Gemini 3.7 Flash, 3주 만에 가격 절반·코딩 점수 상승

Gemini 3.7 Flash가 내세운 변화는 속도보다 작업 완성도와 가격의 조합이다. Google은 3.6 Flash를 내놓은 지 불과 3주 만에 후속 모델을 공개했고, 연말까지 입력 100만 token당 0.75달러, 출력 100만 token당 3.75달러의 도입 가격을 적용한다. 회사 설명대로라면 이는 기존 3.6 Flash 원가의 절반이다. Hacker News에서 936점과 470개가 넘는 댓글이 붙은 이유도 새 이름보다 이 짧은 교체 주기와 가격 신호에 가깝다.

공개된 평가 수치는 코딩 개선을 비교적 구체적으로 보여준다. FrontierCode 1.1 Main은 34.4%에서 43.6%로, DeepSWE v1.1은 49.0%에서 65.3%로 올랐다. 복잡한 문서를 다루는 GDP.pdf는 22.0%에서 34.0%, 실제 업무 흐름을 평가하는 AutomationBench는 17.0%에서 30.4%로 상승했다. 모두 Google이 공개한 자체 비교이므로 독립적인 재현 결과와 동일하게 취급할 수는 없다. 그래도 debugging, issue resolution, 긴 문서 처리, tool call처럼 현업 agent에서 비용이 크게 드는 구간을 직접 겨냥했다는 점은 분명하다.

제품 방향도 benchmark 숫자만큼 중요하다. Google은 이 모델이 장애물을 만났을 때 계획을 조정하고, 의도가 모호하면 확인하며, 여러 단계의 작업과 tool call에 더 많은 추론을 쓰도록 다듬었다고 설명한다. 첫 시도에서 쓸 수 있는 코드를 내는 비율을 높여 사람의 재작업과 재시도를 줄이겠다는 설계다. 3D 게임 생성, sub-agent가 조율하는 대화형 landing page, 세 agent로 구성한 robotics 학습 loop 같은 시연도 이 흐름을 강조한다.

비교 실험은 같은 prompt와 repository snapshot, 같은 tool 권한으로 진행해야 한다. 성공 여부만 기록하면 모델이 사람에게 넘긴 수정 작업이 빠지기 쉽다. 완료 시간, 입력·출력 token, tool 호출 횟수, 실패 후 재시도, 사람이 고친 줄 수를 함께 남겨야 가격 인하가 실제 생산성으로 이어졌는지 판단할 수 있다. 보안 검토가 필요한 코드 변경과 외부 서비스에 쓰기를 수행하는 agent라면 정확도뿐 아니라 잘못된 행동을 멈추는 능력도 별도 항목으로 확인할 필요가 있다.

개발자가 확인할 질문은 단순하다. 낮아진 token 단가가 더 긴 추론과 늘어난 tool call을 상쇄하는지, 그리고 공개 평가의 향상이 자신의 repository와 문서에서 재현되는지다. 특히 연말까지라는 가격 조건은 장기 운영비를 계산할 때 별도로 표시해야 한다. 이번 출시는 Flash 계열이 빠른 보조 모델에서 production agent의 주 실행 모델로 이동하려는 시도다. 흥미로운 지점은 최고 점수 경쟁보다, 품질과 호출 비용 사이의 균형을 얼마나 안정적으로 유지하느냐에 있다.