제미나이 3.7 Flash가 나왔습니다.
가격은 이전 모델의 절반입니다.
그럼 바로 갈아타면 되는 걸까요.
짧게 답하면, 항목에 따라 다릅니다. 코딩은 확실히 좋아졌고, 자동화는 아직입니다. 공개된 숫자로 하나씩 확인해봤습니다.
제가 이 모델을 보는 이유
자연어 질문을 SQL로 바꾸고, 조회 결과를 설명문으로 만드는 분석 자동화를 검토하면서 여러 LLM을 비교해봤습니다.
실제로 부딪힌 문제는 “어느 모델이 더 똑똑한가”가 아니었습니다. 답을 안정적으로 맞히는지, 사용자가 기다릴 수 있는 시간 안에 끝나는지, 민감한 수치가 통제 범위를 벗어나지 않는지를 함께 만족해야 했습니다.
그래서 새 모델이 나오면 종합 점수보다 기존 파이프라인의 어느 역할을 안전하게 바꿀 수 있는지부터 봅니다.
참고로 이 글의 경험은 3.7 Flash 직접 검증 결과가 아닙니다. 다른 LLM을 같은 유형의 업무에 적용하며 만든 판단 기준입니다.
먼저 알아야 할 숫자 세 개
코딩 정확도 34.4% → 43.6% 워크플로우 완수율 17.0% → 30.4% 가격 1M 토큰당 입력 $0.75, 출력 $3.75
(출처: deepmind, 2026-08-13)
앞의 둘은 개선폭이고, 세 번째는 절대값입니다. 이 차이가 판단을 가릅니다.
코딩은 확실히 좋아졌습니다
| 벤치마크 | 3.7 Flash | 3.6 Flash | 측정 대상 |
|---|---|---|---|
| FrontierCode 1.1 Main | 43.6% | 34.4% | 첫 시도 코드 정확도 |
| DeepSWE v1.1 | 65.3% | 49.0% | 실사용 가능한 코드 생성 |
| WebDev Arena (Elo) | 1588 | 1538 | 웹 개발 산출물 |
(출처: deepmind, 2026-08-13)
DeepSWE가 49.0%에서 65.3%입니다. 디버깅과 이슈 해결에서 특히 올랐다고 밝혔습니다.
웹 개발에서는 더 적은 프롬프트로 동작하는 레이아웃과 기능을 만든다고 합니다 (출처: deepmind, 2026-08-13).
코딩이 주 용도라면 갈아탈 만합니다
세 항목 모두 방향이 같습니다. 여기서는 고민할 게 별로 없습니다.
자동화는 아직 이릅니다
여기서 얘기가 달라집니다.
| 벤치마크 | 3.7 Flash | 3.6 Flash | 측정 대상 |
|---|---|---|---|
| AutomationBench | 30.4% | 17.0% | 실제 업무 워크플로우 완수 |
| GDP.pdf | 34.0% | 22.0% | 복잡한 문서 처리 |
(출처: deepmind, 2026-08-13)
개선폭만 보면 훌륭합니다
17.0%에서 30.4%면 거의 두 배입니다.
절대값을 보면 얘기가 다릅니다
30.4%가 무슨 뜻일까요.
실제 업무 워크플로우를 끝까지 완수한 비율입니다. 열 번 시켜서 세 번 끝냈다는 뜻이에요.
문서 처리도 34.0%입니다. 절반에 못 미칩니다. 계약서를 통째로 넣고 나온 결과를 그대로 쓰기엔 이릅니다.
중요: 자동화를 맡기더라도 사람이 확인하는 단계는 남겨두세요. 개선폭에 속으면 안 됩니다.
자동화에서 실제로 막혔던 지점
자동화에서는 모델을 한 번만 부르지 않았습니다. 의도 분류, 실행 계획, SQL 생성, 결과 검증, 답변 요약이 차례로 이어졌습니다.
개별 답은 맞더라도 한 단계가 30초 안팎 걸리자 전체 응답이 1분을 넘었습니다. 결국 정확도가 비슷했던 모델도 운영 후보에서 제외했습니다.
한 단계의 벤치마크보다 전체 경로의 성공률과 지연시간이 더 중요했습니다. 실패했을 때 사람이 멈춰 세울 수 있는 지점이 있는지도요.
가격: 절반이지만 도입가입니다
- 입력 1M 토큰당 $0.75
- 출력 1M 토큰당 $3.75
이전 모델의 절반입니다. 다만 연말까지만 적용되는 도입가입니다 (출처: deepmind, 2026-08-13).
이후 가격은 아직 공개되지 않았습니다. 월 비용을 계산하실 때 이 점을 넣으세요.
더 싸게 가는 선택지도 있습니다
지연과 비용이 가장 낮은 건 3.5 Flash-Lite입니다. 용도가 단순하면 이쪽을 쓰거나, 원하는 모델로 고정해두면 됩니다 (출처: googleai, 2026-07-28).
API 쓰신다면 기본값이 바뀌었습니다
이건 놓치기 쉬운데 실무에 바로 영향이 갑니다.
Gemini API의 기본 모델이 3.6 Flash로 바뀌었습니다. antigravity-preview-05-2026 에이전트도 기본이 3.6 Flash입니다 (출처: googleai, 2026-07-28).
중요: 모델을 명시하지 않고 호출하고 계셨다면, 어느 날 갑자기 다른 모델이 답하고 있을 수 있습니다. 코드에 모델을 고정해두세요.
세대 교체 속도가 진짜 비용입니다
3.7 Flash는 3.6 Flash가 나온 지 3주 만에 나왔습니다 (출처: deepmind, 2026-08-13).
저는 단가보다 이쪽이 더 신경 쓰입니다. 교체가 이 속도면 특정 모델에 프롬프트와 파이프라인을 깊게 맞추는 작업이 금방 낡습니다.
숫자로 잘 드러나지 않았던 차이
여러 유형의 질의를 같은 조건에서 비교했을 때, 깊은 추론을 켠 모델이 항상 더 정확하지는 않았습니다.
응답시간 중앙값은 약 4초에서 20초 이상으로 수배 늘어난데다, 오히려 정확도/성공율은 낮아진 경우도 있었습니다.
또 다른 모델은 한국어 문장은 자연스러웠지만 수치 설명에서 앞부분의 “최저값”과 뒷부분의 결론이 서로 모순됐습니다. 긴 스키마와 날짜 조건을 함께 넣자 지연이 10초 이상 늘어난 사례도 있었습니다.
그래서 저는 한국어가 매끄러운지보다 긴 문맥에서도 지시를 유지하는지, 숫자와 결론이 끝까지 일치하는지를 더 중요하게 봅니다.
그 밖에 확인된 것
- Gemini Spark가 3.7 Flash로 전환됩니다. Google AI Pro·Ultra 구독자 대상이고 160개국 이상에서 씁니다 (출처: deepmind, 2026-08-13).
- 금융·법률·생명과학처럼 지식 밀도가 높은 분야에서 추론 정확도가 개선됐다고 밝혔습니다 (출처: deepmind, 2026-08-13).
- CBRN(화학·생물·방사능·핵) 오남용 방지 안전장치가 함께 적용됐습니다 (출처: deepmind, 2026-08-13).
마지막 항목은 규제 산업에 계시면 사내 검토 자료로 쓸 만합니다.
도입 판단 체크리스트
- ☐ 1. 우리 업무가 코딩인가, 자동화인가. 결론이 반대로 나옵니다
- ☐ 2. 자동화라면 30.4%를 받아들일 수 있는 업무인가
- ☐ 3. 사람이 확인하는 단계가 워크플로우에 남아 있나
- ☐ 4. 월 토큰 사용량에 $0.75, $3.75를 곱하면 얼마인가
- ☐ 5. 도입가가 끝난 뒤 가격을 확인했나
- ☐ 6. API 호출에 모델을 명시해뒀나. 기본값이 바뀌었습니다
- ☐ 7. 3.5 Flash-Lite로 충분한 작업이 섞여 있지 않나
- ☐ 8. 모델이 또 바뀌어도 살아남는 형태로 프롬프트를 관리하고 있나
3번과 6번이 막히면 성능과 무관하게 먼저 정리하셔야 합니다.
도입해보고 결국 뺀 방식
처음에는 모든 요청에 깊은 추론을 켜고, 하나의 모델에 SQL 생성부터 수치 해설까지 맡기는 방식을 검토했습니다.
비용과 지연이 커졌고, 한 번의 오류가 전체 답변으로 번졌습니다.
지금은 역할을 나눕니다. 외부 모델에는 원자료가 없는 SQL 생성까지만 맡기고, 조회 결과와 수치 해설은 통제된 내부 환경에서 처리하는 방식을 선호합니다.
모델을 교체하더라도 한 역할만 다시 검증하면 되니 운영 부담도 줄어듭니다.
정리
코딩 용도면 갈아탈 이유가 분명합니다. 세 벤치마크가 모두 같은 방향입니다.
자동화 용도면 아직입니다. 30.4%는 사람 확인 없이 맡길 수 있는 수준이 아닙니다.
가격은 확실한 이득이지만 연말까지입니다.
그리고 API 기본값 변경은 성능과 별개로 지금 확인하셔야 합니다.
제 도입 기준은 이렇습니다
자동 테스트나 사람 검수가 뒤따르는 코딩·초안 작성이라면 새 모델을 제한적으로 먼저 써볼 만합니다.
반면 데이터베이스를 직접 조회하거나 고객에게 수치 판단을 전달하는 자동화에는 공개 벤치마크만 보고 바로 넣지 않습니다.
모델 버전을 고정하고, 실제와 같은 유형의 질의를 동일한 평가 환경에서 돌린 뒤 최종 답변 정확도, 전체 지연시간, 실패 복구 가능성을 함께 확인합니다.
이 세 가지를 통과하고 일정 기간 병행 검증까지 끝난 경우에만 기존 모델의 일부 역할을 교체합니다.
자주 묻는 질문
Q1. 챗GPT와 비교하면 어느 쪽이 낫나요? 같은 조건에서 측정된 공개 수치가 없어 비교할 수 없습니다. 위 숫자는 전부 제미나이 이전 모델인 3.6 Flash와의 비교입니다.
Q2. AutomationBench 30.4%는 어떻게 읽어야 하나요? 실제 업무 워크플로우를 끝까지 완수한 비율입니다. 이전 세대 17.0%보다 많이 올랐지만 사람 확인 없이 맡기기엔 이릅니다.
Q3. 가격만 보고 옮겨도 되나요? 도입가가 연말까지라 이후 가격을 확인해야 합니다. 작업에 따라 3.5 Flash-Lite가 더 저렴할 수도 있습니다.