구글이 9월 2일 제미나이 3.8 플래시를 냈는데 표시 가격은 백만 토큰당 입력 0.75달러·출력 3.75달러로 3.7 플래시와 한 푼도 다르지 않아요(둘 다 12월 31일까지만 도입가고, 2027년 1월 1일부터 1.50달러·7.50달러로 두 배가 돼요). 정작 같은 모델 카드의 '알려진 한계'에 "성능을 끌어올리려고 토큰을 더 쓸 수 있다, 특히 높은 노력 수준에서"라고 적혀 있고, 아티피셜 애널리시스가 같은 지능 지수 한 벌을 돌려 보니 출력 토큰이 3.7 플래시의 6,400만에서 1억 2,000만으로 늘어 과제당 비용이 0.40달러에서 0.58달러가 됐어요 — 지수 점수는 56에서 59로 3점 올랐고요. 코딩 지표는 구글 자기 표 안에서 갈리는데, 터미널벤치 2.1은 89.4%로 클로드 오푸스 5(89.1%)를 앞섰지만 바로 아랫줄 터미널벤치 4.0은 19.1%로 오푸스 5의 51.8%는커녕 GPT-5.6 테라(23.6%)에도 못 미쳐요.
용어 풀이
- 터미널벤치(Terminal-Bench)
- 에이전트가 터미널에서 작업을 끝까지 해내는지 재는 시험. 2.1은 코딩 중심이고 4.0은 더 넓은 일반 작업을 다뤄 점수대가 크게 다르다
- DeepSWE
- 긴 호흡의 소프트웨어 엔지니어링 과제를 에이전트가 처음부터 끝까지 푸는지 재는 공개 벤치마크
- 노력 수준(effort level)
- 답하기 전에 모델이 얼마나 오래 생각할지 정하는 설정값. 제미나이 3.8 플래시는 low·medium·high 세 단계다
운영자 인사이트
플래시 계열을 비용 절감 카드로 잡아 두셨다면 이번엔 단가가 아니라 과제당 토큰을 다시 재 보셔야 해요. 값이 그대로여도 에이전트로 돌릴 때 턴과 출력이 늘면 청구서는 오르고, 구글이 그걸 한계 항목에 직접 적어 뒀거든요. 노력 수준이 조절 칸이니 올리기 전후로 과제당 비용을 따로 찍어 보시고, 긴 터미널 작업이 많다면 89.4%보다 19.1% 쪽이 실제 상한에 가까울 수 있다는 것도 함께 보세요.
여러 관점으로 보기
- 구글 모델 카드 — 값 비교표와 한계 항목 같은 표에 3.7 플래시와 입력·출력 값이 똑같이 적혀 있고, 터미널벤치 2.1 89.4%(오푸스 5는 89.1%) 바로 아래에 터미널벤치 4.0 19.1%(오푸스 5는 51.8%)가 나란히 있어요. 블로그가 '더 큰 최신 모델 대부분을 앞선다'고 내건 DeepSWE v1.1도 73.7%라 오푸스 5의 74.0%엔 못 미쳐요. Google DeepMind
- 외부 측정 — 실제로 쓴 토큰과 과제당 비용 지능 지수 한 벌을 도는 데 출력 토큰 1억 2,000만 개를 썼어요. 같은 급 모델 중앙값이 7,100만이라 '매우 수다스럽다'는 딱지가 붙었고, 3.7 플래시는 같은 시험에 6,400만이면 됐어요. Artificial Analysis
- 경쟁 모델 대비 위치 지능 지수 59는 GPT-5.6 Sol·그록 4.6과 같은 자리고 클로드 오푸스 5(63)·페이블 5.1(66)보다는 아래예요. 함께 나온 3.8 플래시 사이버는 취약점 찾기와 자동 패치용인데, 페어윈드 프로그램을 통해 정부·기간 시설·소프트웨어 관리자에게만 열려요. The Register
- 실사용자 반론 해커뉴스 915점 토론에선 '어느 정도 규모의 코드베이스에서 코드를 쓰는 건 Sol이 플래시를 압도한다', '과제당으로 치면 5.6 Sol high보다 비싸다'는 후기가 올라왔어요. 공개 데이터셋인 DeepSWE는 오염됐다고 봐야 한다는 지적과, 터미널벤치 2.1만 앞세운 것 아니냐는 지적도 나왔고요. Hacker News
- 더 열심히 일하지만 더 비쌀 수 있다 구글이 스스로 '이 모델은 더 열심히 일한다'고 내걸었는데, 그 말이 곧 비용이 더 들 수 있다는 뜻이기도 하다는 지적이에요. The Verge
- 출시 속도 여섯 주 만에 나온 세 번째 플래시 모델이에요. Ars Technica