제미나이 3.7 플래시 출시, 기업은 AI 모델을 어떻게 골라야 할까요
구글이 제미나이 3.6 플래시 공개 3주 만에 3.7 플래시를 내놨어요. 입력 토큰 100만 개당 0.75달러로 기존의 절반이고, 코딩 벤치마크 DeepSWE는 49.0%에서 65.3%로 올랐어요. 기업이 AI 모델을 고를 때 속도·비용·정확도를 저울질하는 법을 정리했어요.
구글이 제미나이(Gemini) 3.6 플래시를 내놓은 지 3주 만에 3.7 플래시를 공개했어요. 입력 토큰 100만 개당 0.75달러로 기존 대비 절반 가격이고, 소프트웨어 개발 벤치마크 DeepSWE 점수는 49.0%에서 65.3%로 올랐어요. 다만 이번 모델은 코딩·에이전트 업무에 맞춘 ‘워크호스(실무용)‘급이라, 정확도가 최우선인 업무까지 서둘러 바꿀 이유는 아니에요. AI 모델을 고를 땐 속도·비용·정확도, 이 세 축을 따로 놓고 봐야 해요.
📰 2026년 8월 31일 기준 최신 소식 | 이 글은 특정 시점의 뉴스를 다루고 있어요.
“AI 모델이 또 나왔다는데, 저희도 갈아타야 하나요?” AI 에이전트 도입을 검토 중인 기업 담당자에게 요즘 자주 듣는 질문이에요. 구글이 제미나이 3.7 플래시를 내놓으면서 이 질문이 다시 나왔어요. 새 모델 소식이 나올 때마다 무엇을 기준으로 판단해야 할지, 자체 SaaS(구독형 소프트웨어) 4종을 운영해온 개발사 관점으로 정리해봤어요.
1. 이번에 무엇이 나왔나요
구글이 공식 블로그로 제미나이 3.7 플래시를 공개했어요. “코딩과 에이전트 업무를 위한, 지금까지 나온 것 중 가장 똑똑한 워크호스 모델”이라고 소개했는데, 워크호스는 화려한 최상위 모델이 아니라 실제 업무를 꾸준히 처리하는 실무용 모델을 뜻해요.
구글 AI 스튜디오·안드로이드 스튜디오·제미나이 API로 바로 쓸 수 있고, 구글 AI Pro·Ultra 구독자용 ‘제미나이 스파크’ 기능도 발표 당일부터 이 모델로 전환됐어요.
2. 3주 만의 두 번째 업데이트
직전 모델인 제미나이 3.6 플래시가 나온 지 불과 3주 만에 후속 모델이 공개됐어요. 구글은 개발자 피드백과 알고리즘 개선의 결과라고 설명했어요.
예전엔 몇 개월, 길게는 1년 단위였던 업데이트가 이제 몇 주 간격이에요. 반가운 소식이지만 “이번 것도 검토해야 하나”라는 피로감도 함께 따라와요. 매번 갈아타기보다 언제 갈아탈지 판단하는 기준이 더 중요해진 이유예요.
3. 숫자로 보는 성능 변화
구글이 공개한 벤치마크를 보면 코딩·에이전트 영역에서 뚜렷한 개선이 보여요. 실제 운영 가능한 코드 생성 능력을 평가하는 FrontierCode 1.1 Main 점수는 34.4%에서 43.6%로, 소프트웨어 엔지니어링 작업 평가인 DeepSWE v1.1은 49.0%에서 65.3%로 올랐어요. 디버깅·이슈 해결처럼 실무형 작업에서 점수 차이가 특히 컸다고 해요.
맥락 창(모델이 한 번에 처리하는 텍스트 분량)은 이전 모델과 같은 100만 토큰을 유지했어요. 용량을 늘리는 대신 같은 용량 안에서 정확도와 속도를 끌어올린 셈이에요.
4. 가격은 어떻게 바뀌었나요
가격도 낮아졌어요. 도입 초기 가격 기준 입력 토큰 100만 개당 0.75달러, 출력 토큰 100만 개당 3.75달러로, 3.6 플래시 출시 초기 가격의 정확히 절반이에요. 다만 연말까지만 적용되는 한시 가격이라 이후 정식 가격은 달라질 수 있어요.
단가만 보면 매력적이지만, 실제 청구서는 단가로만 정해지지 않아요. 같은 업무도 재시도 횟수나 대화 길이에 따라 총 사용 토큰량이 달라지거든요. 저희가 벤치마크 1등 모델과 실제 비용의 차이를 짚었던 것도 같은 맥락이에요.
5. 기업이 AI 모델을 고를 때 봐야 할 기준
새 모델 소식을 접할 때마다 아래 세 가지를 따로 떼어놓고 확인해보길 권해요.
- 속도 — 응답이 빨라져도, 복잡한 추론 없이 빨리 답하는 쪽으로 최적화된 모델이라면 판단이 까다로운 업무엔 안 맞을 수 있어요.
- 정확도 — 벤치마크 점수가 올랐다고 우리 회사의 특정 업무에서도 똑같이 오른다는 보장은 없어요. 실제 업무 데이터로 직접 시험해봐야 확인돼요.
- 비용 — 토큰 단가가 내려가도 총 사용량이 늘면 전체 비용은 오히려 커질 수 있어요. 단가와 총 사용 토큰량을 같이 봐야 해요.
이번 모델은 코딩·에이전트 업무에 특화됐어요. 문서 작성이나 고객 응대 자동화처럼 다른 업무라면 같은 발표에서도 눈여겨볼 지표가 달라져요.
6. Creative Soft 관점 — 운영해본 개발사가 보는 모델 선택
저희는 자체 SaaS 4종을 직접 운영하면서, 모델 하나 바꾸는 일이 생각보다 손이 많이 간다는 걸 여러 번 겪었어요. 프롬프트 구조를 다시 잡고 기존·신규 결과를 나란히 비교할 시간이 필요해서, 새 모델이 나왔다고 곧바로 전체 파이프라인을 바꾸기보다 업무 하나부터 먼저 붙여봐요.
AI 도입을 검토 중인 기업이라면 이 접근이 더 맞아요. 벤치마크가 아무리 좋아도 우리 업무에서 실제로 어떤 차이를 내는지 확인하기 전엔 판단을 미루는 게 안전하거든요. 저희가 정리했던 고성능·저비용 모델을 업무별로 나눠 쓰는 계층 전략도 같은 고민에서 나온 결론이에요.
7. 자주 묻는 질문
속도가 빠른 모델이면 정확도도 같이 좋아지나요?
그렇지는 않아요. 이번 제미나이 3.7 플래시도 속도와 비용 효율을 앞세운 모델이라, 복잡한 판단이 필요한 업무엔 여전히 상위 모델이 따로 필요해요. 속도와 정확도는 서로 다른 축으로 보고 업무별로 나눠 배정하는 편이 안전해요.
가격이 절반으로 내렸으니 지금 바로 갈아타야 하나요?
가격만 보고 서두를 필요는 없어요. 기존 파이프라인이 특정 모델의 응답 형식이나 프롬프트 구조에 맞춰져 있다면, 모델을 바꾸는 순간 재검증 작업이 따라와요. 신규 업무나 테스트 환경부터 붙여보고 결과를 비교한 뒤 넓혀가는 방식을 권해요.
저희 회사도 항상 최신 모델을 써야 하나요?
아니에요. 업무 성격에 따라 이전 모델로도 충분한 경우가 많아요. 중요한 건 최신 모델 자체가 아니라, 우리 업무에 어떤 조합이 비용 대비 결과를 내는지 직접 재보는 과정이에요.
8. 마무리하며
제미나이 3.7 플래시는 코딩·에이전트 업무를 빠르고 저렴하게 처리하려는 기업엔 살펴볼 가치가 있는 소식이에요. 다만 모든 업무에 곧바로 맞는 답은 아니고, 업무 성격에 맞춰 속도·비용·정확도를 따로 재본 뒤 결정할 일이에요.
저희는 10년 이상 50개 이상의 프로젝트를 진행하면서 자체 SaaS 4종을 직접 운영해온 개발사예요. 롯데·캐논 같은 곳과도 함께 일해 왔고요. 새로 나온 AI 모델이 우리 회사 업무에 실제로 맞는지 궁금하시다면 아래에서 편하게 문의해 주세요.