제미나이 3.8 플래시, 100만 토큰 0.75달러에 DeepSWE 73.7% — 오픈AI 아스트라는 익스플로잇벤치 100%
간밤 미국 쪽은 '싸고 빠른 코딩 모델'과 '공격 능력이 임계치를 넘은 모델' 두 갈래로 갈렸습니다. 논문 쪽에서는 모델이 아니라 하네스를 갈아끼워 점수를 올리는 접근이 올라왔고요.
1) 제미나이 3.8 플래시 — 프런티어급 점수를 저가 구간에서
- 무엇: 구글이 9월 2일 공개했습니다. 도입 가격은 입력 100만 토큰 0.75달러, 출력 3.75달러이고 12월 31일까지 유지, 2027년 1월부터 각각 1.50/7.50달러가 됩니다. 장기 소프트웨어 작업 벤치인 DeepSWE v1.1에서 73.7%로 클로드 오퍼스 5(74.0%) 바로 아래, GPT-5.6 Sol(72.7%)과 직전 3.7 플래시(65.3%)보다 위입니다. 터미널벤치 2.1은 90.8%(3.7 플래시 81.6%), Artificial Analysis 지능 지수는 하이 리즈닝 기준 59입니다.
- 왜 중요: 오퍼스 5가 5.00/25.00달러, GPT-5.6 Sol이 4.00/20.00달러인 걸 감안하면 점수 차 0.3%p를 5~6배 토큰 단가 차이와 맞바꾸는 구도입니다. 다만 단가가 곧 총비용은 아닙니다. 3.8은 추론 토큰을 더 태워서 Artificial Analysis 기준 태스크당 비용이 3.7 플래시 0.40달러에서 0.58달러로 올랐습니다. 통과율까지 같이 보면 결과는 달라질 수 있으니 단가만 보고 갈아타면 계산이 어긋납니다.
- 어떻게: AI 스튜디오·Antigravity·안드로이드 스튜디오·제미나이 엔터프라이즈에서 쓸 수 있습니다. 이미 돌리는 파이프라인 중 반복 실행이 잦은 단계 하나만 3.8 플래시로 바꿔 A/B로 비용과 통과율을 같이 재보는 게 안전합니다. 가격 인상 시점이 예고돼 있으니 도입가 구간 데이터를 지금 남겨두면 나중에 판단이 쉽습니다.
2) 오픈AI 아스트라 — 자사 프레임워크에서 처음 나온 '크리티컬' 사이버 등급
- 무엇: 오픈AI가 9월 1일, 출시 예정인 아스트라가 Preparedness Framework의 사이버보안 '크리티컬' 임계치를 넘는다고 밝혔습니다. 익스플로잇벤치 100%. 최근 공개된 고위험 V8 취약점 20건으로 만든 내부 벤치를 돌리던 중 알려지지 않은 제로데이 2건을 찾아 하나의 익스플로잇 체인에 사용했고, 해당 건은 메인테이너에게 제보 중입니다. 악성 HTML 파일을 여는 것만으로 샌드박스를 탈출해 호스트에서 명령을 실행하는 브라우저 침해 체인, 하드닝된 OS에서 일반 계정→루트 권한상승 체인도 재현됐습니다. 이 수치들은 Daybreak Blue 접근 구성 기준이고 기본 제품 설정이 아닙니다.
- 왜 중요: 자율 취약점 탐지가 '연구 데모'에서 '제품 등급 분류' 단계로 넘어왔다는 신호입니다. 비슷한 시기 구글은 제미나이 3.8 플래시 사이버를 크라우드스트라이크·데이터독·팔로알토네트웍스·스노우플레이크 등 650여 파트너 대상 Fairwind 프로그램으로 열었고, 앤스로픽은 Enterprise Frontier Safeguards를 내놨습니다. 세 회사 모두 고위험 사이버 능력을 게이트 뒤에 두는 쪽으로 정렬한 셈입니다.
- 어떻게: 아스트라의 고급 사이버 기능은 시스코·클라우드플레어·팔로알토네트웍스·크라우드스트라이크 등이 참여하는 Daybreak 파트너 프로그램(방어용 Blue 티어)을 통해서만 열립니다. 일반 개발자가 당장 할 일은 접근 신청보다 의존성 스캔 주기와 패치 SLA 점검 쪽입니다. 공격자 쪽 탐색 비용이 내려가는 흐름이라 노출된 오래된 CVE가 먼저 문제가 됩니다.
3) JIT-Agent — 모델은 그대로 두고 하네스를 생성해서 점수를 올린다
- 무엇: 8월 26일 아카이브에 올라온 논문(2608.25593)입니다. 메모리 관리·플래닝·액션 프로토콜·툴 오케스트레이션 4개 모듈을 기계가 생성 가능한 산출물로 규격화하고, 태스크마다 하네스를 즉석에서 만들어 붙입니다. DeepSeek-V4-Flash가 DeepSearchQA에서 +9.1, OdysseyBench에서 +4.3으로 GPT-5.6을 넘어섰고 GLM-5.2는 최대 +20.2점 올랐습니다.
- 왜 중요: "에이전트 성능은 모델만으로 결정되지 않는다"는 주장을 수치로 밀어붙인 사례입니다. 모델 교체 없이 실행 구조만 바꿔 두 자릿수 개선이 나온다면, 프롬프트 튜닝보다 하네스 설계에 시간을 쓰는 게 나은 구간이 있다는 뜻입니다.
- 어떻게: 지원 벤치가 xbench, deepsearchqa, agentif, officebench, odyssey, shopping, travel로 공개돼 있습니다. 자기 워크플로에서 메모리 요약 방식과 툴 호출 순서만 두세 가지 변형으로 놓고 같은 태스크를 돌려 보면, 논문을 재현하지 않아도 하네스 민감도는 확인할 수 있습니다.
덧붙여 앤스로픽은 9월 2일 리테일·여행·통신·티켓팅용 커머스 에이전트 블루프린트를 공개했습니다. 근거로 든 건 어도비 애널리틱스 수치로, AI 경유 리테일 사이트 방문의 전환율이 다른 경로보다 60% 높다는 내용입니다.
오늘 해볼 것 하나: 가장 자주 도는 에이전트 잡 하나를 골라 3.8 플래시로 한 번, 기존 모델로 한 번 돌려 태스크당 토큰 비용과 성공률을 나란히 기록해 두세요. 단가가 아니라 이 두 숫자가 실제 청구서를 결정합니다.
출처:
https://the-decoder.com/gemini-3-8-flash-is-googles-third-budget-model-in-six-weeks-while-frontier-models-remain-mia/
https://artificialanalysis.ai/articles/gemini-3-8-flash
https://www.datacamp.com/blog/gemini-3-8-flash-cyber
https://9to5google.com/2026/09/02/gemini-3-8-flash-launch/
https://thehackernews.com/2026/09/google-anthropic-and-openai-unveil.html
https://openai.com/index/path-to-astra/
https://arxiv.org/abs/2608.25593
https://huggingface.co/papers
https://claude.com/blog/claude-for-commerce-agents
댓글 (0)
아직 댓글이 없습니다.
댓글을 쓰려면 입장하세요.
← 목록