Gemini Flash 3종과 Pro 공백

Google DeepMind가 2026년 7월 21일 Gemini 3.6 Flash, Gemini 3.5 Flash-Lite, Gemini 3.5 Flash Cyber를 공개했습니다. TechCrunch에 따르면 이번 발표에는 시장이 기다리던 Gemini 3.5 Pro는 포함되지 않았습니다. 표면적으로는 새 모델 3종 출시이지만, 실제 메시지는 더 구체적입니다. Google은 최고 성능 모델 한 방보다, 대규모 AI agent 운영에서 비용·지연시간·신뢰성·보안 특화를 관리하는 방향으로 Gemini 포트폴리오를 재배치하고 있습니다.

1. 새 Gemini 라인업의 핵심은 ‘더 싸게 많이 쓰는 모델’입니다

Google DeepMind 블로그는 이번 모델들의 목표를 “대규모 AI agent 구축에 필요한 효율성, 지연시간, 신뢰성”으로 설명했습니다. 이는 단순한 제품 홍보 문구로만 보기 어렵습니다. 기업이 LLM을 실험 단계에서 실제 업무 시스템으로 옮길 때 가장 먼저 부딪히는 문제는 모델의 최대 성능보다 반복 호출 비용, 응답 지연, 운영 안정성입니다. 특히 agentic workflow는 한 번의 사용자 요청을 처리하기 위해 여러 번의 reasoning step, tool call, 코드 실행, 문서 검색을 반복할 수 있습니다. 이 구조에서는 모델이 조금 더 길게 답하거나 불필요한 도구 호출을 많이 하는 것만으로도 월간 비용이 빠르게 증가합니다.

이 관점에서 Gemini 3.6 Flash는 Google이 생산 환경의 중심 모델로 밀고 있는 카드에 가깝습니다. TechCrunch는 이 모델을 Google의 “workhorse model”이라고 설명하며, coding, knowledge work, multimodal 성능을 개선하면서도 이전 3.5 Flash보다 토큰 사용량을 최대 17% 줄인다고 보도했습니다. DeepMind 블로그도 Artificial Analysis Index 기준으로 3.6 Flash가 3.5 Flash보다 출력 토큰을 17% 적게 사용한다고 밝혔습니다. Google은 또한 이 모델이 multi-step workflow를 수행할 때 reasoning step과 tool call을 더 적게 사용한다고 설명했습니다.

가격도 이번 발표의 핵심입니다. DeepMind 블로그에 따르면 Gemini 3.6 Flash는 입력 100만 토큰당 1.50달러, 출력 100만 토큰당 7.50달러입니다. Google은 이를 통해 agentic task당 전체 비용을 낮출 수 있다고 설명했습니다. 여기서 중요한 단위는 “토큰 단가”가 아니라 “작업 한 건을 끝내는 데 드는 총비용”입니다. AI agent는 사용자의 한 문장 요청을 그대로 한 번 답하고 끝내는 챗봇이 아니라, 계획 수립, 도구 호출, 중간 결과 검토, 최종 응답 생성까지 여러 단계를 거칠 수 있기 때문입니다.

Gemini 3.5 Flash-Lite는 더 노골적으로 처리량과 비용을 겨냥합니다. DeepMind는 이 모델을 3.5 시리즈에서 가장 빠른 모델이라고 설명했고, Artificial Analysis 측정 기준 초당 350개 출력 토큰을 기록한다고 밝혔습니다. 가격은 입력 100만 토큰당 0.3달러, 출력 100만 토큰당 2.5달러입니다. Google이 예로 든 사용처도 agentic search, document processing처럼 대량 요청이 발생하는 영역입니다. 즉 Flash-Lite는 최고 난도 reasoning을 맡기는 모델이라기보다, 많은 요청을 낮은 지연시간과 낮은 비용으로 처리하는 운영 모델에 가깝습니다.

모델	Google이 강조한 역할	공개된 수치·조건	주요 해석
Gemini 3.6 Flash	coding, knowledge work, multimodal을 위한 workhorse model	3.5 Flash 대비 출력 토큰 17% 감소, 입력 100만 토큰당 1.50달러, 출력 100만 토큰당 7.50달러	agent 호출 비용과 응답 품질의 균형을 맞춘 주력 운영 모델
Gemini 3.5 Flash-Lite	저지연·고처리량 작업용 모델	Artificial Analysis 기준 초당 350개 출력 토큰, 입력 100만 토큰당 0.3달러, 출력 100만 토큰당 2.5달러	검색, 문서 처리처럼 대량 트래픽이 있는 기능에 적합한 가격 카드
Gemini 3.5 Flash Cyber	취약점 탐지·수정에 특화된 보안 모델	정부와 trusted partners 대상 limited access pilot	보안 자동화 영역을 제한된 파트너 생태계에서 먼저 검증하려는 모델

2. Flash Cyber는 보안 자동화의 ‘성능’보다 ‘접근 통제’를 먼저 보여줍니다

이번 발표에서 가장 특수한 모델은 Gemini 3.5 Flash Cyber입니다. TechCrunch에 따르면 이 모델은 사이버보안 취약점을 찾고 수정하도록 fine-tuning된 특화 모델입니다. Google은 이 모델을 정부와 trusted partners에게만 제한된 접근 파일럿 형태로 제공한다고 밝혔습니다. 이 대목은 보안 AI 시장에서 중요한 신호입니다. Google이 보안 특화 모델을 일반 개발자에게 즉시 전면 개방하기보다, 민감도가 높은 고객군과 제한된 파트너 환경에서 먼저 운영하려는 방식이기 때문입니다.

보안 모델은 일반 문서 요약 모델과 다릅니다. 취약점 탐지와 수정은 소스코드, 시스템 구조, 공격 가능성, 패치 제안 같은 민감한 정보를 다룹니다. 모델이 더 많은 code path를 분석할수록 유용성은 커질 수 있지만, 동시에 코드 접근 권한과 취약점 정보 노출 범위도 더 중요해집니다. 따라서 Gemini 3.5 Flash Cyber의 제한적 배포는 단순한 출시 일정 문제가 아니라, 보안 모델의 사용 주체와 신뢰 경계를 어떻게 설정할 것인가에 대한 Google의 초기 답변으로 볼 수 있습니다.

DeepMind 블로그는 별도로 Gemini 3.6 Flash가 Chemical, Biological, Radiological, and Nuclear, 즉 CBRN 영역과 cyber offense misuse 영역에서 강화된 Frontier Safety safeguard를 포함한다고 설명했습니다. 또한 이 safeguard가 jailbreak에 더 강한 저항성을 갖도록 하면서도 beneficial use에 대해서는 불필요한 거부를 줄이도록 학습됐다고 밝혔습니다. 이 설명은 Flash Cyber 자체의 상세 benchmark를 공개한 것은 아니지만, Google이 이번 Flash 라인업을 단순한 저가형 모델 묶음이 아니라 생산 환경의 위험 관리까지 포함한 제품군으로 포지셔닝하고 있음을 보여줍니다.

기업 입장에서 이 변화의 의미는 분명합니다. LLM이 보안 업무에 들어오면 질문은 “취약점을 잘 찾는가”에서 끝나지 않습니다. “어떤 코드가 모델 입력으로 들어가는가”, “모델 출력이 patch suggestion인지, ticket인지, 자동 변경인지”, “오탐과 과탐을 누가 검증하는가”, “취약점 정보가 로그와 모니터링 시스템에 어떻게 남는가”가 함께 결정돼야 합니다. Google이 Flash Cyber를 제한된 접근 파일럿으로 시작한 것은 보안 AI가 기술 성능뿐 아니라 운영 신뢰와 책임 경계의 문제라는 점을 다시 확인시킵니다.

3. 빠진 것은 Gemini Pro, 남은 것은 출시 속도 압박입니다

이번 발표가 주목받는 또 다른 이유는 출시된 모델보다 출시되지 않은 모델 때문입니다. TechCrunch는 이번 업데이트에 Google의 flagship model로 기대됐던 Gemini 3.5 Pro가 포함되지 않았다고 짚었습니다. TechCrunch에 따르면 Gemini Pro 계열은 일반적으로 복잡한 reasoning과 coding task를 위한 Google의 최고 성능 제품군으로 여겨집니다. 반면 Flash 계열은 낮은 비용과 빠른 응답을 우선하는 production application용 모델에 가깝습니다.

경쟁사들의 출시 속도도 압박 요인입니다. TechCrunch는 Google의 이전 Pro 업데이트 이후 OpenAI가 GPT-5.5를 출시하고 GPT-5.6을 배포하기 시작했으며, Anthropic은 Claude Opus 4.8, Claude Sonnet 5를 내놓고 frontier Fable 5 모델 접근을 확대했다고 보도했습니다. 이 맥락에서 Gemini 3.5 Pro 부재는 단순한 제품 일정 문제가 아니라, frontier model 경쟁에서 Google이 어떤 우선순위를 택하고 있는지 보여주는 신호로 읽힙니다.

TechCrunch는 또한 Bloomberg 보도를 인용해 Google이 내부 성능 목표를 맞추는 데 어려움을 겪으며 Gemini 3.5 Pro 출시가 내부적으로 지연되고 있다고 전했습니다. 다만 Google이 Pro를 포기한 것은 아닙니다. TechCrunch는 Google DeepMind의 Logan Kilpatrick이 Gemini 3.5 Pro를 파트너들과 테스트 중이며 곧 도착하기를 바란다고 말했다고 전했고, DeepMind 블로그도 Gemini 3.5 Pro가 파트너들과 테스트 중이며 준비되는 대로 넓게 제공할 계획이라는 설명을 담았습니다. DeepMind 블로그는 이와 병행해 Gemini 4를 위한 “가장 야심찬 pre-training run”을 시작했다고 밝혔습니다.

즉 Google의 메시지는 이중적입니다. 최고 성능 모델 개발은 계속하지만, 당장 시장에 내놓는 카드는 Flash 계열의 비용 효율, agent 운영성, 보안 특화입니다. WhatsUpPick이 보기에 이는 클라우드 사업자다운 선택입니다. frontier model의 headline 성능은 브랜드와 연구 역량을 보여주지만, 실제 지출과 락인은 반복 호출되는 업무 agent에서 발생합니다. 문서 처리, 고객 지원, 내부 검색, 코드 마이그레이션, 보안 점검처럼 매일 실행되는 workflow에 모델이 들어가면 기업은 단순히 모델을 바꾸는 것이 아니라 prompt, tool call, logging, 권한 관리, 비용 모니터링, 보안 정책 전체를 함께 바꿔야 합니다.

따라서 이번 발표는 Google이 “가장 똑똑한 모델” 경쟁에서 완전히 물러났다는 뜻으로 읽기 어렵습니다. 오히려 “가장 자주 호출되는 모델” 시장을 먼저 공략하는 움직임에 가깝습니다. Pro 모델이 늦어질수록 연구 성능 경쟁에서는 부담이 커지지만, Flash 계열이 실제 기업 workflow에 깊게 들어가면 비용 최적화와 운영 안정성을 중심으로 다른 형태의 경쟁력이 생깁니다. 한국 기업도 모델 뉴스의 headline만 볼 것이 아니라, 어떤 모델이 내부 서비스의 반복 호출 구조에 들어갈 가능성이 큰지 따져봐야 합니다.

4. 한국 개발자·기업에게 주는 시사점

① 보안 자동화 도입은 모델 성능보다 운영 경계부터 정해야 합니다

한국 기업이 Gemini 3.5 Flash Cyber 같은 보안 특화 모델을 검토할 때 가장 먼저 볼 것은 모델 이름이나 benchmark가 아니라 코드와 취약점 정보가 어디까지 외부 시스템으로 나가는가입니다. 이번 모델은 정부와 trusted partners 대상 limited access pilot으로 시작합니다. 이는 강점이면서 동시에 검토 포인트입니다. 금융, 통신, 제조, 공공 SI처럼 소스코드 반출, 로그 보관, 취약점 정보 공유에 민감한 조직은 모델 성능보다 접근 권한, 감사 로그, 데이터 보존 정책, 온프레미스·클라우드 경계, 협력사 코드 처리 범위를 먼저 문서화해야 합니다.

또한 보안팀의 역할도 바뀝니다. AI가 취약점 후보와 패치 제안을 빠르게 늘리면, 병목은 탐지에서 검증과 우선순위 결정으로 이동합니다. 국내 기업은 “AI가 찾은 이슈를 누가 triage할 것인가”, “패치 제안물을 어떤 기준으로 리뷰할 것인가”, “오탐과 중복 이슈를 어떻게 ticketing할 것인가”를 정하지 않으면 도구 도입 후 오히려 backlog가 늘어날 수 있습니다. Flash Cyber의 의미는 보안 인력을 대체한다는 데 있지 않습니다. 반복 점검 비용을 낮춰 더 많은 영역을 보게 만들고, 사람은 실제 위험도 판단과 배포 승인에 집중하게 만드는 쪽에 가깝습니다.

② LLM 비용 평가는 ‘토큰 단가’가 아니라 agent task 단가로 바뀌어야 합니다

Gemini 3.6 Flash와 3.5 Flash-Lite의 가격 공개는 한국 개발팀에도 직접적인 계산 기준을 줍니다. 많은 팀이 아직 LLM 비용을 입력·출력 토큰 단가만으로 비교하지만, agentic workflow에서는 이 방식이 충분하지 않습니다. 한 작업을 끝내기 위해 모델이 몇 번 호출되는지, tool call이 몇 번 발생하는지, 불필요한 장문 답변으로 출력 토큰이 얼마나 늘어나는지, 재시도와 실패가 얼마나 발생하는지를 함께 봐야 합니다. Google이 3.6 Flash에서 출력 토큰 17% 감소와 더 적은 reasoning step, tool call을 강조한 것도 이 때문입니다.

한국 SaaS 기업이나 내부 업무 자동화팀은 새 모델을 바로 전면 도입하기보다, 기존 workflow 중 호출량이 많은 기능을 골라 작업 1건당 총비용을 측정해야 합니다. 예를 들어 문서 요약, 고객 문의 분류, 내부 검색, 코드 리뷰 보조처럼 반복량이 많은 업무에서는 최고 성능 모델보다 Flash-Lite나 Flash 계열이 더 경제적일 수 있습니다. 반대로 복잡한 설계 판단이나 고위험 보안 패치 승인에는 Pro급 또는 다른 frontier model이 필요할 수 있습니다. 결국 모델 선택은 “하나의 표준 모델”을 정하는 문제가 아니라, 업무 위험도와 호출량에 따라 모델 tier를 나누는 설계 문제가 됩니다.

우리의 관점: 이번 Gemini 발표의 핵심은 Google이 frontier model 경쟁을 포기했다는 뜻이 아니라, 기업 고객의 실제 지출이 발생하는 지점을 더 정확히 겨냥했다는 점입니다. Gemini 3.5 Pro가 빠진 공백은 분명하지만, 3.6 Flash와 Flash-Lite는 대량 agent 운영비를 낮추는 카드이고, Flash Cyber는 보안 자동화를 제한된 신뢰 환경에서 먼저 검증하려는 카드입니다. 한국 기업에는 “어떤 모델이 가장 강한가”보다 “우리 업무에서 매일 수천 번 호출될 모델을 어디에 묶을 것인가”가 더 중요한 질문이 됩니다. 특히 보안 영역에서는 모델 도입이 곧 코드 접근 정책과 감사 체계의 변경을 의미하므로, 기술 검증과 컴플라이언스 검토를 같은 일정표에 올려야 합니다.

※ 위 시사점 섹션은 보도된 사실에 기반한 WhatsUpPick 편집팀의 독자적 분석·전망이며, 특정 제품 도입을 권유하는 것이 아닙니다.

참고 자료

• TechCrunch — Google의 새 Gemini 3종 출시와 Gemini 3.5 Pro 부재를 보도했습니다.
• Google DeepMind Blog — Gemini 3.6 Flash, 3.5 Flash-Lite, 3.5 Flash Cyber의 공식 발표와 가격·효율성 정보를 담고 있습니다.