Gemini 4 Argon: 구글의 놀라운 귀환

구글의 Gemini 4 Argon이 프론티어 모델 경쟁에 확실하게 재진입하며 검색 거대 기업으로서의 놀라운 귀환을 알렸습니다. 이 평가는 독립적인 모델 성능 감사가 아닌, 한 크리에이터의 실사용 테스트를 기반으로 합니다. 저명한 AI 개발자인 Matthew Berman은 최근 영상에서 Argon의 인상적인 생성 능력을 선보였습니다.

Berman은 독특한 기본 동작을 관찰했습니다. 명시적인 범위나 /goal 지시사항이 없으면, Argon은 결과물을 내놓기 전까지 약 30분 동안 작업을 반복적으로 수행했습니다. 이는 약 30분간의 자율 빌드 후 브라우저에서 60 FPS로 실행되는 Three.js 기반의 초현실적인 사이버펑크 도시와 같은 복잡한 3D 렌더링에서 분명하게 나타났습니다.

이러한 긴 자율 실행 시간은 개발자들에게 양날의 검입니다. 가이드 없는 긴 반복 작업은 Argon이 상세하고 인터랙티브한 3D 환경에서 보여주었듯 더 풍부하고 정교한 결과를 만들어낼 수 있습니다.

그러나 이는 상당한 지연 시간을 발생시키며, 특히 시간이 중요한 애플리케이션에서 Argon을 배포할 때 개발자가 명확한 작업 범위, 반복 제한, 명시적 목표를 정의해야 할 필요성을 강조합니다. 출력의 깊이와 예측 가능한 실행 사이의 균형을 맞추는 것이 무엇보다 중요해졌습니다.

Argon의 초기 결과물: 자연어 프롬프트에서 생성된 three.js 사이버펑크 도시는 초당 60프레임(FPS)으로 실행되었습니다. 이 애니메이션 장면은 "2049 Amber" 및 "Biosynth"와 같은 조정 가능한 시각적 프리셋을 제공하며, "Cockpit HUD"를 포함한 다양한 camera 옵션에 대한 제어 기능을 갖추고 있습니다.

다음으로 Berman은 물리 및 상호작용을 위한 Rube Goldberg 시뮬레이션을 테스트했습니다. 도미노, 구르는 공, 핀볼 스타일의 상호작용이 특징인 이 복잡한 장치는 카메라 뷰를 제어할 수 있게 했습니다. 인상적이기는 했지만, 시뮬레이션은 불완전함을 드러냈습니다. 공이 잠시 끼어 두 번째 클릭이 필요했고, 일부 객체는 약간의 클리핑 현상을 보였습니다.

인상적인 상호작용에도 불구하고 시각적 충실도는 한계를 보였습니다. Rube Goldberg 머신을 위한 "Grand Canyon" 및 "Las Vegas"와 같은 테마 환경은 "초현실적" 출력이라는 프롬프트에도 불구하고 진정한 현실감을 달성하지 못했습니다. 바다 위의 배를 구현한 Unreal Engine 데모는 강력한 물과 파도 물리 효과를 보여주었지만, 디테일이 반복적이고 수중 뷰가 부족하여 그래픽 현실감 측면에서 Argon의 현재 한계를 드러냈습니다.

시각적인 볼거리를 넘어, Berman의 테스트는 Argon의 폭넓은 코딩 범위를 보여주었습니다. 반복적인 프롬프트를 통해 점진적으로 개선되는 Fall Guys 스타일 게임을 생성하여 개선 능력을 입증했습니다. 또한 Argon은 Excel과 유사한 브라우저 클론을 생성했지만, 여전히 수식 오류가 포함되어 있어 추가 개발이 필요한 영역임을 시사했습니다.

Berman은 또한 Argon의 벤치마크 보고 결과를 제시했습니다. 이 모델은 DeepSwee에서 77.9점, Vibe Code Bench에서 91.9%를 기록하여 특정 코딩 작업에서 강력한 성능을 보였습니다. Terminal Bench에서는 57점, OSWorld에서는 69%, Agent’s Last Exam에서는 39점을 기록했습니다.

이 점수들을 비교해 보면, Berman은 Argon을 주요 모델 중 하나로 평가하며 특정 코딩 및 컴퓨터 사용 테스트에서의 강점을 언급합니다. 그러나 제시된 직접 비교에서 Terminal Bench 점수는 Opus보다 낮게 나타났으며, 이는 어떤 단일 모델도 모든 지표에서 보편적으로 우위를 점하지는 못한다는 점을 강조합니다. 더 자세한 정보는 Introducing Gemini 4 Argon - Google Blog와 같은 공식 발표를 참조할 수 있습니다. Argon의 성능은 상당한 역량을 갖춘 모델임을 시사하지만, 동시에 뚜렷한 강점 분야와 성장 가능성을 함께 보여줍니다.

Argon의 3D 역량은 인상적이지만, Matthew Berman의 테스트 결과는 이 모델이 독보적인 챔피언은 아님을 보여줍니다. 그는 Argon이 Three.js, Unreal Engine, Blender와 같은 3D 작업에서 Meta의 Muse Wonder보다 강력하다고 평가합니다. 그러나 전반적인 그래픽 및 공간 실행 능력 면에서는 여전히 Anthropic의 Opus와 OpenAI의 Astra에 뒤처집니다.

이러한 불균형한 성능은 중요한 교훈을 시사합니다. 모델의 전반적인 코딩 평판이나 벤치마크 점수가 모든 특정 작업에서 완벽한 결과물을 보장하지는 않는다는 것입니다. 많은 코딩 영역에서 뛰어난 역량을 발휘하는 Argon과 같은 프런티어 모델이라 할지라도, 광범위한 프롬프팅 없이는 초현실적인 3D 렌더링이나 복잡한 물리 엔진의 미묘한 요구 사항을 처리하는 데 어려움을 겪을 수 있습니다.

생성된 소프트웨어는 시작점으로 활용하십시오. Rube Goldberg 머신의 간헐적인 클리핑 현상과 같은 예외적인 상황이나 예상치 못한 상호작용에 세심한 주의를 기울여 동작을 철저히 검사하십시오. 모델의 기본 30분 런타임에 의존하기보다는 명확한 시간이나 완료 목표를 설정하십시오. 코드 생성 비용이 낮아짐에 따라 제품의 품질과 실행력이 핵심적인 차별화 요소로 부상하고 있습니다.

Gemini 4 Argon이란 무엇인가요?

영상에서 Gemini 4 Argon은 코딩, 3D 생성 및 에이전트 스타일 작업에서 테스트된 Google의 프런티어 AI 모델로 소개됩니다.

Gemini 4 Argon으로 무엇을 만들 수 있나요?

시연 내용에는 대화형 Three.js 장면, 물리 기반의 Rube Goldberg 머신, Fall Guys 스타일의 게임, 브라우저용 스프레드시트 클론 등이 포함됩니다.

Gemini 4 Argon이 3D 생성에 가장 적합한 모델인가요?

영상 평가자는 이 모델이 유능하다고 평가하지만, Anthropic의 Opus와 OpenAI의 Astra가 더 강력한 3D 결과물을 만들어낸다고 언급합니다.

Gemini 4 Argon은 왜 작업에 약 30분이 소요되나요?

제작자의 테스트에서 최소한의 지시만 주어졌을 때 약 30분 동안 작업하는 경우가 많았습니다. 명확한 목표와 시간 제한을 설정하면 이를 제어하는 데 도움이 될 수 있습니다.