Google AI 3.6 Flash: 토큰 효율이 에이전트 비용 구조를 바꾸는 방식

AI NOTES · KO KOREAN EDITION

KO · 한국어

EN · English

출력 토큰 17% 감소가 의미하는 것

Google DeepMind가 공개한 벤치마크 테이블에 따르면 Google AI 3.6 Flash는 Artificial Analysis Index에서 3.5 Flash 대비 출력 토큰 사용량이 17% 적다. DeepSWE v1.1(Datacurve)에서는 특정 조건에서 최대 65%까지 줄어든다. 이 수치는 모델이 같은 작업을 수행하면서 더 짧은 응답을 생성한다는 뜻이 아니라, 추론 단계와 도구 호출 횟수 자체가 줄어든 결과다.

Google 공식 블로그는 “3.6 Flash takes fewer reasoning steps and tool calls to accomplish multi-step workflows”라고 설명한다. 멀티스텝 에이전트 작업에서 불필요한 중간 출력이 줄어들면 누적 토큰 소비가 선형이 아닌 복합적으로 감소한다. 10단계 워크로드에서 각 단계가 17%씩 짧아지면 전체 출력량은 단순 합산보다 더 크게 줄어든다.

이 변화의 메커니즘은 post-training 단계에서의 효율 최적화다. 아키텍처 변경이 아니라 응답 생성 전략 자체를 바꾼 것이다. Google DeepMind 모델 페이지는 3.6 Flash를 “token efficiency in coding, knowledge work, and multimodal tasks”에 최적화된 모델로 정의한다.

벤치마크 품질 변화: 코딩·컴퓨터 사용·장기 컨텍스트

토큰 효율만 높아지고 품질이 떨어지면 운영 의미가 없다. Google DeepMind가 공개한 벤치마크에서 3.6 Flash는 3.5 Flash 대비 주요 항목에서 개선을 보였다.

DeepSWE v1.1(장기 소프트웨어 엔지니어링)에서 3.6 Flash는 49%를 기록해 3.5 Flash의 37%보다 12포인트 높았다. 상대 개선률은 32.4%다. MLE-Bench(머신러닝 엔지니어링)에서는 63.9% 대 49.7%로 14.2포인트 차이를 보였다. OSWorld-Verified(에이전트 컴퓨터 사용)에서는 83.0% 대 78.4%로 4.6포인트 개선됐다.

장기 컨텍스트 성능 변화가 특히 크다. GDM-MRCR v2 8-needle 128k 평균에서 3.6 Flash는 91.8%를 기록해 3.5 Flash의 77.3%보다 14.5포인트 높았다. 1M 토큰 pointwise에서는 54.0% 대 26.6%로 27.4포인트 차이다. 100만 토큰 컨텍스트를 실제로 활용할 때 검색 정확도가 두 배 이상 높아진 셈이다.

지식 작업 지표인 GDPval-AA v2에서는 Elo 1421 대 1349를 기록했다. 법률 AI 기업 Harvey는 공식 블로그 인용문에서 3.6 Flash가 “벤치마크에서 강력한 성능 향상을 보였고, 특히 효율적이어서 평균 12% 빠르게 작업을 완료했다”고 밝혔다. JetBrains는 “low reasoning coding performance by 10–20% compared to the previous Flash generation”이라고 평가했다. Hebbia는 3.6 Flash가 “인용이 많은 금융 리서치에서 증거 추출을 위해 테스트한 최고의 모델”이라고 보고했다.

Google AI 3.5 Flash-Lite: 초당 350토큰과 스케일링 경제학

같은 날 공개된 Google AI 3.5 Flash-Lite는 속도와 처리량에 초점을 맞춘 모델이다. Artificial Analysis 측정 기준 출력 속도는 초당 350토큰이다. 이 속도로 100만 출력 토큰을 생성하면 약 47.6분이 걸린다. 가격은 입력 $0.30/1M, 출력 $2.50/1M으로 3.6 Flash 대비 입력은 80%, 출력은 66.7% 저렴하다.

Flash-Lite의 핵심 가치는 단순 저가가 아니다. 3.1 Flash-Lite 대비 Terminal-Bench 2.1에서 54% 대 31%로 23포인트, GDM-MRCR v2에서 72.2% 대 60.1%로 12.1포인트, GDPval-AA v2에서 1140 대 642로 Elo 498포인트 개선을 보였다. 이전 세대 저가 모델이 “품질 포기”를 전제로 했다면, 3.5 Flash-Lite는 에이전트 서브태스크를 처리할 수 있는 품질을 유지하면서 처리량만 극대화한 설계다.

Google 공식 블로그는 Flash-Lite가 “3 Flash를 포함한 여러 에이전트·코딩 평가에서 앞선다”고 밝혔다. SWE-Bench Pro에서 54.2% 대 49.6%(3 Flash 대비), OSWorld-Verified에서 74.0% 대 65.1%(3 Flash 대비)를 기록했다. 마스터 에이전트로 3.6 Flash를, 서브에이전트로 Flash-Lite를 배치하는 계층 구조가 비용 최적화의 현실적 경로가 된다.

Google AI 3.5 Flash Cyber와 CodeMender: 제한 배포의 설계 의도

세 번째 모델인 Google AI 3.5 Flash Cyber는 범용 배포가 아닌 제한 접근 모델이다. Google DeepMind는 이 모델을 3.5 Flash 기반 사이버보안 특화 파인튜닝으로 정의하며, CodeMender 코드 보안 에이전트와 결합해 CyberGym 벤치마크에서 프론티어급 경쟁 성능을 달성했다고 밝혔다.

배포 대상은 정부와 신뢰 파트너로 한정된다. Google 공식 블로그는 “exclusively available to governments and trusted partners via CodeMender soon as part of a limited-access pilot program”이라고 명시한다. 이는 취약점 탐지·패치 기술의 이중용도(dual-use) 특성을 고려한 설계다. 공격자가 동일 모델을 악용할 경로를 차단하면서 방어자 측에 먼저 도구를 제공하는 전략이다.

일반 개발자에게 Flash Cyber는 직접 사용할 수 있는 모델이 아니다. 다만 Google이 사이버보안 영역에서 모델 특화 + 에이전트 오케스트레이션 조합을 공식 제품으로 내놓았다는 점은, 향후 다른 도메인에서도 유사한 전용 모델 + 에이전트 번들이 등장할 수 있다는 신호다.

가격 구조와 복합 비용 절감 계산

Google AI 3.6 Flash의 공식 가격은 입력 $1.50/1M 토큰, 출력 $7.50/1M 토큰이다. 3.5 Flash는 입력 $1.50, 출력 $9.00이었다. 입력 가격은 동일하고 출력 가격만 16.7% 낮아졌다.

여기에 출력 토큰 소비량 17% 감소를 결합하면 복합 절감 효과가 생긴다. 3.5 Flash가 출력 100토큰당 $0.0009를 지불했다면, 3.6 Flash는 83토큰만 생성하면서 단가도 낮아 $0.0006225가 된다. 동일 작업 기준 복합 절감률은 약 30.8%다.

Flash-Lite를 서브에이전트로 활용하면 절감 폭은 더 커진다. 입력 $0.30/1M, 출력 $2.50/1M은 3.6 Flash 대비 각각 80%, 66.7% 저렴하다. 10단계 에이전트 워크로드에서 초기 계획 단계만 3.6 Flash로 처리하고 나머지 9단계를 Flash-Lite로 분배하면, 전체 출력 비용은 3.6 Flash 단독 대비 크게 줄어든다.

다만 이 계산은 공식 가격표와 Artificial Analysis Index 수치에 기반한 이론값이다. 실제 비용은 캐시 적중률, thinking level 설정, 도구 호출 빈도에 따라 달라진다. Google 공식 블로그는 “prompt caching으로 최대 90%, batch processing으로 최대 50% 비용 절감”이 가능하다고 별도 명시한다. 이 수치는 3.6 Flash 전용이 아닌 Google AI API 일반 정책이다.

근거 경계: 벤치마크가 말하지 않는 것

Google DeepMind가 공개한 벤치마크 테이블에는 GPT-5.6 Luna, Grok 4.5, Claude Sonnet 5가 비교 대상으로 포함돼 있다. SWE-Bench Pro에서 GPT-5.6 Luna는 62.7%, Claude Sonnet 5는 63.2%로 3.6 Flash의 58.7%보다 높다. DeepSWE v1.1에서는 GPT-5.6 Luna가 67%로 3.6 Flash의 49%를 크게 앞선다. Terminal-Bench 2.1에서도 GPT-5.6 Luna 84.7%, Grok 4.5 83.3%가 3.6 Flash의 78.0%보다 높다.

3.6 Flash의 위치는 “프론티어 최고 성능”이 아니라 “Flash급 가격대에서 가장 높은 토큰 효율과 품질 균형”이다. Google DeepMind 모델 페이지도 “Best for token efficiency”를 첫 줄에 배치한다. 절대 성능 경쟁에서는 상위 모델에 뒤지는 항목이 존재하며, 이는 공식 벤치마크 테이블 자체에 명시돼 있다.

GDPval-AA v2 지식 작업 Elo에서 3.6 Flash는 1421로 GPT-5.6 Luna(1584), Grok 4.5(1535), Claude Sonnet 5(1607)보다 낮다. CharXiv Reasoning(도구 없음)에서는 85.2%로 비교 대상 중 가장 높지만, 이는 차트 해석 특화 항목이다. 벤치마크 항목별 편차를 무시하고 “전면 우위”로 해석하면 안 된다.

선택 프레임: 워크로드별 모델 배치

Google이 같은 날 세 모델을 공개한 것은 단일 모델 선택이 아닌 워크로드별 배치 전략을 제시한 것이다.

3.6 Flash는 코딩, 지식 작업, 멀티모달 문서 분석에서 토큰 효율과 품질 균형을 요구하는 마스터 에이전트에 적합하다. 1M 토큰 컨텍스트와 64k 출력, 컴퓨터 사용 내장 도구를 지원한다. Google AI Studio, Android Studio, Google Antigravity, Google AI Enterprise Agent Platform에서 즉시 사용 가능하다.

3.5 Flash-Lite는 고처리량 서브태스크에 배치한다. 에이전트 검색, 문서 처리, 대량 데이터 추출처럼 지연보다 처리량이 중요한 작업에서 초당 350토큰과 $0.30/$2.50 가격 조합이 경제성을 만든다. thinking level을 minimal/low로 설정하면 저지연 고볼륨 처리에, high로 설정하면 멀티스텝 서브에이전트 작업에 사용할 수 있다.

3.5 Flash Cyber는 일반 개발자 선택지가 아니다. 정부·신뢰 파트너 전용 CodeMender 파일럿으로만 접근 가능하다. 사이버보안 취약점 탐지·패치가 필요한 조직은 CodeMender 제한 접근 프로그램 신청 경로를 확인해야 한다.

Google AI 3.5 Pro는 현재 파트너 테스트 중이며 Google 공식 블로그는 “broadly available as soon as it’s ready”라고 밝혔다. Google AI 4 사전학습도 시작됐으며 “our most ambitious pre-training run yet”라고 명시한다. 현시점 모델 선택은 3.6 Flash와 Flash-Lite 조합이 현실적 최적이다.

한계와 다음 단계

이번 발표에서 확인해야 할 경계가 있다. 첫째, 출력 토큰 17% 감소는 Artificial Analysis Index 집계 기준이며 워크로드 구성에 따라 실제 체감 효율은 달라진다. DeepSWE 65% 감소는 특정 벤치마크 조건의 최대값이다.

둘째, Flash-Lite의 “3 Flash 대비 우위” 벤치마크는 SWE-Bench Pro와 OSWorld-Verified 일부 항목에 한정된다. 전 항목에서 3 Flash를 앞서는 것은 아니다. Google 공식 블로그도 “on many agentic and coding evals”라는 표현을 사용한다.

셋째, Flash Cyber의 CyberGym 성능은 CodeMender 멀티에이전트 오케스트레이션 결합 조건에서의 결과다. 모델 단독 성능이 아닌 시스템 수준 성과다.

넷째, Google AI 3.5 Flash는 Google Enterprise 앱 글로벌 리전에서 2026년 8월 4일 제거될 예정이다. Google Cloud 공식 릴리스 노트에 명시된 일정이다. 기존 3.5 Flash 기반 워크플로우는 3.6 Flash 또는 Flash-Lite로 전환 계획을 세워야 한다.

다음 행동은 명확하다. 현재 Google AI API에서 3.5 Flash를 사용 중이라면 3.6 Flash로 모델명을 교체하고 출력 토큰 소비량을 A/B 비교한다. 고볼륨 서브태스크가 있다면 Flash-Lite thinking level minimal 설정으로 지연과 비용을 측정한다. 캐시 적중률과 batch processing 적용 여부에 따라 실제 절감률이 이론값(30.8%)과 얼마나 차이 나는지 첫 주 운영 데이터로 확인한다.

Sources

• blog.google

• deepmind.google

• deepmind.google

• deepmind.google

• deepmind.google

• docs.cloud.google.com