|

Gemini 4 Neon과 Claude Opus 5.5: 코딩과 지식 작업을 분리하는 것이 더 낫다

Gemini 4 Neon과 Claude Opus 5.5: 코딩과 지식 작업을 분리하는 것이 더 낫다

작성자 주석: 이 글은 Gemini 4 Neon과 Claude Opus 5.5의 공개 수치를 코딩과 지식 작업 두 축으로 나누어 읽고, 각 항목별로 수치가 공식 자체 보고, 모델 카드, Artificial Analysis 모델 페이지, Artificial Analysis 문서, APIYI 종합표, 아니면 가격 인터페이스에서 왔는지 표시합니다.

여러분의 워크플로에 이미 Claude Opus 5.5를 연결해 두었다면, 2026-11-18에 공개된 Gemini 4 Neon이 곧바로 하나의 질문을 던져요: 같은 프로젝트에서 누구의 숫자가 더 높은지, 그리고 그 숫자들이 정말 같은 자로 측정된 것인지. Google 블로그, DeepMind 모델 카드, Artificial Analysis가 공개 당일 모두 수치를 내놓았지만, 이들의 기준, 등급 구분, 테스트 프레임워크는 각각 달라요.

이 글의 데이터 확인일은 2026-11-19이며, 모든 수치는 공개 자료에서 가져왔고 각 수치마다 출처를 표시했어요. 코딩과 지식 작업은 두 축으로 나누어 읽고, 모델 카드와 Artificial Analysis는 두 절로 나누어 씁니다. 어떤 모델이 여러분에게 더 맞는지는 여러분이 어느 행을 중시하는지에 달려 있어요.

핵심 가치: 이 글을 다 읽고 나면 Gemini 4 Neon 모델 카드의 세 열 표를 어떻게 읽어야 하는지, Artificial Analysis의 지능 점수·단일 작업 비용·소요 시간·출력 속도가 각각 무엇을 뜻하는지, 그리고 APIYI에서 Claude Opus 5.5의 모델명과 표시 가격을 어떻게 확인하는지 알게 될 거예요.

gemini-4-neon-vs-claude-opus-5-5-coding-knowledge-work-ko-image-0


Gemini 4 Neon과 Claude Opus 5.5 핵심 포인트

먼저 한눈에 볼 수 있는 요약표부터 살펴볼게요. 각 행에는 설정 수준과 출처가 적혀 있고, 같은 행에 있는 두 숫자의 측정 조건이 반드시 완전히 같지는 않아요.

항목 Gemini 4 Neon Claude Opus 5.5 출처
입력 모달리티 텍스트, 이미지, 오디오, 비디오 텍스트, 이미지 모델 카드 / Artificial Analysis 모델 페이지
지능 점수(지수 v5.0.1) 61(xhigh) 59(max) Artificial Analysis 모델 페이지
Terminal-bench 4.1(치팅 보정 후) 65.2% 65.8% 모델 카드(Gemini가 아닌 결과는 각사 자체 보고)
FrontierCode 2.0 46.2%(기본 high) 47.3% 모델 카드
작업당 비용 6.44달러 10.04달러 Artificial Analysis 모델 페이지
출력 속도 110 토큰/초 118 토큰/초 Artificial Analysis 모델 페이지
정가(입력 / 출력, 100만 토큰당) 3 / 15달러 4 / 20달러 Google AI Studio 가격 페이지 / Artificial Analysis 모델 페이지

Gemini 4 Neon과 Claude Opus 5.5의 숫자 분포

이 표에서는 양쪽 모두 더 높은 행이 나와요. 모델 카드의 대부분 세부 항목과 Artificial Analysis 지능 점수(61 대 59)에서는 Gemini 4 Neon이 더 높아요. Terminal-bench 4.1(65.8% 대 65.2%), FrontierCode 2.0(47.3% 대 46.2%), 출력 속도(118 대 110 토큰/초)에서는 Claude Opus 5.5가 더 높아요.

입력 모달리티는 따로 짚어볼게요. 모델 카드 기준으로 Gemini 4 Neon은 텍스트, 이미지, 오디오, 비디오를 입력할 수 있어요. Artificial Analysis 모델 페이지 기준으로 Claude Opus 5.5의 입력은 텍스트와 이미지예요. 작업에서 오디오나 비디오를 직접 처리해야 한다면 이 항목이 모델 선택을 좌우해요. 작업이 텍스트와 스크린샷만 다룬다면 이 항목은 차이를 만들지 않아요.

gemini-4-neon-vs-claude-opus-5-5-coding-knowledge-work-ko-image-1


Gemini 4 Neon 대 Claude Opus 5.5 비교: 모델 카드 3열 표 읽는 법

DeepMind 모델 카드의 대조 표는 세 열로 되어 있어요. Gemini 4 Neon, Claude Opus 5.5, GPT-6.2 Sol이죠. 이 글에서는 앞의 두 열만 읽어요. 평가 설명 PDF에는 Gemini가 아닌 결과는 기본적으로 각 사의 자체 보고에서 왔다고 명시되어 있어요. 그래서 이 표는 공식 집계일 뿐, 각 열이 같은 연구소에서 같은 날 재측정한 값이 아니에요. 읽을 때는 각 셀을 하나의 공개 선언으로 봐야 해요.

Gemini 4 Neon과 Claude Opus 5.5의 코딩 관련 항목

아래는 모델 카드에서 코딩 및 보안 프로그래밍과 관련된 행들이에요.

항목 (모델 카드) Gemini 4 Neon Claude Opus 5.5 더 높은 쪽
CursorBench 4.1 65.4% 58.1% Neon
Terminal-bench 4.1 (치팅 보정 후 정확도) 65.2% 65.8% Opus
FrontierCode 2.0 46.2% (기본 high) 47.3% Opus
SWE-sweep 벤더 하네스 39.0% 10.1% Neon
SWE-sweep mini-SWE 하네스 12.8% 3.6% Neon
CWE-Bench v2 70.7% 67.1% Neon
WebExploitBench v1.2 51.3% 37.1% Neon

이 표를 읽을 때 세 가지를 짚어야 해요.

  1. Opus가 더 높은 두 항목은 모두 주류 코딩에 속해요. Terminal-bench 4.1과 FrontierCode 2.0은 둘 다 터미널 조작과 코드 작업을 측정하는데, 격차는 각각 0.6%포인트, 1.1%포인트예요. Neon의 FrontierCode 점수에는 기본 high 등급이라는 표기가 붙어 있어요.
  2. SWE-sweep 두 행은 서로 다른 하네스를 써요. Neon은 Google Antigravity 안에서 39.0%, mini-SWE 하네스 안에서는 12.8%예요. Google 블로그는 이 격차를 하네스가 풀어준 데서 비롯된 것으로 설명하니, 모델 자체가 세 배 차이 난다고 이해하면 안 돼요. 두 모델을 비교할 때는 같은 하네스 안에서 비교해야 해요. 즉 39.0% 대 10.1%, 또는 12.8% 대 3.6%로 보는 거죠.
  3. 같은 숫자라도 출처에 따라 표기가 달라요. WebExploitBench는 모델 카드에서 51.3%, Google 블로그에서는 51.26%예요. 두 표기를 그대로 보존하고 어느 쪽이 맞다고 고르지 않았어요.

Gemini 4 Neon과 Claude Opus 5.5, 지식 및 과학 분야 세부 항목

지식 작업, 과학 추론, 긴 컨텍스트와 관련된 세부 항목이 더 많고, 이 부분에서는 Neon이 대부분 더 높아요.

항목(모델 카드) Gemini 4 Neon Claude Opus 5.5
AA Index v5.0.1 61 59
Vals Index v2.2 70.9% 70.1%
AutomationBench 56.3% 42.5%
Agents’ Last Exam v1.1 75.8% 71.6%
RiemannBench 84.0% 80.0%
Terminal-Bench-Science 0.1 70.5% 63.3%
HLE-Diamond 71.3% 67.9%
MKA Climb WSR 56.5% 53.0%
Chartography 73.5% 66.3%
LVBench 89.0% 83.7%
GraphWalks(256k~1M, BFS의 F1) 95.2% 66.8%

행마다 격차의 크기가 달라요. Vals Index는 0.8%포인트 차이에 불과하지만, GraphWalks는 28.4%포인트나 차이가 나요. 후자는 256k에서 1M 토큰에 이르는 초장문 컨텍스트에서의 그래프 순회를 측정하는 항목이에요. 여러분의 지식 작업이 긴 문서 안에서 검색하고 추론하는 일이라면 GraphWalks 행을 특히 주목해야 해요. 업무 자동화라면 AutomationBench의 56.3% 대 42.5%가 여러분의 사용 환경에 더 가까운 지표예요.

Google 블로그는 공식 자체 보고 형식으로 일부 순위도 나열했어요. 예를 들어 Legal Research Bench와 Tax Agent Bench에서 1위, Surge에서는 금융, 회계, 표 모델링 분야에서 대부분 1위를 기록했다고 해요. 하지만 블로그는 이 항목들의 백분율을 제시하지 않았고 Opus의 대응 수치도 밝히지 않았어요. 그래서 이 순위들은 두 모델을 나란히 비교하는 표에 그대로 넣을 수 없어요.

gemini-4-neon-vs-claude-opus-5-5-coding-knowledge-work-ko-image-2


Gemini 4 Neon vs Claude Opus 5.5: Artificial Analysis의 네 가지 숫자, 어떻게 읽을까

Artificial Analysis는 제3자 측정이고, 모델 카드와는 별개의 체계예요. 이곳의 모델 페이지는 각 사고 단계(tier)마다 지능 점수, 작업당 비용, 소요 시간, 출력 속도를 보여줘요. 이번 절의 주된 비교는 Neon xhigh 대 Opus max인데, 이는 두 회사가 각자의 모델 페이지에 올린 최고 단계끼리 맞붙인 것이지만 두 단계가 서로 등가치는 않아요.

지표 (Artificial Analysis 모델 페이지, v5.0.1) Gemini 4 Neon (xhigh) Claude Opus 5.5 (max)
지능 점수 61 59
작업당 비용 6.44달러 10.04달러
작업당 소요 시간 21.5분 24.5분
출력 속도 110 token/초 118 token/초
첫 답변 토큰 56.51초 335.85초
인덱스 실행 출력 토큰 2.83억 2.18억
정가(입력 / 출력) 3.00 / 15.00달러 4.00 / 20.00달러
혼합 가격 2.21달러 2.94달러

gemini-4-neon-vs-claude-opus-5-5-coding-knowledge-work-ko-image-3

📊 차트 설명: 위 숫자는 Artificial Analysis 모델 페이지에서 가져온 것으로, 제3자가 인덱스를 돌릴 때의 회계를 반영해요. APIYI(apiyi.com)에서 Claude Opus 5.5를 호출할 때는 플랫폼의 모델 목록과 정가를 기준으로 삼으세요.

단일 작업 비용: 리더보드 위의 회계

단일 작업 비용 6.44달러 대 10.04달러는 Artificial Analysis가 자체 지수 평가를 마친 뒤 환산한 비용이에요. 리더보드 위의 계산일 뿐, APIYI에서의 청구서와는 다릅니다. 이 수치는 단가와 사용량에 동시에 달려 있어요. 모델 페이지 데이터에 따르면 Neon이 지수를 실행할 때 출력한 토큰은 2억 8,300만 개로 Opus의 2억 1,800만 개보다 많지만, 단가는 3/15달러이고 Opus는 4/20달러예요. 실제 비용은 여러분 작업의 입력 길이, 출력 길이, 캐시 적중률에 따라 달라집니다.

소요 시간, 출력 속도, 첫 토큰 시간

출력 속도는 Opus가 더 높아요. 118 대 110 token/초입니다. 그런데 단일 작업 소요 시간은 오히려 Neon이 더 짧아요. 21.5 대 24.5분이죠. 두 숫자는 모순되지 않는데, 소요 시간에는 첫 토큰 대기 시간과 총 출력량도 포함되기 때문이에요. 모델 페이지 기준으로 Opus max의 첫 답변 토큰은 335.85초, Neon xhigh는 56.51초예요. 인터랙티브한 시나리오에서는 처리량보다 첫 토큰 시간이 체감에 더 큰 영향을 줍니다.

동일 티어 비교와 코딩 점수

티어를 한 단계 내리면 모델 페이지의 숫자도 함께 달라져요. Neon high는 60점, 14.8분, 101 token/초이고, Opus xhigh는 57점, 16.1분, 107 token/초, Opus high는 52점, 9.3분, 108 token/초예요. Neon의 high, medium, low 세 티어 첫 토큰 시간은 각각 40.64초, 20.14초, 13.93초인데, 이 숫자들은 모델 페이지 FAQ에서 가져온 것이라 위의 요약 표와 같은 칸에 있지 않아요.

코딩 쪽을 보면 Artificial Analysis 글에서 Coding Agent Index를 제시했어요. Neon xhigh는 Antigravity CLI에서 59, Opus 5.5 max는 Claude Code에서 58인데, 둘은 서로 다른 CLI에서 돌린 거예요. Google 블로그에는 58.6이라고 적혀 있는데, 이건 구글의 자체 보고 수치이고 글에 나온 59와는 다른 숫자예요. 같은 글에는 코딩 단일 작업 비용도 나와요. Neon은 6.86달러, Opus 5.5 max는 12.61달러예요.


Gemini 4 Neon과 Claude Opus 5.5 활용 장면 추천

아래 내용은 위 숫자를 바탕으로 내린 판단이라 권장 사항일 뿐, 사실은 아니에요. 여러분의 작업 샘플로 직접 다시 확인해 보세요.

Gemini 4 Neon이 유리한 장면

  • 오디오와 영상을 그대로 입력으로 쓰는 경우: 모델 카드 기준으로 Neon은 오디오와 영상을 지원하고, Opus는 텍스트와 이미지를 입력으로 받아요.
  • 초장문 컨텍스트 검색 추론: GraphWalks에서 95.2% 대 66.8%이고, Neon의 통합 윈도우는 최대 1048576 token이에요(Google Cloud 개발자 가이드).
  • 업무 자동화와 지식 노동 에이전트: AutomationBench 56.3% 대 42.5%, Agents’ Last Exam v1.1 75.8% 대 71.6%(모델 카드).
  • 첫 토큰 대기에 민감한 인터랙션: Artificial Analysis 모델 페이지 기준으로 Neon xhigh의 첫 토큰은 56.51초, Opus max는 335.85초예요.

계속 Claude Opus 5.5를 쓰는 게 좋은 장면

  • 터미널 조작형 코딩: Terminal-bench 4.1은 65.8% 대 65.2%(모델 카드).
  • FrontierCode 계열 코드 작업: 47.3% 대 46.2%(모델 카드, Neon은 기본 high).
  • 긴 출력 처리량: 출력 속도 118 대 110 token/초(Artificial Analysis 모델 페이지).
  • 이미 Claude Code나 messages 엔드포인트에 깊이 묶인 워크플로우: 마이그레이션 비용도 고려해야 해요.

APIYI에서 Claude Opus 5.5를 호출하고 Gemini 4 Neon 상태를 확인하는 방법

APIYI에서 Claude Opus 5.5의 모델명과 가격

이미 Opus를 쓰고 있는 독자라면 APIYI(apiyi.com)에서 같은 Key로 모델명과 가격을 확인할 수 있어요. APIYI 총표 docs.apiyi.com/models.md에 표기된 업데이트 시각은 2026-11-16 09:39(UTC+8)이에요. 가격 API api.apiyi.com/api/pricing은 2026-11-19에 읽었고, 버전은 shell-api-modelmak-v1, 총 285개 모델이에요.

모델 ID 입력 / 캐시 읽기 / 출력 (백만 토큰당 달러) 엔드포인트 그룹(APIYI 총표) 그룹 id(가격 API)
claude-opus-5-5 4 / 0.2 / 20 chat, messages ClaudeCode, Claude_Reverse, Claude_Enterprise, Default, SVIP ClaudeCode, ClaudeCodeReverse, ClaudeOfficial, default, svip
claude-opus-5-5-thinking 4 / 0.2 / 20 chat, messages 위와 동일 위와 동일
gemini-4-neon 미등록 — — —

두 그룹 이름이 완전히 같지는 않아서, 표에는 두 표기를 모두 남겨뒀어요. 가격 API에서 model_ratio가 1이면 입력 백만 토큰당 2달러에 해당하고, completion_ratio가 5면 출력 단가가 입력의 5배라는 뜻이에요. 이는 총표 첫 구간의 표기와 일치하니, 이 규칙으로 위 표의 가격을 직접 검산해볼 수 있어요.

APIYI 총표와 가격 API 어디에도 gemini-4-neon은 없고, 별도 모델 페이지도 없어요. 아직 등록되지 않았으며, 최대한 빨리 이 모델을 등록할 예정이에요. 모델명과 가격은 플랫폼 모델 목록을 기준으로 하면 돼요. 참고로 Google AI Studio 가격 페이지에 나온 Neon 유료 가격은 입력 3.00달러, 출력 15.00달러(사고 토큰 포함), 캐시 0.15달러로, 백만 토큰 기준이며 무료 티어는 없고 암시적 캐시만 지원해요.

호출 단계

  1. 키를 환경 변수에 넣어두세요. 예를 들어 APIYI_API_KEY로 두고, 코드에서는 환경 변수만 읽고 평문으로 쓰지 않아요.
  2. OpenAI 호환 클라이언트를 쓸 때는 base_url을 https://api.apiyi.com/v1로 설정하세요.
  3. model 필드에는 claude-opus-5-5 또는 claude-opus-5-5-thinking을 넣고, 엔드포인트는 필요에 따라 chat이나 messages를 고르세요.
  4. 업무 요구에 맞게 그룹을 선택하세요. 그룹 이름은 총표와 가격 API의 표기를 기준으로 해요.
  5. Neon이 등록된 뒤 대조 테스트를 할 때는 주의하세요. Google Cloud 개발자 가이드에 따르면 사고 단계는 low, medium, high, xhigh만 있고 기본값은 high예요. thinking_budget이나 MINIMAL을 넘기면 HTTP 400이 반환돼요. 명시적 컨텍스트 캐시는 지원하지 않고, 암시적 캐시는 4096 token 이상의 공유 프리픽스에 자동으로 적용돼요.

🚀 빠른 시작: 먼저 자기 업무의 실제 작업 십여 개를 Opus에서 돌려 기준선을 만들고, 출력 token과 소요 시간을 기록해두세요. Neon이 APIYI apiyi.com에 등록된 뒤 같은 샘플, 같은 사고 단계로 대조해보면, 그 결과가 바로 여러분 비즈니스 기준의 실제 비용이 돼요.


Gemini 4 Neon과 Claude Opus 5.5, 선택 가이드

💡 선택 가이드: 여러분의 작업이 터미널과 코드 작업 위주라면, 모델 카드와 Artificial Analysis가 보여주는 격차는 모두 작은 편이고, Opus가 Terminal-bench 4.1과 FrontierCode 2.0에서 조금 더 높게 나오니 굳이 전환할 이유는 없어요. 반대로 지식 정리, 긴 컨텍스트, 멀티모달 입력 비중이 큰 작업이라면 모델 카드의 세부 항목 대부분에서 Neon이 더 높게 나오니, 출시된 뒤 최대한 빨리 비교 테스트를 해볼 만합니다. 어디까지나 판단이지 사실은 아니에요.

비용 측면에서는 Artificial Analysis의 6.44달러와 10.04달러를 그대로 예산으로 잡지 마세요. Google 블로그에 나온 “기본 high 설정에서 단일 작업 비용이 Carbon보다 32% 낮다”는 문장을 Opus에 적용해서도 안 됩니다. 그건 Google 자체 알고리즘이고, 비교 대상도 Opus가 아니에요.


자주 묻는 질문 FAQ

Q1: Gemini 4 Neon의 포지셔닝은 무엇인가요?

Google 블로그(공식 자체 발표)와 Google Cloud 개발자 가이드에 따르면, Neon은 Hydrogen(일상적인 빠른 실행)과 Carbon(복잡한 장기 작업) 사이에 위치하며 고빈도의 복잡한 워크플로를 겨냥해요. 모델 카드에는 Gemini 4 Carbon을 개조한 모델이며 지식 컷오프가 2026년 3월이라고 명시되어 있어요.

Q2: 코딩에서 Gemini 4 Neon과 Claude Opus 5.5 중 어느 쪽 숫자가 더 높나요?

항목별로 나눠서 봐야 해요. 모델 카드에서 Opus는 Terminal-bench 4.1(65.8% 대 65.2%)과 FrontierCode 2.0(47.3% 대 46.2%)에서 더 높고, Neon은 CursorBench 4.1과 SWE-sweep에서 더 높아요. Artificial Analysis 글의 Coding Agent Index는 59 대 58이지만, 두 모델은 서로 다른 CLI에서 실행된 거예요.

Q3: 지능 점수 61 대 59는 같은 등급끼리 비교한 건가요?

아니요. Neon xhigh 대 Opus max로, 각각 모델 페이지의 최고 등급을 택한 거예요. Neon high(60)와 Opus xhigh(57)를 비교하면 격차가 달라져요. 지능 점수 61은 Google 블로그, 모델 카드, Artificial Analysis에서 일치해요.

Q4: 단일 작업 비용 6.44달러 대 10.04달러를 제 청구서로 봐도 되나요?

아니요. 이건 Artificial Analysis가 지수를 돌릴 때의 리더보드 회계로, 해당 작업 세트와 출력 토큰량에 따라 달라져요. 실제 청구서는 본인의 입력·출력·캐시 사용량과 플랫폼 표시 가격으로 계산돼요. APIYI apiyi.com에서 Opus의 표시 가격은 입력 4달러, 캐시 읽기 0.2달러, 출력 20달러(백만 토큰당)예요.

Q5: 지금 APIYI에서 Gemini 4 Neon을 호출할 수 있나요?

APIYI 총표(2026-11-16 업데이트)와 가격 인터페이스(2026-11-19 조회)에는 `gemini-4-neon`이 없어요. 아직 미등록 상태이며, 최대한 빨리 이 모델을 등록할게요. 모델명과 가격은 플랫폼 모델 목록을 기준으로 해요. 지금은 apiyi.com에서 `claude-opus-5-5`로 베이스라인 샘플을 돌려 이후 비교를 준비할 수 있어요.

Q6: Opus의 출력 속도가 더 빠른데도 단일 작업 소요 시간은 왜 더 긴가요?

소요 시간에는 첫 토큰 대기가 포함돼요. Artificial Analysis 모델 페이지 기준으로 Opus max의 첫 답변 토큰은 335.85초, Neon xhigh는 56.51초예요. 출력 속도는 출력이 시작된 이후의 처리량만 반영해요.

Q7: 이 비교에는 어떤 한계가 있나요?

모델 카드에서 Gemini가 아닌 결과는 기본적으로 각 사의 자체 발표에서 온 거예요. Coding Agent Index는 58.6과 59 두 버전, MKA는 56.5%와 56% 두 버전이 있어서 본문에 그대로 남겼어요. SWE-sweep의 12.8%와 39.0%는 두 가지 harness에서 나온 값이에요. Google 블로그의 순위와 안전 관련 수치는 공식 자체 발표이며, 제3자 재측정 결과는 아니에요.

Gemini 4 Neon과 Claude Opus 5.5 핵심 요약 Key Takeaways

  • 숫자는 양쪽 모두 우위가 있어요: Neon은 모델 카드의 다수 항목과 지능 점수에서 더 높고, Opus는 두 개의 코딩 점수와 출력 속도에서 더 높아요.
  • 모델 카드는 공식 집계: 비 Gemini 결과는 각 사가 자체 보고한 것이며, 같은 날 재측정한 값이 아니에요.
  • 티어를 분명히 써야 해요: 지능 점수 비교는 Neon xhigh 대 Opus max 기준이에요.
  • 단일 작업 비용은 리더보드상의 계산: 6.44 대 10.04 달러라는 수치는 플랫폼 청구서와 같지 않아요.
  • 모달리티 차이가 있어요: Neon은 오디오와 비디오 입력이 가능하고, Opus는 텍스트와 이미지예요.
  • 시작 방법: Opus는 이미 APIYI에 등록되어 있고 Neon은 아직 미등록이며, 플랫폼 모델 목록을 기준으로 하면 돼요.

정리

Gemini 4 Neon과 Claude Opus 5.5를 비교할 때는 코딩과 지식 작업을 나눠서 봐야 해요:

  1. 코딩 라인: Opus는 Terminal-bench 4.1과 FrontierCode 2.0에서 약간 높고, Neon은 CursorBench 4.1과 동일 harness 기준 SWE-sweep에서 더 높아요.
  2. 지식 작업 라인: 모델 카드의 다수 항목은 Neon이 더 높고, GraphWalks와 AutomationBench의 격차가 가장 뚜렷해요.
  3. Artificial Analysis 네 가지 수치: 지능 점수 61 대 59, 단일 작업 비용 6.44 대 10.04 달러, 소요 시간 21.5 대 24.5분, 출력 속도 110 대 118 token/초이며, 티어는 Neon xhigh 대 Opus max예요.

먼저 자신의 작업 샘플로 Opus 기준선을 만들어 두고, Neon이 출시된 뒤 같은 티어로 비교해 보세요. APIYI apiyi.com에서 claude-opus-5-5와 claude-opus-5-5-thinking의 표시 가격과 그룹을 확인할 수 있고, 같은 Key로 호출과 이후 전환을 마무리할 수 있어요.


📚 참고 자료

  1. Sundar Pichai 게시물: Gemini 4 Neon의 출시 채널

    • 링크: x.com/sundarpichai/status/2123167780988125621
    • 설명: 공식 측에서 직접 밝힌 출시 범위
  2. Google 블로그 Introducing Gemini 4 Neon: 공식 측에서 직접 밝힌 벤치마크, 가격, 안전 관련 수치

    • 링크: blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon
    • 설명: Coding Agent Index 58.6, SWE-sweep의 harness 설명
  3. DeepMind 모델 카드: 3열 대조표와 평가 설명

    • 링크: deepmind.google/models/model-cards/gemini-4-neon/
    • 설명: Gemini가 아닌 결과는 기본적으로 각 사가 직접 보고한 값에서 가져옴
  4. Google Cloud 개발자 가이드: 모델 ID, 사고 수준(thinking level), 캐시 규칙

    • 링크: docs.cloud.google.com/gemini-enterprise-agent-platform/models/guides/gemini-4-neon
    • 설명: HTTP 400이 발생하는 조건
  5. Google AI Studio 가격 페이지: Neon 유료 가격

    • 링크: aistudio.google.com/docs/pricing
    • 설명: 무료 티어가 없고 암시적 캐시만 지원
  6. Artificial Analysis 글: Neon 지능 점수와 코딩 단일 작업 비용

    • 링크: artificialanalysis.ai/articles/gemini-4-neon-intelligence-gain
    • 설명: 제3자 측정, Coding Agent Index 59
  7. Artificial Analysis 모델 페이지: Neon과 Opus 5.5의 구간별 데이터

    • 링크: artificialanalysis.ai/models/gemini-4-neon, artificialanalysis.ai/models/claude-opus-5-5
    • 설명: 2026-11-19 기준으로 읽은 값, 지수 v5.0.1

작성자: APIYI 기술 팀
기술 문의: APIYI 웹사이트 홈페이지에서 저희에게 연락하시면 됩니다. 모델과 가격은 문서 센터 docs.apiyi.com에서 확인할 수 있어요.

관련 글

Similar Posts