Gemini 3.8 Flash, 싸지만 더 쓰는 모델

단가 유지가 곧 비용 유지라는 뜻은 아니다

Google의 발표는 Gemini 3.8 Flash를 3.7 Flash 이후 불과 몇 주 만에 나온 새 주력 모델로 소개한다. 입력 100만 토큰 0.75달러, 출력 100만 토큰 3.75달러라는 도입 가격은 유지됐다. 하지만 The Verge는 더 많은 reasoning step과 반복 도구 호출 때문에 실제 작업당 토큰 사용량이 늘 수 있다는 점을 짚었다.

이 차이가 중요하다. 에이전트 모델의 비용은 단가 곱하기 토큰 수다. 단가가 고정돼도 모델이 파일을 더 많이 읽고, 검색을 더 많이 돌리고, 자체 검증 루프를 더 오래 수행하면 청구서는 커진다. 반대로 그 추가 토큰이 실패율을 낮추고 재시도 시간을 줄인다면 총비용은 내려갈 수도 있다.

Claude Fable 5.1, 가격보다 통제가 핵심이다는 캐시 가격과 통제가 기업 도입의 핵심이라고 봤다. Gemini 3.8 Flash는 같은 질문을 Google 쪽에서 던진다. 이제 구매자는 모델 단가뿐 아니라 한 업무를 끝내는 평균 턴 수, 출력 길이, 도구 호출 수를 함께 봐야 한다.

Flash Cyber는 모델 상품을 사용자 자격과 묶는다

Google은 같은 기반 지능을 공유하는 Gemini 3.8 Flash Cyber도 함께 공개했다. 이 모델은 취약점 탐지와 자동 패치 같은 사이버 보안 작업에 맞춰졌고, 정부와 신뢰 파트너 중심의 Fairwind Program을 통해 제공된다. Google은 CrowdStrike와 Center for Internet Security 같은 참여자를 언급했다.

이는 보안 모델의 미래를 보여준다. 위험한 기능을 모두에게 풀면 오남용 우려가 커지고, 모두 막으면 방어 연구와 취약점 대응이 느려진다. 그래서 프런티어 모델 회사들은 점점 모델 자체보다 접근 자격, 감사, 사용 목적을 제품 구성의 일부로 넣고 있다. VM 하나로는 사이버 에이전트를 가두기 어렵다가 실행 격리를 다뤘다면, Flash Cyber는 접근 격리를 말한다.

한국 개발팀은 벤치마크보다 작업 단위를 재야 한다

Google은 Gemini 3.8 Flash가 소프트웨어 엔지니어링, 자율 에이전트, 법률 및 금융 에이전트 벤치마크에서 개선됐다고 설명한다. Vertex AI의 Gemini 문서와 Google AI Studio를 쓰는 팀은 곧바로 모델 교체 실험을 해볼 수 있다. 그러나 테스트는 벤치마크 표를 베끼는 식이면 부족하다.

한국 개발팀이라면 저장소 1개를 정하고 동일한 이슈 20개 안팎을 여러 모델에 반복시켜야 한다. 성공률, 평균 토큰, 테스트 실패 후 복구율, 보안 예외, 리뷰 수정량을 함께 기록해야 한다. agent.md, 코딩 에이전트 품질의 새 계약서에서 말한 것처럼 에이전트 품질은 프롬프트 한 줄보다 작업 계약과 검증 루프에서 나온다.

비용 최적화는 모델 선택 이후의 일이다

Gemini 3.8 Flash가 정말 작업당 싸다면, 이유는 단가가 낮아서가 아니라 더 적은 재시도와 짧은 운영 시간으로 이어질 때다. 반대로 더 많은 내부 추론이 작은 업무에도 과하게 쓰이면 "저렴한 모델"이라는 인상과 다르게 월 비용이 뛸 수 있다. LLM 가격 비교 사이트처럼 공개 비교표는 출발점일 뿐이다.

한국 기업은 모델별 예산 한도를 제품 코드에 넣어야 한다. 예를 들어 간단한 문서 요약은 낮은 effort로 제한하고, 배포 전 코드 수정은 높은 effort를 허용하되 승인과 로그를 남기는 식이다. Gemini 3.8 Flash의 메시지는 명확하다. 모델이 더 똑똑해질수록 비용 관리는 더 개발자다운 문제가 된다.

자주 묻는 질문

Q1: Gemini 3.8 Flash의 가격은 내려갔나요?

A: 발표 기준 도입 단가는 3.7 Flash와 같습니다. 다만 더 많은 추론과 도구 호출이 생기면 작업당 토큰 비용은 달라질 수 있습니다.

Q2: Flash Cyber는 일반 사용자가 바로 쓸 수 있나요?

A: 아닙니다. Google은 Fairwind Program을 통해 정부와 신뢰 파트너 등 방어 목적 사용자에게 제공한다고 설명했습니다.

Q3: 한국 개발팀은 무엇을 먼저 테스트해야 하나요?

A: 공개 벤치마크보다 내부 저장소의 실제 이슈를 기준으로 성공률, 평균 토큰, 재시도율, 리뷰 수정량을 측정해야 합니다.

Q4: 더 많은 reasoning step은 좋은 신호인가요?

A: 어려운 업무에서는 좋을 수 있지만 단순 업무에서는 비용 증가가 될 수 있습니다. 업무별 effort 설정이 필요합니다.

Q5: Claude Fable 5.1과 비교할 때 핵심 차이는 무엇인가요?

A: Anthropic은 캐시 비용과 기업 통제를 강조했고, Google은 같은 단가의 고성능 Flash와 보안 전용 접근 프로그램을 함께 내세웠습니다.