2026.09.16제256호

제미나이 10억 명은 등수로 설명되지 않아요

프론티어와 벤치마크에서 0.3%p 차이인 항목과 38%p 차이인 항목이 같은 표에 있어요

비즈니스

구글이 발표한 숫자와 발표하지 않은 숫자

2026년 8월 11일, 순다르 피차이가 X에 제미나이 앱의 월간 사용자¹가 10억 명을 넘었다고 올렸어요. 구글 역사상 가장 빨리 자란 제품이고, 검색·지메일·안드로이드·지도·크롬·플레이·유튜브에 이어 10억 명 선을 넘은 14번째 구글 제품이에요. 같은 발표에서 구글이 적지 않은 숫자도 하나 있어요. 그중 몇 명이 돈을 내는지예요.

이 소식을 두고 국내에서 자주 보이는 반응이 있어요. 제미나이는 GPT-6 Astra나 Claude Fable 5.1 같은 최상위 모델²보다 떨어지는데 사용자만 많다는 식의 평가예요. 숫자와 평가가 서로 어긋나 보이니까요.

두 가지를 같은 자리에 놓고 보면 어긋남이 아니라 다른 이야기가 보여요. 10억이라는 숫자는 모델 등수가 아니라 배포 경로가 만든 값이고, 성능 격차는 하나의 숫자가 아니라 작업 종류마다 다른 값이에요. 오늘은 이 두 문장을 각각 원자료로 확인해 볼게요.

10억이 어디서 왔는지부터 봐야 해요

궤적을 늘어놓으면 성격이 드러나요. 2025년 5월 구글 I/O에서 4억 명, 2025년 10월 알파벳 3분기 공시에서 6억 5,000만 명, 2026년 2월 7억 5,000만 명, 2026년 5월 I/O에서 9억 명, 7월 22일 2분기 실적에서 9억 5,000만 명이었어요. 9억 5,000만에서 10억까지는 약 3주가 걸렸어요.

여기서 범위를 분명히 해야 해요. 이 10억은 제미나이 단독 앱 기준이고, 검색·워크스페이스·안드로이드에 들어간 AI 사용자는 빠져 있어요. 검색의 AI 모드는 별도로 월 10억 명을 넘겼고, 챗GPT는 2026년 6월에 같은 선을 넘었어요. 즉 제미나이는 두 달 뒤에 따라붙은 셈이에요.

사용 방식을 보면 이 사용자들이 어디서 왔는지가 더 선명해져요. 10억 명 중 1억 명 이상이 iOS 사용자이고, 63%가 타이핑 대신 음성으로 제미나이에 말을 걸어요. 구글은 같은 발표에서 안드로이드의 앱 40개를 가로지르는 작업 자동화를 강조했어요. 하루 생성되는 이미지가 1억 5,000만 장이라는 수치도 함께 나왔고요.

한국은 이 경로 위에 일찍 올라탄 시장이에요. 구글이 2026년 2월 안드로이드에 제미나이 기반 다단계 작업 자동화를 베타로 열 때 한국이 1차 출시국에 들어갔고, 삼성전자 갤럭시 S26 시리즈와 연계됐어요. 미국 중심으로 신기능을 열어온 그동안의 방식과 다른 선택이었어요.

모델을 골라서 들어온 사용자보다, 이미 쓰던 기기와 앱 안에서 만난 사용자가 이 숫자의 상당 부분을 설명해요. 벤치마크 순위표를 보고 앱을 내려받은 사람은 이 10억 중 소수예요.

같은 표 안에서 격차가 0.3%p였다가 38.8%p가 돼요

그렇다면 성능 이야기는 어디로 가야 할까요. 마침 좋은 자료가 하나 나왔어요.

2026년 9월 3일 OpenAI가 GPT-6 Astra를 공개하면서 비교표를 함께 실었어요. 이 표에는 Claude Fable 5.1, Claude Opus 5와 함께 Gemini 3.8 Flash 열이 들어가 있어요. 경쟁사가 자기 모델을 돋보이게 하려고 고른 항목이라는 전제를 깔고 읽어야 하는 자료인데, 그래서 오히려 Flash가 앞서는 칸이 눈에 띄어요.

Flash 점수가 기재된 항목만 골라 격차 순으로 정리하면 이래요.

항목	Gemini 3.8 Flash	GPT-6 Astra	격차
DeepSWE v1.1 (장기 소프트웨어 엔지니어링)	73.8%	74.1%	0.3%p
GPQA Diamond (대학원 수준 과학 추론)	95.3%	96.0%	0.7%p
Artificial Analysis Intelligence Index v4.1.1	58.7	61.2	2.5점
Artificial Analysis Coding Agent Index v1.4	61.2	67.0	5.8점
FrontierCode 1.1 Main	43.6%	53.3%	9.7%p
HealthBench Professional	52.1%	63.4%	11.3%p
Terminal-Bench 4.0 (장시간 터미널 작업)³	19.1%	57.9%	38.8%p

DeepSWE v1.1을 조금 더 볼 필요가 있어요. 같은 표에서 Claude Opus 5가 73.7%, Claude Fable 5.1이 67.4%예요. 프론티어 가격표를 단 세 모델 중 두 개가 Flash보다 낮게 나온 거예요. 구글도 자사 발표에서 이 벤치마크를 짚으면서, 3.8 Flash가 더 큰 프론티어 모델 대부분을 앞서면서도 비용은 일부에 불과하다고 썼어요.

반대쪽 끝에 Terminal-Bench 4.0이 있어요. 19.1% 대 57.9%는 조정으로 메울 수 있는 차이가 아니에요. 여러 단계를 스스로 이어가며 오래 실행해야 하는 작업에서 두 모델은 다른 물건이에요.

읽을 때 붙여야 할 조건이 세 개 있어요. 첫째, OpenAI는 이 점수들이 “어떤 노력 수준에서든 최댓값”이라고 밝혔어요. 실제 운영에서 쓰는 설정과 다를 수 있어요. 둘째, 경쟁사 모델 점수는 OpenAI가 자체 환경에서 측정하거나 공개 리더보드를 재현한 값이라 조건이 완전히 같지 않아요. 셋째, 표의 여러 행에서 Flash 칸은 비어 있어요. 측정되지 않은 영역이 남아 있다는 뜻이에요.

그래도 하나는 남아요. “프론티어냐 아니냐”는 한 칸짜리 질문인데, 실제 격차는 항목마다 0.3%p에서 38.8%p까지 흩어져 있어요. 조직이 답해야 하는 건 등급이 아니라 배정이에요.

토큰 값 13배가 청구서 13배를 뜻하지는 않아요

가격표를 보면 왜 이 배정이 돈 문제가 되는지 보여요.

Gemini 3.8 Flash는 100만 입력 토큰⁴당 0.75달러, 100만 출력 토큰당 3.75달러예요. 도입가라서 2026년 12월 31일에 끝나고, 2027년 1월 1일부터는 각각 1.50달러와 7.50달러가 적용돼요. GPT-6 Astra는 100만 입력 토큰당 10달러, 100만 출력 토큰당 50달러예요. 속도를 2배로 올리는 패스트 모드는 2배 가격이고요.

입력 100만 토큰에 출력 20만 토큰이 나오는 작업 한 단위를 가정하고 계산하면 이래요. Flash는 0.75달러에 0.75달러를 더해 1.50달러, Astra는 10달러에 10달러를 더해 20달러예요. 약 13.3배 차이예요. 2027년 1월 이후 Flash 정가로 다시 계산하면 3.00달러가 되어 약 6.7배로 좁혀져요. 입출력 비율을 임의로 잡은 계산이라 실제 업무의 비율을 넣어 다시 해보셔야 해요.

그런데 여기서 멈추면 안 되는 이유를 구글이 직접 적어놨어요. 3.8 Flash는 복잡한 작업에서 추론 단계를 더 밟고 도구를 반복 호출하도록 설계됐고, 노력 수준이 높으면 토큰을 더 쓸 수 있다고 돼 있어요. 구글은 효율이 우선인 작업에는 노력 수준을 낮추거나 3.7 Flash를 계속 쓰라고 권해요. 자사 신제품 발표문에 “우리 새 모델이 토큰을 더 쓸 수 있다”고 쓴 문장이에요.

반대 방향도 있어요. OpenAI는 Agents’ Last Exam에서 Astra가 Claude Opus 5보다 출력 토큰을 약 65% 덜 썼다고 밝혔고, Terminal-Bench 4.0에서는 Fable 5.1 대비 작업당 추정 API 비용이 약 63% 낮았다고 적었어요.

그래서 비교 단위는 토큰 단가가 아니라 작업 1건을 끝내는 데 드는 총액이에요. 단가가 13배 싼 모델이 같은 일을 세 번 다시 시도하면 그 배수는 빠르게 줄어들어요. 반대로 단가가 비싼 모델이 한 번에 끝내면 청구서는 역전될 수도 있고요. 68호에서 토큰 가격이 팀의 선택지를 바꾼다고 썼는데, 지금은 한 단계 더 들어가야 해요. 가격표가 아니라 완주율까지 같이 봐야 해요.

애플과 삼성이 실제로 확인한 기준

이 배정 문제를 이미 푼 조직의 기록이 있어요.

2026년 1월 12일 애플과 구글이 공동 성명을 냈어요. 차세대 애플 파운데이션 모델을 구글의 제미나이 모델과 클라우드 기술 위에 올린다는 내용이고, 여기서 만들어진 모델이 올해 나올 더 개인화된 시리를 포함한 애플 인텔리전스 기능을 뒷받침한다고 돼 있어요. 애플은 “면밀한 평가 끝에 구글의 AI 기술이 애플 파운데이션 모델에 가장 유능한 토대를 제공한다고 판단했다”고 적었어요.

Joint statement from Google and AppleApple and Google have entered into a multi-year collaboration under which the next generation of Apple Foundation Models will be based on Google’s Gemini models and clou…

blog.google

문구를 그대로 옮기면 애플이 든 이유는 범용성이 아니라 토대로서의 성능이에요. 다만 계약에 들어간 항목을 보면 결이 하나 더 있어요. 모델만이 아니라 클라우드가 함께 묶였거든요. 4월 구글 클라우드 넥스트에서 토마스 쿠리안이 무대에 서서 구글 클라우드가 애플의 선호 클라우드 제공자로서 제미나이 기반 애플 파운데이션 모델을 함께 개발하고 있다고 확인했어요.

Samsung SDS Strengthens Strategic Partnership with Google Cloud to Expand Presence in AI, Cloud, and Security | News | SSamsung SDS announced a strategic partnership with Google Cloud to strengthen collaboration in the areas of AI, cloud, and security, at “Google Cloud Next 2026” held in Las Vegas, U.S., on April 23 (A

samsungsds.com

국내 사례도 같은 달에 나왔어요. 2026년 7월 13일 구글 클라우드가 삼성전자 DX부문에 제미나이 엔터프라이즈를 공급한다고 발표했고, 이튿날 간담회에서 루스 선 구글 클라우드 코리아 사장은 삼성전자가 성능과 보안, 가치와 투자수익률을 모두 따졌고 임직원들이 직접 써보며 평가했다고 밝혔어요. 구글 클라우드는 이 계약을 국내 기업의 에이전틱 AI 도입 사례 중 역대 최대 규모라고 설명했어요.같은 자리에서 구글이 강조한 차별점 중 하나가 클로드를 포함해 200여 개 모델을 함께 고를 수 있다는 점이었어요.

플랫폼을 파는 쪽도 단일 모델 승자를 주장하지 않고 있는 거예요.

세 사례에서 반복되는 게 있어요. 어느 쪽도 벤치마크 1위를 구매 기준으로 적지 않았어요. 애플은 자사 모델을 올릴 토대와 그 토대를 돌릴 인프라를 함께 샀고, 삼성은 성능·보안·비용 대비 효과·실사용 경험을 묶어서 봤어요.

오스왈드의 시선

저는 컨설팅 자리에서 모든 작업에 프론티어 모델이 필요하지는 않다는 말을 반복해 왔어요. 위 표는 그 말을 조금 더 정확하게 다듬어 줘요. 필요 없는 게 아니라, 필요한 작업과 필요 없는 작업이 한 조직 안에 섞여 있어요. 장시간 자율 실행이 걸린 작업에는 38.8%p가 그대로 비용으로 돌아오고, 정형화된 추론과 코드 작업에는 0.3%p 때문에 13배를 더 낼 이유가 약해요.

제가 Gemini 3.8 Flash 같은 모델을 업무용으로 눈여겨보는 이유도 여기 있어요. 빠르고 값이 싸다는 것만으로는 부족한데, 싼 모델이 실제로 프론티어와 붙는 칸이 표에 남아 있다는 게 달라진 조건이에요. 다만 “프론티어급이 아니다”라는 표현은 이제 제가 쓰기 조심스러워요. 구글은 3.8 Flash를 자사의 가장 지능적인 워크호스 모델이자 지금까지 최고의 추론·코딩 모델이라고 소개했고, OpenAI는 자사 프론티어 발표의 비교표에 이 모델을 올렸어요. 등급 이름보다 가격표가 붙은 위치로 부르는 게 정확해요.

AGI 이야기를 여기에 붙이고 싶어요. 저는 AGI를 인공지능이 일반적으로(General) 쓰이는 상태로 이해하는 쪽이고, 그 정의라면 가장 가까이 간 존재는 오히려 제미나이일 수 있다고 봐요. 근거 없는 재정의는 아니에요. OpenAI 헌장은 AGI를 “경제적으로 가치 있는 일 대부분에서 인간을 능가하는 고도로 자율적인 시스템”이라고 적었어요. 이 문장에는 능력만 있는 게 아니라 경제적으로 가치 있는 일이라는 조건이 붙어 있어요. 능력이 일에 닿으려면 배포를 거쳐야 하고요.

반론도 분명히 적어둘게요. 학계와 업계의 통용 정의에서 AGI의 ‘General’은 배포의 범위가 아니라 능력의 범위를 가리켜요. 구글 딥마인드가 2023년에 내놓은 AGI 등급 체계는 챗GPT와 제미나이를 모두 ‘초기 AGI’로 분류하면서, 넓은 영역에서 작동하되 대부분 영역에서 숙련된 인간의 중간값에는 못 미친다고 봤어요. 이 기준에서는 사용자 10억 명이 등급을 올려주지 않아요. 제 주장은 “제미나이가 AGI에 더 가깝다”가 아니라, AGI라는 단어가 능력과 보급이라는 서로 다른 두 축을 한 단어로 묶고 있어서 지금 논쟁이 계속 어긋난다는 쪽이에요.

애플의 선택에 대해서도 제 해석과 공식 문구를 나눠 두고 싶어요. 애플이 적은 이유는 “가장 유능한 토대”였어요. 제가 읽는 방식은 다른데, 애플이 산 게 벤치마크 1위 모델이 아니라 20억 대 기기 위에 올릴 수 있는 토대와 그걸 돌릴 인프라라는 거예요. 계약에 클라우드가 함께 들어갔다는 사실이 그 근거예요. 124호에서 애플이 최고의 모델 대신 최대의 배포를 골랐다고 썼는데, 그때 하지 않은 계산이 이번 표예요. 배포를 고른 쪽이 성능에서 무엇을 포기했는지가 이제 항목별로 보여요.

한 가지 더요. 안드로이드와 검색이라는 경로가 있는 한 제미나이 사용자는 더 늘 거라고 보지만, 이건 예측이지 확인된 사실이 아니에요. 구글이 유료 구독자 수를 밝히지 않았다는 점도 같이 놓아야 해요. 기본 탑재로 만난 사용자와 돈을 내기로 결정한 사용자는 다른 숫자예요.

마치며

정리하면 이래요. 제미나이의 10억 명은 모델 등수가 만든 숫자가 아니라, 안드로이드·검색·기기 계약이라는 경로가 만든 숫자예요. 그리고 그 경로 위에 올라간 모델은 어떤 작업에서는 프론티어와 0.3%p 차이고 어떤 작업에서는 38.8%p 차이예요. 두 문장이 동시에 참이에요.

구독자님이 이번 달에 모델 비용을 결정해야 한다면, 순서는 이렇게 잡는 게 맞다고 봐요. 먼저 우리 업무를 장시간 자율 실행이 필요한 것과 그렇지 않은 것으로 나누고, 후자에 붙은 프론티어 호출부터 내려서 작업 1건 단가를 재보는 거예요. 토큰 단가가 아니라 완주까지의 총액으로요.

gemini 10b 남는 한계도 적어둘게요. 위 표는 OpenAI가 자사 발표에 실은 자료이고, 최대 노력 설정 기준이며, Flash 칸이 비어 있는 행이 여럿이에요. Gemini 3.8 Flash의 도입가는 2026년 12월 31일에 끝나요. 지금 계산한 13배는 내년 1월이면 약 6.7배가 돼요. 가격 기반으로 세운 배정 기준은 그날 한 번 다시 검토하셔야 해요.

💬 지금 프론티어 모델로 돌리고 있는 작업 중에, 워크호스로 내려도 결과가 같을 것 같은 작업이 하나 떠오르시나요? 어떤 작업인지 댓글로 알려주세요.

📨 이번 분기 AI 비용 품의를 쓰고 있는 동료가 있다면, 이 글의 가격 계산 부분만이라도 전달해 주세요.

여러분의 생각이 다음 호를 만듭니다

이번 호에서 가장 공감했거나, 다른 경험을 한 지점은 무엇인가요?

SEND A COFFEE

이 관점이 좋았다면, 다음 글에 커피 한 잔

오스왈드에게 커피와 함께 짧은 쪽지를 보내주세요. 응원은 다음 취재와 집필에 보탭니다.

참고자료 & 더 읽기

핵심 출처

Google, “Introducing Gemini 3.8 Flash and 3.8 Flash Cyber”, 2026.9.2. ··· 가격과 도입가 종료일이 각주에 적혀 있어요. “효율이 우선이면 3.7 Flash를 쓰라”는 문단이 이 글에서 가장 실무적인 대목이에요.
OpenAI, “GPT-6 Astra: A new generation of intelligence”, 2026.9.3. ··· 본문 표의 원자료예요. 페이지 하단 비교표에서 Gemini 3.8 Flash 열을 직접 보시면 빈 칸의 위치도 함께 확인돼요.
Google·Apple, “Joint statement from Google and Apple”, 2026.1.12. ··· 네 문단짜리 짧은 성명인데, 애플이 든 이유의 원문 표현을 확인하려면 여기를 봐야 해요.
TechCrunch, “Google’s Gemini app surges to 1 billion users”, 2026.8.11. ··· 10억이 단독 앱 기준이고 검색 AI 모드와 별개라는 점을 분명히 적은 기사예요.
뉴시스, “삼성, 업무용 AI로 ‘제미나이’ 택한 이유”, 2026.7.14. ··· 국내 최대 규모 도입 사례의 선정 기준이 벤더 발언으로 정리돼 있어요.

배경 지식

9to5Google, “Gemini app hits 1 billion monthly users”, 2026.8.11. ··· iOS 1억 명, 음성 63% 같은 사용 패턴 수치의 출처예요.
OpenAI, “OpenAI Charter”, 2018.4. ··· AGI 정의 문장이 여기 있어요. “경제적으로 가치 있는 일”이라는 조건을 직접 확인해 보시면 좋아요.
METR, “AGI: Definitions and Potential Impacts”. ··· 1997년 정의부터 딥마인드의 5단계 체계까지 정의들을 나란히 놓은 문서예요. 논쟁이 왜 어긋나는지 보여요.
ZDNet Korea, “구글 제미나이, 안드로이드서 AI 자동화 베타…한국·갤럭시S26 1차 적용”, 2026.2.26. ··· 한국이 1차 출시국에 포함된 배경이 정리돼 있어요.

관련 지난 호

필자 안광섭 (오스왈드)은 세종대학교 겸임교수, INLEVEL9 전략 컨설턴트입니다. 경력, 연구, 저서와 최신 활동은 저자 소개에서 계속 갱신합니다. 최근 소식 · 2026년 8월: 2026 세종도서 교양부문 우수도서 선정.

📝 용어 설명

각주

월간 활성 사용자(MAU): 한 달 동안 그 서비스를 한 번이라도 실제로 쓴 사람의 수예요. 가입자 수와 다르고, 매일 쓰는 사람을 세는 일간 활성 사용자와도 달라요. ↩
프론티어 모델: 각 회사가 그 시점에 내놓은 최상위 모델을 가리키는 업계 표현이에요. 공인된 기준이 있는 말은 아니라서, 회사마다 어디까지를 프론티어로 부를지가 조금씩 달라요. ↩
Terminal-Bench: AI가 터미널 환경에서 소프트웨어 작업이나 시스템 설정 같은 일을 여러 단계에 걸쳐 스스로 끝내는지 측정하는 시험대예요. 답을 잘 쓰는지가 아니라 작업을 완주하는지를 봐요. ↩
토큰: 모델이 글을 처리할 때 쓰는 최소 단위예요. 한국어는 대체로 한 글자가 한 개 이상의 토큰이 돼서, 같은 분량이어도 영어보다 토큰 수가 더 나오는 편이에요. 요금은 이 토큰 수로 매겨져요. ↩