구글 딥마인드가 차세대 프런티어 모델 제미나이 4의 코드명 '아르곤(Argon)'을 공개하며, 숫자로 된 벤치마크 점수보다 실제 엔지니어링·과학 작업에 투입한 결과를 전면에 내세웠다. 아르곤은 구글의 에이전트 중심 개발 플랫폼 '안티그래비티(Antigravity)' 안에서 자율적으로 코드를 읽고 수정하며 작업을 수행하는 방식으로 소개됐다. 공개된 사례들은 브라우저 리팩터링, 추론 엔진 최적화, 양자 오류 정정, 신약·소재 탐색, 효소 설계에 이르기까지 폭이 넓다. 다만 제시된 수치는 모두 구글이 자체적으로 측정·보고한 것으로, 외부의 독립 검증을 거친 결과가 아니라는 점은 읽는 내내 염두에 둘 필요가 있다.
대규모 코드베이스를 다루는 방식
실무자 관점에서 가장 눈길을 끄는 것은 크롬 리팩터링 사례다. 크롬팀은 4천만 줄 규모의 크로미움 코드베이스 안에서 약 600만 줄에 달하는 레거시 브라우저 기능 묶음과 핵심 웹페이지 처리 로직을 분리하려 했는데, 아르곤이 깨끗한 코드 변경을 여러 건씩 동시에 흘려보내며 수백 개 파일에 걸친 구조 개편을 몇 달치 분량에서 몇 주로 단축했다고 한다. 구글은 이 작업이 실제 웹페이지를 탭·사이드 패널·플로팅 창 사이로 새로고침 없이 옮기는 기능과 특정 유형의 브라우저 충돌 제거로 이어질 것이라고 설명한다. 비슷하게 구글의 오픈소스 에이전트 프레임워크 ADK에서는 .agents/skills 규칙집과 한 문단짜리 목표만 주고 밤새 자율적으로 돌린 결과, 긴 세션의 인메모리 준비 시간을 40%, 콜드 임포트를 21% 줄인 최적화가 google/adk-python에 반영됐다고 밝혔다.
이 대목이 중요한 이유는, 아르곤이 '한 번에 끝까지' 작업하도록 설계됐다는 점과 맞물리기 때문이다. 100만 토큰의 출력 한도는 수십만 토큰에 이르는 추론 과정을 중간에 잘리지 않고 완주하거나, 다중 파일 애플리케이션과 복잡한 스키마 마이그레이션을 교차 의존성을 유지한 채 한 번에 생성하는 것을 염두에 둔 사양이다. 응답을 이어 붙이느라 생기던 오류를 줄인다는 방향성은, 레거시 전환이나 대규모 리팩터링을 안고 있는 팀에게는 실질적인 의미가 있다.
추론 최적화와 운영 자동화
추론 성능 측면에서는 vLLM을 통해 A100 한 장에서 젬마 4 E2B의 처리량을 초당 약 3만7,900 토큰에서 10만8,000 토큰 이상으로, 엔드투엔드 기준 2.85배 끌어올렸다고 한다. 토큰 일치율 100%에 품질 저하 없이 며칠 만에 달성했다는 설명이며, 어텐션 튜닝부터 추측 디코딩까지의 변경이 상위 저장소 풀 리퀘스트로 공개됐다고 덧붙였다. 운영 자동화 사례로는 다섯 개 저장소에 흩어진 700여 개 교육용 랩을 하드코딩된 시스템 이미지에서 떼어내며 16건 이상의 숨은 타임아웃·레이스 컨디션 버그를 잡아 955시간의 엔지니어링 공수를 아꼈다는 수치가 제시됐다. 코드 생성 못지않게 테스트·정리 같은 반복 운영 부담을 줄이는 쪽에 무게를 둔 서사다.
과학 연구에서의 활용과 안전장치
과학 영역의 사례는 더 야심적이다. 머신러닝 기반 양자 오류 정정 디코더 알파큐빗을 단일 하드웨어 커널로 최적화해 추론 처리량을 거의 두 배로 늘렸고, 양자 알고리즘의 구성 요소인 아크사인(arcsin) 구현을 린(Lean)으로 형식 검증해 기존 양자 CORDIC 대비 시공간 비용을 100배 이상 줄였다고 한다. 핵융합 분야에서는 스텔러레이터 자기장의 정확한 해가 존재하지 않는다고 본 1967년의 '그라드 추측'에 대해 메릴랜드대 매트 랜드레먼 교수와 함께 더 넓은 반례군을 찾아냈다. 가모우랩스는 희귀 발달성 폐질환 신생아의 비식별 유전체에서 기존 소프트웨어가 수년간 놓친 염색체 재배열을 짚어냈고, 자체 평가에서 RareBench 57%, LabBench 52.2%를 기록했다고 밝혔다. 세린 에스터라제 효소 설계에서는 몇 시간 만에 다섯 개의 신규 설계를 내놓고 실험으로 촉매 활성을 확인했다는 사례도 있다.
안전 측면에서 구글은 아르곤이 유해 요청은 거부하되 이중용도 과학 연구는 보존하도록 설계됐고, 간접 프롬프트 인젝션에 가장 강한 모델이라고 주장한다. 사고 과정과 행동을 모니터링해 필요시 실행을 멈추는 오정렬 완화 장치, 고위험 학습·평가 전 샌드박스를 격리·봉인하는 조치도 언급됐다. 학계·독립 연구자에게는 안티그래비티 최고 등급을 6개월 무료로 제공하는 프로그램, 보안 방어자를 위한 페어윈드 프로그램도 열려 있다.
종합하면 아르곤의 발표는 '얼마나 똑똑한가'보다 '어떤 실제 작업을 끝까지 해냈는가'로 성능을 설명하려는 전략이 뚜렷하다. 수백 개 파일의 리팩터링과 야간 자율 최적화처럼 장시간 자율 실행이 가능하다는 점은, 코드 리뷰와 거버넌스를 전제로 한다면 한국의 플랫폼·인프라 팀에도 검토할 만한 패턴이다. 그러나 공개된 성과는 전부 내부 지표이고 재현 가능한 평가 환경이 함께 제시되지 않았다. 자율 에이전트에게 수백 개 파일 수정을 맡기는 것이 실제 조직의 리뷰·롤백 체계와 어떻게 맞물릴지는 각 팀이 직접 검증해야 할 몫으로 남는다.