구글, 추론 특화 ‘제미나이 4 아르곤’ 공개…GPT-6 Astra와 프런티어 AI 경쟁

‘제미나이 4 아르곤’ 출력 100만 토큰과 추론 효율

핵심 추론 인프라는 구글 7세대 TPU 아이언우드

구글이 차세대 프런티어 인공지능(AI) 모델인 ‘제미나이 4 아르곤(Gemini 4 Argon)’을 전격 공개하며, 생성형 AI 시장의 주도권을 쥔 오픈AI의 최신 플래그십 모델(GPT-6 Astra 등)을 향해 강력한 선전포고를 날렸다.

공식 발표에 따르면, 구글 딥마인드가 선보인 이번 아르곤 모델은 단순 문답이나 요약을 넘어 실제 소프트웨어 엔지니어링, 복잡한 법률·금융 데이터 분석, 자율 사이버 보안 방어 등 ‘장시간·다단계 고난도 추론(Long-horizon reasoning)’ 작업에 초점을 맞춰 설계됐다.

아르곤은 현재 일반 사용자에게 전면 공개되지 않았다. 구글은 우선 ‘Fairwind 프로그램’​을 통해 신뢰할 수 있는 사이버보안 전문가와 기관에 제한적으로 제공하고, 미국 정부의 모델 사전 공개 평가 절차에도 참여한다고 밝혔다.

구글은 아르곤이 실제 소프트웨어 개발과 기업 업무에서 활용되고 있다고 설명했다. 주요 외신에 따르면 구글 내부에서는 아르곤을 활용해 데이터센터 운영을 최적화하고 C/C++ 코드의 Rust 전환 등 대규모 소프트웨어 작업을 수행하고 있다.

가격 경쟁력도 전면에 내세웠다. 초기 API 가격은 입력 100만 토큰당 2달러, 출력 100만 토큰당 10달러​로 제시됐다. 이는 현재 GPT-6 Astra의 API 가격인 입력 10달러, 출력 50달러​보다 낮은 수준이다.

다만 두 모델의 단순 가격 비교에는 주의가 필요하다. GPT-6 Astra는 105만 토큰의 컨텍스트 윈도우와 최대 12만8,000토큰의 출력을 지원​하며, 컴퓨터 사용·소프트웨어 엔지니어링·과학·전문업무 등에서 광범위한 에이전트 기능을 제공한다.

비교 항목	구글 제미나이 4 아르곤 (Gemini 4 Argon)	최신 오픈AI ChatGPT (GPT-6 Astra 계열)
핵심 강점	초장문 다단계 추론, 대규모 코드 리팩터링, 방어적 사이버 보안	복합 에이전트 워크플로, 대화형 문제 해결, 유연한 도구 연동
최대 출력 토큰	최대 100만 토큰 (대규모 일괄 생성 특화)	가변형 블록 출력 (반복적 피드백 및 체인 구조 최적화)
비용 및 효율	경쟁 플래그십 대비 약 40% 저렴한 작업당 비용	정교한 스키마 제어 및 범용 API 생태계 기반
멀티모달 및 통합	구글 워크스페이스, 버텍스 AI(Vertex AI), 검색 그라운딩 최적화	전용 이미지 생성(DALL-E 후속) 및 서드파티 플러그인 생태계
현재 접근성	검증된 보안 파트너 및 엔터프라이즈 얼리 액세스 (순차 공개 예정)	ChatGPT 유료 구독자 및 표준 개발자 API 전면 개방

이번 발표는 오픈AI가 지난달 공개한 GPT-6 Astra와 구글의 프런티어 AI 경쟁이 다시 본격화되고 있음을 보여준다. 경쟁의 초점도 단순한 챗봇 성능에서 장시간 추론, 코드 작업, 사이버보안, 기업용 에이전트 및 비용 효율성​으로 이동하고 있다.

현재 제미나이 4 아르곤은 선별된 신뢰 테스터 및 보안 파트너를 대상으로 우선 배포되었으며, 조만간 유료 API 고객과 구글 AI 울트라(Google AI Ultra) 구독자를 대상으로 접근 권한이 순차 확대될 예정이다.

한편, 구글의 제미나이 4 아르곤(Gemini 4 Argon)을 뒷받침하는 핵심 추론 인프라는 구글의 7세대 TPU인 아이언우드(Ironwood)다. 구글은 아이언우드를 ‘추론 시대’를 겨냥해 설계한 TPU로 설명하며, 특히 장시간 추론과 에이전트형 AI의 대규모 학습·서빙에 최적화했다. 1개 칩은 FP8 기준 4,614 TFLOPS, 192GB HBM3E, 초당 7.37TB HBM 대역폭을 제공하며, 최대 9,216개 TPU를 하나의 슈퍼팟으로 연결하면 42.5 ExaFLOPS 규모로 확장된다. 

특히 아이언우드는 단순 연산 성능보다 추론 비용과 전력 효율에 초점을 맞춘 것이 특징이다. 구글은 이전 세대 Trillium 대비 성능 대비 전력효율이 약 2배 향상됐다고 밝혔다. 대규모 TPU 간 통신을 담당하는 ICI와 광회선 기반 OCS를 결합해 수천 개 가속기를 하나의 시스템처럼 운용할 수 있다. 따라서 아르곤의 장시간·다단계 추론 경쟁력은 모델 자체뿐 아니라 Gemini 모델과 Ironwood TPU, XLA·Pathways 소프트웨어를 함께 설계한 구글의 수직 통합 AI 컴퓨팅 구조와 연결해 볼 필요가 있다.

반면 오픈AI의 GPT-6 Astra는 특정 단일 AI칩으로 구동되는 모델은 아니다. 현재 공개된 인프라 전략을 보면 Astra는 NVIDIA GPU를 비롯해 AMD 가속기와 Microsoft Azure 등 복수의 컴퓨팅 인프라를 활용하는 이기종 시스템에서 서비스되는 것으로 알려졌다.

여기에 오픈AI가 자체 설계한 추론 전용 ASIC ‘Jalapeño’ 개발도 병행하고 있다. 오픈AI의 첫 자체 추론 전용 ASIC인 Jalapeño는 Broadcom과 공동 개발, 2026년 8월 공개된 초기 벤치마크에서 전력효율과 지연시간을 동시에 개선한 것이 핵심 성과로 나타났다. 오픈AI에 따르면 GPT-OSS 120B, DeepSeek R1 670B, Kimi K2.5 1T를 대상으로 기존 비교 시스템보다 와트당 처리량이 1.5~1.9배 높았고, 엔드투엔드 지연시간은 1.7~3.6배 낮았다. GPT-OSS 120B에서는 NVIDIA GB200 대비 피크 처리량/전력이 약 1.9배, 지연시간은 약 1.7배 개선됐다고 오픈AI가 밝혔다.

초대형 모델의 성능 경쟁이 단순한 모델 알고리즘을 넘어 가속기, 메모리, 네트워크, 데이터센터와 소프트웨어 스택을 결합한 추론 인프라 경쟁으로 확대되고 있음을 보여준다.

칩 / 가속기	기업·국가	주요 용도	대표 연산 성능*	메모리	메모리 대역폭	특징
Ironwood TPU7x	Google / 미국	대규모 AI 추론	FP8 4.614 PFLOPS	192GB HBM3E	7.38TB/s	추론 특화 TPU, 최대 9,216칩 확장
B200	NVIDIA / 미국	학습·추론	FP8 4.5 PFLOPS	180GB HBM3E	8TB/s	CUDA 생태계, 대규모 AI 데이터센터
B300	NVIDIA / 미국	AI 추론·학습	FP4 중심 고성능	288GB HBM3E	약 8TB/s	Blackwell Ultra, 추론 효율 강화
MI355X	AMD / 미국	학습·추론	FP8 5 PFLOPS	288GB HBM3E	8TB/s	대용량 HBM, 1,400W급 가속기
Gaudi 3	Intel / 미국	학습·추론	BF16 1.8 PFLOPS	128GB HBM2E	3.7TB/s	이더넷 기반 확장, 비용 경쟁력 강조