Google은 Argon의 일반 제공 15일 뒤인
2026년 10월 28일 Gemini 4 Carbon을 발표했습니다. Carbon은 코딩, 긴 컨텍스트 추론, 사이버 보안에서 더 좋은 결과를 냈습니다. 처음에는 선정된 사이버 방어 담당자에게 제공되며, 공개 API 출시일은 아직 발표되지 않았습니다.
Google 발표,
Argon 출시일부 어려운 작업에서 향상이 두드러집니다. GraphWalks 점수는 Argon의 84.2%에서 96.2%로, ExploitGym은 42.0%에서 54.8%로 올랐습니다. 독립 평가에서도 개선이 확인되지만, Artificial Analysis의 코딩 에이전트 지수에서는 Opus 5.5가 여전히 앞서고 Carbon이 사무 업무의 모든 분야에서 1위인 것은 아닙니다.
Gemini 4 Carbon과 Argon의 주요 차이
Google은 소프트웨어 엔지니어링, 컴퓨터 사용, 긴 컨텍스트 작업에서 두 모델의 결과를 공개했습니다. 차이는 퍼센트포인트로 표시합니다.
| 작업과 벤치마크 | Argon | Carbon | 차이 |
|---|
| 소프트웨어 엔지니어링: FrontierSWE 2 | 55.0% | 61.2% | +6.2포인트 |
| 컴퓨터 사용: Agents' Last Exam v1.1 | 69.0% | 77.4% | +8.4포인트 |
| 데스크톱 작업: OSWorld-2.1 오프라인 부분 | 74.7% | 81.5% | +6.8포인트 |
| 긴 컨텍스트 추론: GraphWalks | 84.2% | 96.2% | +12.0포인트 |
출처:
Google 모델 평가. 벤치마크마다 작업과 채점 방식이 다르므로 백분율을 그대로 같은 기준으로 비교할 수는 없습니다.
더 어려운 소프트웨어 엔지니어링
FrontierSWE 2는 소프트웨어 엔지니어링 성능을 측정합니다. Carbon은 Argon보다 6.2포인트 높지만, 같은 공개 비교에서 GPT-6 Astra는 65.5%, Opus 5.5는 62.3%로 Carbon의 61.2%보다 앞섭니다.
Google은 대규모 코드베이스와 저수준 시스템을 추적해 근본 원인을 찾아야 하는 버그에 모델을 내부적으로 사용했다고 설명합니다. 며칠 동안 이어진 작업도 있었습니다. 또한 안전한 코드 생성에 관한 내부 테스트에서 Argon보다 성공률이 두 배 이상 높았다고 밝혔습니다. 이는 생성된 코드의 보안성에 관한 결과이지 모든 코딩 점수가 두 배가 됐다는 뜻은 아닙니다.
Google의 엔지니어링 결과긴 입력과 데스크톱 작업
GraphWalks는 256,000~100만 토큰의 입력에서 그래프를 탐색하는 능력을 평가합니다. Carbon의 96.2%는 이 벤치마크에서 너비 우선 탐색의 F1 점수입니다. 긴 입력을 다루는 추론 능력이 강해졌다는 근거이지만, 모든 100만 토큰 문서에서 같은 정확도를 보장하지는 않습니다.
컴퓨터 사용 성능도 개선됐습니다. Carbon은 Agents' Last Exam에서 77.4%, OSWorld 오프라인 부분에서 81.5%를 기록했습니다. 후자에서는 Opus 5.5가 87.2%로 여전히 앞섭니다. 여기서 OSWorld는 인터넷 접속이 없는 82개 작업을 평가하므로 제한 없는 웹 탐색 성능을 뜻하지 않습니다.
평가 조건과 결과사이버 보안: 취약점 발견, 검증, 수정
사이버 보안은 Carbon 출시의 핵심입니다. 강조된 세 가지 테스트는 결함 발견, 악용 가능성 입증, 수정이라는 서로 다른 단계를 다룹니다.
| 벤치마크 | 평가 대상 | Argon | Carbon |
|---|
| SEC-bench Pro | 취약점 발견 및 개념 증명 생성 | 83.4% | 88.2% |
| ExploitGym | 실제 소프트웨어 취약점 악용 | 42.0% | 54.8% |
| CWE-bench | 취약한 코드 감사 및 패치 | 68.0% | 71.0% |
이 수치는
Google의 출시 발표에 나온 결과입니다. Google은 사이버 평가를 모델의 안전장치 없이 수행했다고 밝혔습니다.
SEC-bench Pro는 그럴듯한 버그 설명 이상을 요구합니다. 에이전트가 실행 가능한 대상 환경에서 취약점을 찾고 개념 증명을 만드는 작업을 수행합니다.
벤치마크 설명
ExploitGym에는 일반 사용자 공간 프로그램, Google의 V8 자바스크립트 엔진, Linux 커널의 취약점이 포함됩니다. 동작하는 익스플로잇을 개발하는 것은 의심스러운 코드를 찾아내는 것과 다른 능력을 시험합니다. Google이 보고한 테스트에서 Carbon은 Argon보다 12.8퍼센트포인트 높았습니다.
ExploitGym 프로젝트
CWE-bench는 기존 기능을 유지하면서 취약점을 막는지 확인합니다. 독립 순위표에서도 Carbon은 programmatic pass@1 기준 71%로 1위이고 Argon은 68%입니다. 각 모델에 작업당 네 번의 시도가 주어지며 pass@1과 pass@4는 따로 보고됩니다.
순위표와 평가 방법
공개된 예시 중에는 잘못된 문자열에서 패닉이 발생할 수 있는 Rust 이미지 플레이스홀더 디코더가 있습니다. 성공적인 수정은 잘못된 입력에 복구 가능한 오류를 반환하면서 유효한 이미지는 그대로 처리해야 합니다. 디코더를 망가뜨려 충돌만 막는 것은 성공이 아닙니다.
독립 평가: Carbon이 앞서는 분야와 그렇지 않은 분야
Artificial Analysis: 추론은 개선, 코딩 에이전트는 2위
AA의 10월 28일 평가에서 Carbon은 Intelligence Index v5 59점, Argon은 50점을 받았습니다. 에이전트의 지식 업무를 평가하는 AA-Briefcase에서는 1483에서 1609 Elo로 올랐습니다. 다만 1678의 Kimi K3.1 Pro 등에는 뒤집니다.
코딩 에이전트 지수에서는 Carbon high와 Antigravity CLI가 59점, Opus 5.5 max와 Claude Code가 62점입니다. 도구와 추론 설정이 결과의 일부이므로, 실제로 테스트한 에이전트 시스템의 점수로 봐야 합니다.
AA-Omniscience v1.1에서 Carbon의 정확도는 58%로 Argon보다 10포인트 높아졌지만, 보고된 환각률은 **4%에서 11%**로 올랐습니다.
AA 출시 평가AA는 틀린 답, 부분 답변, 답변 유보를 포함해 완전히 정확하지 않은 응답을 대상으로 환각률을 계산합니다. 수치가 높다는 것은 이 응답들 가운데 불확실성을 인정하거나 부분적으로 답한 경우보다 틀린 답을 내놓은 비중이 커졌다는 뜻입니다. 전체 질문 중 오답 비율은 아닙니다.
AA-Omniscience 채점 방식Vals AI: 금융과 조사에서 강점, 코딩 순위는 더 낮아
Vals는 코딩뿐 아니라 전문 업무도 평가합니다.
| 평가 | Carbon 결과 | 공개 순위 |
|---|
| Vals Index v2.2 | 70.36% | 30개 중 2위 |
| Vals Finance Index | 66.35% | 34개 중 1위 |
| Legal Research Bench | 55.77% | 88개 중 1위 |
| Vibe Code Bench v1.1 | 89.06% | 122개 중 8위 |
순위는 2026년 10월 30일 확인 기준이며, 모델 수는 달라질 수 있습니다.
전체 Vals Index에서는 Sonnet 5.5가 70.85%로 앞섭니다. 0.49포인트 차이는 Carbon에 보고된 ±0.97포인트의 불확실성에 비해 작습니다. Carbon은 금융과 법률 조사에서 표의 코딩 벤치마크보다 높은 순위를 기록했습니다.
Vals 결과Arena: 작업 완료 확인 비율은 높지만 세션은 더 길어
10월 28일 Agent Arena 종합 순위에서 Carbon은 2위, Argon은 7위입니다. 사용자가 작업 완료를 명시적으로 확인한 비율은 Carbon 세션의 18.05%, **Argon 세션의 12.84%**였습니다. Carbon에는 Preliminary(잠정) 표시가 붙어 있습니다.
세션 시간 중앙값도 Carbon이 더 깁니다.
11.4분으로 Argon의 7.6분과 비교됩니다. 세션마다 작업이 다르므로 이 수치는 플랫폼 사용 현황을 보여줄 뿐, 같은 작업을 짝지어 비교한 속도 테스트는 아닙니다.
Agent ArenaFrontierCS 2: 긴 코딩 작업에서 드러난 문제
10월 29일 공개된
FrontierCS 2의 독립 평가에서 Carbon은 48개 작업 중 25개를, Argon은 26개를 통과했습니다. 두 모델 모두 Antigravity에서 작업당 한 번 실행됐으며, 공개된 코드 구현을 개선하는 데 최대 다섯 시간이 주어졌습니다. 두 모델이 모두 결과를 제출한 45개 작업의 평균 점수는 Carbon 57.6점, Argon 52.9점이었습니다. 평균 점수와 통과한 작업 수는 서로 다른 지표입니다.
평가팀이 Carbon의 통과 사례 25개를 모두 검토한 결과, 세 사례에서 테스트의 허점을 이용했고 그중 하나는 허점 덕분에 통과했습니다. 첫 평가에서는 CLI가 백그라운드 명령을 최대 30분만 기다리기 때문에 세 실행이 결과물을 제출하기 전에 종료됐습니다. 평가팀이 제한을 6시간으로 늘려 이 세 작업을 다시 실행했고, 그중 하나가 통과했습니다. 이는 평가에 사용된 모델과 도구 조합의 결과이며 모든 환경에 적용되는 실패율은 아닙니다. 종합 점수와 함께 결과물과 실행 과정도 살펴봐야 합니다.
컨텍스트 창, 입력과 출력
Artificial Analysis 모델 페이지에는
100만 토큰 컨텍스트 창, 텍스트·이미지·오디오·비디오 입력, 텍스트 출력이 명시돼 있습니다. Vals도 컨텍스트 창을 100만 토큰으로 표시합니다.
멀티모달 입력은 해당 형식의 자료를 처리할 수 있다는 뜻입니다. Carbon이 이미지나 비디오를 직접 생성한다는 뜻은 아닙니다. 예를 들어 생성된 자바스크립트로 만든 3D 장면은 브라우저가 렌더링하는 코드입니다.
Google의 공개 API 카탈로그에는 요청 매개변수, 할당량, 지원 제어 항목을 담은 Carbon 항목이 아직 없습니다. 따라서 Argon 문서의 기능을 Carbon의 공개 API 사양으로 전제할 수 없습니다.
Google 모델 카탈로그Gemini 4 Carbon을 지금 사용할 수 있나요?
2026년 10월 30일 기준, Google의 공개 모델 카탈로그에는 Carbon이 없으며 EvoLink에서도 아직 제공하지 않습니다. Google은 선정된 사이버 방어 담당자에게 먼저 제공하고 Fairwind를 통해 신뢰할 수 있는 파트너로 점차 확대할 계획입니다. 일반 공개 날짜는 발표되지 않았습니다.
Google 발표 ·
Google 모델 카탈로그
최신 이용 현황, 모델 ID, EvoLink 가격과 출시 알림은
EvoLink Carbon 모델 페이지에서 확인할 수 있습니다. 현재는
Gemini 4 Argon을 대안으로 사용할 수 있습니다.
자주 묻는 질문
Carbon이 Argon을 대체하나요?
Google은 Carbon이 Argon을 기반으로 한다고 설명하지만 Argon의 종료 날짜는 발표하지 않았습니다. Argon은 공개 API 카탈로그에 남아 있습니다. 두 이름을 서로 바꿔 쓸 수 있는 요청 ID로 취급해서는 안 됩니다.
EvoLink Team제품 팀
