Gemini 4 Carbon vs Claude·GPT, 성능·가격 비교

Gemini 4 Carbon이 벤치마크 1위라면 Claude나 GPT 대신 선택해야 할까요? 답을 가르는 것은 순위 한 줄보다 어떤 일을 얼마나 자주 맡기는지입니다. 어려운 작업을 끝까지 풀 모델과, 매일 반복하는 일을 적은 비용으로 처리할 모델은 다를 수 있습니다.

Carbon은 성능 상위권 모델을 고르는 사람에게 새로운 비교 대상입니다. 이 글의 비교 대상은 Carbon, Claude Opus 5.5, GPT-6 Astra, GPT-6.1 Sol, Claude Sonnet 5.5입니다. 종합 성능과 코딩 결과, 공식 API 단가와 실제 평가에 든 비용을 나눠 보고, 문서·코딩·반복 업무 중 어디에 먼저 쓸지 좁혀 보겠습니다.

발표와 사용 가능 시점은 다릅니다

구글은 10월 28일 Carbon을 발표하면서 일부 사이버 방어 조직부터 제공하고, Fairwind Program의 신뢰할 수 있는 파트너로 접근을 넓히겠다고 밝혔습니다. 개발자·기업·일반 소비자에게는 이후 제공하겠다는 순서입니다. 일반 사용자가 Gemini 앱이나 API에서 곧바로 고를 수 있는 전면 공개와는 구분해야 합니다. Arena 등의 경로로 공유된 제한적 시연이 있다는 사실도 일반 공개 API를 누구나 사용할 수 있다는 뜻은 아닙니다. Google 공식 발표

여기서 Argon과 Carbon을 섞으면 사용 가능 여부부터 어긋납니다. Gemini API 변경 기록에는 10월 13일 Argon의 일반 제공이 올라와 있습니다. Argon을 선택할 수 있다는 안내를 Carbon에도 그대로 적용할 수는 없습니다. 새 모델을 쓰기 위해 구독을 바꾸기 전에는 원하는 제품의 모델 선택 화면과 제공 공지를 확인하는 편이 좋습니다. Gemini API 변경 기록

발표 직후의 논의에서도 관심은 성능표만큼 접근 방법에 쏠렸습니다. 같은 가격에 더 강한 모델이 온다는 기대가 있는 한편, 앱·개발 도구·구독에서 어떤 이름을 찾아야 하는지 혼란스럽다는 지적도 이어졌습니다. 이 반응은 Carbon의 실사용 품질을 입증하기보다, 좋은 모델과 쉽게 쓸 수 있는 제품 사이에 아직 거리가 있음을 보여 줍니다. Hacker News 원 논의

다섯 모델의 성능과 작업비를 비교하면

AA의 Carbon 출시 분석에서 Gemini 4 Carbon의 high 추론 설정은 Intelligence Index v5 59점으로 1위입니다. 반면 코딩 에이전트 지수에서는 Antigravity CLI와 결합한 Carbon이 59점, 선두인 Opus 5.5 기반 Claude Code가 62점입니다. 종합 선두와 코딩 에이전트 선두가 같은 모델은 아닙니다. AA의 Carbon 평가

같은 v5 기준으로 Argon은 50점이므로 Carbon은 9점 앞섭니다. AA는 Carbon이 아홉 개 세부 평가 중 네 개에서 선두라고 설명하며, 복잡한 추론·지식·과학 작업의 강점을 짚습니다. 단순히 새 이름이 붙은 데 그치지 않고 여러 종류의 어려운 과제에서 개선을 보였다는 점이 이번 발표의 무게입니다. AA의 세부 분석

다섯 모델을 AA의 같은 v5 지수와 과제당 비용으로 놓으면 선택지가 더 선명해집니다. 아래 비용은 각 모델이 실제 평가에서 사용한 토큰에 따른 가중 평균입니다. Carbon은 할인 전 정가를 사용합니다.

수치는 AA의 Carbon, Opus, Astra, Sol, Sonnet 상세 페이지를 기준으로 정리했습니다. high와 max는 모델별 추론 설정이며 동일한 계산량을 뜻하지 않습니다. Claude의 기본 폴백을 포함한 조건도 그대로 표시했습니다. 서로 다른 설정의 결과를 모델의 고정된 능력처럼 읽으면 안 됩니다.

이 표에서 Carbon과 Opus의 차이는 1점입니다. 이 차이만으로 모든 업무에서 Carbon이 더 좋은 결과를 낸다고 예측할 수는 없습니다. 반면 Sol은 Carbon보다 4점 낮지만 이 평가의 과제당 비용은 약 6분의 1입니다. 일부 성능을 양보하고 반복 처리 비용을 줄일지, 비용을 더 들여 어려운 과제를 맡길지가 실제 선택의 갈림길입니다.

Sonnet은 주의 깊게 볼 사례입니다. 토큰 단가는 낮지만 max 설정의 이 평가에서는 사용량이 많아 과제당 비용이 높게 나옵니다. 따라서 ‘Sonnet은 언제나 싸다’도, ‘이 표의 비용이 매일 하는 요약 한 건에도 그대로 든다’도 맞는 해석은 아닙니다. 모델 이름과 함께 추론 설정·총사용량·업무 종류를 비교해야 합니다.

크게 보기

×확대 이미지 닫기

59점은 시험 문제의 59%를 맞혔다는 정답률이 아닙니다. 지식·추론·코딩·업무 수행 등 여러 평가를 합친 지수입니다. v5는 아홉 개 평가로 구성되며, 이전 버전과 문제 구성도 달라졌습니다. AA는 지수의 60%를 비공개 테스트 세트 또는 공개되지 않은 정답을 쓰는 평가에 기반했다고 설명합니다. 이는 공개 문제를 익혀 점수를 높이는 문제를 줄이려는 설계이지, 내 업무를 그대로 대신 측정한다는 뜻은 아닙니다. AA v5 구성과 변경점

비교할 때는 모델 이름 옆의 high·max 같은 추론 설정도 놓치지 않아야 합니다. 같은 모델이라도 더 오래 생각하게 하면 점수와 사용량이 함께 달라집니다. 이전 지수의 Argon 점수와 새 지수의 Carbon 점수를 빼서 성능 향상률을 계산하는 것보다, 같은 표와 같은 버전에 놓인 결과를 읽는 편이 정확합니다.

실무자의 질문도 한 단계 좁혀야 합니다. 코드를 고칠 모델을 찾는다면 코드 수정과 실행 검증을 포함하는 평가를, 제안서를 만들 모델을 찾는다면 자료 해석과 산출물 품질을 보는 평가를 함께 봐야 합니다. 종합 점수는 후보를 줄이는 출발점으로 유용합니다. 최종 선택을 대신하는 한 줄의 판정은 아닙니다.

구글의 비교표는 평가 조건까지 읽어야 합니다

구글은 Carbon의 강점으로 오래 이어지는 작업과 사이버 보안을 내세웁니다. 발표한 보안 평가 결과는 취약점 탐지 SEC-bench Pro 88.2%, 악용 가능성 검증 ExploitGym 54.8%, 수정 CWE-bench 71.0%입니다. 다만 이 외부 보안 평가는 안전장치를 제외한 조건이라고 명시돼 있습니다. 실제 서비스에 적용될 제한까지 포함한 현장 성공률로 읽어서는 안 됩니다. Google 발표의 보안 평가 설명

크게 보기

×확대 이미지 닫기

이 표를 읽는 데 필요한 문서는 별도의 모델 평가 방법서입니다. 구글은 별도 표시가 없으면 높은 추론 설정을 사용하고, 일부 경쟁 모델의 수치는 공급사가 발표한 결과에서 가져온다고 설명합니다. 항목마다 사용하는 도구와 실행 환경도 다릅니다. 예를 들어 OSWorld 결과는 인터넷을 쓰지 않는 일부 과제에 관한 평가이며, Gemini 결과에는 여러 실행 중 최댓값을 사용하는 조건이 적혀 있습니다. Carbon 평가 방법서

여기서 하네스는 모델에 파일·터미널·브라우저 같은 도구를 연결하고, 작업과 검증을 진행시키는 실행 환경입니다. 파일을 읽을 수 있는지, 테스트를 몇 번 돌리는지, 실패 뒤 다시 시도할 수 있는지가 결과에 영향을 줍니다. 코드 수정용 에이전트 점수는 모델만 떼어낸 능력보다 모델과 실행 환경을 함께 쓴 결과로 읽는 편이 맞습니다.

보안 평가가 높다는 사실도 “중요한 시스템의 변경을 바로 맡겨도 된다”는 결론으로 건너뛸 수는 없습니다. 취약점을 찾는 능력과 발견 내용을 검증하는 능력, 안전하게 배포하는 절차는 연결돼 있지만 서로 다른 일입니다. 실제 도입에서는 변경 전후 테스트와 사람이 승인할 경계를 함께 설계해야 합니다.

API 가격은 누구보다 얼마나 저렴한가

구글이 발표한 도입 가격은 100만 토큰당 입력 2달러, 출력 10달러입니다. 도입 기간이 끝나면 각각 4달러와 20달러가 적용됩니다. 캐시된 입력은 입력 단가에서 95% 할인한다고 안내합니다. Carbon의 할인 종료일은 발표문에 명시돼 있지 않으므로 다른 모델의 종료일을 그대로 가져오면 안 됩니다. 이 숫자는 API의 토큰 단가이며 Gemini 앱의 월 구독료와도 다릅니다. 공식 발표와 가격 각주

경쟁 모델의 공식 일반 텍스트 단가를 함께 놓으면 ‘저렴하다’의 비교 대상이 달라집니다. 표의 마지막 열은 모든 모델에 한 건당 입력 5만 토큰·청구 대상 전체 출력 5천 토큰을 똑같이 적용해 천 건 처리한다고 가정한 산술 예시입니다. 모델별 실제 사용량이나 성공률을 같다고 가정한 성능 실험은 아닙니다.

가격 근거는 각사의 Carbon 발표, Opus 가격, Astra 문서, Sol 문서, Sonnet 가격입니다. 캐시·배치 할인·고속 모드·도구 요금·세금은 제외했습니다. OpenAI 두 모델은 긴 입력에 할증이 있어, 표의 5만 토큰 예시를 수십만 토큰 요청에 그대로 확대 적용하면 안 됩니다.

이 조건에서 Carbon의 할인 단가는 Opus의 절반, Astra의 5분의 1이며 Sol·Sonnet과는 같습니다. 할인 종료 후에는 Opus와 같고 Sol·Sonnet의 두 배입니다. Carbon의 정가가 다른 최고급 모델보다 무조건 비싼 것은 아니지만, ‘가성비가 좋다’와 ‘가장 싼 모델이다’는 구분해야 합니다.

한 건의 계산은 입력 토큰 수 ÷ 1,000,000 × 입력 단가 + 출력 토큰 수 ÷ 1,000,000 × 출력 단가입니다. Carbon 할인 가격의 예시는 0.05 × $2 + 0.005 × $10 = $0.15입니다. 긴 추론까지 포함한 청구 대상 전체 출력이 5천 토큰이라는 가정이므로, 최종 답변이 짧다는 이유만으로 이 금액을 기대해서는 안 됩니다.

여기에는 재시도가 없다는 조건도 숨어 있습니다. 틀린 답을 고치기 위해 자료를 다시 보내거나 긴 검증을 추가하면 총 토큰이 늘어납니다. 추론 모델은 최종 답변이 짧더라도 그 답을 만들기 위해 많은 출력을 생성할 수 있습니다. 눈앞에 보이는 답변 길이만으로 비용을 예상하기 어려운 이유입니다.

앞의 AA 표에서 Astra의 토큰 단가는 더 높아도 평가 과제당 비용은 Carbon보다 낮았던 이유도 총사용량에 있습니다. 두 표는 모순되지 않습니다. API 단가 표는 같은 토큰량을, AA 표는 실제 평가에서 모델별로 달랐던 사용량을 비교합니다. 어느 쪽도 일반 사용자의 질문 한 번에 고정 청구되는 요금표는 아닙니다.

예산을 세울 때는 “토큰이 얼마인가”에서 멈추지 않고 “검수에 통과한 결과 한 건을 얻는 데 얼마가 드는가”를 물어야 합니다. 단가가 더 높아도 한 번에 끝나는 모델이 유리할 수 있고, 가벼운 작업이라면 더 작은 모델을 여러 번 쓰는 쪽이 나을 수도 있습니다.

Carbon으로 작은 도시와 V8 엔진을 만들어 보니

Carbon이 실제로 어떤 결과를 만드는지 보려면, Carbon이 비교 대상에 포함된 작업을 봐야 합니다. 흥미로운 사례는 ‘살아 움직이는 작은 도시를 만들어 달라’는 요청입니다. @noclipepe는 Carbon·GPT-6 Astra·GPT-6.1 Sol·GPT-6.1 Terra의 결과를 나란히 공개했습니다. 원문과 영상에 붙인 모델명은 작성자 표기이며, 각 모델에 같은 요청을 줬다고 설명합니다. 작성자의 비교 원문

영상에는 건물·차량·보행자와 시간·날씨 조절 화면이 등장합니다. Carbon이 만든 도시와 다른 모델의 결과가 네 칸에 함께 보여, 독자도 장면 구성과 표현을 직접 비교할 수 있습니다. 작성자는 Carbon을 가장 생동감 있는 결과로 골랐습니다. 반면 비용과 시간까지 보면 이야기가 달라집니다.

크게 보기

×확대 이미지 닫기

가장 마음에 드는 도시와 가장 빨리·싸게 만든 도시가 다를 수 있다는 점이 이 사례의 재미입니다. 시연의 밀도와 생동감을 우선한 작성자는 Carbon을 골랐고, 짧은 시간에 저렴한 결과를 원하는 독자는 다른 선택을 할 수 있습니다. 다만 정확한 전체 프롬프트·추론 설정·재시도 횟수·과금 내역까지 공개된 통제 실험은 아닙니다. 표의 값을 누구나 재현할 수 있는 요금이나 평균 속도로 읽으면 안 됩니다. 영상 열람용 비교 페이지

Opus와 겨룬 분해 가능한 V8 엔진

@dromexa는 Carbon과 Opus 5.5에 작동 중인 V8 엔진을 3D로 만들고, 투시·단면·분해·부품 펼치기로 볼 수 있게 하는 요청을 줬다고 공개했습니다. 작성자는 같은 요청을 각각 한 번씩 줬다고 설명하며 Carbon 쪽을 선택했습니다. V8 엔진 비교 원문

크게 보기

×확대 이미지 닫기

이 과제는 예쁜 정지 이미지 한 장을 만드는 것보다 요구가 많습니다. 엔진을 그리는 코드뿐 아니라, 보기 전환과 움직임을 연결하는 화면까지 만들어야 하기 때문입니다. 공개 영상은 두 결과의 표현과 전환 화면을 관찰할 자료가 됩니다. 다만 작성자의 선택을 전체 코딩 성능의 승리로 옮기거나, 영상만으로 모든 버튼과 물리 동작이 정확하다고 결론 내릴 수는 없습니다. 엔진 영상 열람 페이지

실제 실행을 추적한 평가에서는 무엇이 보였을까

더 엄격한 비교는 Carbon을 직접 실행한 FrontierCS 2 연구팀의 기록에서 찾을 수 있습니다. 연구팀은 공개 연구 코드에서 빠진 방법을 다시 구현하는 고난도 과제 48개를 Carbon과 Argon에 맡겼습니다. 둘 다 Antigravity를 사용했고, 각 과제는 숨겨진 조건까지 포함한 모든 검사에서 기준 구현을 넘어야 통과합니다. 연구팀의 Carbon 평가 원문

보고된 통과 수는 두 모델 모두 26개였습니다. Carbon은 같은 실행 환경에서 더 오래 작업했고, 실행 시간 중앙값은 Carbon 3.9시간·Argon 2.4시간이었습니다. 연구팀이 집계한 실행당 비용은 각각 40.56달러와 19.52달러입니다. 더 많은 검토와 더 높은 성과 지표가 곧 더 많은 과제의 완전 통과로 이어지는 것은 아니었다는 뜻입니다. 이 수치는 해당 연구 과제의 실행 비용이며, 앞의 도시 데모나 일반 코딩 한 건의 가격과 같은 기준은 아닙니다.

평가팀은 통과한 실행 중 세 건에서 평가의 빈틈을 이용한 행동도 따로 분석했습니다. 또 일부 과제는 긴 명령을 기다리다 실행 도구의 대기 제한으로 끝났고, 대기 설정을 바꿔 다시 실행한 결과를 최종 기록에 사용했습니다. Carbon의 능력과 함께 실행 도구·시간 제한·검증 방식까지 읽어야 하는 이유입니다.

그래서 코딩에는 무엇을 먼저 고를까

Carbon의 3D·상호작용 데모는 직접 비교해 볼 만한 결과를 보여 줍니다. 결과물의 완성도를 우선한다면 도시와 엔진 사례가 좋은 출발점입니다. 반면 비용·대기 시간이 중요하다면 도시 사례에서도 다른 선택이 가능합니다. 기존 저장소의 수정·실행·검증을 맡길 후보라면 앞의 AA 코딩 에이전트 지수에서 선두였던 Opus 조합도 계속 비교해야 합니다. AA 코딩 에이전트 평가 구성

Arena의 WebDev 표에서도 Carbon은 상위권이지만 단독 선두는 아니며 예비 결과 표시가 붙어 있습니다. 사용자 평가 기반의 화면 제작 결과와, 숨은 테스트를 통과해야 하는 코드 수정 결과는 별도로 읽는 편이 좋습니다. Carbon이 모든 코딩에서 이겼다는 이야기보다, 어떤 결과를 위해 얼마와 얼마나 기다릴 것인가를 보여 주는 비교가 실제 선택에 더 도움이 됩니다. Arena WebDev 원표

빠른 생성이 곧 빠른 완료는 아닙니다

AA 모델 페이지는 Carbon의 출력 속도와 첫 토큰까지 기다리는 시간을 별도 지표로 제공합니다. 동시에 많은 토큰을 생성하는 모델이라는 점도 표시합니다. 초당 생성량이 높다는 수치만으로, 질문을 보낸 순간부터 검수 가능한 결과를 받기까지의 시간이 짧다고 단정할 수는 없습니다. AA 모델 상세 페이지

저장소의 버그 수정이라면 기다리는 시간에는 파일 탐색, 코드 변경, 테스트 실행, 사람이 변경 내역을 검토하는 과정이 모두 들어갑니다. 처음 코드를 보여 주는 시각보다, 동작을 유지한 수정이 테스트까지 통과한 시각이 더 중요한 경우가 많습니다.

점수와 마찬가지로 대기 시간도 업무 단위로 기록해야 합니다. 첫 답변이 도착한 시각과 실제 채택한 결과가 나온 시각을 나누면, 빠르지만 여러 번 수정한 모델과 늦게 시작해도 한 번에 끝난 모델을 비교할 수 있습니다. 사람의 수정 시간까지 길어진다면 낮은 API 단가만으로 생산성이 좋아졌다고 말하기 어렵습니다.

그래서 어떤 모델을 먼저 쓰면 좋을까

일상 업무부터 시작한다면 가장 비싼 최상위 모델을 기본값으로 둘 이유는 약합니다. OpenAI는 Sol을 Astra에 가까운 성능을 더 낮은 비용으로 제공하는 복잡한 업무용 모델로 안내합니다. Anthropic은 Sonnet을 범위가 분명한 일상 과제, 버그 수정, 문서·슬라이드·스프레드시트에 강한 모델로 설명합니다. 출발점은 이 두 후보를 내가 자주 하는 작업에 대입하는 것입니다. Sol의 공식 용도, Sonnet의 공식 용도

아래는 공식 용도와 앞의 평가·가격을 바탕으로 한 선택 제안입니다. 실제 한국어 문서나 사내 코드에서 직접 겨룬 순위가 아니라, 어떤 후보부터 비교할지 정하는 기준입니다.

Opus를 코드 작업의 우선 후보로 둔 것은 AA 코딩 에이전트 평가에, Astra를 어려운 추론의 상향 후보로 둔 것은 OpenAI의 공식 용도에 근거합니다. Carbon의 종합 1위만으로 이 업무별 판단을 한꺼번에 뒤집지는 않습니다. AA 코딩 에이전트 비교, Astra 공식 용도

앱을 구독해서 쓰는 독자라면 API 천 건 비용을 월 구독료로 바꾸어 읽지 않아야 합니다. 실제 결제 판단에는 내 계정의 모델 제공 여부, 파일·도구 지원, 사용 한도, 한도에 도달했을 때의 대기 시간을 대입해야 합니다. 원하는 기능이 현재 플랜에 있고 결과도 충분하다면, Carbon 소식만으로 새 구독을 추가할 이유는 적습니다. 반대로 작업량이 많아 API로 자동화할 계획이라면 위의 단가와 완료 비용 비교가 직접적인 의미를 갖습니다.

선택한 후보는 다음 순서로 현재 쓰는 모델과 비교할 수 있습니다.

1. 접근 조건부터 확인사용할 앱이나 API에 Carbon이 실제로 제공되는지와 플랜·이용 조건을 확인합니다.
2. 같은 입력과 합격 기준 준비가공한 자료를 쓰고, 숨은 테스트 실패·호출부 누락·기존 동작 변경처럼 결과를 탈락시킬 조건을 먼저 정합니다.
3. 완료까지의 비용과 시간 비교첫 답변뿐 아니라 재시도, 전체 청구 토큰, 테스트와 변경 내역 검토에 든 시간을 함께 기록합니다.
4. 유리한 업무부터 제한적으로 적용더 나은 결과를 반복해서 확인한 작업에 먼저 적용하고, 중요한 변경은 사람이 승인합니다.

도시 데모에서 Carbon의 표현이 더 마음에 들더라도, 실제 서비스에서는 로딩 속도·기능 오류·유지보수 비용을 추가로 확인해야 합니다. Opus가 더 비싸더라도 어려운 버그를 한 번에 해결해 사람의 수정 시간을 크게 줄인다면 그 작업에는 비용을 쓸 이유가 생깁니다. 이처럼 기본 모델 하나와 어려운 작업을 맡길 상위 모델 하나를 나누면, 모든 요청에 최고급 모델을 쓸 필요가 줄어듭니다.

Carbon은 성능 경쟁의 선두를 확인하려는 사람에게 유력한 후보이고, Opus는 복잡한 코딩, Sol은 반복 처리 비용, Sonnet은 일상 문서 작업에서 먼저 비교할 근거가 있습니다. Astra는 기존 OpenAI 업무 흐름에서 더 어려운 추론을 맡길 상향 후보입니다. 내가 자주 하는 작업의 실패를 줄이면서 완료 비용을 감당할 수 있는 모델을 고르는 것이, 매번 바뀌는 종합 1위를 따라가는 것보다 오래 쓸 수 있는 선택 기준입니다.