입력·출력 100만 토큰당 초기 API 가격 2달러·10달러…이후 4달러·20달러
핵심 요약
- 구글이 Gemini 4 Carbon을 보안 방어자부터 단계적으로 제공한다. 취약점 탐지와 패치 성능을 내세웠지만, 발표 당시 독립 평가 결과는 공개되지 않았다.
구글 딥마인드(Google DeepMind)가 2026년 10월 28일 취약점 탐지부터 공격 코드 작성, 패치까지 수행하는 새 프런티어 모델 Gemini 4 Carbon을 소개했다. 구글(Google)은 일부 보안 방어자에게 먼저 접근을 허용하며, 개발자·기업·일반 소비자를 위한 제공 날짜는 제시하지 않았다.
Gemini 4 Argon에 이어 등장한 Carbon에 대해 구글은 자사 최강 모델로, 사이버보안과 장기 과제 수행에서 최첨단 역량을 갖췄다고 설명했다. 회사가 발표한 성적은 취약점 탐지 평가 SEC-bench Pro 88.2%, 실제 작동하는 공격 코드로 결함을 전환하는 ExploitGym 54.8%, 취약한 코드의 패치를 평가하는 CWE-bench 71.0%다. Artificial Analysis Intelligence Index에서는 59점으로 1위에 올랐다고 밝혔다. 내부 평가에서 안전한 코드를 작성할 가능성은 Argon의 두 배를 넘었고, Chrome 팀의 시험에서는 이름을 밝히지 않은 경쟁 프런티어 모델보다 훨씬 나은 패치를 생성했다는 설명도 덧붙였다. 모두 구글이 제시한 결과로, 발표 당시 독립 평가 결과는 공개되지 않았다.
Carbon은 일반에 전면 공개되지 않았다. 구글은 발표 주간 일부 보안 방어자부터 제공을 시작하고 Fairwind Program을 통해 신뢰할 수 있는 협력사로 대상을 점차 넓힌다. 초기 API 가격은 입력 100만 토큰당 2달러, 출력 100만 토큰당 10달러이며 이후 각각 4달러와 20달러로 오른다. 구글은 Carbon이 미국 정부의 자발적 출시 전 모델 시험에도 포함된다고 밝혔다.
같은 주 오픈AI(OpenAI)는 GPT-6.1 Terra를 출시했다. 헬프넷시큐리티(Help Net Security)와 더해커뉴스(The Hacker News)에 따르면 오픈AI는 이 모델이 자사 Preparedness Framework의 사이버보안 최고 단계인 Critical 기준에 도달했다고 밝혔다. GPT-6 Astra에 적용한 안전장치는 유지한다는 설명이다. 앤트로픽(Anthropic)은 미공개 내부 모델이 Chrome의 원클릭 원격 코드 실행 버그, Safari의 연쇄 공격, Android 잠금화면 우회, Windows HTTP.sys 서비스 거부 취약점(CVE-2026-33096) 등 치명적 결함을 발견했다고 전했다. 더해커뉴스는 해당 결함이 모두 수정됐다고 보도했다. 반면 테크크런치(TechCrunch)는 10월 29일 미스트랄(Mistral)이 사이버보안을 겨냥한 1조 매개변수 모델의 가중치를 공개했다고 전했다. 세 비공개 모델 개발사가 접근을 제한하는 가운데 누구나 내려받을 수 있는 보안 모델도 등장한 셈이다.
취약점을 찾고, 실제 공격 가능성을 입증한 뒤, 패치를 작성하는 능력이 결합되면 방어와 공격 양쪽의 비용 구조가 달라질 수 있다. 방어자는 인력만으로 감당하기 어려운 규모의 코드를 점검하고 수정안까지 받을 수 있다. 공격자도 새 패치를 분석해 작동하는 공격 코드를 더 빨리 만들 수 있어 패치 공개부터 실제 악용까지의 간격이 줄어들 수 있다. PHP2Shell은 패치 배포 전부터 공격 가능성을 탐색하는 시도가 있었고, Node2Shell은 수정 후 일주일 안에 CISA의 악용 확인 취약점 목록에 올랐다. 두 사례가 AI와 관련됐다는 사실은 공개적으로 확인되지 않았다.
구글은 안전성 개선도 제시했다. Gray Swan 간접 프롬프트 주입 평가의 공격 성공률은 Argon의 0.7%에서 Carbon의 0%로 낮아졌고, 내부 실시간 코딩에서는 심각도가 높은 정렬 이탈 경고가 거의 80% 줄었다고 밝혔다. 과제가 모호하면 추측하는 대신 사람에게 입력을 요청한다는 설명도 포함됐다. 보안 모델이 프롬프트 주입에 조종되거나 모호한 지시를 과도하게 수행하면 에이전트 환경에서 위험을 키울 수 있다. 다만 이 역시 공급업체 자체 평가인 만큼 실제 업무에서 검증할 필요가 있다.
개발자에게는 의존성 업데이트와 패치 적용 속도가 더 중요해질 수 있다. 더 나은 도구로 코드를 넓게 검사하면 사용하는 라이브러리에서 발견되는 취약점도 늘어날 수 있다. 원문은 의존성 업데이트용 풀 리퀘스트 자동화, 신뢰할 수 있는 테스트 유지, 긴급 업그레이드 연습을 대응책으로 제시했다. AI 보안 검토가 지속적 통합(CI)의 일상적 절차로 자리 잡을 가능성도 짚었지만, 모델이 작성한 패치는 코드를 이해하는 사람이 검토해야 한다고 지적했다. 오픈소스 관리자는 품질이 낮은 AI 생성 보고서를 포함해 늘어나는 신고를 분류·처리할 체계도 갖출 필요가 있다.
향후 전망에 대해 원문은 보안 역량이 강한 프런티어 모델을 방어자에게 먼저 단계적으로 제공하는 방식이 보편화할 수 있다고 분석했다. 앞으로 몇 주 안에 나올 것으로 예상한 독립 평가 결과는 업체 발표와 다를 수 있으며, 비슷한 모델의 가중치를 자유롭게 내려받을 수 있다면 방어자 우선 제공의 실효성을 둘러싼 정책 논쟁도 생길 수 있다고 내다봤다. 개발 현장에 제시한 핵심 대응은 패치가 공개된 시점부터 실제 운영 환경에 적용되는 시점까지의 시간을 줄이는 것이다.
