“2027년부터 가격 2배” 제미나이 3.8 플래시 공개한 구글

구글이 9월 2일 AI 모델 제미나이 3.8 플래시(Gemini 3.8 Flash)와 사이버보안용 제미나이 3.8 플래시 사이버(Gemini 3.8 Flash Cyber)를 발표했다. 제미나이 3.8 플래시는 소프트웨어 개발과 AI 에이전트로서 성능, 여러 단계에 걸친 추론 능력을 강화한 모델이고 제미나이 3.8 플래시 사이버는 취약점 발견부터 수정까지 지원하는 보안 특화형 모델.

구글은 지난 7월 21일 제미나이 3.6 플래시를, 8월 13일 제미나이 3.7 플래시를 내놨고 이번 제미나이 3.8 플래시는 6주 만에 3번째 업데이트다. 구글은 빠르면서 상대적으로 낮은 비용으로 대량 처리를 소화하는 플래시 시리즈를 짧은 간격으로 개선하며 장시간 작동하는 AI 에이전트와 코딩 용도 대응을 진행하고 있다.

AI 에이전트가 소프트웨어 개발 같은 복잡한 일을 맡을 때 답변 한 번으로 처리가 끝난다는 보장은 없다. 코드를 쓰고 실행한 뒤 결과를 확인해 고치는 작업을 여러 번 되풀이해야 한다. 고성능 모델을 오래 돌릴수록 계산 비용도 늘어나기 때문에 처리 속도와 가격을 억제하면서 여러 단계 추론 능력을 끌어올리는 게 중요해진다.

제미나이 3.8 플래시는 AI가 결과를 확인하면서 추가로 생각하거나 외부 도구를 호출해 처리를 반복하는 구조인 에이전트 루프를 활용한다. 구글에 따르면 복잡한 과제에서 제미나이 3.8 플래시가 이전보다 많은 추론 단계를 실행하게 되면서 소프트웨어 개발과 전문 분야 다단계 추론 성능이 향상됐다. 다만 추론량을 높게 설정하면 소비하는 토큰 수가 늘어나는 경우도 있다.

Gemini 3.8 Flash Cyber gives defenders a decisive advantage with expert vulnerability detection and autonomous patching.

Here’s how it helps teams stay ahead of emerging threats 🧵 pic.twitter.com/1RXF9bRWws

— Google DeepMind (@GoogleDeepMind) September 2, 2026

성능 평가에서는 장시간 소프트웨어 개발 능력을 측정하는 딥SWE(DeepSWE v1.1)에서 제미나이 3.8 플래시가 73.7%를 기록해 제미나이 3.7 플래시 65.3%에서 점수를 끌어올렸다. 과학과 인문학, 전문 분야 난문을 다루는 HLE-Verified에서는 54.9%를 기록했다. 구글은 제미나이 3.8 플래시가 일부 고가 최첨단 모델에 가까운 성능을 낸다고 설명했다.

API 가격은 입력 100만 토큰당 1,050원대(0.75달러), 출력 100만 토큰당 5,250원대(3.75달러)로 제미나이 3.7 플래시와 같다. 2027년 1월 1일부터는 입력이 2,100원대(1.50달러), 출력이 1만 500원대(7.50달러)로 오를 예정. 처리 효율을 우선하려는 개발자는 추론량을 낮게 설정할 수 있고 제미나이 3.7 플래시도 계속 쓸 수 있다.

제미나이 3.8 플래시와 함께 나온 제미나이 3.8 플래시 사이버는 취약점을 자율적으로 찾아내 수정용 코드를 만들고 검증하는 용도에 특화됐다. 구글은 취약점 악용 같은 공격 능력보다 취약점 수정 능력을 우선해 개발했다고 설명했다. 취약점 발견 능력을 평가하는 사이버짐(CyberGym)에서는 86.2%를 기록했고 프로그래밍 언어 20종을 대상으로 한 구글 내부 평가에서도 성공률이 70%를 넘었다. 취약점 수정을 다루는 CWE-Bench에서는 47.2%를 기록했다.

구글 내부에서도 제미나이 3.8 플래시 사이버 이용이 시작됐다. 크롬 실제 취약점을 이용한 평가에서 더 대규모인 주요 상용 모델과 비교해 올바른 수정 코드를 2.6배 많이 생성했다고 구글은 보고했다. 구글 클라우드 취약점 연구팀은 평소라면 조사와 발견에 수개월이 걸릴 수 있는 중대 취약점을 2시간 이내에 찾아냈다.

다만 고도의 사이버보안 능력은 공격에도 전용할 수 있어 제미나이 3.8 플래시 사이버 이용 대상은 구글이 새로 만든 페어윈드 프로그램(Fairwind Program)을 통해 정부 사이버보안 기관과 주요 인프라 사업자, 소프트웨어 유지보수 담당자 같은 신뢰할 수 있는 방어 측으로 한정됐다. 페어윈드 프로그램에는 기사 작성 시점 기준 전 세계 파트너 650곳 이상이 참여하고 있고 이용 조직에는 이용자를 사내 보안 담당자 등으로 제한하거나 다요소 인증을 도입하는 운영 기준이 마련되어 있다.

일반용 제미나이 3.8 플래시는 구글 AI 스튜디오 API를 통해 쓸 수 있고 구글 앤티그래비티(Google Antigravity)와 안드로이드 스튜디오, 스티치(Stitch)에서도 이용할 수 있다. 구글 AI 프로와 구글 AI 울트라 이용자에게는 제미나이 앱과 구글 검색 AI 모드, 구글 스프레드시트에서도 제공된다. 구글은 페어윈드 프로그램도 참여 조직과 제공 내용을 파트너 수요에 맞춰 넓혀갈 방침이며 사이버 방어 능력 이용 범위와 안전성 사이 균형을 잡으면서 프로그램을 발전시키겠다고 밝혔다. 관련 내용은 이곳에서 확인할 수 있다.

한편 구글은 9월 2일 AI를 이용해 소프트웨어 취약점을 발견하고 후보를 추린 뒤 재현과 수정까지 진행하는 오픈소스 프레임워크 맨티스(Mantis) 구조와 이용 방법을 설명하는 글을 공개했다.

AI 모델은 프로그램을 쓰는 능력뿐 아니라 소스코드에서 취약점을 찾아내거나 실제로 악용할 수 있는지 확인하는 능력도 높이고 있다. 구글에 따르면 AI 모델은 사람 지원이 거의 없는 상태에서도 취약점을 발견해 악용하는 능력을 보이고 있다. 맨티스는 취약점을 찾는 방어 측에서도 AI를 활용할 수 있게 하려는 시도로 개발됐다.

다만 AI에 소스코드를 읽히고 문제점을 나열하게만 하면 실제로는 존재하지 않는 취약점을 보고하는 할루시네이션이 발생한다. 구글은 정밀도가 낮은 AI 코드 스캔에서는 검출 결과 가운데 실제 취약점이던 비율을 나타내는 진양성률이 7% 미만이 되는 경우도 있다고 지적했다. 후보가 대량으로 나와도 사람이 하나씩 확인해야 한다면 보안 담당자 부담만 새로 늘어나는 셈이다.

맨티스는 후보를 발견한 뒤 AI 에이전트 여러 개를 써서 검증을 거듭해 오탐을 줄이는 구조를 택했다. 취약점 후보를 찾은 다음 리뷰 역할을 맡거나 후보를 비판적으로 검증하는 에이전트가 문제 성립 조건 등을 확인하고 격리된 샌드박스 환경에서 취약점을 재현한다. 실제로 문제를 확인하면 수정 코드 작성으로 넘어간다.

맨티스는 분석을 시작하기 전 저장소 변경 이력을 조사해 과거 수정된 취약점이나 보안 문제에서 정보를 모은다. 여기에 소스코드를 분석해 소프트웨어 구조를 정리하고 공격받을 가능성이 있는 지점과 지켜야 할 대상을 정리한 위협 모델 같은 자료도 자동으로 구축한다. 개발자 측이 상세한 설계 자료나 위협 모델을 준비하지 않은 프로젝트에서도 취약점을 찾기 위한 배경 정보를 맨티스 스스로 조립할 수 있다.

대규모 소프트웨어에서 AI 모델에 보안 분석을 시킬 때 AI 모델이 대량 소스코드를 한 번에 읽어 들이려 하면 입력 토큰 수가 늘어 처리 부담이 커진다. 맨티스는 파일별 정보를 디렉터리 단위로 묶고 다시 저장소 전체 요약으로 쌓아 올리는 계층형 보안 요약을 만드는 방식을 채택했다. AI는 전체 그림을 요약으로 파악하면서 필요한 부분만 자세한 코드를 확인할 수 있다. 구글에 따르면 중요한 구조 정보를 유지하면서 토큰 오버헤드를 85% 넘게 줄일 수 있었다.

맨티스는 제미나이 CLI(Gemini CLI)나 앤티그래비티 CLI(Antigravity CLI) 등에서 쓸 수 있고 깃허브에서 받은 맨티스 위치와 조사 대상 코드를 AI 코딩 에이전트에 지정해 분석을 시작할 수 있다. 과거에 발견된 취약점과 수정 방법을 개발 단계 조언에 활용하는 맨티스 어드바이즈(mantis-advise)도 마련되어 있다.

한편 구글은 AI가 생성한 취약점 보고나 수정 코드가 늘 옳다고 볼 수는 없다며 보안 전문가가 수작업으로 확인하라고 요구했다. AI가 만든 코드는 운영 시스템이나 내부 네트워크에서 격리된 환경에서 실행해야 한다고 밝혔다.

구글은 AI를 이용한 취약점 발견을 최대한 활용하기 위해 개발자가 가진 지식 같은 적절한 정보를 AI에 주는 것과 취약점으로 판단하는 기준을 명확히 한 안전한 샌드박스 환경을 구축하는 것 2가지를 강하게 권고하고 있다. 관련 내용은 이곳에서 확인할 수 있다.