Gemini 3.5 Flash: Google I/O 2026에서 공개된 에이전트 특화형 프론티어 모델의 완전 분석
2026년 5월 19일, Google I/O 2026 기조 연설에서 **Gemini 3.5 Flash**가 발표되었습니다.
"프론티어 인텔리전스를 Flash 레이턴시로" — 이것이 Google의 메시지입니다. 저렴하고, 빠르지만, 성능은 프론티어급. 에이전트 워크로드에 최적화된 새로운 유형의 모델입니다.
Gemini 3.5 Flash란 무엇인가?
Gemini 3.5 Flash는 Google DeepMind가 개발한 에이전트 및 코딩 특화 대규모 언어 모델(LLM)입니다. Gemini 3.5 패밀리의 첫 번째 모델로서, I/O 2026에서 즉시 GA(일반 공개)되었습니다.
API 모델 ID는 gemini-3.5-flash(미리보기 접미사 없음). 내부 버전은 3.5-flash-05-2026. 지식 컷오프는 2026년 1월입니다.
기본 사양:
| 항목 | 스펙 |
|---|---|
| 최대 입력 | 1,048,576 토큰 (1M) |
| 최대 출력 | 65,536 토큰 (64K) |
| 입력 모달리티 | 텍스트, 이미지, 오디오, 비디오 |
| 출력 모달리티 | 텍스트만 |
| 동적 사고 | 기본으로 활성화 |
| 속도 | 동일한 프론티어 모델의 4배 |
가격: 프론티어 모델 중 가장 저렴
| 티어 | 입력 | 출력 | 캐시 입력 |
|---|---|---|---|
| 글로벌 | $1.50/1M | $9.00/1M | $0.15/1M |
| 비글로벌 | $1.65/1M | $9.90/1M | $0.165/1M |
비교를 위해:
| 모델 | 입력/1M | 출력/1M |
|---|---|---|
| Gemini 3.5 Flash | $1.50 | $9.00 |
| Gemini 3.1 Pro | $2.50 | $15.00 |
| Claude Sonnet 4.6 | $3.00 | $15.00 |
| GPT-5.2 | $1.25 | $10.00 |
| Claude Opus 4.7 | $5.00 | $25.00 |
Gemini 3.1 Pro와 비교하여 입력 40% 저렴, 출력 40% 저렴. 그리고 캐시 입력은 $0.15/1M — 일반 가격의 10분의 1. 에이전트가 같은 컨텍스트를 반복 읽는 사례에서, 이것이 압도적인 비용 이점을 제공합니다.
Google은 "1분에 1달러의 수익을, 비용 0.3달러 이하로 창출하는 모델"이라고 설명합니다.
벤치마크: 에이전트와 코딩에서 Pro를 초월
Gemini 3.5 Flash의 설계 철학은 명확합니다 — 학술적 추론이 아닌, 실제 에이전트 태스크에서 최고 성능을 발휘.
코딩
| 벤치마크 | 3.5 Flash | 3.1 Pro | 차이 |
|---|---|---|---|
| Terminal-Bench 2.1 | 76.2% | 70.3% | +5.9 |
| SWE-Bench Pro (공개) | 55.1% | 54.2% | +0.9 |
Terminal-Bench 2.1은 터미널 기반 에이전트 태스크를 평가하는 벤치마크로, Flash가 6포인트 가까운 차이를 보였습니다.
에이전트 및 도구 활용
| 벤치마크 | 3.5 Flash | 3.1 Pro | 차이 |
|---|---|---|---|
| MCP Atlas | 83.6% | 78.2% | +5.4 |
| Toolathlon | 56.5% | 49.4% | +7.1 |
| OSWorld-Verified | 78.4% | 76.2% | +2.2 |
| Finance Agent v2 | 57.9% | 43.0% | +14.9 |
| GDPval-AA (ELO) | 1656 | 1314 | +342 |
Finance Agent v2에서 14.9포인트, GDPval-AA에서 342 ELO라는 큰 차이는 에이전트 시나리오에서의 극적인 성능 향상을 나타냅니다.
멀티모달 및 긴 컨텍스트
| 벤치마크 | 3.5 Flash | 3.1 Pro | 차이 |
|---|---|---|---|
| CharXiv Reasoning | 84.2% | 83.3% | +0.9 |
| MMMU-Pro | 83.6% | 80.5% | +3.1 |
| Blueprint-Bench 2 | 33.6% | 26.5% | +7.1 |
| MRCR v2 · 128k | 77.3% | 84.9% | -7.6 |
| MRCR v2 · 1M | 26.6% | 26.3% | +0.3 |
추론 (Pro가 우세한 영역)
| 벤치마크 | 3.5 Flash | 3.1 Pro | 차이 |
|---|---|---|---|
| Humanity's Last Exam | 40.2% | 44.4% | -4.2 |
| ARC-AGI-2 | 72.1% | 77.1% | -5.0 |
HLE(Humanity's Last Exam)와 ARC-AGI-2에서는 Pro가 앞섰습니다. 학술적 추론이나 추상적 문제 해결에서는 Pro가 여전히 우위에 있습니다.
다른 프론티어 모델과의 비교
Google DeepMind는 Claude Sonnet 4.6, Claude Opus 4.7, GPT-5.5와의 비교 평가 카드도 공개했지만, 구체적인 수치는 아직 발표되지 않았습니다. 다만, Artificial Analysis의 인텔리전스 인덱스에서 "오른쪽 상한 사분면" — Flash 레이턴시로 프론티어 인텔리전스 —에 위치하고 있습니다.
왜 "에이전트 특화"인가?
Gemini 3.5 Flash 설계에서 가장 흥미로운 점은 에이전트 워크로드에 최적화된 모델이라는 것입니다.
기존 모델 설계는 "벤치마크에서 높은 점수를 얻는 것"이 목적이었습니다. 하지만 Gemini 3.5 Flash는 다른 질문을 가지고 있습니다: "에이전트가 실제로 사용하는 도구 호출, 코드 실행, 다단계 계획에서, 얼마나 효율적으로 작동할 수 있는가".
구체적인 차이점:
1. 속도. 동일한 프론티어 모델 대비 4배의 출력 속도. 에이전트가 수십 단계를 실행할 때, 각 단계의 지연 시간이 전체 병목 현상이 됩니다. Flash는 이 병목을 근본적으로 해결합니다.
2. 캐시 비용. 에이전트는 같은 컨텍스트를 여러 번 읽습니다. $0.15/1M의 캐시 입력 가격은 에이전트의 운영 비용을 획기적으로 낮춥니다.
3. 도구 호출 정확도. MCP Atlas에서 83.6%, Toolathlon에서 56.5%. 복잡한 도구 체인에서 성공률이 높습니다.
4. 서브에이전트 오케스트레이션. 단일 API 호출로 완전한 추론 에이전트를 만들 수 있습니다. 격리된 Linux 환경에서의 코드 실행, 파일/상태 영속화, 호출 간 환경 연속을 지원합니다.
생태계: Antigravity, Spark, Managed Agents
Gemini 3.5 Flash는 단독 모델이 아닙니다. Google은 동시에 생태계 전체를 발표했습니다.
Antigravity 2.0
데스크톱 독립형 앱. 병렬 서브에이전트 실행, 예약된 백그라운드 태스크, AI Studio/Android/Firebase 통합을 제공합니다. 3.5 Flash와 공동 최적화되었습니다.
Gemini Spark
3.5 Flash를 기반으로 한 24/7 자율 에이전트. 사용자를 대신하여 행동합니다 — 이메일 처리, 온라인 태스크 실행, 구매까지. 발표일에 신뢰할 수 있는 테스터에게 배포 시작, 다음 주에 미국 AI Ultra 구독자 대상 베타.
Managed Agents in the Gemini API
API의 단일 호출로 완전한 추론 에이전트를 생성. 도구 활용과 코드 실행을 격리된 Linux 환경에서 실행. 영속화된 환경은 호출 간 파일과 상태를 유지합니다.
실제 파트너 사례
| 기업 | 용도 |
|---|---|
| Shopify | 병렬 서브에이전트를 통한 성장 예측 |
| Macquarie Bank | 100페이지 이상의 금융 문서 추론 |
| Salesforce Agentforce | 다중 서브에이전트 기업 태스크 자동화 |
| Ramp | 송장의 멀티모달 OCR + 패턴 추론 |
| Xero | 자율적 다중 주 워크플로우 (1099 준비 등) |
| Databricks | 대규모 데이터셋의 에이전트 모니터링 및 검색 |
Gemini 3.5 Pro는 다음 달에 출시
I/O 2026에서 발표된 것은 Flash이지만, Gemini 3.5 Pro는 다음 달(2026년 6월) 출시 예정입니다.
코드명 "Cappuccino". 유출된 정보에 따르면, Flash 버전은 코딩과 추론에서 GPT-5.5의 92% 성능을, 15~20분의 1 비용으로 달성했습니다. Pro 버전은 성능이 더 향상될 것으로 보입니다.
내부에서는 이미 Pro가 사용되고 있으며, Google은 "프론티어 인텔리전스"로 위치시킵니다.
경쟁 모델 비교
2026년 5월 프론티어 모델 비교:
| 모델 | 입력/1M | 출력/1M | 컨텍스트 | 특징 |
|---|---|---|---|---|
| Gemini 3.5 Flash | $1.50 | $9.00 | 1M | 에이전트 특화, 최속 |
| GPT-5.2 | $1.25 | $10.00 | 256K | OpenAI 주력 |
| Claude Sonnet 4.6 | $3.00 | $15.00 | 1M | 코딩 강점 |
| Claude Opus 4.7 | $5.00 | $25.00 | 200K | 최고 성능 클래스 |
| DeepSeek V4 Pro | $0.44 | $0.87 | 1M | 최저가 |
| MiniMax M2.5 | $0.15 | $1.15 | 200K | 코딩 특화 |
Flash의 포지션은 명확합니다: Opus 4.7이나 GPT-5.5에 근접한 성능을, Sonnet 4.6보다 저렴하게, 4배의 속도로 제공합니다.
특히 에이전트 워크로드에서는 캐시 가격의 90% 할인이 효과적입니다. 같은 컨텍스트를 반복 읽는 에이전트의 비용은 다른 모델의 10분의 1이 될 수 있습니다.
과제와 한계
추론 성능 저하. HLE에서 40.2%(Pro는 44.4%), ARC-AGI-2에서 72.1%(Pro는 77.1%). 학술적 추론이나 추상적 문제 해결에서는 Flash가 Pro에 못 미칩니다. 이는 설계상의 트레이드오프입니다 — 속도와 에이전트 성능을 우선시하고, 깊은 추론을 희생했습니다.
128K 컨텍스트에서의 리콜 저하. MRCR v2(128K)에서 77.3%(Pro는 84.9%). 긴 텍스트의 정밀한 리콜이 필요한 태스크에서는 여전히 Pro가 우세합니다.
출력은 텍스트만. 입력은 텍스트, 이미지, 오디오, 비디오를 지원하지만, 출력은 텍스트만 가능합니다. 이미지 생성이나 비디오 생성에는 대응하지 않습니다.
결론
Gemini 3.5 Flash는 AI 모델 설계 철학의 전환을 상징합니다.
기존 모델은 "벤치마크에서 최고 점수를 얻는 것"이 목적이었습니다. 하지만 Flash는 다른 질문을 가지고 있습니다: "에이전트가 실제로 작동하는 환경에서, 얼마나 빠르고, 저렴하고, 정확하게 작동할 수 있는가".
이것은 GPT-5.5나 Claude Opus 4.7과는 다른 전략입니다. Google은 "가장 빠른 모델"을 만든 것이 아니라, "에이전트에 최적화된 모델"을 만든 것입니다.
다음 달 Gemini 3.5 Pro에서, 이 전략이 어디까지 통할지가 시험대에 오를 것입니다.
로딩 중...