제미니 4 아르곤은 2026년 10월 13일에 일반에 공개되었으며, 구글은 아르곤 요청의 비용과 소요 시간을 결정하는 두 가지 설정인 사고 수준과 출력 한도를 문서화했습니다. 아르곤은 낮음, 중간 및 높음의 세 가지 사고 수준을 제공하며 기본값은 중간입니다. 응답은 긴 디코드를 활성화하지 않으면 64K 토큰에서 중단되며, 긴 디코드를 활성화하면 단일 응답이 1M 토큰까지 실행될 수 있습니다.
기본값에는 함정이 있습니다. 발표된 모든 아르곤 벤치마크는 높은 수준에서 실행되었습니다: 구글은 이를 "가장 높은 사고 설정으로 평가했습니다", 인공지능 분석은 높은 수준에서 테스트했으며, 발스 AI는 높은 수준에서 실행했습니다. 수준을 설정하지 않은 요청은 중간에서 실행되므로, 이는 해당 점수가 설명하는 구성과 일치하지 않습니다.
이 게시물에서는 세 가지 수준과 각 수준에 대한 구글의 조언, 높은 수준에서의 비용과 시간, 응답이 비어 있지 않도록 출력 한도를 설정하는 방법, 긴 디코드가 작동하는 방식과 청구되는 방식을 다룹니다. 마지막으로 AIHubMix에 대한 코드를 포함합니다.
간단한 버전
- 아르곤은 세 가지 사고 수준을 가지고 있습니다: 낮음, 중간(기본값) 및 높음. 사고는 끌 수 없습니다.
- 발표된 모든 벤치마크는 높은 수준을 사용했습니다. 중간이나 낮은 수준에서의 결과는 발표된 바가 없습니다.
max_output_tokens는 사고와 응답을 함께 제한합니다. 최소 32,768로 설정해야 하며, 그렇지 않으면 하드 프롬프트가 전체 예산을 사고에 소비하고 아무것도 반환하지 않을 수 있습니다.- 긴 디코드가 없으면 응답은 65,536 토큰에서 중단됩니다. 긴 디코드가 활성화되면 응답은 입력을 제외한 1,048,576 토큰까지 실행될 수 있습니다.
- 긴 디코드는 64K "홉"마다 모든 토큰을 청구하며, 각 홉은 지금까지 작성된 모든 내용을 입력으로 다시 읽습니다. 이는 암묵적 캐싱으로 95% 할인됩니다.
세 가지 수준
구글의 제미니 4 아르곤의 새로운 기능 가이드는 수준을 다음과 같이 설명합니다:
| 수준 | 토큰 사용 | 구글의 추천 용도 |
|---|---|---|
| 낮음 | 가장 적은 토큰, 가장 낮은 대기 시간 | 더 간단하고 비용에 민감한 작업 |
| 중간(기본값) | 균형 잡힘 | 대부분의 작업, 복잡한 코드 및 에이전트 포함 |
| 높음 | 가장 많은 토큰, 가장 느린 첫 번째 토큰 | 가장 어려운 추론, 수학 및 코드 |
구글은 낮은 수준에서 "어려운 작업에서 품질이 떨어질 수 있다"고 경고하며, 선택에 대한 조언은 간단합니다: "모든 세 가지 수준에서 평가를 실행한 다음, 품질 기준을 충족하는 가장 낮은 수준을 선택하세요."
네이티브 API에서 설정은 thinking_level이며, 제미니 사고 가이드에 문서화되어 있습니다. OpenAI 호환 엔드포인트를 통해서는 reasoning_effort입니다. 구글의 OpenAI 호환성 가이드는 아르곤의 값을 매핑합니다: 최소 및 낮음은 모두 낮음이 되고, 중간은 중간으로 유지되며, 높음은 높음으로 유지되고, 생략하면 기본값인 중간이 됩니다. 사고를 끄는 수준은 없습니다.
기본값은 중간입니다. 벤치마크는 높습니다.
구글, 인공지능 분석 및 발스는 모두 아르곤을 높은 수준에서 보고합니다. 발스는 또한 262,144 토큰의 출력 한도를 설정했습니다. 따라서 여러분이 본 점수는 아르곤의 최고 수준을 설명하며, 수준이 설정되지 않은 요청은 한 단계 낮은 수준에서 실행됩니다.
그것이 반드시 문제는 아닙니다. 중간은 구글이 대부분의 작업, 복잡한 코드 및 에이전트에 대해 추천하는 수준이며, 높은 수준보다 적은 토큰을 사용합니다. 그러나 중간이나 낮은 수준이 얼마나 많은 정확성을 포기하는지, 또는 얼마나 많은 토큰을 절약하는지에 대한 발표는 없습니다. [TBD: 사고 수준별 정확도 및 토큰]
비교를 위해 한 가지 더 중요한 세부 사항이 있습니다. GPT-6 아스트라와 GPT-6.1 솔은 "최대"라는 높은 수준 위에서 테스트되었습니다. "아르곤(높음)"과 "아스트라(최대)" 간의 동점은 각 모델이 자신의 한계에 도달했음을 의미하며, 설정이 일치하는 것은 아닙니다.
높음의 비용
여기 수치는 인공지능 분석에서 가져온 것으로, 제공자 속도 테스트를 포함하며, 발스 AI에서 가져온 것입니다. 모두 아르곤을 높은 수준에서 실행했습니다.
| 측정 | 제미니 4 아르곤 (높음) | 비교를 위한 |
|---|---|---|
| AA 작업당 출력 토큰 | ~62k | GPT-6 아스트라 (최대): ~27k |
| AA 지수의 출력 토큰 | 110M | 중간 모델: 85M |
| 출력 속도 | 99.5–116.5 토큰/초 | AI 스튜디오 / 버텍스 AI |
| 첫 번째 응답 토큰까지의 시간 | ~45 초 | 사고 시간을 포함합니다 |
| Vals 지수 테스트당 시간 | 46 분 33 초 | — |
사고 토큰은 출력으로 청구됩니다: 구글은 아르곤의 출력 가격을 "사고 토큰을 포함하여" 나열하며, 사용 데이터는 이를 total_thought_tokens로 보고합니다. 작업당 ~62k 출력 토큰에서, 작업 비용은 구글의 소개 가격인 백만당 $10에서 약 $0.62이며, 백만당 $20에서 약 $1.24입니다. 이는 12월 1일부터의 가격입니다.
시간은 토큰을 따릅니다. 초당 99.5에서 116.5 토큰에서 62k 토큰을 생성하는 데 대략 9에서 10분이 소요되며, 첫 번째 응답 토큰을 기다리는 데 약 45초가 소요됩니다. 대화형 제품은 높은 수준에서 스트리밍 및 진행 표시기가 필요하거나 낮은 수준에서 필요합니다.
출력 한도 설정
max_output_tokens는 사고와 응답을 함께 제한하는 하드 한도입니다. 응답이 이 한도에 도달하면 상태는 "불완전"이며 텍스트는 잘리거나 비어 돌아오며, 사고 토큰은 여전히 청구됩니다. 구글의 안내:
- 앱이 32K 이하의 한도를 설정하면 최소 32,768로 올리세요. 아르곤은 이전 모델보다 사고에 더 많은 한도를 사용할 수 있습니다.
- 더 적게 사용하려면 작은 한도를 설정하는 대신 사고 수준을 낮추세요.
- 긴 디코드가 없으면 기본값과 최대값은 65,536 토큰입니다. 긴 디코드 없이 더 많은 것을 요청하면 400 오류가 반환됩니다.
- 입력, 사고 및 출력은 하나의 1,048,576 토큰 창을 공유합니다. 입력과
max_output_tokens의 합이 이를 초과하면 출력 한도가 맞춰서 줄어듭니다.
제미니 3에서의 두 가지 변경 사항이 더 있습니다. 온도, top_p 및 top_k는 아르곤에서 무시되므로 조정해도 아무런 효과가 없습니다. 하드 프롬프트는 몇 분이 걸릴 수 있으므로 구글은 최소 15분의 HTTP 클라이언트 타임아웃을 권장합니다.
긴 디코드: 64K 토큰을 초과하는 응답
긴 디코드는 구글이 출시 시 발표한 긴 디코드 연속입니다. 긴 디코드 가이드는 이를 실행하는 두 가지 방법을 설명합니다.
백그라운드 실행 (상호작용 API). background=True 및 max_output_tokens를 65,536 이상으로 설정하여 상호작용을 생성합니다. 백그라운드 실행은 store=true가 필요합니다. 서버는 응답을 최대 64K 토큰의 홉으로 작성하며, 각 홉은 마지막이 중단된 곳에서 계속됩니다. 최대 24시간 동안 가능합니다. 각 홉은 model_output 단계를 추가하므로 상호작용이 완료되면 이를 결합합니다. background=True를 설정하고 max_output_tokens를 올리지 않으면 64K에서 중단됩니다.
클라이언트 측 연속 (generateContent API). 각 홉은 스트리밍 또는 SDK를 통해 최대 64K 토큰을 반환하며, 비스트리밍 REST 호출의 경우 32K입니다. 한 홉이 한도에 도달하면 finish_reason: CONTINUATION 및 continuation_token으로 끝나며, 다음 요청은 동일한 입력과 토큰을 보냅니다. 최근 SDK는 이를 자동으로 처리합니다: Python google-genai 2.30.1 및 JavaScript @google/genai 2.29.1 이상. 각 요청은 20분의 한도가 있습니다.
긴 디코드를 스트리밍할 때는 상호작용 ID와 최신 event_id를 저장하고, 스트림이 중단되면 last_event_id로 다시 연결하며, 읽기 타임아웃을 15에서 20분으로 설정합니다. 첫 64K 토큰 이후에는 스트림이 약 5,000 토큰의 청크로 도착하며 그 사이에 일시 정지가 있습니다.
구글은 언제 긴 디코드가 가치가 있는지 명확히 합니다:
| 작업량 | 긴 디코드? |
|---|---|
| 어려운 수학, 과학 및 증명 | 예 |
| 가장 어려운 코딩 및 에이전트 작업 | 예 |
| 한도에서 중단되는 평가 하네스 | 예 |
| 채팅, Q&A, 요약, 추출 | 아니요, 32K 이하에서 완료됩니다 |
| 고정 길이 요청 | 아니요, 길이 목표는 무시됩니다 |
| 짧은 도구 회전이 많은 에이전트 | 아니요 |
| 1M 입력 한도에 가까운 프롬프트 | 아니요 |
| 지연에 민감한 호출 | 아니요 |
더 높은 한도는 모델이 사고할 공간을 제공합니다; 이는 일반적인 응답을 더 길게 만들지 않습니다. 모델은 얼마나 쓸지를 결정하며, 단어 또는 토큰 목표를 따르지 않습니다.
긴 디코드가 청구되는 방식
모든 홉에서 모든 토큰에 대해 비용을 지불합니다. 사고만 포함된 홉도 포함됩니다. 각 홉은 프롬프트와 지금까지 생성된 모든 내용을 모델에 입력으로 다시 보냅니다. 구글의 예: 1,000 토큰의 프롬프트가 200,000 토큰의 사고 및 출력을 생성하는 데는 네 개의 홉이 필요합니다.
| 홉 | 모델에 전송된 입력 | 입력 토큰 |
|---|---|---|
| 1 | 프롬프트 | 1,000 |
| 2 | 프롬프트 + 홉 1 | 66,536 |
| 3 | 프롬프트 + 홉 1–2 | 132,072 |
| 4 | 프롬프트 + 홉 1–3 | 197,608 |
| 총계 | 397,216 |
사용 데이터는 약 397,000 입력 토큰을 보고하지만, 실제 컨텍스트는 약 201,000만 담고 있습니다. 암묵적 캐싱은 반복된 입력을 95% 할인하므로 비용이 저렴합니다: 소개 가격에서 200,000 출력 토큰은 $2.00이며, 약 396,000 반복 입력 토큰은 백만당 $0.10에서 약 $0.04가 추가됩니다. 출력이 여전히 청구서에서 우세합니다.
두 가지 부작용이 있습니다. total_input_tokens를 사용하여 대화를 잘라내거나 요약할 시점을 결정하지 마세요. 이는 컨텍스트를 과대 평가하므로, 대신 출력 및 사고 총계에 프롬프트 크기를 추가하세요. 그리고 취소되거나 실패한 상호작용은 중단되기 전에 수행된 모든 작업을 청구합니다.
작업량에 따른 시작 지점
이들은 구글의 수준 안내를 따릅니다; 각 수준별 정확도에 대한 발표는 없습니다.
| 작업량 | 시작 수준 | 이유 |
|---|---|---|
| 가장 어려운 수학, 과학 및 코드 | 높음 | 발표된 벤치마크와 일치합니다 |
| 복잡한 코드 및 에이전트 | 중간 | 구글의 추천 기본값 |
| 법률 및 재무 분석 | 높음 | 발표된 결과는 높음에서 이루어졌습니다 |
| 추출 및 분류 | 낮음 | 더 간단하고 비용에 민감한 작업 |
| 채팅 및 지원 | 낮음 | 가장 낮은 대기 시간 |
그런 다음 한 단계 낮은 수준에서 테스트하세요. 더 저렴한 수준이 자체 평가 세트에서 기준을 충족하면 유지하세요.
세션 내에서 수준을 고정하세요. 아르곤은 암묵적으로 캐시되며, 4,096 토큰 이상의 프롬프트에 대해 반복된 입력을 95% 할인합니다. AIHubMix 제미니 가이드는 캐시 적중이 동일한 콘텐츠, 모델 및 매개변수를 필요로 한다고 언급합니다. 턴 간에 수준을 전환하면 캐시된 입력이 다시 전체 가격의 입력으로 변환될 수 있습니다.
AIHubMix에서 수준 및 한도 설정
아르곤은 gemini-4-argon으로 AIHubMix에 있으며, OpenAI 호환 엔드포인트 및 네이티브 구글 GenAI SDK를 통해 사용할 수 있습니다. 대부분의 요청에 대해 수준과 한도를 명시적으로 설정하세요:
import os
from openai import OpenAI
client = OpenAI(
base_url="https://aihubmix.com/v1",
api_key=os.environ["AIHUBMIX_API_KEY"],
timeout=900, # 하드 프롬프트는 몇 분이 걸릴 수 있습니다
)
resp = client.chat.completions.create(
model="gemini-4-argon",
reasoning_effort="medium", # 아르곤의 기본값; 벤치마크는 "높음"을 사용했습니다
max_tokens=32768, # 사고와 응답을 함께 제한합니다
messages=[
{"role": "user", "content": "이 결제 서비스의 재시도 논리에서 경쟁 조건을 검토하세요.\n\n<소스 코드>"},
],
)
print(resp.choices[0].message.content)
print(resp.usage)
긴 디코드를 위해서는 AIHubMix의 제미니 엔드포인트를 가리키는 네이티브 SDK를 사용하세요. AIHubMix의 가이드는 여기에서 상호작용 API를 문서화하며, 백그라운드 모드를 포함하여 google-genai 2.0.0 이상을 사용합니다. 아래 패턴은 구글이 문서화한 것이며, 아직 AIHubMix를 통해 테스트되지 않았습니다. [TBD: AIHubMix를 통한 긴 디코드]
import os
import time
from google import genai
client = genai.Client(
api_key=os.environ["AIHUBMIX_API_KEY"],
http_options={"base_url": "https://aihubmix.com/gemini"},
)
interaction = client.interactions.create(
model="gemini-4-argon",
input="이 결제 모듈에 대한 전체 테스트 스위트를 작성하세요. 모든 엣지 케이스에 대한 테스트를 포함합니다.\n\n<소스 코드>",
background=True,
generation_config={"max_output_tokens": 262144, "thinking_level": "high"},
)
while interaction.status in ("in_progress", "queued"):
time.sleep(5)
interaction = client.interactions.get(id=interaction.id)
# 각 홉은 model_output 단계를 추가합니다; 모두 결합합니다.
text = "".join(
part.text
for step in interaction.steps
if step.type == "model_output"
for part in step.content
if part.type == "text"
)
print(interaction.status, interaction.usage)
아르곤의 AIHubMix 모델 페이지는 지원되는 입력, 기능 및 현재 가격을 나열합니다.
자주 묻는 질문
제미니 4 아르곤은 어떤 사고 수준을 지원하나요?
낮음, 중간 및 높음. 기본값은 중간이며, 사고는 끌 수 없습니다.
아르곤의 벤치마크는 어떤 수준에서 실행되었나요?
높음. 구글, 인공지능 분석 및 발스 AI 모두 아르곤을 높은 수준에서 보고하며, 중간이나 낮은 수준에서의 결과는 발표된 바가 없습니다.
OpenAI SDK를 통해 수준을 어떻게 설정하나요?
reasoning_effort를 사용하세요. 아르곤의 경우, 최소 및 낮음은 낮음으로 매핑되고, 중간은 중간으로, 높음은 높음으로 매핑됩니다. 생략하면 중간이 됩니다.
아르곤이 빈 응답을 반환한 이유는 무엇인가요?
아마도 전체 max_output_tokens 예산을 사고에 소비했기 때문입니다. 응답은 불완전하게 돌아오며 사고 토큰은 여전히 청구됩니다. 한도를 최소 32,768로 올리거나 사고 수준을 낮추세요.
64K 출력 토큰을 초과하려면 어떻게 하나요?
긴 디코드를 사용하세요. 상호작용 API에서 background를 true로 설정하고 max_output_tokens를 65,536 이상으로 설정하세요. generateContent에서는 최근 SDK를 사용하여 홉을 자동으로 계속합니다.
긴 디코드는 어떻게 청구되나요?
모든 홉에서 모든 토큰에 대해 비용을 지불합니다. 각 홉은 프롬프트와 지금까지 생성된 모든 내용을 입력으로 다시 보내며, 암묵적 캐싱은 반복된 입력을 95% 할인합니다. 취소되거나 실패한 실행은 이미 수행된 작업을 청구합니다.
제미니 4 아르곤에서 온도는 여전히 작동하나요?
아니요. 온도, top_p 및 top_k는 무시되므로 이를 제거하고 사고 수준을 사용하여 행동을 제어하세요.
계속 읽기: 제미니 4 아르곤 시리즈
- 설정을 조정하기 전에 아르곤이 귀하의 작업량에 적합한 모델인지 확인하세요: 제미니 4 아르곤: 프론티어 점수, 1M 토큰 출력 한도 및 지금 호출하는 방법
- 높은 사고가 아르곤의 작업을 비싸게 만드는 원인입니다. 두 명의 독립적인 테스터로부터 측정된 작업당 비용: 제미니 4 아르곤 가격: 토큰당 저렴하지만 작업당 비싸다
- 사고 기본값, 출력 한도 및 무시된 샘플링 매개변수는 마이그레이션 체크리스트의 세 가지 변경 사항입니다: 제미니 3.1 프로 또는 3.8 플래시에서 제미니 4 아르곤으로 이동: 무엇이 깨지고 어떻게 수정할 것인가
출처
- 제미니 4 아르곤의 새로운 기능 (구글 AI 개발자용)
- 제미니 사고 (구글 AI 개발자용)
- 긴 디코드 (구글 AI 개발자용)
- 제미니 4 아르곤: 구글이 다시 지능을 달성한 상위 세 개의 연구소 중 하나로 돌아왔습니다 (인공지능 분석)
- AIHubMix의 제미니 4 아르곤 (AIHubMix)
