GPT Image 2.5 is live — OpenAI's newest image model, targeted edits that leave the rest of the frame alone
Gemini 4 Argon vs GPT-6 Astra vs Claude Opus 5.5 비교
2026/10/01 ·

Gemini 4 Argon vs GPT-6 Astra vs Claude Opus 5.5 비교

Gemini 4 Argon, GPT-6 Astra, Claude Opus 5.5를 비교합니다. Google의 9월 30일 발표 속 19개 벤치마크와 평가 한계를 살펴보고, 코딩과 지식 업무 결과, 공유 컨텍스트, 출력 한도, 이어 생성을 실제 업무 평가에 적용하는 기준을 정리합니다.

Gemini 4 Argon은 Google의 2026년 9월 30일 출시 비교에서 대부분의 행을 앞섰지만 예외도 있었습니다. Argon, GPT-6 Astra, Claude Opus 5.5 가운데 19행 중 13행 최고, 1행 동률, 5행 열세였습니다. 그중 3행은 Astra, 2행은 Opus가 앞섰습니다[1]. 열세는 터미널, 어려운 소프트웨어 과제, 컴퓨터 사용에 집중됩니다.

이 글은 모든 수치를 나란히 놓고 문서화된 요청 한도와 평가 방법의 주의점을 설명합니다. 출시 후 검색에는 'gemini 4 argon benchmarks', 'gemini 4 argon performance relative to other models', 'gemini 4 vs gpt 6 astra', 'gemini 4 vs claude'가 있었습니다. Google은 이제 Gemini API와 Google AI Studio 접근을 문서화합니다[2]. 아래는 출시 당시 결과이며 새 독립 평가나 오늘의 순위가 아닙니다.

핵심 요약

  • 전체: Argon 13행, Astra 3행, Opus 2행 최고이며 1행은 동률입니다[1].
  • Argon의 큰 우위: Harvey's Legal Agent Benchmark 19.6% 대 5.4%·3.8%, GraphWalks 256K–1M 84.2% 대 71.8%·66.8%, 긴 동영상 LVBench 91.7%입니다[1].
  • 열세: Opus는 Terminal-bench 4.0 66.4% 대 57.4%와 PostTrainBench, Astra는 FrontierSWE v2·Terminal-Bench Science·OSWorld-2.0에서 앞섭니다[1].
  • 컨텍스트와 출력: 입력·사고·출력이 1,048,576 토큰을 공유합니다. 기본 한 요청은 JSON 32,768, 스트리밍 65,536 토큰까지이며 긴 생성은 여러 요청으로 이어집니다[3].
  • 비용: 현재 단가와 사고·이어쓰기를 포함한 전체 사용량을 비교합니다. 가격 가이드가 과금 항목을 설명합니다.

Gemini 4 Argon 벤치마크 전체 표

수치는 Google 발표 표에서 가져왔습니다. Claude Fable 5.1도 별도 열로 남겨 비교 질문에 답합니다. Argon·Astra·Opus 중 최고를 굵게 표시했고, 대시는 미보고 결과입니다[1].

분야벤치마크Gemini 4 ArgonGPT-6 AstraClaude Opus 5.5Claude Fable 5.1
지식 업무Vals Index68.9%63.1%67.0%65.8%
지식 업무AutomationBench51.3%41.4%42.5%31.4%
지식 업무Vals Finance Agent v265.4%53.5%58.6%58.9%
지식 업무Harvey's Legal Agent Benchmark19.6%5.4%3.8%6.7%
에이전트 코딩DeepSWE v1.177.9%74.1%74.2%67.4%
에이전트 코딩FrontierSWE v255.0%65.5%62.3%56.3%
에이전트 코딩Vibe Code Bench91.9%89.6%90.3%90.3%
에이전트 코딩Terminal-bench 4.057.4%58.2%66.4%57.9%
ML 엔지니어링PostTrainBench45.3%44.3%49.3%40.2%
과학·수학Terminal-Bench Science 0.157.6%68.1%63.3%52.6%
과학·수학LABBench 288.8%85.4%73.1%68.6%
과학·수학RiemannBench76.0%72.0%69.6%65.6%
긴 컨텍스트GraphWalks, 128K까지99.7%98.7%90.6%91.4%
긴 컨텍스트GraphWalks, 256K~1M84.2%71.8%66.8%65.0%
컴퓨터 사용Agent's Last Exam39.5%34.2%38.2%—
컴퓨터 사용OSWorld-2.0 (오프라인 하위 세트)69.2%72.6%——
멀티모달Chartography71.6%71.0%66.3%46.2%
멀티모달LVBench91.7%87.5%83.7%79.7%
사이버 보안CWE-bench v168.0%68.0%67.0%58.0%

Opus 5.5와 직접 비교하면 양쪽 점수가 있는 18행 중 Argon이 14행에서 앞섭니다. FrontierSWE v2, Terminal-bench 4.0, PostTrainBench, Terminal-Bench Science 네 행에서는 뒤집니다[1].

Google 평가 방법과 함께 읽기

모든 점수는 Google 발표에서 왔고 방법론 문서가 출처를 설명합니다. 세 조건이 격차의 의미를 바꿉니다[4].

  1. 대부분 경쟁 점수는 자체 보고입니다. 별도 표시가 없으면 각 제조사 공표값을 쓰고, 기록된 경우 최대 추론 설정을 사용합니다.
  2. 일부 Argon 점수는 Google이 측정했습니다. DeepSWE v1.1과 Terminal-bench 4.0이 해당하며 경쟁 값은 공개 순위표나 시스템 카드에서 왔습니다. 시험 환경이 항상 같지는 않습니다.
  3. 입력도 다릅니다. LVBench는 Gemini에 초당 1프레임, Astra 800프레임, Opus 600, Fable 300을 사용했습니다. Google은 API 제한을 이유로 들었습니다. 프레임 예산이 달라 긴 영상 격차를 주의해서 해석해야 합니다.

이 표는 무엇을 시험할지 고르는 자료입니다. 모든 행에 신뢰구간이나 공통 시험 환경이 있는 것은 아닙니다. 작은 우위가 자신의 작업에서 재현된다는 보장은 없고, 큰 차이도 집중 평가의 이유이지 앱의 순위 증명은 아닙니다.

독립 평가 기관의 Gemini 4 Argon 벤치마크

Artificial Analysis는 목록에 있는 각 모델에 자체 Intelligence Index를 적용하므로 모든 모델이 같은 테스트 세트를 거칩니다. 순위는 Google 표와 다릅니다. 다음은 2026년 11월 4일 각 모델 페이지에 표시된 수치입니다[5]:

모델 (평가 설정)Intelligence Index62개 모델 목록 내 순위지수 평가에 사용한 출력 토큰지수 평가 과제당 비용출력 속도
Claude Opus 5.5 (Max)592220M$10.0494.2 토큰/초
GPT-6 Astra (Max)57554M$6.2467.1 토큰/초
Gemini 4 Argon (High)5015110M$7.6881.9 토큰/초

설정은 동일하지 않습니다. Argon은 High만 표시되지만 Astra와 Opus 5.5는 Max로 나열됩니다. 같은 순위표에서 GPT-6 Astra의 High 설정도 7위로 Argon의 High보다 앞섭니다. Artificial Analysis는 Argon 가격도 100만 토큰당 입력 $4, 출력 $20로 계산합니다. 이는 Gemini 4 Argon 가격 가이드에 설명한 도입 요금 $2와 $10이 아니라 Google이 12월 1일부터 적용하는 요금입니다.

두 가지 해석이 타당합니다. Google의 19개 과제 벤치마크에서는 Argon이 대부분의 행에서 앞섭니다. 하나의 독립 지수에서는 Opus 5.5와 Astra의 점수가 더 높습니다. Astra는 셋 중 토큰 효율도 가장 높습니다. 같은 지수 평가를 완료하는 데 Argon 출력 토큰의 약 절반, Opus 5.5의 4분의 1을 사용했습니다.

컨텍스트와 출력은 통합 선택에 영향을 줍니다

예전 글은 Argon 컨텍스트를 미공개, 출력을 한 응답 100만 토큰으로 설명했습니다. 현재 가이드는 더 구체적인 한도를 제공합니다[2][3].

Gemini 4 Argon 항목현재 문서상 동작
개발자 접근Gemini API와 Google AI Studio
모델 IDgemini-4-argon
공유 컨텍스트입력·사고·출력 합산 1,048,576 토큰
기본 JSON 단일 요청최대 32,768 생성 토큰
기본 스트리밍 단일 요청최대 65,536 생성 토큰
더 긴 생성남은 공유 창 안에서 요청 간 이어쓰기
사고 수준low, medium(기본), high; 완전히 끌 수 없음

출처는 현재 Google 이전 가이드와 사고 가이드입니다[2][3].

Long Decode는 큰 과제의 여유를 늘리지만 한 HTTP 응답에 보고서가 완성된다는 뜻은 아닙니다. reAPI는 서버에서 자동으로 이어쓰지 않습니다. 클라이언트가 명시적으로 요청하고 각 사용량 및 재개 정보를 보관해야 합니다.

출시 비교는 Astra와 Opus의 자체 문서에 있는 출력 사양을 썼습니다. 그 역사적 한도를 Argon Long Decode 상한과 동일한 단일 요청처럼 비교해서는 안 됩니다. 현재 GPT-6 Astra와 Claude Opus 5.5 페이지에서 출력 요건과 가격을 확인하세요.

Gemini 4 Argon vs GPT-6 Astra

Argon은 지식 업무와 긴 컨텍스트의 다수 행을 앞섭니다. Harvey's는 19.6% 대 5.4%, Vals Finance Agent v2는 65.4% 대 53.5%입니다[1]. 비용 주장을 하기 전 자신의 평가에서 토큰 사용량과 현행 단가를 함께 비교해야 합니다.

작업이 Astra가 앞선 컴퓨터·소프트웨어 평가와 비슷하다면 먼저 시험할 가치가 있습니다. OSWorld-2.0은 72.6% 대 69.2%, FrontierSWE v2는 65.5% 대 55.0%, Terminal-Bench Science는 68.1% 대 57.6%입니다[1]. 뒤의 두 항목은 10.5포인트로 Argon의 최대 열세입니다. 비슷한 업무라면 전환 전에 테스트하세요. Terminal-bench 4.0에서도 Astra가 58.2% 대 57.4%로 조금 앞섭니다.

Gemini 4 Argon vs Claude Opus 5.5

코딩에서는 더 가까운 조합입니다. Argon은 DeepSWE v1.1 77.9% 대 74.2%, Vibe Code Bench 91.9% 대 90.3%로 앞섭니다. Opus는 Terminal-bench 4.0에서 9포인트, 66.4% 대 57.4%, PostTrainBench에서 4포인트, 49.3% 대 45.3%로 앞섭니다[1]. 셸 중심 에이전트라면 Opus도 유효한 후보입니다.

코딩 밖에서 Argon의 차이는 법률 15.8포인트, GraphWalks 256K–1M 17.4, LABBench 2 15.7입니다[1]. 실서비스 선택에는 동일한 자료와 합격 검사를 사용하세요. 벤치마크 우위만으로 완료에 필요한 토큰 수는 정해지지 않습니다.

작업마다 먼저 시험할 모델

  • 법률·금융 연구, 긴 문서와 영상: Argon을 포함합니다. 출시 표에서 큰 우위가 있었지만 자신의 자료로 출처 정확성과 완결성을 확인해야 합니다.
  • 긴 이전 작업이나 보고서: 이어쓰기 클라이언트로 Long Decode를 평가하고 사고와 답변 공간을 모두 남깁니다. 공유 컨텍스트는 독립 출력 할당량이 아닙니다.
  • 터미널 중심 코딩 에이전트: Opus와 Argon을 함께 테스트합니다. Terminal-bench 차이를 자신의 도구와 과제로 검증합니다.
  • 컴퓨터 사용과 어려운 개발 작업: 역사적 표에서 OSWorld-2.0과 FrontierSWE v2를 앞선 Astra를 포함합니다.

같은 프롬프트와 자료를 쓰고 추론 설정과 예산을 기록해 재현성을 유지하세요. 미완료 응답과 완성됐지만 틀린 응답을 구분합니다. 도구 사용은 호출 출력에서 멈추지 말고 결과를 돌려주는 전체 흐름까지 확인하세요.

reAPI Argon 페이지는 현재 요금과 요청 문서를 연결합니다. Google API 공개를 기다리는 대신, 감당할 조건에서 어느 모델이 업무를 끝내는지 판단할 수 있습니다.

자주 묻는 질문

Argon이 GPT-6 Astra보다 좋은가요?

Google 19행 중 14행에서 높고 1행은 동률입니다. Astra는 FrontierSWE v2, Terminal-Bench Science, OSWorld-2.0, 근소한 Terminal-bench 4.0에서 앞섭니다[1].

Claude Opus 5.5보다 좋은가요?

비교 가능한 18행 중 14행에서 높습니다. Opus는 Terminal-bench 4.0, PostTrainBench, FrontierSWE v2, Terminal-Bench Science에서 앞섭니다[1].

Claude Fable 5.1과 비교하면요?

양쪽 값이 있는 17행 중 15행에서 Argon이 높습니다. Fable은 FrontierSWE v2 56.3% 대 55.0%, Terminal-bench 4.0 57.9% 대 57.4%로 약간 앞섭니다[1].

Argon 최고 점수는 무엇인가요?

GraphWalks 최대 128K의 99.7%입니다. 큰 차이의 Harvey's는 19.6% 대 Astra 5.4%·Opus 3.8%, GraphWalks 256K–1M은 84.2%입니다[1].

독립 벤치마크인가요?

완전히 독립적이지는 않습니다. Google 발표이며 경쟁 수치 대부분은 제조사 자체 보고, 일부 Argon 시험은 Google이 실행했습니다[4]. Artificial Analysis는 세 모델을 하나의 지수로 평가합니다. 2026년 11월 4일 점수는 Opus 5.5가 59, Astra가 57, Argon이 50이었습니다[5].

셋 중 가장 저렴한 모델은 무엇인가요?

현행 단가와 합격 결과 비용을 비교하세요. 입력, 캐시, 추론, 이어쓰기가 청구를 바꿉니다. 가격 가이드는 오래된 고정 가격표 없이 비교하는 방법을 설명합니다.

Argon, Astra, Opus 5.5 선택하기

Google의 9월 표는 지식 업무와 긴 컨텍스트에 Gemini 4 Argon을 평가할 이유를 줍니다. 터미널과 컴퓨터 작업에서는 Opus와 Astra를 남길 이유도 있습니다. 날짜가 명시된 제조사 비교에서 나온 유용한 가설입니다.

결정은 앱이 채점할 수 있는 과제로 내리세요. 변경 사항이 테스트를 통과하는지, 보고서 주장에 근거가 있는지, 에이전트가 작업을 끝냈는지 확인합니다. 예산과 이어쓰기까지 기록하면 출시 표를 Gemini 4 Argon의 실용적 평가로 바꿀 수 있습니다.

참고 자료

  1. Google. Gemini 4 Argon: our next era of frontier intelligence (including benchmark table). 2026년 10월 확인: blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon

  2. Google. What's new in Gemini 4 Argon. 2026년 10월 14일 확인: ai.google.dev/gemini-api/docs/generate-content/latest-model

  3. Google. Gemini thinking. 2026년 10월 14일 확인: ai.google.dev/gemini-api/docs/generate-content/thinking

  4. Google DeepMind. Gemini 4 Argon model evaluation: approach, methodology and results. 2026년 10월 확인: deepmind.google/models/evals-methodology/gemini-4-argon

  5. Artificial Analysis. Gemini 4 Argon (High), GPT-6 Astra (Max) and Claude Opus 5.5 (Max) model pages. 2026년 11월 4일 확인, 출처: artificialanalysis.ai/models/gemini-4-argon, gpt-6-astra 및 claude-opus-5-5