안내·정책
저장한 기사
구글, 고성능·고효율 AI 모델 'Gemini 4 Neon' 공개 내용을 표현한 AI 생성 대표 이미지
AI모델

구글, 고성능·고효율 AI 모델 'Gemini 4 Neon' 공개

구글이 복잡한 소프트웨어 엔지니어링과 지식 노동, 과학 워크플로우를 지원하는 고성능 AI 모델 'Gemini 4 Neon'을 발표했습니다. 100만 토큰 컨텍스트 윈도우와 향상된 추론 효율성을 제공합니다.

blog.google0개 댓글0회 조회

30초 핵심 브리핑

  • Gemini 4 Neon은 입력 토큰 1백만 개당 3달러, 출력 토큰 1백만 개당 15달러의 가격으로 제공되며 95% 할인된 캐시 입력 옵션을 지원합니다.
  • 인공 분석(Artificial Analysis) 인덱스 xhigh 사고 수준에서 61점을 기록하며 상위권에 올랐습니다.
  • 구글 AI 스튜디오, Gemini API, 기업용 서비스, Gemini 앱 등을 통해 순차적으로 출시됩니다.

원문 보기 · blog.google ↗출처 · Hacker News

입력 토큰 단가
$3백만 토큰당
캐시 입력 단가
$0.15백만 토큰당
출력 토큰 단가
$15백만 토큰당
컨텍스트 윈도우
1백만 토큰

구글이 새롭게 선보인 Gemini 4 Neon은 복잡한 소프트웨어 엔지니어링, 지식 노동, 과학 워크플로우 전반에서 빠른 태스크 처리를 지원하는 프론티어 급 AI 모델입니다. Artificial Analysis Intelligence Index에서 xhigh 사고 수준 기준 61점을 기록해 상위권에 안착했으며, Vals Index에서도 파레토 프론티어에 오르는 성능을 입증했습니다. 특히 에이전트 아레나 인덱스(Agent Arena Index)의 조율성 부문에서 2위를 차지하며 작업 중 사용자의 수정 지시를 유연하게 반영하는 능력을 보여주었습니다.

이번 모델은 1백만 토큰의 대규모 컨텍스트 윈도우를 바탕으로 스프레드시트, PDF, 차트, 오디오, 비디오 등 다양한 형태의 엔터프라이즈 데이터를 동시에 종합할 수 있습니다. 가격 정책은 입력 토큰 1백만 개당 3달러, 출력 토큰 1백만 개당 15달러로 책정되었으며, 캐시된 입력 토큰에 대해서는 95% 할인된 1백만 개당 0.15달러의 단가가 적용됩니다. 이를 통해 기존 대형 모델 대비 비용 효율성을 대폭 높인 것이 특징입니다.

실무 개발 및 보안 영역에서도 강력한 성능을 발휘합니다. Artificial Analysis Coding Agent Index에서 전체 1위를 기록했으며, Terminal-Bench 4.1에서 65.2%의 점수를 획득했습니다. 또한 사이버 보안 부문에서는 AutoBaxBench 하드 티어 76%, WebExploitBench v1.2에서 51.26%를 기록하며 고성능 코드 강화 및 취약점 탐지 역량을 증명했습니다. 구글 AI 스튜디오, 기업용 Gemini 서비스, 안드로이드 스튜디오 및 Gemini 앱 등 다양한 채널을 통해 오늘부터 순차적으로 롤아웃됩니다.

주요 내용 비교

항목내용
모델명Gemini 4 Neon
입력 토큰 단가$3 / 백만 토큰
캐시 입력 단가$0.15 / 백만 토큰
출력 토큰 단가$15 / 백만 토큰
컨텍스트 윈도우1백만 토큰

자주 묻는 질문

Gemini 4 Neon의 토큰 가격은 어떻게 되나요?

입력 토큰은 백만 개당 3달러, 출력 토큰은 백만 개당 15달러입니다. 캐시된 입력 토큰의 경우 95% 할인된 백만 개당 0.15달러가 적용됩니다.

Gemini 4 Neon은 어디서 이용할 수 있나요?

구글 AI 스튜디오의 Gemini API, 기업용 Gemini 서비스, 구글 안드로이드 스튜디오, 그리고 Gemini 앱의 프로 및 울트라 구독자용 모델 드롭다운을 통해 순차적으로 제공됩니다.

관련 자료

댓글

0개

아직 공개된 댓글이 없습니다. 첫 의견을 남겨 주세요.

이 기사가 유용했나요? (선택)

댓글은 이메일을 공개하지 않으며 검토 후 게시됩니다.

AI 에이전트의 규칙 준수 여부를 점검하는 디지털 평가 과정을 표현한 이미지AI모델

실무 환경 속 지속성 있는 AI 에이전트의 규칙 위반 측정 벤치마크 Unfinished-Bench 공개

Hugging Face Papers에서 공개한 Unfinished-Bench는 사용자 감독 없이 장시간 실행되는 지속형 AI 에이전트의 현실적인 규칙 위반 위험을 측정하는 벤치마크입니다. 7개 조직과 7개 위험 카테고리 내 97개 시나리오를 통해 에이전트의 지속성이 규칙 위반에 미치는 영향을 분석합니다.

인공초지능과 재귀적 자기 개선의 한계를 다룬 컴퓨터 과학적 분석 일러스트AI모델

인공초지능(ASI) 도래 주장의 3가지 기술적 허점과 실무적 위험

최근 앤스로픽과 OpenAI 등 주요 AI 기업들이 재귀적 자기 개선(RSI)을 통한 초지능 도달 가능성을 경고하고 있으나, 컴퓨터 과학 관점에서는 계산 가능성 한계와 데이터 병목 등으로 인해 실현 가능성이 희박하다는 지적이 제기되었습니다. 그러나 지능 폭발이 오지 않더라도 자율 실행 시스템의 오남용으로 인한 실무적 위협은 여전히 유효합니다.