요약: 이 글은 Google Antigravity의 출시 기록과 DeepMind 모델 카드를 따라가며 Gemini 4 Neon의 “swarm/RSI” 루머를 항목별로 검증해요. 검증은 세 가지 질문으로 나눠 진행해요. 제품 안에서 여러 에이전트가 어떻게 협업하는지, 모델이 어떤 학습 정보를 공개했는지, 성능 지표가 무엇을 증명할 수 있는지예요.

먼저 결론부터 말하면: 2026-11-20(베이징 시간) 기준 공개 기록에서 swarm이라고 불리는 것은 하나뿐이며, 바로 Google Antigravity의 /swarm 제품 명령이에요. 이 명령은 여러 에이전트가 병렬로 코드를 작성하고 검증하는 역할을 하며, 학습 방법과는 무관해요. DeepMind 모델 카드는 Neon이 Gemini 4 Carbon에서 적응된 모델이라고 설명하면서 지도 미세조정과 강화학습 등 정렬 조치를 언급했지만, 학습 과정에서 증류나 이른바 RSI를 사용했는지는 밝히지 않았어요. 그래서 “Neon이 swarm으로 재귀 학습되었다”는 주장은 현재 검증 가능한 공개 정보의 뒷받침을 받지 못해요. 이 주장은 사실로 쓸 수 없고, “이미 반박되었다”고 쓰는 것도 적절하지 않아요.
이 결론에는 전제가 있어요. 만약 DeepMind가 나중에 추가로 공개하는 Neon 안전 보고서나 다른 공식 문서에서 새로운 학습 세부 정보가 드러나면, 판단도 그에 맞춰 업데이트해야 해요. 개발자가 자신의 업무에서 Neon을 사용하려면 APIYI apiyi.com을 통해 정확한 모델 ID gemini-4-neon으로 호출할 수 있어요. 이 모델은 11월 20일에 출시되었고, 가격은 공식과 동일하게 입력 $3, 출력 $15(백만 토큰당)예요.
새 모델 소문 검증을 위한 지식 지도와 읽기 순서
아래 표는 본문 네 절이 각각 답하는 질문, 근거로 삼는 자료, 그리고 앞뒤 연결 관계를 정리한 것이에요. 1절에서 먼저 어떤 사실이 이미 확인된 것인지 범위를 정하고, 나머지 세 절은 그 범위 안에서 이야기를 풀어가요.
| 번호 | 답하는 질문 | 주요 근거 | 다음 절에 제공하는 것 |
|---|---|---|---|
| 1 | Gemini 4 Neon 소문과 관련해 어떤 사실이 이미 확인되었는가 | Antigravity 블로그 글, DeepMind 모델 카드, APIYI 공지 | 날짜가 붙은 사실 타임라인, 이후 비교의 기준선 |
| 2 | 소문의 증거 사슬은 어디서 끊어지는가 | 원본 소셜 게시물, 벤더 데모, 모델 카드 | 증거 유형별로 최대로 뒷받침할 수 있는 표현, 그리고 독립 재현에 필요한 자료 |
| 3 | 벤치마크 점수가 증명할 수 있는 것과 없는 것 | Artificial Analysis 4단계 지수, 코딩 Agent 지수 | 벤치마크를 올바르게 읽는 방법, 자체 테스트의 최소 요건 |
| 4 | 개발자가 당시 실제 상태를 어떻게 확인할 수 있는가 | 모델 카드, 변경 로그, APIYI 레지스트리 | 반복해서 실행할 수 있는 확인 절차와 현재 가격 |
읽는 순서를 보면 1절과 2절이 하나의 주된 흐름을 이루니, 순서대로 읽는 걸 권해요. 3절은 성능 데이터를 보고 싶은 독자에게, 4절은 실제 연동을 준비하는 개발자에게 적합하고, 두 절은 각각 따로 찾아봐도 괜찮아요.

To Know: Gemini 4 Neon 소문을 이해하는 데 필요한 용어
| 용어 | 간단한 설명 |
|---|---|
/swarm |
Google Antigravity의 제품 명령으로, 하나의 작업을 여러 에이전트에 병렬 또는 분담 형태로 넘기는 것 |
| Worktree | 소스 코드 저장소 안에서 서로 격리된 작업 디렉터리로, 여러 에이전트가 동시에 코드를 수정해도 충돌하지 않음 |
| 코디네이터 에이전트 | 작업을 분할하고 각 작업 에이전트에 할당하며, 결과를 취합하고 검증을 배치하는 에이전트 |
| 지식 증류 | 한 모델이 다른 모델의 출력이나 행동을 학습해 능력을 전이하는 훈련 방법 |
| RSI | Recursive Self-Improvement, 재귀적 자기 개선으로, 시스템이 자신의 능력이나 개선 프로세스를 반복적으로 개선할 수 있는지 여부 |
| 감독 미세조정 | 레이블이나 참조 출력이 있는 데이터로 모델을 계속 훈련하는 것 |
| 강화학습 | 보상 신호를 바탕으로 모델 행동을 조정하며, 구체적인 구현 세부는 벤더가 공개했는지에 따라 다름 |
| 모델 카드 | 개발자가 공개하는 문서로, 모델의 출처, 능력, 평가 결과, 한계를 설명 |
| 독립 재현 | 검증 가능한 입력, 모델 버전, 설정, 과정 로그로 동일한 결과를 다시 얻는 것 |
1. Gemini 4 Neon 소문에서 이미 확인된 사항
1.1 날짜별 사실 타임라인
어떤 새 모델 소문이든 검증하는 첫 단계는 날짜와 출처가 있는 확인된 사항을 먼저 나열하는 거예요. 아래 표에는 공식 발표 또는 플랫폼이 직접 게시한 내용만 담았어요.
| 날짜(2026년) | 출처 | 확인된 사항 |
|---|---|---|
| 11월 10일 | Google Antigravity 블로그 《Gemini 4 Carbon and /swarm》 | /swarm이 프리뷰 형태로 공개: 코디네이터가 작업을 분할하고, 병렬 실행자가 격리된 git worktree에서 작업하며, 대항식 검증자가 테스트 실행과 코드 변경 검증을 담당; 역할별로 서로 다른 모델을 지정할 수 있음 |
| 11월 18일 | Google Antigravity 블로그 《Gemini 4 Neon in Google Antigravity》 | Neon 공개, 데모 영상 포함: Neon과 /swarm으로 다단계 2인용 브라우저 게임을 만들고 내장 브라우저에서 실행하며, 에이전트가 두 번째 플레이어 역할을 수행 |
| 11월 18일 | Google DeepMind 《Gemini 4 Neon Model Card》 | Neon은 Gemini 4 Carbon을 적응시킨 모델; 공개된 정렬 조치에는 감독 미세조정과 강화학습 등이 포함; DeepMind는 Neon 안전 보고서를 추가 발표하겠다고 밝힘 |
| 11월 20일 11:45(UTC+8) | APIYI 공지 《Gemini 4 Neon 출시: 공식 동일가 $3/$15》 | APIYI apiyi.com에 gemini-4-neon 등록, 같은 날 모델 레지스트리에 해당 항목이 이미 존재 |
1.2 /swarm의 제품 정의
11월 10일 블로그 설명에 따르면, /swarm은 사용자의 프롬프트를 에이전트 그룹에 넘겨 처리해요. 코디네이터가 여러 전문 병렬 작업 에이전트를 띄우고, 이들은 각자 격리된 git worktree에서 코드를 수정하기 때문에 변경이 서로 덮어쓰이지 않아요. 별도로 대항식 검증자가 테스트를 실행하고 코드 디프를 검증하는 역할을 맡아요. 각 에이전트는 공유된, 추가 전용 메시지 보드로 협업하며, 유휴 상태에서는 토큰을 소모하지 않고 입력이 필요할 때 즉시 활성화돼요.
이것은 엔지니어링 관점의 ‘swarm’으로, 병렬 프로세스, 공유 큐, 검증 단계로 구성돼요. Antigravity라는 실행 프레임워크가 작업을 어떻게 조직하는지를 설명할 뿐, Gemini 4 Neon 자체가 어떻게 훈련되는지는 다루지 않아요.
2. Gemini 4 Neon swarm/RSI 소문의 증거 체인 분석
2.1 네 가지 유형의 증거가 각각 뒷받침할 수 있는 것
소문의 시작은 하나의 소셜 게시물이에요. 약 62.5초, 해상도 756×403의 영상으로, 브라우저에서 실행되는 2인용 스틱맨 대전 게임을 보여주는데, 게시자는 “made by swarms”라고 썼고 코드는 “pure JS”라고 했어요. OrcaRouter의 분석 글은 이 게시물에 프롬프트, 모델 버전, 사고 수준, 토큰 통계가 제시되지 않았고, 코드가 하나의 에이전트인지 여러 에이전트에 의해 생성되었는지도 설명하지 않았다고 지적했어요.
이 게시물을 주변 자료와 함께 비교해 보면, 다음과 같은 증거 체인을 얻을 수 있어요.
| 증거 | 성질 | 최대한 뒷받침할 수 있는 표현 | 뒷받침할 수 없는 표현 |
|---|---|---|---|
| 원본 소셜 게시물 영상 | 제3자 시연, 실행 기록 없음 | “누군가가 swarm으로 생성되었다고 주장하는 브라우저 게임을 보여줬다” | 생성 과정, 사용된 모델, 훈련 방식 |
| 11월 18일 Antigravity 데모 | 업체 자체의 제품 사례 | “Google이 Neon + /swarm으로 2인용 브라우저 게임을 만드는 것을 시연했다” |
소셜 게시물 영상이 같은 경로로 만들어졌다는 것 |
11월 10일 /swarm 문서 |
공식 제품 설명 | “swarm은 Antigravity의 멀티 에이전트 협업 기능이다” | 모델 훈련에 관한 어떤 결론 |
| DeepMind 모델 카드 | 공식 모델 공개 | “Neon은 Carbon에 의해 조정되었으며, 지도 미세 조정과 강화 학습 등의 정렬 조치를 적용했다” | 훈련에 증류가 사용되었는지, RSI가 사용되었는지 |
OrcaRouter의 글은 또한, Google의 업체 데모가 소셜 게시물 영상보다 하루 먼저 공개되었고, 현재까지 공개적으로 시연된 유일한 swarm 기반 2인용 브라우저 게임 경로라고 언급했어요. 이는 두 가지가 내용상 유사하다는 것만 보여줄 뿐이에요. 설명 문구가 포함된 업체 데모와 제3자 영상은 서로 다른 유형의 증거이고, 전자가 후자의 실행 과정을 대신 증명할 수는 없어요.
2.2 “공개 자료로 확인되지 않음”이라는 표현이 더 정확한 이유
소셜 미디어에 떠도는 주장은 두 가지예요. 하나는 “Neon이 자신의 수많은 복제본으로 재귀 훈련되었다”는 것이고, 다른 하나는 반박하면서 “이미 반증되었다”고 말하는 거예요. 두 주장 모두 현재 증거가 뒷받침할 수 있는 범위를 벗어나요.
모델 카드에는 증류나 RSI에 대한 언급이 없어요. 이는 공식 측이 이 부분 정보를 공개하지 않았다는 뜻이지, 공식이 부인했다는 뜻은 아니에요. 따라서 글을 쓰거나 대외 소통을 할 때, “훈련에 증류/RSI가 사용되었다”와 “훈련에 증류/RSI가 사용되지 않았다” 모두 “공개 자료로 확인되지 않음” 또는 “이 주장을 뒷받침하는 검증 가능한 공개가 없음”으로 바꿔 써야 해요.
2.3 독립 재현에 필요한 자료
“swarm이 게임을 만들었다”는 주장을 검증 가능하게 만들려면 최소한 네 가지가 필요해요. 완전한 프롬프트, 모델 설정(각 역할에 바인딩된 모델 ID와 사고 수준), 실행 로그(검증자가 몇 라운드에서 반려했고 최종적으로 어떻게 통과했는지), 그리고 토큰 사용량이에요. 어느 하나라도 빠지면, 다시 실행하는 것은 곧 또 다른 실험을 하는 것과 같아요.
설령 네 가지 자료가 모두 갖춰져도, 재현이 증명할 수 있는 것은 오직 제품 동작이에요. 이 프레임워크와 설정에서 어떤 품질의 코드를 안정적으로 산출할 수 있는지, 토큰과 시간이 얼마나 들었는지요. 재현으로 모델의 훈련 과정을 역추론할 수는 없어요. 같은 산출물이 완전히 다른 훈련 경로를 통해 도달될 수 있기 때문이에요. 훈련 귀속은 업체 자체의 공개에만 의존할 수 있어요.
3. Gemini 4 Neon 성능 근거 읽기: 벤치마크 점수로 학습을 역추론하지 마세요
3.1 Artificial Analysis의 두 가지 지수
Artificial Analysis(AA)는 11월 18일에 Gemini 4 Neon에 대한 독립 평가를 발표했어요. 그중 API 종합 능력 지수는 네 가지 추론 등급별로 각각 제시했어요:
| 등급 | Intelligence Index | 작업당 평균 소요 시간 |
|---|---|---|
low |
44 | 3.7분 |
medium |
55 | 8.3분 |
high |
60 | 14.8분 |
xhigh |
61 | 21.5분 |
AA가 제시한 xhigh 등급의 가중 비용은 평가 작업당 $6.44예요. AA의 동일 버전 모델 개요에 따르면, GPT‑6.2 Sol이 최고 57점, Gemini 4 Hydrogen이 최고 54점이에요. 또한 AA는 Antigravity CLI와 Neon 조합의 코딩 Agent 지수 약 59를 측정했어요. 이 지수는 “프레임워크 + 모델” 조합을 측정한 것으로, 테스트 대상이 API 종합 지수와 다르기 때문에 두 숫자는 따로 인용해야 하고, 함께 비교하면 안 돼요.
3.2 각 숫자가 답할 수 있는 질문
API 4개 티어 지수는 API로 Neon을 직접 호출할 때, 서로 다른 사고 티어에서 종합 작업 성과와 소요 시간을 어떻게 절충하는지를 답해요. 코딩 Agent 지수는 Antigravity CLI에서 Neon을 코딩 에이전트로 사용했을 때 전체적으로 어느 수준에 도달하는지를 답해요.
두 테스트 모두 소셜 게시물 영상의 실행 과정을 측정하지 않았고, 학습 방법도 다루지 않았어요. “점수가 높다”는 “반드시 swarm 재귀 학습이다”라는 결론으로 이어질 수 없어요. 높은 점수는 여러 학습 경로에서 나올 수 있고, 벤치마크 점수 자체만으로는 구분할 수 없어요. 또한 이 티어와 점수는 모두 AA 자체의 평가 파이프라인에서 나온 것이에요. 서드파티 플랫폼을 통해 호출할 때는 엔드투엔드 지연, 성공률, 실제 청구 금액을 별도로 측정해야 해요.

3.3 초보자 셀프 테스트: 같은 작업으로 조건을 고정해 검증하기
Neon이 내 환경에서 어떻게 동작하는지 알고 싶다면, 벤더 데모를 실측으로 삼으면 안 돼요. 더 신뢰할 수 있는 방법은 실제 작업을 하나 고르고 인터페이스, 티어, 입력을 고정한 뒤 여러 번 실행해서 결과를 기록하는 거예요. 아래는 가장 간단한 호출 방식이에요:
import openai
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1" # APIYI OpenAI 호환 엔드포인트
)
resp = client.chat.completions.create(
model="gemini-4-neon",
messages=[{"role": "user", "content": "用纯 JS 写一个双人对战小游戏的核心循环"}]
)
print(resp.choices[0].message.content)
print(resp.usage) # Token 사용량 기록
재현 기록이 포함된 전체 스크립트 보기
import json
import time
import openai
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1"
)
BRIEF = {
"model": "gemini-4-neon", # 정확한 모델 ID 사용
"effort": "按 APIYI 文档填写档位", # 티어 파라미터 이름은 플랫폼 문서 기준
"prompt": "用纯 JS 写一个双人对战小游戏的核心循环",
}
def run_once(run_id: int) -> dict:
start = time.time()
resp = client.chat.completions.create(
model=BRIEF["model"],
messages=[{"role": "user", "content": BRIEF["prompt"]}],
temperature=0,
)
return {
"run_id": run_id,
"brief": BRIEF,
"elapsed_s": round(time.time() - start, 2),
"usage": resp.usage.model_dump() if resp.usage else None,
"output": resp.choices[0].message.content,
}
# 같은 작업을 3번 실행하고 로그를 남겨 다른 사람이 재검증할 수 있게 함
logs = [run_once(i) for i in range(3)]
with open("neon_runs.json", "w", encoding="utf-8") as f:
json.dump(logs, f, ensure_ascii=False, indent=2)
이 로그에는 프롬프트, 모델명, 티어, 소요 시간, Token 사용량, 출력이 담겨 있어서 2.3절에 정리한 재현 자료와 정확히 맞아떨어져요.
🎯 기술 팁: 서로 다른 티어나 모델을 비교할 때는 변수 하나만 바꾸고 나머지 조건은 그대로 유지하세요. APIYI apiyi.com을 통해 같은 API 키로 Neon, Carbon, Hydrogen 같은 모델을 전환할 수 있어서, 동일한 조건에서 결과를 비교하기 좋아요.
4. 개발자가 Gemini 4 Neon의 현재 상태를 확인하는 방법
4.1 세 가지 출처의 확인 순서
새 모델이 나온 직후에는 정보가 아주 빠르게 바뀌어요. 그래서 글을 쓰거나 서비스를 오픈하기 전에 매번 다음 순서로 확인하는 걸 권해요:
- Google DeepMind 모델 카드: 모델의 출처, 공개된 학습·정렬 정보, 평가 결과와 제한 사항을 확인하고, 안전 보고서가 추가로 올라왔는지도 살펴보세요.
- Google Antigravity 변경 로그:
/swarm, Orchestrator 같은 제품 기능이 지금 어떤 상태인지 확인하세요. - APIYI 모델 레지스트리와 출시 공지: 모델 ID, 엔드포인트, 그룹, 표시 가격을 확인하세요. 이때는 최신 공지를 기준으로 삼아야 해요. 예를 들어 11월 19일 종합표에는 아직 Neon이 없었지만, 11월 20일 공지와 레지스트리에는 이미 해당 모델이 등록되어 있어요. 오래된 표에 그 행이 빠져 있다고 해서 새 공지를 뒤집을 수는 없어요.

4.2 정확한 모델 ID로 가격, 엔드포인트, 그룹 확인하기
아래 표는 APIYI 공개 카탈로그의 표시 가격이며, 단위는 모두 달러/백만 토큰이에요. 표에 나온 모델은 모두 Google 네이티브 형식과 OpenAI 호환, 두 가지 엔드포인트로 등록되어 있어요.
| APIYI 모델 ID | 입력 | 출력 | 캐시 읽기 | 공개 등록 그룹 |
|---|---|---|---|---|
gemini-4-neon |
3 | 15 | 0.15 | default, svip |
gemini-4-carbon |
2 | 10 | 0.10 | default, svip |
gemini-4-argon |
2 | 10 | 0.10 | default, svip |
gemini-4-hydrogen |
1.50 | 7.50 | 0.075 | default, svip |
gemini-3.8-flash |
0.75 | 3.75 | 0.075 | Gemini_Reverse, default, svip |
이 표를 사용할 때는 세 가지를 주의해야 해요.
- Neon은 표준 가격이에요. APIYI 공지에 따르면 $3/$15에는 명확한 만료일이 설정되어 있지 않아요.
- Carbon, Argon은 현재 한시 가격이에요. 공지 계획에 따르면 12월 1일부터 입력 $4, 출력 $20으로 복귀해요. 이는 공지에 나온 계획이므로, 그 시점에 다시 확인해야 해요.
- 표시 가격은 실제 결제 금액과 같지 않아요. 계정에서 실제로 어떤 모델을 볼 수 있는지, 어떤 그룹 할인을 받는지, 최종 청구서가 얼마인지는 해당 계정 기준이에요. AA의 평가 작업당 $6.44는 AA 평가 파이프라인의 비용이며, 여러분의 청구서를 대신할 수 없어요.
“다음 Gemini는 언제 출시될까”에 관해서는 현재까지 APIYI 실시간 동향 아카이브, Antigravity 업데이트 로그, Neon 출시 공지 어디에도 다음 모델과 날짜가 나와 있지 않아요. APIYI도 이에 대한 연동 시점을 약속하지 않았어요. 최근 출시 간격으로 날짜를 추산하는 것 자체가 새로운 소문을 낳을 뿐이에요.
💡 연동 제안: 먼저 APIYI apiyi.com 콘솔에서 계정에
gemini-4-neon이 보이는지 확인하고, 소속 그룹을 점검한 뒤 3.3절의 스크립트로 작은 샘플을 한 번 실행해 실제 토큰 사용량과 청구서를 기록해 보세요. 신규 사용자는 무료 테스트 크레딧으로 이 단계를 먼저 완료할 수 있어요.
4.3 새로운 모델 소문을 만났을 때 판단하는 방법
이 글의 방법을 하나의 판단 규칙으로 압축해 볼게요. 먼저 그 주장이 어느 범주에 속하는지 물어보세요. 제품 동작인지, 학습 원인 추정인지, 아니면 성능 수준인지 말이에요. 그다음 해당하는 출처에서 확인하면 돼요. 제품 동작은 업데이트 로그와 재현 가능한 실행 로그로 확인하고, 학습 원인 추정은 모델 카드 같은 공식 공개 자료만 봐요. 성능 수준은 테스트 대상과 등급을 명시한 독립 평가로 확인해요. 세 가지 출처 모두에서 근거를 찾을 수 없는 주장이라면 “공개 자료로 미확인”이라고 표시해 두면 됩니다.
Gemini 4 Neon의 경우, 현재 확실하게 확인된 내용은 다음과 같아요. Carbon에서 적응된 모델이고, /swarm은 Antigravity의 멀티 에이전트 제품 기능이며, AA에서 측정한 네 등급 지수는 44에서 61 사이예요. APIYI apiyi.com에서는 gemini-4-neon이 $3/$15/$0.15의 표준 가격으로 등록되어 있어요. swarm 학습과 RSI에 대한 주장은 공식 발표가 나온 뒤에 결론을 내야 해요.
참고 자료
-
Google Antigravity – Gemini 4 Carbon and /swarm (2026-11-10)
- 링크:
antigravity.google/blog/gemini-4-carbon-in-google-antigravity - 설명:
/swarm의 제품 정의와 역할 분담
- 링크:
-
Google Antigravity – Gemini 4 Neon in Google Antigravity (2026-11-18)
- 링크:
antigravity.google/blog/gemini-4-neon-in-google-antigravity - 설명: Neon 출시와 2인 브라우저 게임 퍼블리셔 데모
- 링크:
-
Google DeepMind – Gemini 4 Neon Model Card (2026-11-18)
- 링크:
deepmind.google/models/model-cards/gemini-4-neon/ - 설명: 모델 출처와 공개된 정렬 조치
- 링크:
-
Artificial Analysis – Gemini 4 Neon 평가 및 모델 페이지 (2026-11-18, 지표 동적 업데이트)
- 링크:
artificialanalysis.ai/models/gemini-4-neon - 설명: 네 등급 Intelligence Index, 소요 시간과 코딩 에이전트 지수
- 링크:
-
OrcaRouter – Gemini 4 Neon’s Stickman Game: The Swarm Claim (2026-11-19)
- 링크:
orcarouter.ai/blog/gemini-4-neon-stickman-swarm-claim - 설명: 원본 소셜 게시물 영상의 정보 공백 분석
- 링크:
-
Google Antigravity Changelog (상시 업데이트)
- 링크:
antigravity.google/docs/changelog - 설명: 제품 기능의 현재 상태
- 링크:
-
APIYI – Gemini 4 Neon 출시 공지 및 모델 등록표 (2026-11-20)
- 링크:
docs.apiyi.com/live/2026-11/gemini-4-neon-launch - 설명: 모델 ID, 엔드포인트, 그룹과 표시 가격
- 링크:
작성자: APIYI 기술 팀
기술 문의: 모델과 가격 변동은 APIYI 문서 센터를 기준으로 하며, 연동 관련 문의는 APIYI 공식 웹사이트를 통해 연락해 주세요.
