원문 보기
Introducing Gemini 3.7 Flash
News

Introducing Gemini 3.7 Flash

Tulsee Doshi
2026.08.13
·Web·by Homin.Lee
#Agents#AI#Coding#Gemini#LLM

핵심 포인트

  • 1Google은 코딩 및 에이전트 작업에 특화된 차세대 모델 Gemini 3.7 Flash를 출시했으며, 이전 버전 대비 성능 향상과 동시에 절반 수준의 비용 효율성을 제공합니다.
  • 2해당 모델은 FrontierCode 1.1, DeepSWE v1.1 등 다양한 벤치마크에서 뛰어난 성과를 거두었으며, 특히 복잡한 문서 처리와 자동화된 비즈니스 워크플로우 수행 능력이 대폭 개선되었습니다.
  • 3Gemini Spark에도 새롭게 적용된 Gemini 3.7 Flash는 향상된 도구 사용 기능과 안전 가이드를 바탕으로 개발자와 기업의 생산성을 높이는 데 기여할 것으로 기대됩니다.

본 보고서는 Google의 최신 AI 모델인 Gemini 3.7 Flash의 출시와 주요 기능, 기술적 개선 사항을 상세히 다루고 있습니다. 이 모델은 소프트웨어 엔지니어링 및 에이전트 워크플로우를 최적화하기 위해 설계된 '워크호스(workhorse)' 모델로, 전작인 Gemini 3.6 Flash 대비 성능과 비용 효율성을 대폭 개선했습니다.

1. 주요 성능 개선 및 기술적 성과

Gemini 3.7 Flash는 특히 코딩, 웹 개발, 그리고 복합적인 지식 처리에 있어 비약적인 발전을 이루었습니다.
  • 소프트웨어 엔지니어링: FrontierCode 1.1 Main 벤치마크에서 43.6%(전작 34.4%), DeepSWE v1.1에서 65.3%(전작 49.0%)의 정확도를 기록하며 디버깅 및 프로덕션 수준의 코드 생성 능력을 입증했습니다.
  • 웹 개발: Arena.ai의 WebDev Arena에서 1588점의 Elo 점수를 획득하여 설계 준수 및 기능 구현 능력을 강화했습니다.
  • 지식 집약적 추론: GDP.pdf 벤치마크에서 34.0%(전작 22.0%), AutomationBench에서 30.4%(전작 17.0%)의 성능을 보이며 복잡한 비즈니스 워크플로우 처리 역량을 강화했습니다.

2. 핵심 방법론 및 아키텍처 개선

본 모델은 단순한 성능 향상을 넘어, 복합적인 다단계 계획(multi-step planning)과 도구 호출(tool calls)의 정확도를 높이는 데 집중했습니다.
  • 에이전트 중심의 추론 구조: 모델은 더 심층적인 추론 프로세스를 거쳐 복잡한 에이전트 그래프 루프(agent graph loop) 내에서 다중 에이전트를 조율합니다. 이는 특히 로봇 공학이나 대규모 인터랙티브 시스템 구성 시 요구되는 동적 생성 성능을 극대화합니다.
  • 제어 로직 개선: 지시 사항 준수(instruction fidelity) 수준을 높여 불필요한 재시도(retries)를 줄였으며, 문맥적 의도 파악(clarifying intent) 기능을 강화하여 엔지니어링 워크플로우의 자율성을 높였습니다.
  • Safety 가이드라인: CBRN(화학·생물·방사선·핵) 및 사이버 공격 방어를 위한 Frontier Safety 안전장치를 고도화하여 보안성을 강화했습니다.

3. 경제성 및 생태계 적용

  • 가격 모델: 도입 초기 가격을 3.6 Flash 대비 절반 수준으로 책정하였습니다.
    • Input tokens: $0.75 / 1M tokens
    • Output tokens: $3.75 / 1M tokens
  • Gemini Spark 통합: Google AI Pro 및 Ultra 구독자를 위한 개인용 AI 에이전트인 Gemini Spark에 즉각 적용되어, Google Workspace 앱과의 연동을 통한 문서 정리, 이메일 초안 작성 등의 작업을 효율화했습니다.

4. 활용성

Gemini 3.7 Flash는 단순 텍스트 생성을 넘어, 정적 PDF 데이터를 실시간 데이터 스토리로 변환하거나, 3D 게임 에셋 생성, 그리고 다중 에이전트 협업을 통한 자동화 워크플로우 구축 등 고난도 기술 환경에서 표준 모델로 자리매김하는 것을 목표로 합니다. 개발자는 Google Antigravity 또는 Gemini API를 통해 이를 통합할 수 있습니다.