼서 한 줄로 바꿀 수 있게 두는 편이 낫습니다.

짧고 고른 간격으로 일렬로 놓인 어두운 사면체 셋이 뒤로 갈수록 밝아지는 개념 이미지 — 3주마다 이어지는 출시 간격을 표현했습니다

장황함을 줄인 것이 핵심입니다

초기 사용자 반응에서 공통으로 언급된 개선점은 성능 도약이 아니라 출력이 간결해졌다는 것입니다.

같은 질문에 같은 답을 하더라도 군더더기가 줄면 읽는 시간이 줄고 출력 토큰도 줍니다. 비용과 사용성에 동시에 영향을 주는 변화입니다.

혁신이라기보다 다듬기에 가깝다는 평가가 나오는 이유이기도 합니다.

플래시 계열의 오랜 불만이었습니다

출력이 길고 늘어진다는 지적은 이전 플래시 모델들에 계속 따라붙던 문제였습니다.

빠르고 싼 모델을 쓰는 이유는 많이 부르기 위해서인데, 한 번 부를 때마다 답이 길면 그 이점이 상쇄됩니다.

이번 버전이 그 지점을 겨냥했다는 것은 구글이 이 계열의 용도를 어디로 보고 있는지를 보여 줍니다.

왼쪽에 길고 흐릿한 청록 선이, 오른쪽에 짧고 굵은 밝은 청록 선이 멀찍이 떨어져 놓인 개념 이미지 — 장황함이 줄어든 응답을 표현했습니다

AI 스튜디오와 엔터프라이즈에서 씁니다

일반 사용 경로는 구글 AI 스튜디오와 제미나이 엔터프라이즈 에이전트 플랫폼입니다.

엔터프라이즈 플랫폼이 함께 열렸다는 것은 개인 실험용이 아니라 업무 시스템에 붙이는 것을 전제했다는 뜻입니다.

도입을 검토한다면 모델 성능만이 아니라 그 플랫폼의 데이터 처리 조건을 함께 확인해야 합니다.

사이버 변종은 일반 공개가 아닙니다

같은 계열에 사이버 변종이 따로 있는데, 이것은 일반 공개 대상이 아닙니다.

보안 방어 목적으로 검증된 조직에만 제한적으로 제공되는 형태입니다.

공격에 쓰일 수 있는 능력을 가진 모델을 아무에게나 열지 않는다는 판단인데, 최근 여러 회사가 비슷한 방식으로 접근하고 있습니다.

가느다란 어두운 봉으로 짜인 열린 틀 안에 청록빛 정육면체 하나가 갇혀 있는 개념 이미지 — 제한 배포되는 사이버 변종을 표현했습니다

페어윈드라는 울타리

이 제한 배포는 페어윈드 프로그램이라는 이름으로 운영됩니다. 신뢰할 수 있는 방어 측에만 접근을 여는 구조입니다.

울타리를 치는 방식 자체는 합리적이지만, 누가 신뢰할 수 있는 방어 측인지를 판정하는 기준은 회사가 정합니다.

같은 능력을 가진 도구가 어떤 조직에는 열리고 어떤 조직에는 닫히는 구조라, 판정 기준의 투명성이 계속 논의될 지점입니다.

실제 사례 — 코딩 에이전트를 붙인 팀에는 무엇이 달라지나

코드 저장소에 에이전트를 붙여 두고 이슈를 자동으로 처리하게 해 둔 팀을 생각해 보겠습니다.

터미널벤치가 9점 오른 변화는 이 팀에서 체감될 가능성이 높습니다. 명령을 부르고 결과를 읽는 단계가 안정되면 중간에 멈춰 사람이 손대는 횟수가 줄기 때문입니다.

반대로 SWE-벤치가 1점 오른 부분은 체감이 어렵습니다. 어려운 버그를 대신 풀어 주기를 기대했다면 이번 버전으로 크게 달라지지 않습니다.

그래서 이런 팀에 필요한 판단은 모델을 바꿀 것인가가 아니라, 어떤 단계에서 사람이 개입하고 있었는지를 먼저 세어 보는 것입니다.

작은 청록빛 구 여럿이 긴 줄을 이루며 어둠 속을 이동하는 개념 이미지 — 코딩 에이전트의 연속 작업 흐름을 표현했습니다

실제 사례 — 저시력 개발자에게 응답 길이가 갖는 의미

화면을 확대해서 쓰거나 화면 낭독기로 결과를 듣는 환경에서는 출력 길이가 곧 작업 시간입니다.

같은 답이라도 열 줄과 마흔 줄은 다릅니다. 확대 화면에서는 마흔 줄을 읽으려고 여러 번 스크롤해야 하고, 낭독으로 들으면 필요한 한 줄이 나올 때까지 기다려야 합니다.

이번 버전에서 장황함이 줄었다는 것은 이런 환경에서 성능 수치보다 직접적인 개선입니다. 벤치마크 표에는 잡히지 않는 종류의 변화입니다.

AI 도구를 접근성 관점에서 고를 때 응답 길이와 구조를 확인하라고 말씀드리는 이유가 여기에 있습니다.

무엇을 보고 판단해야 하나

첫째, 인용된 벤치마크가 무엇을 재는 것인지 확인합니다. 도구 사용 능력과 문제 해결 능력은 다른 축입니다.

둘째, 가격은 발표 시점이 아니라 기한 이후 값으로 계산합니다. 이번 건은 넉 달 뒤 두 배입니다.

셋째, 사고 토큰이 출력에 포함된다는 조건을 예산에 반영합니다.

넷째, 3주 간격으로 갱신되는 상황이므로 모델 이름을 코드에 고정하지 않습니다.

왼쪽으로 휜 청록빛 호와 오른쪽으로 휜 청록빛 호가 넓은 어둠을 사이에 두고 갈라진 개념 이미지 — 판단 기준이 둘로 나뉘는 지점을 표현했습니다

핵심 정리

구글이 9월 2일 제미나이 3.8 플래시를 정식 공개했습니다. 직전 버전에서 3주 만입니다.

터미널벤치 2.1은 81.6퍼센트에서 90.8퍼센트로 크게 올랐지만, SWE-벤치 프로는 60.4퍼센트에서 61.6퍼센트로 1.2포인트 오르는 데 그쳤습니다.

가격은 100만 토큰당 입력 0.75달러, 출력 3.75달러인데 12월 31일까지만이며 1월 1일에 두 배가 됩니다. 출력에는 사고 토큰이 포함되고 캐싱 요금도 함께 오릅니다.

가장 자주 언급된 개선점은 성능이 아니라 출력이 간결해졌다는 점이었습니다. 사이버 변종은 페어윈드 프로그램을 통해 제한적으로만 제공됩니다.

참고하실 만한 것

새 모델이 나왔다는 소식을 접하면 발표 자료의 벤치마크 표에서 오르지 않은 항목을 먼저 찾아보시기 바랍니다. 오른 항목은 발표가 알아서 알려 줍니다.

가격에 기한이 붙어 있는지도 함께 확인하시면 좋겠습니다. 한시 가격은 도입을 쉽게 만들지만 계산을 어렵게 만듭니다.

SVIL은 이런 발표를 큰 글자와 쉬운 설명으로 정리해 전해 드리고 있습니다. 저시력 환경에서도 부담 없이 읽히도록 만드는 것이 저희 작업의 기준입니다.

출처

협업문의 : kuroicode@gmail.com
블로그 : https://blog.svil.dev/
홈페이지 : https://svil.dev/