
카본·페이블은 지휘하고, 디시전 1은 판정한다
구글과 앤트로픽의 최신 모델은 모든 요청을 독식하지 않는다. 깊은 추론·빠른 판정·형식 검증을 나눈 에이전트 스택이 새 설계 방향으로 떠올랐다.
요약
구글의 Gemini 4 Carbon과 앤트로픽의 Claude Fable 5.2는 최고 성능 모델을 모든 요청에 쓰라고 권하지 않는다. 구글은 대부분의 소프트웨어·지식 작업에 Argon을 남겨 두고 Carbon을 복잡한 설계, 장기 실행, 조정과 감사에 배치했다. 앤트로픽도 일상적인 코딩과 지식 작업은 Opus 5.5에서 시작하고, 어려운 문제에서만 Fable로 올라가라고 설명한다. 성능 경쟁의 결과가 하나의 만능 기본 모델이 아니라 역할이 다른 모델 계층으로 나타난 셈이다.
하루 뒤 공개된 Gemini Decisions API는 이 분업을 더 선명하게 만들었다. 생성형 모델이 긴 답을 쓰는 대신, 전용 모델이 도구 선택·정책 확인·라우팅 같은 닫힌 선택지를 빠르게 점수화한다. 여기에 AlphaProof Code처럼 에이전트가 만든 결과를 Lean 같은 독립 검증기가 거부할 수 있는 구조를 더하면 새로운 에이전트 스택의 윤곽이 나온다. 깊게 생각하는 지휘자, 싸게 실행하는 작업자, 빠르게 고르는 판정자, 틀리면 멈추는 검증기가 각각 필요하다.
최고 모델이 기본값에서 내려왔다
Gemini 4 Carbon은 복잡한 코딩·디버깅, 과학 연구, 사이버보안처럼 긴 탐색과 반복 확인이 필요한 작업을 겨냥한다. 구글은 Carbon이 더 많은 추론 토큰을 사용한다고 밝히면서, 대부분의 소프트웨어 엔지니어링과 지식 작업에는 Argon이 적합하다고 구분했다. Carbon의 도입 가격은 입력 100만 토큰당 2달러, 출력 100만 토큰당 10달러로 Argon과 같지만, 이 가격표만 보고 모든 호출을 Carbon으로 바꾸라는 뜻은 아니다. 높은 사고 수준에서는 지연과 토큰 사용량이 늘 수 있다는 제한도 모델 카드에 적혀 있다.
구글의 제품 설계는 더 직접적이다. Antigravity의 `/swarm`은 Carbon에게 아키텍처 설계·조정·감사 같은 역할을 맡기고, 더 빠르고 가벼운 모델을 격리된 작업 공간에 배치하며, 적대적 검증자가 변경 사항을 시험하도록 구성한다. 프런티어 모델의 가치는 모든 코드를 직접 쓰는 데만 있지 않다. 무엇을 나누고, 누가 만들고, 어떤 결과를 다시 의심할지 정하는 상위 계층으로 이동하고 있다.
Claude Fable 5.2도 같은 방향을 가리킨다. 앤트로픽은 Fable 5.2의 가격을 입력 100만 토큰당 8달러, 출력 100만 토큰당 40달러로 낮췄고 이전 버전보다 출력이 최대 30% 빠르다고 밝혔다. 그러나 더 중요한 문장은 가격이나 자체 벤치마크 순위가 아니다. 회사는 대부분의 작업을 Opus 5.5에서 시작하라고 권하면서, Fable을 작은 모델이 난제를 물어보는 Advisor 또는 작은 모델에 일을 나누는 Orchestrator로 명시했다. 두 회사가 동시에 최고 모델의 자리를 ‘기본 엔진’에서 ‘희소한 전문가’로 다시 정의했다.
판정은 생성보다 싸고 빨라야 한다
Gemini Decision 1은 긴 문장을 생성하는 모델이 아니다. 하나의 텍스트·이미지·음성·영상·PDF 입력을 받아 최대 1,000개의 예·아니오, 객관식 선택, 등급 평가 질문을 한 번에 처리하고 각 선택지의 확률과 신뢰도를 돌려준다. 구글이 공개한 수치는 종단 지연 150~250밀리초, 입력 100만 토큰당 0.10달러, 출력 토큰 과금 없음이다. 벤더 측정치라는 점은 감안해야 하지만, 제품의 목적은 분명하다. 열려 있는 문제를 푸는 추론과 닫혀 있는 결정을 내리는 판정을 다른 계산으로 분리한다.
이 구분은 에이전트 개발에서 실용적이다. 사용자의 요청을 어느 모델로 보낼지, 결제 전 추가 승인이 필요한지, 검색 결과가 정책을 위반하는지, 도구 응답이 다음 단계로 넘어갈 만큼 충분한지를 매번 거대 생성 모델에게 서술형으로 묻는 것은 느리고 비싸며 출력 형식도 흔들릴 수 있다. 판정 전용 계층은 후보와 기준을 코드가 이해할 수 있는 형태로 고정하고, 애매한 신뢰도만 더 강한 모델이나 사람에게 넘길 수 있다.
다만 확률값은 권한이 아니다. 0.93이라는 숫자가 곧 안전한 실행을 뜻하지는 않는다. 어떤 질문을 정의했는지, 선택지에 빠진 행동은 없는지, 임계값이 실제 오류 비용과 맞는지 따로 검증해야 한다. 판정 모델은 생성 모델을 대체하는 것이 아니라, 열린 생성이 운영 시스템의 다음 행동으로 곧장 번지는 일을 막는 제어면에 가깝다.
에이전트는 네 개의 역할로 갈라진다
이번 발표들을 한데 놓으면 에이전트 시스템의 역할이 네 층으로 나뉜다. 첫째는 목표를 해석하고 계획을 고치는 지휘 모델이다. Carbon이나 Fable처럼 긴 문맥과 높은 추론 비용을 감수할 가치가 있는 난제에만 투입한다. 둘째는 검색, 파일 수정, 테스트 실행처럼 경계가 비교적 명확한 작업자다. 이 층은 더 작고 빠른 모델과 전통적인 소프트웨어 도구가 맡을 수 있다.
셋째는 라우팅·정책·품질 문턱을 담당하는 판정자다. 선택지가 닫혀 있고 같은 기준을 반복 적용해야 할수록 Decision 1 같은 전용 모델이 유리하다. 넷째는 생성 모델의 자신감과 무관하게 실패를 선언할 수 있는 검증기다. 타입 검사, 테스트, 스키마, 재현 가능한 시뮬레이션, 형식 증명처럼 결과가 기준을 통과하지 못하면 다음 단계로 보내지 않는 장치가 여기에 해당한다.
이 구조에서 멀티모델은 단순한 비용 절약 기법이 아니다. 같은 질문을 싼 모델과 비싼 모델 중 어디에 보낼지 고르는 라우터를 넘어, 서로 다른 종류의 오류를 서로 다른 계층이 잡도록 책임을 나누는 설계다. 지휘 모델은 작업을 잘못 나눌 수 있고, 작업자는 코드를 잘못 만들 수 있으며, 판정자는 기준을 잘못 적용할 수 있다. 따라서 각 층의 입력·결정·근거·재시도 기록을 남기고, 중요한 행동에는 독립된 실패 경로를 둬야 한다.
650만 줄의 증명이 보여준 것
Google DeepMind의 AlphaProof Code는 이 분업이 연구 데모를 넘어 어떤 모습으로 작동할 수 있는지 보여준다. 연구진은 사람이 승인하는 보안 명세, AArch64 기계어 의미론, 여러 증명 에이전트, Lean 커널을 결합해 `libsignal`의 특정 빌드에 대한 약 650만 줄의 증명 코드를 만들었다. 논문에 따르면 다섯 명의 연구자가 약 4주 동안 작업했고, 사람이 직접 읽고 신뢰해야 하는 명세와 기계 의미론은 약 2만6000줄로 압축됐다.
핵심은 에이전트가 650만 줄을 썼다는 규모가 아니다. 그 증명은 신뢰받지 않는다. 논리 오류가 있으면 작은 Lean 커널이 받아들이지 않으며, 연구진은 과거에 수정된 `libsignal` 버그 두 개를 다시 넣어 보안 정리가 성립하지 않음을 확인했다. 생성 속도가 커질수록 사람은 모든 산출물을 읽는 대신, 무엇을 참으로 정의할지와 어떤 독립 검증기를 신뢰할지를 설계해야 한다는 점을 보여준다.
범위도 정확히 읽어야 한다. 이 결과는 Signal 앱 전체가 아니라 연구진이 만든 `libsignal-cli` 빌드와 일대일 세션의 특정 조건을 다룬다. 다중 기기 상태, 일부 환경 가정, 부채널 같은 문제는 범위 밖이며, 암호 원시 연산과 운영 환경에 대한 가정도 남는다. ‘AI가 Signal의 보안을 증명했다’는 문장보다 ‘사람이 검토한 명세와 작은 검증 커널 사이에서 에이전트가 대규모 증명 탐색을 맡았다’는 설명이 더 정확하다.
개발팀이 지금 바꿀 설계
첫 번째 변화는 모델 선택 기준을 성능 순위가 아니라 역할로 쓰는 것이다. 요청이 열린 문제인지 닫힌 선택인지, 실패 비용이 얼마나 큰지, 외부 도구를 실행하는지, 결과를 기계적으로 확인할 수 있는지부터 분류해야 한다. 높은 추론 모델은 계획·예외·감사에 아껴 쓰고, 반복 작업은 작은 모델과 코드로 내리며, 닫힌 선택은 판정 API로 분리하는 편이 운영 비용과 지연을 함께 줄인다.
두 번째는 지휘 모델이 자신의 결과를 최종 승인하지 못하게 하는 것이다. 코드 변경에는 테스트와 정적 분석, 데이터 변경에는 제약 조건과 트랜잭션, 외부 행동에는 권한 확인과 사람 승인, 고위험 보안 주장에는 재현 가능한 증거를 붙여야 한다. 자연어 설명이 그럴듯하다는 이유로 다음 단계가 실행되면 모델을 여러 개 쓴 의미가 사라진다.
세 번째는 벤더 벤치마크를 시스템 설계 근거와 분리하는 것이다. Carbon과 Fable의 공개 점수는 각 회사가 선택한 노력 수준·하네스·안전 설정의 영향을 받는다. 실제 도입에서는 정확도뿐 아니라 성공한 작업당 비용, 재시도율, 사람이 되돌리는 시간, 타임아웃, 권한 오류를 같은 조건에서 측정해야 한다. 최고 점수 모델이 일상 기본값이 아니라는 두 회사의 권고 자체가 이 점을 인정한다.
AI 제품의 다음 경쟁은 더 큰 모델 하나를 고르는 일이 아니라, 생각·실행·판정·거부를 어떤 경계로 나눌지에 달렸다. Carbon과 Fable이 지휘 능력을 높이고 Decision 1이 선택을 빠르게 만들어도, 최종 신뢰는 모델 밖에서 실패를 선언할 수 있을 때 생긴다. 에이전트가 강해질수록 가장 중요한 인터페이스는 ‘무엇을 할 수 있나’보다 ‘누가 멈출 수 있나’가 된다.
출처
- Gemini 4 Carbon is now available - Google (https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/)
- Gemini 4 Carbon Model Card - Google DeepMind (https://deepmind.google/models/model-cards/gemini-4-carbon/)
- Claude Fable 5.2 and Mythos 5.2 - Anthropic (https://www.anthropic.com/claude-fable-and-mythos-5-2)
- Anthropic unveils new Fable, Mythos models as competition heats up ahead of IPO - Reuters (https://www.investing.com/news/stock-market-news/anthropic-unveils-new-fable-mythos-models-as-competition-heats-up-ahead-of-ipo-5013116)
- Gemini Decisions API: Fast, calibrated multimodal decisions - Google (https://blog.google/innovation-and-ai/technology/developers-tools/gemini-decisions-api/)
- AlphaProof Code: Verifying Signal’s Security at the Machine-Code Level - Google DeepMind (https://google-deepmind.github.io/code-verification/)
- Google DeepMind melds humans and AI agents to vet Signal's secure messaging techniques - The Register (https://www.theregister.com/ai-and-ml/2026/11/10/google_deepmind_melds_humans_and_ai_agents_to_vet_signals_secure_messaging_techniques/5308625)


