역사 사진에서 인터랙티브 3D까지: Gemini 4 Carbon이 하나의 프롬프트로 에펠탑 건설 과정을 재현하다

작성자 노트: 이 글은 Google의 에펠탑 데모에서 출발해, 여러 에이전트가 역사 사진과 공학 자료를 인터랙티브 3D 전시로 어떻게 엮어 내는지 설명해요.

용어 한눈에 보기 (to know)

• Agent(에이전트): 도구를 호출하고 작업을 실행할 수 있는 AI 프로그램이에요. 질문에 답하는 데서 그치지 않고 계획, 실행, 결과 검증까지 해요.
• 멀티 에이전트 협업: 여러 에이전트가 하위 작업을 나눠 맡고, 각자의 중간 결과를 서로 주고받는 방식이에요.
• Antigravity: Google이 제공하는 AI 개발 도구예요. Gemini 4 Carbon이 이미 여기에 올라와 있어요.
• Swarm(/swarm): Antigravity에서 여러 에이전트의 협업을 조직하는 프리뷰 기능이에요. 2026년 11월 10일에 공개됐어요.
• 공학 도면: 도형과 치수로 공학 설계를 표현한 자료예요. 3D 재구성에서 핵심적인 기하 정보의 출처가 돼요.
• Three.js: 웹에서 3D 장면을 구축하는 JavaScript 라이브러리예요. 브라우저에서 바로 렌더링하고 상호작용할 수 있어요.
• 격자 구조(래티스 구조): 수많은 부재를 조합해 하중을 지지하는 구조예요. 에펠탑이 대표적인 철제 격자 구조물이에요.

Google은 2026년 11월 10일에 Gemini 4 Carbon을 정식으로 공개했어요. 공식 발표에서는 인상적인 사례도 하나 소개했어요. 여러 Carbon Agent가 Antigravity의 /swarm 기능을 활용해 역사 사진과 공학 도면을 인터랙티브 Three.js 3D 전시로 바꾸고, 1887~1889년 에펠탑 건설 과정을 재현했다는 내용이에요. 이 작업 전체가 프롬프트 하나로 시작됐어요.

이건 “AI가 아무렇게나 철탑을 그린” 데모가 아니에요. 이 사례와 Swarm 메커니즘은 Google 공식 발표와 Antigravity 블로그에 설명되어 있어요. 이 글에서는 정보를 세 가지로 구분해서 다룰게요. 역사적 사실, Google 공식 데모의 설명, 그리고 저희의 분석과 추론이에요.

핵심 가치: 이 글을 읽고 나면 이 데모가 어떤 기술적 문제를 풀었는지, 그 안에서 멀티 에이전트가 어떤 역할을 하는지, 그리고 개발자가 API로 비슷한 “도면에서 3D로” 워크플로를 어떻게 시도해 볼 수 있는지 알게 될 거예요.

Gemini 4 Carbon 에펠탑 데모 핵심 정보 한눈에 보기

먼저 Google 공식 발표에서 확인할 수 있는 내용부터 살펴볼게요. 아래 표에는 공식적으로 언급된 내용만 담았고, 공개되지 않은 세부 사항은 따로 표시했어요.

한 가지 짚고 넘어갈 점이 있어요. “프롬프트 하나”가 “한 번에 생성”을 뜻하는 건 아니에요. 사용자는 지시를 한 번만 내렸지만, 그 뒤의 작업 분해, 병렬 처리, 검수는 여러 에이전트가 Swarm 프레임워크 안에서 수행했어요. 이 사례를 이해하려면 이 점을 먼저 알아두셔야 해요.

에펠탑이 Gemini 4 Carbon의 고난도 시험 문제인 이유

그냥 “에펠탑처럼 보이는” 모델을 하나 생성하는 정도라면 이 데모는 그리 특별하지 않아요. 진짜 어려운 점은 에펠탑 자체가 자료가 방대하고 구조도 복잡한 공학 프로젝트라는 데 있어요. 아래 데이터는 에펠탑 공식 웹사이트의 역사 아카이브에서 가져왔어요.

시공 타임라인도 분명하게 남아 있어요. 1887년 1월 26일에 정식으로 착공했고, 같은 해 7월 1일부터 탑의 기둥을 설치하기 시작했어요. 1888년 4월 1일에 1층이 완공되었고, 8월 14일에 2층이 완공되었어요. 그리고 1889년 3월 31일에 탑 꼭대기와 전체 조립이 마무리되었죠. “건설 과정을 재현”하는 전시라면, 이런 시점들이 곧 타임라인의 뼈대가 돼요.

에펠탑의 격자 구조와 내풍 설계

공식 역사 자료에 따르면, 에펠탑의 설계 구상은 처음에 엔지니어 Maurice Koechlin과 Émile Nouguier에게서 나왔고, 건축가 Stephen Sauvestre가 외관 디자인에 참여했으며, 귀스타브 에펠이 최종안을 추진했어요. 초기 설계안은 네 개의 격자 기둥을 사용했는데, 아래쪽은 벌어져 있고 꼭대기로 갈수록 점차 모이는 형태였어요.

탑 기둥의 곡률은 수학적으로 설계되어, 구조가 바람의 힘에 저항하는 능력을 높여 줘요. 모든 금속 부재는 공장에서 미리 제작되었고, 별도로 설계와 계산을 거쳤으며, 도면의 정밀도는 10분의 1밀리미터에 달했어요. 그러니까 이걸 재건하는 일은 “기하 도형을 쌓는 것”이 아니라, 부재와 곡선, 층위 사이의 엄밀한 관계를 이해해야 하는 일이에요.

Gemini 4 Carbon은 2차원 역사 자료를 어떻게 3차원 구조로 바꿀까

이 부분은 이 글의 분석이에요. Google은 해당 작업의 내부 단계를 공개하지 않았어요. 입력과 출력으로 거꾸로 추정해 보면, 이 작업에는 적어도 세 가지 관문이 있어요.

1. 역사 사진 이해하기: 시공 사진은 촬영 각도가 제각각이고 해상도도 제한적이에요. 그래서 화면 속에서 몇 층까지 지어졌는지, 탑주가 어느 단계에 있는지를 파악하고, 사진을 타임라인의 특정 시점에 대응시켜야 해요.
2. 도면에서 기하 정보 추출하기: 공학 도면에는 입면도, 단면도, 치수 표기 등이 담겨 있어요. 여기서 탑주의 경사각, 플랫폼 높이, 부재 배치 같은 파라미터를 읽어내야 해요.
3. 공간 관계를 추론해 재구성 가능한 데이터로 정리하기: 사진과 도면은 모두 2차원이에요. 여러 시점의 정보를 정렬해 구조물이 3차원 공간에서 어디에 놓이는지 추론하고, 이를 모델링 코드를 구동할 수 있는 구조화된 설명으로 정리해야 해요.

Gemini 4 Carbon의 모델 카드에 따르면 이 모델은 텍스트, 이미지, 오디오, 비디오 입력을 지원하고 출력은 텍스트예요. 총 컨텍스트 윈도우는 1,048,576 토큰이고요. 이를 바탕으로 전시가 Three.js 코드라는 “텍스트” 형태로 전달되었다고 합리적으로 추론할 수 있어요. 즉 3차원 효과는 브라우저가 코드를 실행하면서 만들어지는 것이지, 모델이 3차원 파일을 직접 출력하는 것이 아니에요.

Google은 같은 공지에서 참고할 만한 사례도 하나 더 보여줬어요. Carbon이 공개된 도시계획 PDF 7개를 처리해 206개의 공학 도면 뷰를 추출했고, 야간에 10차례 반복한 끝에 약 906,000개의 삼각형 면으로 이루어진 인터랙티브 Three.js 건축 모델을 만들어냈어요. 두 사례는 접근 방식이 비슷해요. 모두 “이질적인 자료 → 공간 정보 → 인터랙티브 3D”라는 흐름이에요.

Gemini 4 Carbon 멀티 에이전트가 에펠탑 전시를 완성하는 방법

Google은 이 사례가 여러 Carbon Agent가 /swarm으로 협업해 만들어졌다고 확인했지만, 이번 작업의 구체적인 역할 분담은 공개하지 않았어요. 따라서 아래 내용은 Antigravity 공식 블로그가 설명하는 Swarm의 일반적인 동작 방식이며, 이 사례를 그대로 기록한 것은 아니에요.

Google은 Agent가 대기하는 동안에는 토큰을 소모하지 않는다고 밝혔어요. 다만 멀티 에이전트를 병렬로 실행하면 전체 사용량이 눈에 띄게 늘어난다는 점도 함께 안내했어요. 공식 문서는 역할별로 모델을 나눠 쓰는 방식도 권장해요. 아키텍처 설계, 작업 조정, 복잡한 감사는 Carbon에 맡기고, 일반적인 구현이나 병렬 파일 수정은 더 빠르고 가벼운 모델에 맡기라는 거예요.

이런 분업은 공학 자료를 재구성하는 작업에서 특히 의미가 커요. 조정자는 “어떤 자료가 어느 단계에 해당하는지”를 이해하기 위해 깊이 있는 추론이 필요하지만, 부재를 대량으로 생성하거나 장면을 이어 붙이는 반복 작업까지 매 단계마다 가장 비싼 모델을 쓸 필요는 없어요. 검증 단계는 품질을 지키는 안전장치예요. 단일 모델이 3D 구조를 연속해서 생성하다 보면 비율이 조금씩 틀어지기 쉽기 때문이에요.

Gemini 4 Carbon API로 비슷한 도면 → 3D 작업 시도해 보기

Antigravity의 /swarm은 제품 내부 기능이라서, 개발자가 API 파라미터 하나로 똑같이 재현할 수는 없어요. 하지만 API로 간단한 버전의 파이프라인을 직접 만들어 보면 “이미지 읽기 → 파라미터 추출 → Three.js 생성”으로 이어지는 흐름을 체험해 볼 수 있어요. 공식 모델 ID는 gemini-4-carbon이에요.

최소 예제: Carbon으로 공사 현장 사진 분석하기

import base64
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # OpenAI 호환 통합 인터페이스
)

with open("eiffel_1888.jpg", "rb") as f:
    img_b64 = base64.b64encode(f.read()).decode()

resp = client.chat.completions.create(
    model="gemini-4-carbon",
    messages=[{"role": "user", "content": [
        {"type": "text", "text": "判断照片中铁塔建到了哪一层，估算塔柱倾角与平台高度比例，输出 JSON。"},
        {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{img_b64}"}}
    ]}]
)
print(resp.choices[0].message.content)

import base64
import json
from concurrent.futures import ThreadPoolExecutor
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)
MODEL = "gemini-4-carbon"


def encode(path: str) -> str:
    with open(path, "rb") as f:
        return base64.b64encode(f.read()).decode()


def ask(content, system: str = "") -> str:
    messages = []
    if system:
        messages.append({"role": "system", "content": system})
    messages.append({"role": "user", "content": content})
    resp = client.chat.completions.create(model=MODEL, messages=messages)
    return resp.choices[0].message.content


def worker_extract(path: str) -> str:
    """병렬 워커: 사진 또는 도면 한 장에서 구조 파라미터를 추출합니다"""
    return ask([
        {"type": "text", "text": "提取该资料中的结构信息：所属施工阶段、塔柱倾角、平台高度比例、可见杆件排布，只输出 JSON。"},
        {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{encode(path)}"}}
    ], system="你是结构工程资料分析员，数据不确定时标注 uncertain，不要编造。")


def builder(merged: str) -> str:
    """빌더: 병합된 파라미터를 바탕으로 Three.js 페이지를 생성합니다"""
    return ask(
        "根据以下结构参数，生成单文件 HTML，使用 Three.js 构建四根格构塔柱与两层平台，"
        "并提供 1887—1889 时间轴滑块按阶段显示结构：\n" + merged
    )


def verifier(merged: str, html: str) -> str:
    """검증자: 코드와 파라미터가 일치하는지 확인합니다"""
    return ask(
        "检查下列 Three.js 代码是否与结构参数一致，列出比例错误、阶段错误和无法运行的代码：\n"
        f"参数：{merged}\n代码：{html}"
    )


sources = ["photo_1887.jpg", "photo_1888.jpg", "drawing_elevation.jpg"]

with ThreadPoolExecutor(max_workers=3) as pool:
    results = list(pool.map(worker_extract, sources))

merged = json.dumps(results, ensure_ascii=False)
html = builder(merged)
report = verifier(merged, html)

with open("eiffel_exhibit.html", "w", encoding="utf-8") as f:
    f.write(html)
print(report)

이 코드는 일반 API로 Swarm 방식을 흉내 낸 간소화 구현이에요. Google 내부에서 쓰는 방식은 아니에요. 두 가지는 꼭 알아 두세요. Carbon은 temperature, top_p 같은 샘플링 파라미터를 무시하고, thinking_budget을 넘기면 HTTP 400을 반환해요. 기본 추론 등급은 MEDIUM인데, 등급이 높을수록 토큰을 더 쓰고 응답도 느려져요.

🚀 빠른 시작 팁: 이미지가 여러 장이고 단계도 많은 실험이라면, 먼저 작은 샘플로 프롬프트 효과를 검증해 보세요. APIYI apiyi.com에서 무료 테스트 크레딧을 받을 수 있고, API 키 하나로 Gemini, Claude, OpenAI 등 여러 모델을 오가며 쓸 수 있어요. “가벼운 모델은 대량 추출, 강한 추론 모델은 계획과 검증”이라는 역할 분담을 코드로 옮기기에 편해요.

Gemini 4 Carbon 인터랙티브 3D 전시와 기존 전달 방식 비교

Three.js를 쓰면 3D 장면을 브라우저에서 바로 실행할 수 있어요. 관람객은 별도 소프트웨어를 설치하지 않아도 시점을 회전하고, 세부 모습을 확대하고, 타임라인을 드래그해서 연도별 시공 상태를 볼 수 있어요. 아래 표는 역사 자료를 보여 주는 대표적인 방식들을 비교한 거예요.

인터랙티브 전시의 가장 큰 가치는 ‘추적 가능성’이에요. 본질적으로 코드라서 플랫폼 한 층, 주탑 한 구간마다 읽을 수 있는 파라미터가 대응되거든요. 나중에 도면과 맞지 않는 부분을 발견해도 처음부터 다시 만들 필요 없이 해당 부분만 정확히 고치면 돼요. 검증 에이전트가 제 역할을 할 수 있는 것도 바로 이 점 덕분이에요.

Gemini 4 Carbon 에펠탑 데모가 가져올 영향 분석

먼저 한계를 분명히 짚고 갈게요. 이 사례는 Google이 공식적으로 공개한 데모일 뿐, 독립적인 제3자가 검증한 결과가 아니에요. Carbon과 Swarm으로 어떤 일이 가능한지는 보여 주지만, “어떤 건축 자료든 안정적으로 재구성할 수 있다”는 일반적인 결론까지 이끌어 낼 수는 없어요.

개발자에게 미치는 영향

• 워크플로가 단일 호출에서 오케스트레이션으로 이동해요: 프롬프트 하나 뒤에서 여러 Agent가 역할을 나눠 일하기 때문에, 개발자는 작업 분해, 중간 결과 형식, 검증 메커니즘에 신경 써야 해요.
• 비용은 단가가 아니라 작업 단위로 계산해야 해요: Carbon의 출시 가격은 입력 토큰 100만 개당 2달러, 출력 10달러이고, 12월 1일부터는 두 배로 올라요. 사고(thinking) 토큰은 출력으로 계산되고, 여러 Agent를 병렬로 돌리면 사용량이 더 늘어나기도 해요.
• 여러 모델을 섞어 쓰는 방식이 더 현실적이에요: 공식 권장안은 Carbon에게 계획 수립, 조율, 감사만 맡기고 대량 실행은 경량 모델에 넘기는 거예요. 비용을 통제하는 데 이 부분이 핵심이에요.

업계에 미치는 영향

• 역사적 건축물의 디지털화: 사진과 도면으로만 남아 있는 수많은 건축물을 더 낮은 진입 장벽으로 인터랙티브 모델로 바꿀 수 있고, 연구자들이 이를 비교해 볼 수 있어요.
• 공학 자료 재구성: 도시계획 PDF 사례와 에펠탑 사례 모두 이질적인 문서에서 공간 정보를 추출한다는 같은 방향을 가리켜요.
• 디지털 전시와 교육용 시각화: 박물관과 교사는 “도면 5,300장, 리벳 250만 개” 같은 추상적인 숫자를, 학생이 타임라인을 끌어 가며 관찰할 수 있는 장면으로 바꿀 수 있어요.

한계도 함께 봐야 해요. /swarm은 아직 프리뷰 기능이고, 모델 카드에도 Carbon이 환각(hallucination)을 일으킬 수 있다고 분명히 적혀 있어요. 추론 등급을 높게 설정하면 응답이 느려지거나 타임아웃이 날 수도 있고요. 엄밀한 정밀도가 필요한 공학 분야에서는 AI가 재구성한 결과를 반드시 전문가가 다시 검토해야 해요.

자주 묻는 질문 FAQ

Gemini 4 Carbon 에펠탑 데모 핵심 요약 Key Takeaways

• 사례의 본질: 여러 Carbon Agent가 역사 사진과 도면을 Three.js 인터랙티브 전시로 바꿔요.
• 프롬프트 한 줄이 곧 단일 턴 생성은 아니에요: 그 뒤에서는 Swarm이 작업을 쪼개고 병렬로 협업해요.
• 엔지니어링 난도는 실제로 높아요: 구조물 부재 18,038개, 도면 5,300장이 들어가는 만큼 구조 정밀도 요구가 매우 높아요.
• 결과물은 코드예요: Carbon은 텍스트를 출력하고, 전시는 수정 가능한 Three.js 코드로 구현돼요.
• 비용은 전체 기준으로 봐야 해요: 멀티 에이전트 병렬 실행은 사용량을 키우기 때문에, 역할별로 모델을 섞어 쓰는 편이 더 경제적이에요.
• 한계도 분명히 짚어야 해요: 공식 데모가 일반적인 성능을 보장하는 건 아니고, Swarm은 아직 프리뷰 기능이에요.
• 시작하는 방법: APIYI(apiyi.com)의 통합 인터페이스를 이용해 소규모 샘플로 이미지 해석과 모델링 흐름을 먼저 검증해 보세요.

정리

Gemini 4 Carbon의 에펠탑 데모에서 눈여겨볼 포인트는 세 가지예요.

1. 입력이 이질적인 역사 자료예요: 사진과 공학 도면을 이해하고 서로 정렬한 뒤, 공간 파라미터로 변환해야 해요.
2. 과정은 멀티 에이전트 협업이에요: 프롬프트 한 줄로 Swarm을 시작하면, 조율·실행·검증 역할이 나뉘어 작업을 완수해요.
3. 결과물은 인터랙티브한 3D 전시예요: Three.js 덕분에 1887~1889년의 시공 과정을 브라우저에서 자유롭게 둘러볼 수 있어요.

개발자라면 “심층 추론 모델은 계획을 맡고, 경량 모델은 실행을 맡고, 검증 단계가 마지막 안전망 역할을 한다”는 오케스트레이션 방식을 참고해 볼 만해요. 먼저 APIYI(apiyi.com)로 작은 규모의 자료를 가지고 전체 흐름을 돌려 본 다음, 더 큰 멀티 에이전트 작업에 투자할지 결정하길 추천해요.

📚 참고 자료

1. Google 공식 발표: Gemini 4 Carbon is now available: 에펠탑 사례와 /swarm 출시 정보
2. 링크: blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/

3. 설명: 사례의 원문 설명, 공개 범위, 가격 변화

4. Google Antigravity 공식 블로그: Gemini 4 Carbon in Google Antigravity

5. 링크: antigravity.google/blog/gemini-4-carbon-in-google-antigravity/

6. 설명: Swarm의 조율 방식, 병렬 작업, 적대적 검증, 메시지 보드 메커니즘

7. Gemini 4 Carbon Model Card: Google DeepMind 모델 카드

8. 링크: deepmind.google/models/model-cards/gemini-4-carbon/

9. 설명: 입출력 모달리티, 컨텍스트 한도, 알려진 제한 사항

10. Gemini 4 Carbon 개발자 가이드: Google Cloud 문서

11. 링크: docs.cloud.google.cn/gemini-enterprise-agent-platform/models/guides/gemini-4-carbon

12. 설명: Thinking Level, 파라미터 제한, 롱 디코딩 안내

13. 에펠탑 공식 역사 자료: La tour Eiffel

14. 링크: toureiffel.paris/en/the-monument/history
15. 설명: 부재 수량, 도면 수량, 시공 타임라인, 구조 설계 배경

작성자: APIYI 기술팀
기술 교류: 멀티 에이전트 오케스트레이션이나 멀티모달 3D 생성에 궁금한 점이 있다면 APIYI(apiyi.com) 웹사이트 첫 페이지를 통해 언제든 문의해 주세요.

관련 글

• 모델이 3D 파일을 직접 생성하는 대신 Three.js를 작성하게 하기: 코드 중간 계층 워크플로우의 5가지 시사점: Qwen3.5-4B-GLB-3D-Coder를 예로 들어 '텍스트→Three.js→GLB' 코드 중간 계층 워크플로를 분석하고 로컬 배포, 클라우드 연동 및 Godot 검증의 실습 단계를 제시합니다.
• Gemini 4 Carbon 출시 분석: 59점으로 Opus 5.5 역전, 17개 항목 중 15개에서 이겼지만 호출은 불가: Gemini 4 Carbon은 Artificial Analysis 종합 지능 지수에서 59점으로 1위를 차지하고 공식 비교 17개 항목 중 15개에서 승리했지만 API 모델 ID와 공개 일정은 없으며, 이 글에서는 점수 산정 기준과 현재 호출할 수 없는 이유, 중국 개발자가 우선 gemini-4-argon을 사용할 수 있는 방법을 설명합니다.