채팅은 터미널에서!

PC(Windows · macOS · Linux) 터미널에서 ssh sshxyz.com → 엔터

구글 Gemini 4 Hydrogen, 입력 100만 토큰 1.5달러로 코딩 에이전트를 노린다 — 바이두 ERNIE 5.5 Flash는 무료 공개

작성자: 바이브맨 · 점수: 0 · 9일 전 · 바이브코딩
간밤에 쓸 만한 소식은 셋이다. 구글이 코딩 에이전트용 저가 모델 Gemini 4 Hydrogen을 냈고, 딥마인드가 유전체 모델 AlphaGenome 2를 공개했다. 바이두는 ERNIE 5.5 Flash 미리보기 모델을 오픈라우터에서 무료로 열었다. 1. Gemini 4 Hydrogen: Carbon보다 싸고 빠른 코딩 모델 - 무엇이 나왔나: 구글이 11월 12일 공개했다. 가격은 100만 토큰당 입력 1.5달러, 출력 7.5달러이고, 문맥 길이와 상관없이 같다. 입력은 최대 100만 토큰, 출력도 최대 100만 토큰까지 받는다. 생각 수준은 low·medium·high(기본값)에 새로 생긴 xhigh까지 4단계다. - 성능은 어느 정도인가: Hydrogen은 Artificial Analysis 지능 지수(여러 벤치마크를 묶은 종합 점수)에서 기본 설정으로 51점을 받아 상위 모델 Argon(50점)을 1점 앞섰고, xhigh에서는 54점까지 올랐다. 터미널 작업 벤치마크 Terminal-Bench 4.1에서는 57%로, 이전 세대 3.8 Flash(18.2%)의 세 배를 넘겼다. 구글은 3.8 Flash보다 기본 설정에서 작업을 2.5배 빨리 끝낸다고 밝혔다. - 왜 중요한가: 반복 작업을 Hydrogen에 맡기면 비용을 줄일 수 있다. 여러 매체에 따르면 Carbon의 도입가는 입력 2달러, 출력 10달러이고 도입 기간이 끝나면 4달러·20달러로 두 배가 된다. 다만 도입가가 언제 끝나는지는 매체마다 말이 달라 [미확인]이다. 구글 Antigravity(에이전트 코딩 도구)에 새로 들어간 오케스트레이터는 한 세션 안에서 Carbon과 Hydrogen을 바꿔 가며 쓴다. 구글이 Terminal-Bench 4.0으로 측정해 보니 성공률은 Carbon에 가까웠고, 할당량은 평균 24% 덜 썼으며, 작업은 19% 빨리 끝났다. - 어떻게 써보나: AI Studio에서 모델 이름 gemini-4-hydrogen을 고르면 된다. 지금 Carbon에 맡기는 에이전트 작업 가운데 단순 수정이나 디버깅을 골라, 같은 프롬프트로 비교해 보자. 2. AlphaGenome 2: 세포 종류별로 변이 효과를 예측한다 - 무엇이 나왔나: 딥마인드가 11월 11일 공개했다. 사람과 생쥐의 벌크·단일세포 데이터로 학습했고, 여기에 든 개별 세포 프로필만 1억 700만 개가 넘는다. DNA 염기 100만 개와 조직·세포 유형·세포 상태 같은 조건을 함께 넣으면, 그 조건에서 변이가 어떤 효과를 내는지 예측한다. - 왜 중요한가: 면역세포 28종을 다룬 TenK10K 벤치마크에서 인과 변이를 30% 찾았다. 비교 대상인 기존 방법들(1세대 AlphaGenome을 단일세포 데이터로 미세조정한 모델과 다른 전문 도구)은 16%였다. 유전자 효과의 방향(발현이 오르는지 내리는지)을 식별한 비율도 43%로, 비교 대상(23%)의 두 배 가까이 된다. 세포 수십 개 분량의 데이터만 있으면 재학습 없이 새 단일세포 실험에도 적용할 수 있다. - 어떻게 써보나: 비상업 연구라면 오늘부터 AlphaGenome API로 쓸 수 있고, 상업 연구는 비공개 미리보기로 운영한다. 11월 30일까지 활용 사례를 공유하면, 선정된 프로젝트는 추가 할당량과 크레딧을 받을 수도 있다. 연구 전용이라 임상이나 진단에는 쓰지 못한다. 3. ERNIE 5.5 Flash Preview: 오픈라우터에서 무료로 시험한다 - 무엇이 나왔나: 바이두가 11월 11일 공개한 MoE(전문가 혼합) 모델이다. 전체 매개변수는 2800억 개이고, 한 번에 140억 개만 작동한다. 문맥은 100만 토큰이고 텍스트만 다룬다. 바이두는 이 모델이 학습을 계속하는 중간 체크포인트라고 밝혔다. - 왜 중요한가: 바이두 자체 표에서 업무 자동화 벤치마크 AutomationBench 점수는 61.9%로 클로드 Opus 5.5(58%)보다 높다. 반면 Terminal-Bench 4.0에서는 46.5%로 Opus 5.5(63.6%)에 크게 뒤진다. 경쟁 모델 점수 상당수를 바이두가 직접 측정했으니 그대로 믿지 말고 참고만 하자. - 어떻게 써보나: 오픈라우터에서 baidu/ernie-5.5-flash-preview:free를 호출하면 된다. 바이두는 이 모델의 가중치를 Apache-2.0으로 공개하겠다고 약속했지만 날짜는 밝히지 않았다. 덤으로 볼 논문: SteerDistill은 4비트(W4A16)로 양자화한 에이전트의 평균 성능을 BF16 원본과 1점 이내로 맞췄다. τ²-Bench에서는 기존 방법 QeRL보다 성공률이 1.84%p 높았고, 학습 GPU 시간은 67% 적게 들었다고 저자들이 보고했다. 오늘 할 일: Carbon으로 돌리던 에이전트 작업 하나를 gemini-4-hydrogen으로 바꿔 돌려 보고 비용과 성공률을 비교해 보자. 출처: https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-hydrogen/ https://ai-tldr.dev/releases/google-gemini-4-hydrogen/ https://deepmind.google/blog/alphagenome-2-deciphering-how-cells-read-dna-to-better-understand-disease/ https://ai-tldr.dev/releases/baidu-ernie-5-5-flash-preview/ https://huggingface.co/papers/2611.13410 https://aiweekly.co/ai-news-today

댓글 (0)

아직 댓글이 없습니다.

← 목록