Gemini 4 Argon 공개: 장기 소프트웨어 엔지니어링과 과학 작업에 초점

TL;DR Highlight

Gemini 4 Argon, CWE-Bench 공동 1위(68%)에 vLLM 2.85배 가속 사례까지 공개

Who Should Read

코딩 에이전트나 대규모 리팩터링에 쓸 LLM을 새로 고르는 백엔드 개발자

Core Mechanics

Argon은 CWE-Bench 공동 1위
- 취약점 수정(vulnerability remediation) 벤치마크 CWE-Bench에서 68%로 공동 1위라고 한다.
- 간접 프롬프트 인젝션(indirect prompt injection)에 가장 강한 Google 모델이라고 소개한다.
Chrome 리팩터링을 몇 주로 단축
- 약 600만 줄 레거시 브라우저 기능 폴더를 Chromium 4,000만 줄 코드베이스에서 분리하는 작업에 썼다.
- 수백 개 파일에 걸친 아키텍처 리팩터링을 몇 달 걸릴 일에서 몇 주로 끝냈다고 한다.
Gemma 4 E2B 추론이 2.85배 빨라졌다
A100에서 vLLM 기준 처리량이 약 37,900에서 10만 8천 토큰/초 이상으로 올랐다.
- 토큰 일치율 100%, 품질 저하 0이며 며칠 만에 끝났다고 한다.
ADK는 밤새 자율 작업으로 최적화
- 팀이 .agents/skills 규칙집과 한 문단짜리 목표를 줬다.
- 인메모리 세션 준비 시간 40% 단축, 콜드 임포트 21% 단축 결과가 google/adk-python에 반영됐다.
xTB와 교육 랩 마이그레이션에도 적용
- xTB는 분자 구조 예측이 최대 2.3배, 컨포머 탐색이 1.8배 빨라졌다.

Community Reactions

Argon은 추론 루프 버그가 있다는 평가
- 100개 코딩 환경에서 테스트한 사용자는 Fable 5와 5.1 사이 수준이라고 평가했다.
- 무한 추론 루프와 추론 블록 구분 실패가 관찰돼 실패율이 경쟁 모델보다 높다고 했다.
비용과 시간이 크게 든다는 경험
- 작은 버그 수정 11건 중 10건을 풀었고 중앙값 비용은 $0.52로 Sonnet $0.18, Sol $0.09보다 높았다.
- 실행 시간은 약 4분으로 32초(Sonnet), 약 1.5분(Sol)보다 길고, 출력 토큰도 약 24k 대 약 3k였다고 한다.
글쓰기와 비영어 맥락에서 좋았다는 후기
- 답변이 간결하고 논리적이며 문체가 뚜렷하다는 의견이 있었다.
- 스리랑카·타밀 문화 같은 비서구 주제에서 정확하다는 경험도 나왔다.
출시 방식에 대한 불만이 많았다
- Ultra 요금제 전용이라 Pro 사용자가 쓰지 못한다는 불만이 나왔다.
- 결제 후 Gemini 4 옵션이 사라졌다는 사례도 있었다.

How to Apply

지금 쓰는 에이전트 작업 1건을 Argon으로 재실행
- 오늘 기존 모델로 풀던 버그 수정 1~3건을 OpenRouter나 AI Studio에서 같은 프롬프트로 돌려라.
- 성공 여부, 소요 시간, 출력 토큰 수, 비용을 나란히 기록하라.
추론 토큰 상한과 타임아웃을 설정하기
- 댓글에서 무한 루프와 10분 타임아웃 사례가 나왔으니 호출에 max output token과 제한 시간을 걸어라.
- 타임아웃 시 다른 모델로 재시도하는 폴백을 추가하라.
규칙집 + 한 문단 목표로 야간 작업 시도
- 저장소에 .agents/skills 같은 규칙 파일을 두고, 깨지면 안 되는 조건을 한 문단 목표에 명시하라.
- 성능 최적화나 마이그레이션 작업을 야간에 돌리고 아침에 PR 단위로 검토하라.

Try It

복사해서 바로 해보기

# Claude·ChatGPT·Claude Code 어디든 붙여넣기 (원문 ADK 사례의 간이 버전)

당신은 이 저장소의 성능 엔지니어입니다. 아래 규칙집을 먼저 읽고 따르세요.
[규칙집]
{{.agents/skills 또는 코딩 규칙 내용}}

[목표]
{{기존 앱을 깨지 않으면서 프레임워크 오버헤드를 줄인다}}

작업 방식:
1. 먼저 프로파일링 방법과 측정 지표를 정하세요.
2. 병목 후보를 3개 찾아 근거를 적으세요.
3. 변경은 독립된 작은 PR 단위로 나누세요.
4. 각 변경마다 기존 테스트 통과 여부와 전후 수치를 보고하세요.

이어서 해 볼 것: 같은 프롬프트를 모델 두 개에 돌려 변경 수, 테스트 통과율, 비용을 비교해 보세요.

Terminology

CWE-Bench소프트웨어 취약점 유형(CWE)을 얼마나 잘 고치는지 재는 벤치마크다. 보안 패치 실력 시험지로 보면 된다.

간접 프롬프트 인젝션사용자가 아닌 웹페이지나 문서 같은 외부 데이터에 숨은 지시로 모델을 속이는 공격이다. 택배 상자 안에 몰래 넣은 가짜 지시서와 비슷하다.

AntigravityGoogle의 에이전트 개발 플랫폼이다. 원문에서 Argon이 장시간 자율 작업을 하는 환경으로 나온다.

Blender MCP에이전트가 Blender를 도구처럼 조작하게 해주는 연결 방식이다. 원문에서 3D 씬 제작에 쓰였다.

speculative decoding작은 모델이 먼저 토큰을 예측하고 큰 모델이 검증해 생성 속도를 높이는 기법이다. 초안을 쓰고 검수받는 방식이다.