Google''s New Model Tied Claude. Then I Timed It

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Google의 Gemini 4 Carbon은 Claude Opus 5.5와 주요 실무 평가에서 동점을 기록했지만, 영상의 실행 환경에서는 완료까지 최대 약 7.5배 오래 걸려 제작자는 개발용 주력 모델로 Opus를 유지했다.

📌 핵심 요점

1. Carbon은 Google DeepMind의 새 최상위 모델로 소개된다. 100만 토큰 문맥을 지원하며, 영상에서 안내한 입력·출력 100만 토큰당 가격은 11월 30일까지 각각 2달러·10달러, 12월 1일부터는 Opus 5.5와 같은 4달러·20달러다. 추론 토큰도 출력으로 과금된다.
2. 외부 평가에서는 두 모델의 성능이 대체로 근접했다. Artificial Analysis 지능 지수는 Carbon 60점, 최대 추론 설정의 Opus 59점이지만, 코딩 에이전트 지수와 웹 개발 선호도에서는 Opus가 앞섰다.
3. 정답 기준이 있는 자체 실무 시험은 동점이었다. 예약 앱은 두 모델 모두 숨겨진 테스트 12개를 통과했고, 버그 수정은 같은 16개 중 14개를 고쳐 각각 28/32점을 받았다.
4. 실무 체감 차이는 대기 시간과 결과물 전달에서 발생했다. 예약 앱은 Opus 4분 22초 대 Carbon 약 25분 30초, 버그 수정은 약 6분 대 약 46분이었다. Carbon의 농장 게임과 농구장 파일 미저장은 제작자가 OpenRouter를 거친 실행 환경의 문제로 해석했다.
5. Carbon의 낮은 환각률과 할인 가격은 시험 도입의 근거지만, 공개 모델과 보안 전용 모델은 구분해야 한다. 제작자는 데이터 분석에는 Carbon을 시도하고, 개발에는 Opus를 계속 쓰되 Google의 Antigravity 환경에서 Carbon을 추가 확인하겠다고 밝혔다.

🧩 배경과 문제 정의

영상은 Google의 새 모델 Gemini 4 Carbon이 Claude Opus 5.5에 근접한 평가 성적과 한시적인 할인 가격을 내세운 상황에서, 기존 Opus 사용자가 주력 모델을 바꿀 이유가 있는지 살펴본다. 제작자는 평소 Opus를 사용하며, 외부 평가와 직접 수행한 개발 과제를 함께 비교한다.

핵심 문제는 점수가 비슷한 모델이 실제 업무에서도 비슷한 가치를 제공하는가이다. 이를 확인하기 위해 결과물의 정확성뿐 아니라 완료 시간, 파일 저장, 토큰 사용량, 실행 환경의 영향까지 살핀다. 보안 분야에서는 공개 Carbon과 별도로 제공되는 보안 전용 구성을 구분한다.

🕒 시간순 섹션별 상세정리

1. Carbon 공개와 가격·접근 조건

• Carbon은 Gemini 4 Argon을 기반으로 더 어려운 문제를 해결하는 Google DeepMind의 새 최상위 모델로 묶인다. 제작자는 사전 소개 이후 공개 당일에 비교 시험을 진행했다고 보여준다. [00:58]
• 유료 Gemini API 이용자는 AI Studio와 Android Studio에서, Google AI Ultra 가입자는 Gemini 앱·검색 AI 모드·Antigravity에서 접근할 수 있다고 안내한다. 제작자는 OpenRouter를 사용했다. [01:28]
• 입력·출력 100만 토큰당 가격은 11월 30일까지 2달러·10달러, 12월 1일부터 4달러·20달러라고 보여준다. 문맥 창은 100만 토큰이며, 추론 토큰도 출력으로 과금된다고 강조한다. [01:54]

2. 외부 평가가 보여주는 근접한 성능과 서로 다른 강점

• Artificial Analysis 지능 지수는 Carbon 60점, 최대 추론 설정의 Opus 59점이다. 다만 영상에 따르면 새로 등장한 Claude Fable 5.2가 65점을 기록해 Carbon은 2위가 됐다. [02:48]
• 과제당 시간은 약 25.6분 대 25.1분으로 비슷하지만, 토큰 생성 속도는 Opus가 빠르고 첫 응답까지의 시간은 Carbon이 짧다고 보여준다. 과제 비용은 전사문의 숫자와 ‘23% 저렴하다’는 해설이 서로 맞지 않아 확인이 필요하다. [03:26]
• 환각률은 Carbon 11.4%, Opus 50.3%로 소개되지만 응답 범위의 차이도 언급한다. 코딩 에이전트 지수는 Opus 62점 대 Carbon 59점이며 Carbon은 사전 공개 버전의 결과다. 다른 평가에서는 사실상 동점이거나 웹 개발 선호도에서 Opus가 앞선다. [04:41]

3. 보안 담당자 우선 제공과 공개 모델의 구분

• 제작자는 취약점 탐색·악용 가능성 입증·패치 작성에 필요한 능력이 공격에도 사용될 수 있다고 보여준다. Google은 Fairwind를 통해 보안 방어 담당자에게 먼저 제공하고 오용 방지 장치를 강화했다고 묶인다. [05:26]
• Fairwind 구성원에게 제공되는 Carbon for Cyber는 공개 모델과 별도 구성이며, Google의 주요 보안 성적도 그 버전에 해당한다고 강조한다. 공개 모델 안전장치에 관한 수치도 언급되지만 전사문의 정확한 숫자는 재확인이 필요하다. [05:52]
• 자체 버그 수정 시험에서는 Carbon이 고객 간 청구서 접근 취약점을 찾아 수정하고 설명했다. 제작자는 일반적인 방어 업무에서 안전장치가 작업을 막지는 않았다고 평가한다. [06:22]

4. 초기 데모의 시각적 가능성과 대기 시간 문제

• 공개 초기 사례로 새의 발성 기관·6종의 새·합성기·실시간 스펙트로그램을 갖춘 Songbird, 3D 농구장, 블랙홀, 단일 HTML 레이싱 게임을 보여준다. 일부 사례는 사전 접근 이용자의 작업이다. [07:38]
• 제작자가 별도로 작성한 동일 프롬프트로 비교한 블랙홀에서는 Opus가 약 7분에 완료했고 Carbon은 45분 제한까지 작업했지만 작동하는 페이지는 저장했다. 농구장은 Opus가 약 38분에 만들었으나 Carbon은 파일을 저장하지 못했다. [08:18]
• 초기 이용자의 긴 추론 시간에 관한 불만과 Google 모델 카드의 간헐적 지연·시간 초과 언급을 소개하며, 자체 시험에서도 속도가 주요 쟁점이 된다고 예고한다. [08:39]

5. 자체 시험의 설계와 비교 환경의 한계

• 두 모델에 동일 프롬프트, 빈 폴더, 높은 추론 설정, 웹 검색 없음, 후속 요청 없음이라는 조건을 적용했다. 제한 시간은 일반 과제 45분, 버그 수정 60분이며 에이전트가 파일 작성과 실행·수정을 수행한다. [08:57]
• Opus는 Claude Code 구독으로, Carbon은 Claude Code를 OpenRouter에 연결해 실행했다. 제작자의 Google 계정에서는 원하는 Antigravity 접근을 사용할 수 없어 Carbon의 공식 에이전트 환경을 시험하지 못했다. [09:17]
• 농장 게임, 고객 예약 앱, Songbird 재현, 버그 수정의 네 과제를 진행한다. 숨겨진 테스트와 비교 대상이 아닌 평가 모델을 사용하지만, 각 한 차례의 실행이므로 실험실의 확정적 판정은 아니라고 선을 긋는다. [09:32]

6. 농장 게임에서 드러난 대형 파일 생성 실패

• Opus는 약 22분 만에 이동·경작·파종·물주기·작물 성장 등이 작동하는 농장 게임을 만들었다. 제작자는 같은 키 입력으로 기능이 반응하는 것을 확인했다. [10:00]
• Carbon은 게임 전체를 큰 파일 하나로 작성하려다 OpenRouter를 거친 수신 과정이 멈췄고, 재시도 끝에 45분을 소진했다. 다른 에이전트인 Codex로 다시 시도했을 때도 약 11분 뒤 서버 오류가 발생해 파일이 남지 않았다. [10:30]
• 제작자는 결과상 Carbon에 0점을 주면서도 이를 모델 자체의 실패로 단정하지 않았다. Google 모델의 대형 단일 파일 생성과 해당 연결 경로 사이의 문제로 보고 Antigravity에서의 결과를 추가로 확인하고자 했다. [10:47]

7. 고객 예약 앱은 정확도 동점, 완료 시간은 큰 차이

• 과제는 반려견 미용실의 복잡한 이메일 요구사항을 읽고 예약 앱과 고객 답장을 만드는 것이다. 막판에 바뀐 정액 25달러 예약금, 특정 서비스의 예약금 면제, 몇 달 이상 먼 예약 제한 등을 반영해야 했다. [11:18]
• 두 모델 모두 숨겨진 테스트 12개를 통과했다. 답장 평가에서는 Opus가 두 평가자에게 모두 10점, Carbon은 10점과 9점을 받았고 감점 이유는 장황함이었다. [11:53]
• 완료 시간은 Opus 4분 22초, Carbon 약 25분 30초였으며 출력 토큰은 각각 약 2만 9천 개와 8만 3천 개였다. 제작자는 연결 환경의 영향을 인정하면서도 고객 업무에서는 더 빨리 끝나는 쪽을 선택하겠다고 말했다. [12:26]

8. Songbird 재현은 제한 시간 내 작동 결과물을 모두 확보

• 공개되지 않은 원래 프롬프트 대신 영상에서 관찰한 기능으로 새 프롬프트를 작성했다. 6종의 새, 발성 기관 표시, 합성기 키보드, 조작 가능한 부리·목, 실시간 스펙트로그램을 요구했다. [12:43]
• 두 모델 모두 45분 제한 시점까지 다듬고 있었지만 작동하는 페이지는 저장했다. 비교 대상은 완성 선언 이후의 결과가 아니라 제한 시간이 끝났을 때 남아 있던 결과물이다. [12:54]
• Carbon은 새 몸통을 절개한 표현으로 Google 데모와 비슷한 인상을 줬고, Opus는 확대 원과 설명 요소로 과학 교재에 가까운 표현을 택했다. 제작자는 가장 근접한 결과이며 시각적 취향의 문제라고 평가했다. [13:24]

9. 복합 버그 수정에서 같은 문제를 고치고 같은 문제를 놓침

• 약 3천 줄·42개 파일의 청구서 백엔드에 실제 버그 16개와 정상 코드인 유인 항목 11개를 넣었다. 동시 결제 중복 청구, 세금 반올림, 서버 위치에 따른 날짜 변화, 고객 간 청구서 접근 문제 등이 포함됐다. [13:56]
• 숨겨진 테스트로 실제 수정 여부를 확인하고 별도 두 모델로 설명을 평가했다. 두 모델 모두 같은 14개를 고쳤으며, 캐시 채움과 비우기의 경합 및 환불 후 결제 알림을 다시 켜는 문제를 놓쳤다. [14:41]
• 두 모델 모두 허위 버그 보고와 회귀 없이 28/32점을 받았다. 다만 Opus는 약 6분, Carbon은 약 46분이 걸려 같은 점수에 도달하는 시간이 7배 이상 차이 났다. [15:00]

10. 최종 선택은 업무별 도입과 공식 환경 재검증

• 제작자는 정답 기준이 있는 두 시험은 동점, Songbird는 취향 차이라고 정리한다. 게임과 농구장 미저장은 실행 환경의 문제로 보며, 둘 다 결과를 낸 경우 Carbon은 품질을 맞췄지만 더 오래 걸렸다고 결론 낸다. [15:25]
• 기다릴 수 있고 예산이 중요하거나 추측을 줄이는 특성을 중시한다면 할인 기간의 Carbon을 고려할 수 있다고 드러낸다. 자신의 라이브 판매 사업에서는 방송·상품·SKU 데이터 분석에 Carbon을 시험해 보겠다고 보여준다. [16:04]
• 개발용 주력은 Opus 5.5와 Claude Code로 유지하되, 최종 판단 전에 Carbon을 Antigravity에서도 보고 싶다고 드러낸다. 마지막으로 같은 결과를 위해 반값에 최대 약 7.5배의 대기 시간을 감수할지 질문하며 영상을 마친다. [16:33]

🧾 결론

• 이 영상이 뒷받침하는 판단은 해당 환경에서 두 모델의 정답 품질은 비슷했지만 완료 시간에는 큰 차이가 있었다는 것이다. 모델당 한 차례씩 진행한 시험으로 보편적인 우열을 확정하기는 어렵다.
• 예약 앱과 버그 수정처럼 결과를 검증할 수 있는 작업에서는 Carbon도 Opus에 근접한 역량을 보였다. 반면 두 모델이 같은 버그 두 개를 놓쳤다는 점은 사람의 검토와 추가 테스트가 여전히 필요함을 보여준다.
• 파일 저장 실패는 실제 도입 시 고려할 결과지만, 이를 Carbon 자체의 코딩 능력 부족으로 단정할 근거는 부족하다. 제작자도 실행 경로의 영향을 인정했다.
• 제작자의 최종 선택은 개발 작업에는 Opus 유지, 기다릴 수 있는 분석 작업에는 할인 기간의 Carbon 시험 도입이다.

📈 투자·시사 포인트

• AI 서비스의 경제성은 토큰 단가와 함께 총 토큰 사용량, 완료 시간, 실패·재시도 비용을 봐야 한다. 예약 앱 시험에서 Carbon은 약 8만 3천 출력 토큰, Opus는 약 2만 9천 토큰을 사용했다.
• 영상에서 안내한 할인 종료 후에는 두 모델의 토큰 단가가 같아진다. 이 경우 Carbon의 선택 근거는 실제 작업별 품질, 환각 특성, 실행 안정성에서 확인해야 한다.
• 모델과 에이전트·중개 서비스의 조합이 사용 경험에 큰 영향을 줄 수 있다. 모델 성능표만으로 개발 도구의 생산성을 판단하기 어렵다는 사례다.
• 보안 분야에서는 공개 모델의 역량과 Fairwind를 통해 제공되는 별도 구성의 역량을 구분해야 한다. 보안 전용 모델의 성적을 일반 사용자의 기대 성능으로 그대로 적용해서는 안 된다.
• 영상에는 기업 실적이나 주가 평가 자료가 없다. 투자 관점에서는 특정 종목의 매수 근거보다 AI 제품의 가격 경쟁과 업무 생산성을 살펴보는 사례로 활용할 수 있다.

⚠️ 불확실하거나 확인이 필요한 부분

• 전사문의 비용 수치에는 명백한 불일치가 있다. Carbon 776달러, Opus 104달러라고 적힌 뒤 Carbon이 약 23% 저렴하다고 설명하므로, 해당 과제 비용은 원자료 확인 전 확정값으로 사용하지 않아야 한다.
• 공개 모델의 안전장치 우회율은 전사문에 ‘88%’, Argon은 ‘3.1’로 나타난다. 숫자와 단위의 정확성이 불명확하므로 비교 결론을 내리기 전에 원래 모델 카드나 화면을 확인해야 한다.
• 환각률 11.4% 대 50.3%는 영상이 인용한 특정 평가 결과다. 제작자는 Opus의 응답 범위가 더 넓다는 점도 언급하며, 전체 응답 관련 수치는 전사문이 불명확해 정확한 비율을 확정하기 어렵다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 실제 도입 전에 Carbon의 현재 가격, 할인 적용 여부, 유료 API 및 Ultra 접근 조건을 확인한다.
• 자주 수행하는 업무를 같은 프롬프트와 검증 기준으로 반복 실행하고, 완료 시간·출력 토큰·결과물 저장 여부·재시도 횟수를 기록한다.
• Carbon을 Antigravity에서도 시험해 OpenRouter 경유 결과와 비교하고, 대형 단일 파일 생성 실패가 재현되는지 확인한다.
• 비용을 계산할 때 추론 토큰을 포함한 실제 청구액과 실패한 실행의 비용을 함께 집계한다.

❓ 열린 질문

• Carbon을 Google의 Antigravity에서 실행하면 긴 대기 시간과 파일 미저장 문제가 얼마나 줄어들까?
• 할인 종료 후 같은 토큰 단가에서도 Carbon의 낮은 환각률이 추가 대기 시간과 토큰 사용량을 상쇄할까?
• 여러 차례 반복하거나 다른 코드베이스를 사용해도 두 모델의 실무 점수 동점이 유지될까?