# 제미니 4 어 Argon의 성능은? 집계, Python 수정, 3D 제작을 실제로 시켜 보았다.

> https://bookfactory.kr/board/ai-tech/21628
> 게시판: AI·머신러닝
> 작성자: admin
> 작성일: 2026-10-14T07:32:24.304Z

---

## 目次

- 이전 기사와 달라진 점 및 이번 시도 방법
- 공식 벤치마크에서는 무엇이 강한가?
- 인공 분석의 독립적 평가에는요?
- 검증 1: 반품 및 할인 판매를 확인한다
- 검증 2: 오래된 자료와 미승인 제안을 섞지 않고 공지문을 작성한다
- 검증 3: 파이썬 집계 코드를 수정하고 실행한다.
- 추가 검증: 이미지의 공간 이해 및 탁상용 3D 게임
- 업무에서 사용하는 경우, 요청에 무엇을 덧붙여야 할까요?
- 요약:

이번 주말에 츠키시카와에서 열린 ‘마법의 숲’ 팝업 스토어에 다녀왔습니다. 팝업 스토어는 ‘아라비아의 연인’의 세계관을 기반으로 만들어졌는데, 섬세한 디테일과 아름다운 분위기로 많은 팬들의 마음을 사로잡았습니다. 특히, 팝업 스토어 내에 전시된 ‘아라비아의 연인’ 관련 상품들은 한정판으로 제작되어 수집가들 사이에서 큰 인기를 끌었습니다. 팝업 스토어 운영진은 ‘아라비아의 연인’의 작가, 요코우 히로유키 씨의 작품 세계를 최대한 살려 팝업 스토어를 기획했으며, 그의 작품에 담긴 섬세한 감성과 아름다움을 팝업 스토어 공간에서 경험할 수 있도록 노력했습니다. 팝업 스토어 방문객들은 ‘아라비아의 연인’의 분위기를 만끽하며 사진 촬영을 즐겼고, 팝업 스토어는 ‘아라비아의 연인’ 팬들에게 잊지 못할 추억을 선사했습니다. 팝업 스토어 운영진은 앞으로도 ‘아라비아의 연인’ 관련 다양한 이벤트를 개최하여 팬들과의 소통을 강화할 계획입니다.
- 자주 묻는 질문 (FAQ)

안녕하세요, 카즈입니다.

자신의 일에는 어디까지 맡길 수 있을지 궁금하지 않으신가요?

Google의 Gemini 4 Argon은 복잡한 과제를 여러 단계로 나누어 진행하는 데 중점을 둔 모델입니다. 10월 13일에 일반 사용자 대상 배포가 시작되었으며, Google AI Pro에서도 Gemini 앱을 통해 사용할 수 있게 되었습니다.

> 
> 
> 오늘, 제미니 4 아르곤이 공식적으로 출시되었습니다. pic.twitter.com/p5ke6yG79H— 구글 (@Google) 10월 13일, 2026
> 

이번에는 웹 버전에, 집계 검산, 자료 불일치 정리, 파이썬 코드 수정 등을 시도했습니다. 이 작은 검증을 통해 조건을 전달한 집계, 자료 정리, 코드 수정 내용을 확인할 수 있었습니다. 반면, 문자 수 자가 보고에는 차이점이 있었습니다.

구글 공식: 일반 사용자 대상 제공 시작

## 이전 기사와 달라진 점 및 이번 방법 테스트

이전 게시글에서는 9월 30일 발표를 바탕으로 특징과 제공 예정 사항을 정리했습니다. 이 글은 실제로 이용 가능한 이후의 연속편입니다.

웹판 입력란의 모델 선택에서 “4 Argon”을 선택합니다. 이번 화면에서는 사고 수준이 “높음”으로 표시되고 있었습니다.

![画像](https://assets.st-note.com/img/1791934868-0xJMnCjc9LhFaeBAXR4DOtsK.png?width=1200)

## 공식 벤치마크에서는 무엇이 강한가?

Google의 모델 카드에서 용도와 관련된 4가지 항목을 추출했습니다.

![画像](https://assets.st-note.com/img/1791934506-gnmio2UsAr5cLIEvTd0eVOPR.png?width=1200)

DeepSWE와 AutomationBench에서는 게시된 비교 모델들 중에서 높은 결과를 나타내고 있습니다. 반면, FrontierSWE v2에서는 최상위 결과가 아닙니다. 같은 “코드 작성 능력”이라도, 과제나 실행 환경에 따라 결과가 달라집니다.

평가 조건이 모두 충족하는 것은 아닙니다. DeepSWE의 Argon은 Google이 mini-swe 방식으로 평가했으며, 다른 모델은 공개 랭킹이나 시스템 카드 결과를 채택하고 있습니다. LVBench 또한 모델마다 주어진 비디오 프레임 수가 다릅니다.

공식 점수는 해당 평가 조건에서의 결과입니다. Gemini의 채팅으로 일상적인 질문에 몇 % 정답을 보이는지를 나타내는 숫자가 아닙니다. 이번 소규모 검증 역시 이 성능표와 동일한 시험이 아닙니다.

Google DeepMind: 모델 카드 및 평가표

모델 카드(Model Card)는 인공지능 모델의 투명성과 신뢰성을 높이는 데 중요한 도구입니다. Google DeepMind는 모델 카드 작성 및 공개를 적극적으로 추진하고 있으며, 그 노력의 일환으로 다양한 인공지능 모델의 평가표를 공개하고 있습니다.

본 평가표는 모델의 성능, 편향, 사용 방법, 그리고 잠재적인 위험에 대한 정보를 담고 있습니다. 모델 카드와 평가표를 결합함으로써 인공지능 모델의 이용자는 모델의 특성을 이해하고 책임감 있는 이용을 촉진할 수 있습니다.

특히, 다음 사항에 주목하여 평가를 진행합니다.

*   **성능:** 모델의 정확성, 속도, 그리고 기타 성능 지표
*   **편향:** 모델이 특정 집단에 대해 불공정한 결과를 초래할 가능성
*   **사용 방법:** 모델의 적절한 사용 방법과 사용상의 주의 사항
*   **잠재적 위험:** 모델의 오용 또는 악용으로 인한 잠재적 위험

Google DeepMind는 모델 카드와 평가표를 통해 인공지능 모델의 투명성과 신뢰성을 높이고, 사회에 기여할 수 있는 인공지능 개발을 목표로 합니다. 앞으로도 더 많은 인공지능 모델의 평가표를 공개하고 인공지능의 건전한 발전에 기여할 것입니다.

구글 딥마인드: 평가 방법 설명 PDF

## 인공 분석의 독립적 평가에는요?

구글의 공식 발표치 외에도 인공 분석의 10월 14일 게시물과 평가 페이지를 확인했습니다. 특히 다음 3가지 사항을 새롭게 다루고 싶습니다.

53Gemini 4 Argon(high)는 Intelligence Index에서 53점을 기록하며, GPT-6 Astra(max)와 동일한 표시 점수를 나타냅니다. 10가지 평가를 종합한 지표이므로 정답률 53%라는 의미는 아닙니다.

평가 작업당 비용은 1.99달러이며, 이 지표의 가중 평균 비용입니다. GPT-6 Astra(max)의 3.26달러 대비 약 40% 낮은 값입니다. 다만, 11월 30일까지의 도입 가격을 기준으로 한 비교이며, Google AI Pro의 월간 요금이나 이번 Web 버전 사용량과는 별개입니다.

AA-Omniscience의 환각률은 15% 投稿에서, 종합 지표 45 이상의 모델 중에서 가장 낮다고 설명하고 있습니다. 이 환각률은 “오답 ÷ (오답 + 부분 답변 + 답변 회피)”로 계산되며, 전체 질문에 대한 오답률은 아닙니다. 85% 정답을 낸 경우, 읽기 오류는 수정하지 않고, 답변의 근거는 계속해서 확인합니다.

인공 분석 공식 게시글 (2023년 10월 14일)

모델별 평가 / 환각률 정의 / 구글 공식 가격 기간

## 검증 1: 반품 및 할인 판매를 확인한다.

먼저, 가상 넷숍의 데이터를 전달했습니다. 단순한 덧셈에 더하여 반품 상품의 원가를 반환하지 않는다는 조건을 추가했습니다.

예를 들어, 상품 A는 12개를 1개당 2,500원에 판매했으며, 2개가 반품되어 할인액은 총 1,000원입니다. 원가는 1개당 900원이며, 판매된 12개분에 대한 금액을 기록합니다. 상품 B와 C의 데이터도 함께 전달드렸습니다.

요청의 중심은 다음과 같습니다.

> 
> 
> 반품은 매출에서 차감하며, 반품 상품의 원가는 최초 판매 수량 그대로 계산합니다. 상품별 매출, 원가, 순이익 및 합계를 표로 정리하여 사내 메모의 “매출 80,000엔”이 정확한지 판단해 주세요.
> 

아르곤의 답변은 총 매출 78,000엔, 원가 35,600엔, 순이익 42,400엔이며, 별도로 계산한 정답과 상품별 값도 일치했습니다. 회사 내부 메모와 차이 2,000엔도 지적했습니다.

![画像](https://assets.st-note.com/img/1791934609-IHFx3M4fAYl805rd9pkuR6mV.jpg?width=1200)

이 과제에서 확인한 점은 숫자뿐만 아니라 “반품 시 원가를 회수하지 않는다”는 집계 규칙을 반영할 수 있었다는 것입니다. 실제 업무에서도 계산식이나 예외를 먼저 전달하고 답변 표와 원본 데이터를 비교하면 사용하기 편리할 것 같습니다.

## 검증 2: 오래된 자료와 미승인 제안을 섞지 않고 공지문을 작성한다

다음으로, 가상 학습 모임의 “승인된 개최 요건”, “낡은 공지문”, “승인되지 않은 제안”을 전달했습니다.

시작 시간, 개최 형식, 녹화 범위, 질문 마감일이 신규 및 기존 자료 간에 상이합니다. 또한, “결석자에 대한 개별 상담을 제공하는” 제안은 아직 승인되지 않았으며, 신청 URL 또한 확정되지 않았습니다.

> 
> 
> 승인된 개최 요강을 우선으로 하고, 공지문은 250자 이내로 작성해주십시오. 수정된 불일치는 4행으로, 미확정 사항은 1행으로 제시해주시기 바랍니다. 승인되지 않은 혜택은 포함하지 않으며, 자료에 없는 신청 URL을 생성하지 마십시오.
> 

답변에서는 실연 시간을 19:00으로 조정하고, 실연 60분 + 상담 30분, 실연만 녹화하는 조건을 반영했습니다. 미승인된 개별 상담은 공지사항에 포함하지 않고, URL은 미결정으로 처리했습니다.

같은 요청을 다른 새로운 채팅에서 다시 실행했음에도 불구하고 이러한 조건들은 충족되었습니다. 문장의 표현이나 배열은 달라졌습니다.

![画像](https://assets.st-note.com/img/1791934616-8aVyFL4o1Yiv2fKDgAuk5Tpr.jpg?width=1200)

다만, 재실행 답변에는 “167자”라고 표기되어 있었으나, 제목과 문자 수 제한을 제외한 본문을 Python으로 계산하면 163자였습니다. 250자 이내라는 요청을 충족하고 있지만, 문자 수 자가 제출까지 정확하다고 보기 어렵습니다. 엄격한 자수 제한이 있는 경우에는 편집기 등으로 최종적으로 다시 계산하는 것이 좋습니다.

## 검증 3: 파이썬 집계 코드를 수정하고 실행한다.

마지막으로, 제가 직접 만든 짧은 Python 함수를 전달했습니다. 원래 함수에는 소수점 계산, 중복 주문의 두 배 계산, 취소된 주문 처리와 같은 문제가 있었습니다.

수정 요건은 다음과 같이 지정되었습니다.

> 
> 
> 금액은 소수점으로 계산하고, 동일한 ID가 여러 개 있을 경우 입력 리스트 내에서 마지막 행을 적용하며, 취소 항목은 제외합니다. 잘못된 금액은 무시하지 않고 ID를 포함한 ValueError를 발생시키며, 빈 리스트는 Decimal("0")을 반환합니다.
> 

아르곤은 먼저 ID별로 마지막 행만 남기고, 이후 취소 판단 및 금액 변환을 수행하는 코드를 반환했습니다. 입력 예시의 총액 또한 Decimal('32.60')으로 표현했습니다.

![画像](https://assets.st-note.com/img/1791934618-NTjX32lF8MuZ41mDBdpRvJni.jpg?width=1200)

응답을 저장하고, 로컬의 Python 3.13.12에서 실행했습니다. 일반적으로 후속 취소, 후속 복구, 마이너스 금액, 부정 금액, 빈 리스트의 6가지 케이스를, 여기에서 준비한 입력으로 확인했으며, 모두 기대한 결과가 나왔습니다. Argon이 직접 낸 6가지 케이스의 테스트도 통과했습니다.

이 결과는 자작으로 만든 작은 집계 함수에 대한 확인 사항입니다. 실제 시스템에 적용할 경우에는 데이터 형식, 오류 처리 방식, 기존 기능에 미치는 영향 등을 해당 시스템의 테스트를 통해 확인해야 합니다.

## 추가 검증: 이미지의 공간 이해 및 데스크톱 3D 게임

텍스트 외에도 테스트를 위해 개인 정보가 없는 사진풍의 책상 이미지를 생성하여 전달했습니다. 실제 책상을 촬영한 사진이 아닙니다.

물건의 수와 위치를 파악한다

상판만을 세고, 화분, 받침, 식물은 1세트, 쌓인 노트는 개별적으로 세어줄 것을 지시했습니다. 답변은 PC 1대, 식물 1세트, 펜 2개, 머그컵 1개, 노트 2권의 총 7점입니다. 좌우, 전면과 후면의 위치, 오렌지색 노트를 파란색 위에 놓은 관계도 일치했습니다. 실측이나 시선거림 내부 내용은 확인할 수 없다고 보고했습니다.

동일한 이미지를 활용한 미니 레이싱 게임 제작

Three.js를 사용하여 화살표 키로 움직이는 자동차, 장애물과의 충돌, 체크포인트, 리셋 기능을 포함한 단일 HTML 파일을 요청했습니다. 실제 치수는 불명확하므로 임의의 척도를 사용하며, 물체는 간단한 입체 형태로 표현하는 조건입니다.

생성 코드를 변경하지 않고 브라우저로 열었을 때, 가상 시뮬레이션이 그려졌습니다. 차량 이동, 체크포인트 통과, 화분 충돌 표시, 시점 전환, 리셋 확인이 가능했습니다. 전체 3랩 완주까지는 확인하지 못했습니다.

![画像](https://assets.st-note.com/img/1791935919-GKTVh9O71fxBuQokRH0qDlsW.jpg?width=1200)

사진의 정확한 3D 복원이라기보다는 배치 정보를 참고하여 제작한 작은 시제품입니다. 체험형 교재나 기획을 보여주는 데모 시연에 활용될 수 있는 아이디어가 떠오릅니다. 자작 라프를 3D로 구현하고 카메라와 조명을 조정합니다.

다음은 폭 6m x 깊이 4m의 가상 방의 러프 스케치입니다. 북서쪽의 책상과 의자, 남동쪽의 소파, 북벽 중앙의 창문 등을 지정했습니다. 첫 번째 버전은 배치에 반영되었으며, 시점 전환과 밝기 슬라이더도 움직였습니다.

같은 채팅에서 한 번 “입구 쪽에서 높이 1.6m로 보고”, “따뜻한 색상의 저녁, 밝기 70%로 설정”으로 수정 요청을 했습니다. 생성된 수정본 역시 렌더링이 가능했고, 카메라와 조명 변경 사항을 확인했습니다. 코드 비교 결과, 가구의 위치와 크기는 유지되었습니다.

![画像](https://assets.st-note.com/img/1791935937-97kV3SdIfvbrm2KWC4JBORup.jpg?width=1200)

하지만 입구 시점에서는 소파 레이블이 크게 보이고, 벽이나 가구의 시각적 표현에도 조정의 여지가 있습니다. 말로 바로 지적해도 완성 화면을 통해 확인하는 과정은 남아 있습니다.

이번 3D 프린팅을 직접 시도해 보시려는 분들을 위한

저는 실시간 레이싱과 방의 초기 버전 및 수정본의 HTML, 입력 이미지, 실제로 전달한 요청 문장, 실행 절차를 ZIP 파일로 압축했습니다. 생성 코드를 변경하지 않고 저장한 시제품입니다. Three.js를 공개 CDN에서 읽기 때문에 인터넷 연결이 필요하며, 회원 등록이나 유료 API는 사용하지 않습니다.

실행 확인은 macOS의 Chrome과 로컬 HTTP 서버에서 진행했습니다. 전체 3주 완성작의 완주 여부 또는 다른 OS·스마트폰에서의 작동은 확인하지 않았습니다. 사용 방법 및 확인 범위는 첨부된 README에 기재되어 있습니다.

## 업무에서 사용하는 경우, 요청에 무엇을 덧붙여야 할까요?

이번 3가지 과제에서는 판단에 사용하는 조건을 먼저 제공했습니다. 시도할 때는 다음 3가지 사항을 추가하면 결과 확인이 용이해집니다.

정확한 정보를 우선순위로 제시하고, 기존 자료가 있다면 어떤 것이 공식적인 것인지 명확히 설명합니다. 새로운 날짜만으로 판단하지 않고, 승인 여부도 함께 구분하여 제시합니다.

계산이나 처리의 예외적인 반품 비용, 중복 데이터, 취소 등 평소에는 설명을 생략하는 경우가 많은 규칙들을 구체적으로 명시합니다.

완료 후에는 총계, 원 자료와의 일치 여부, 실행 테스트 등을 포함하여 수령인이 확인할 수 있는 형태로 명시합니다. 자료에 없는 내용은 보충하지 않고, 불명확한 부분은 ‘불명’으로 기재해 달라고 요청합니다.

## 지금까지의 논의를 토대로, 이번 행사는 독서 경험을 더욱 풍부하게 하기 위한 새로운 방법을 제안하는 장이 될 수 있도록 기획되었습니다.

구체적으로, 독서 감상문 과제 설정부터 채점까지의 일련의 과정을 AI를 활용하여 효율화하고, 학생들이 더욱 깊이 작품에 몰입할 수 있는 시간과 공간을 창출하는 것을 목표로 합니다.

또한, AI가 생성한 문장을 기반으로 학생들이 독창적인 시각과 해석을 심화하는 워크숍도 개최합니다. 이를 통해 독서 감상문 작성에 있어서 창의성과 비판적 사고력을 육성하고, 학생들의 개성과 재능을 최대한 발휘하는 것을 목표로 합니다.

더 나아가, 이번 행사에서는 독서 경험을 촉진하기 위한 다양한 도구와 교재를 소개합니다. 이러한 도구와 교재를 활용함으로써 가정이나 학교에서의 독서 활동을 더욱 효과적으로 전개하고, 어린이들의 독서 흥미를 고취하는 것을 목표로 합니다.

이번 행사を通じて 독서 경험의 질을 향상시키고, 어린이들의 독서 흥미를 높이는 데 도움이 되는 새로운 아이디어를 얻을 수 있을 것이라고 확신합니다.

Gemini 4 Argon은 공식 평가에서 다중 단계의 업무나 개발 과제에 강점을 보입니다. 이번 Web 버전에서는 집계 규칙 반영, 신구 자료 정리, 짧은 Python 함수 수정 등을 확인했습니다.

먼저, 정답을 따로 확인해 볼 수 있는 자신의 작은 작업으로 시도하는 것이 좋을 것 같습니다. 이번에는 다른 모델과의 동일 조건 비교나 처리 속도 비교는 하지 않았습니다. 자신의 작업에서의 활용 구분은 같은 요청을 평소에 사용하던 모델에도 전달하여 비교해 보고 판단하기가 쉬워집니다.

꼼꼼히 읽어주셔서 감사합니다!

## 자주 묻는 질문 (FAQ)

Q. Google AI Pro를 사용하면 API도 사용할 수 있나요? A. Gemini 앱 이용 권한과 API 이용 요금은 별도입니다. 이번 검증은 Web 버전으로 진행했으며, 유료 API는 사용하지 않았습니다.

Q. Google AI Pro를 사용하시면 Antigravity에서 Gemini 4 Argon을 사용할 수 있나요? A. 아니요, 이용하실 수 없습니다. Gemini 앱에서는 Google AI Pro에서 이용 가능하지만, Antigravity에서 Argon을 선택하거나 사용하려면 Google AI Ultra 등 상위 플랜이 필요합니다.

Q. 사고 수준을 높이시면 답변은 반드시 정확합니다. A. 이번에는 “고치”로 시도했지만, 문자 수의 자가 보고에 차이가 있었습니다. 필요한 확인 방법을 남겨두고 사용하는 것이 좋다고 생각합니다.

## 생성형 AI, AI 에이전트(대리인)를 영상으로 배우고 싶다면 여기 있습니다.

제가 강사로 담당하는 생성 AI 과정에서는 생성 AI의 기초와 업무 활용에 대해 설명하고 있습니다.

생성 AI 과정 (기초)

생성 AI 과정 (실천)

AI 인재 과정

최근 인공지능 기술의 발전이 눈에 띄게 이루어지면서, 기업들은 인공지능 인재에 대한 수요가 급증하고 있습니다. 하지만 인공지능 인재의 육성은 쉽지 않으며, 기업이 자사에서 인재를 육성하는 경우는 제한적입니다.

이에 본 과정에서는 인공지능 기술의 기초부터 응용까지 체계적으로 학습하고, 인공지능 인재로서 활동하기 위한 역량을 습득하는 것을 목적으로 합니다.

과정 내용은 다음과 같습니다.

*   인공지능 기초 이론
*   기계 학습
*   심층 학습
*   자연어 처리
*   이미지 인식
*   인공지능 윤리

## 원 코인 멤버십 안내

생성AI랩에서는 AI 활용을 자신의 업무에 적용하기 위한 접근 방식과 요청 문구(프롬프트), 검증 과정을 공유하고 있습니다.

생성AI랩

## 사건 상담은 여기서 확인하실 수 있습니다.

AI 컨설팅 서비스의 상세 내용은 다음을 참고해 주시기 바랍니다.

※ 카드 설명은 기존 안내 자료입니다. 지속적인 AI 컨설팅은 현재 초청제로 운영됩니다. 30분 온라인 무료 상담은 초청 없이도 신청할 수 있습니다. 기업의 상담 또는 업무 관련 문의는 노트 문의로 부탁드립니다.

## 제미니 4 아르곤 - Google 생성 AI 활용 사례

최근 Google에서 공개한 제미니 4(Gemini 4) 아르곤(Argon) 버전 활용 사례입니다. 제미니 아르곤은 특히 Python 기반으로 엑셀 데이터를 분석하고 업무 효율성을 높이는 데 초점을 맞추었습니다.

생성 AI(生成AI) 연구소에서 진행한 실험 결과, 제미니 아르곤은 복잡한 엑셀 데이터를 신속하게 파악하고, 이를 바탕으로 자동화된 보고서 생성 및 데이터 분석 작업을 수행할 수 있었습니다. 또한, Python 코드를 활용하여 데이터 처리 과정을 최적화하고 업무 효율성을 획기적으로 개선하는 데 기여했습니다.

이러한 제미니 아르곤의 활용 사례는 생성 AI 기술이 단순한 텍스트 생성뿐만 아니라 데이터 분석 및 업무 자동화 분야에서도 강력한 잠재력을 보여줍니다. Google은 앞으로 제미니 모델을 더욱 발전시켜 다양한 산업 분야에서 활용될 수 있도록 노력할 것입니다.

**출처:** [note 원문](https://note.com/kazu_t/n/n5d19f298e138)

*번역: Gemma 3(.44) 초벌 + 교정 59청크*

[원문 보기](https://note.com/kazu_t/n/n5d19f298e138) | 출처: note.com