Gemini 4 Argon (High) 지능·성능·가격 분석

TL;DR Highlight

Gemini 4 Argon(High)은 지능 지수 53으로 상위권이나 느리고 첫 토큰이 늦다

Who Should Read

새 모델로 갈아탈지 비용·속도·품질을 비교해야 하는 LLM API 백엔드 개발자

Core Mechanics

지능 지수 53으로 중앙값의 두 배
- Artificial Analysis Intelligence Index 53점이고, 비슷한 가격대 모델 중앙값은 27이다.
- 전체 순위는 21753 중 8위로 표시돼 있다.
가격은 중앙값과 같은 수준
- 입력 $2.00, 출력 $10.00 (100만 토큰당)이고 둘 다 중앙값과 같다.
- 캐시 할인은 95%다.
Intelligence Index 한 태스크당 $1.99
- 지수를 돌리는 데 태스크당 평균 비용이 $1.99라고 한다.
- 비용 순위는 114개 중 83위다.
출력 속도는 평균보다 약간 느리다
- 초당 84.2 토큰(Google API 기준)이고 중앙값은 85.4다.
- 속도 순위는 186개 중 97위다.
첫 토큰까지 47.97초로 매우 느리다
- TTFT(첫 토큰까지 걸리는 시간)가 47.97초(Google API 기준)다.
- 비슷한 가격대 중앙값은 3.81초다.

Community Reactions

가격 전쟁을 피할 것이라는 의견
- 원가 판매도 가능하지만 모두가 마진을 남기는 쪽이 낫다는 게임이론 관점의 댓글이 있었다.
- 구글은 컴퓨트·서비스도 팔아 이중으로 이득을 본다는 주장이다.
환각률이 낮아진 점이 인상적이라는 의견
- 기존 Gemini가 환각에 약했던 점을 감안하면 큰 도약이라는 평이었다.
Opus 5.5에 5점 뒤진다는 평가
- AA 기준 Opus 5.5보다 5점 낮아 평범한 출시라는 의견이 있었다.
- Mimo v2.6, 6.1-Sol과 비슷한 수준인데 이들은 매우 싸다는 댓글도 있었다.
실사용은 아직 못 믿겠다는 경험
- 월 구독으로 Gemini를 써 봤더니 기대 이하여서 등급을 낮췄다는 경험이 있었다.
- 유료 플랜인데도 gemini.google.com에서는 Gemini 3.1 Pro가 제공된다는 불만도 있었다.

How to Apply

지금 쓰는 모델과 지표 표 만들기
- 오늘 현재 모델과 Argon의 지능 지수·입출력 단가·TTFT를 한 표에 적어라.
- 원문 수치(53, $2/$10, 47.97초)를 그대로 옮겨 비교하라.
지연에 민감한 경로에는 쓰지 않기
- 챗봇처럼 실시간 응답이 필요한 경로는 TTFT 47.97초를 기준으로 제외 후보에 올려라.
- 배치·비동기 작업부터 시험하라.
프롬프트 캐시를 켜고 비용 재계산
- 긴 공통 프롬프트가 있으면 캐시 할인 95%를 가정해 월 비용을 다시 계산하라.
자사 평가셋으로 직접 검증
- 벤치마크 점수만 믿지 말고 우리 데이터 50건으로 정확도·토큰 사용량을 비교하라.

Try It

복사해서 바로 해보기

# Claude/ChatGPT에 그대로 붙여넣기 (모델 교체 판단용 비교표 만들기)

아래는 후보 모델 정보다.
- 모델 A: {{현재 모델명}}, 지능지수 {{점수}}, 입력 ${{단가}}/1M, 출력 ${{단가}}/1M, TTFT {{초}}
- 모델 B: Gemini 4 Argon (High), 지능지수 53, 입력 $2.00/1M, 출력 $10.00/1M, 캐시할인 95%, 출력속도 84.2 tok/s, TTFT 47.97초, 컨텍스트 1M

우리 서비스: {{서비스 설명}}, 하루 요청 {{건수}}, 평균 입력 {{토큰}}토큰, 평균 출력 {{토큰}}토큰.

월 비용과 응답 지연을 비교표로 만들고, 실시간 경로와 배치 경로 중 어디에 B가 맞는지 근거와 함께 판단해줘. 없는 수치는 추측하지 말고 '모름'으로 표시해.

이어서 해 볼 것: 결과로 나온 배치 경로 50건을 실제 API로 돌려 비교해 보기

Terminology

Intelligence IndexArtificial Analysis가 여러 벤치마크를 묶어 낸 종합 점수다. 모델 성적표의 총점이라고 보면 된다.

TTFT요청을 보낸 뒤 첫 토큰이 도착할 때까지의 시간이다. 추론 모델은 생각하는 시간이 포함된다.

캐시 할인이미 처리한 프롬프트를 다시 보낼 때 깎아 주는 단가다. 같은 앞부분을 재활용하면 입력 비용이 크게 준다.

Verbosity같은 평가를 돌릴 때 모델이 쓰는 출력 토큰의 양이다. 많을수록 말이 많고 비용이 늘 수 있다.