Google은 Gemini 2.5가 OpenAI, DeepSeek 및 기타 AI 기술 대기업의 최고 모델보다 성능이 뛰어나다고 주장합니다.

구글은 자사가 "지금까지 출시한 가장 스마트한 AI 모델"이라고 부르는 제미니 2.5를 출시했습니다. 이 모델의 첫 번째 버전은 Gemini 2.5 Pro였으며, 많은 테스트에서 인상적인 벤치마크 점수를 달성했습니다.

Google은 Gemini 2.5가 OpenAI, DeepSeek 및 기타 AI 기술 대기업의 최고 모델보다 성능이 뛰어나다고 주장합니다.

Gemini 2.5 Pro는 현재 Google AI Studio를 통해 사용할 수 있으며, Gemini Advanced 사용자라면 Gemini 앱에서도 사용할 수 있습니다 . Gemini 2.5 Pro는 가까운 시일 내에 Vertex AI를 통해서도 출시될 예정입니다.

Google은 현재 Gemini 2.5 Pro 또는 기타 Gemini 2.5 모델의 가격을 공개하지 않았습니다.

Gemini 2.5를 사용하는 모든 모델은 "사고 모델"입니다. 즉, 응답을 생성하기 전에 사고 과정을 처리할 수 있습니다. 이러한 "추론" 모델은 더욱 복잡하고 종종 더 정확한 응답을 생성하기 때문에 AI 분야의 다음 큰 단계입니다.

Google은 "이제 Gemini 2.5를 통해 크게 개선된 기본 모델과 개선된 사후 학습을 결합하여 새로운 수준의 성능을 달성했습니다 ."라고 밝혔습니다.

"향후에는 이러한 사고 능력을 모든 모델에 직접 구축하여 더욱 복잡한 문제를 처리하고 더욱 뛰어난 상황 인식 기능으로 에이전트를 지원할 수 있도록 할 것입니다 . "

Gemini 2.5는 OpenAI 모델과 어떻게 비교되나요?

Google의 Gemini 2.5 Pro 모델은 OpenAI와 DeepSeek의 이전 상위 모델보다 성능이 뛰어납니다.

Google이 공유한 Gemini 2.5의 벤치마크 점수는 매우 인상적입니다. Gemini 2.5 Pro Experimental은 인류의 마지막 시험에서 18.5%를 기록했습니다.

그 점수는 적어도 지금으로서는 Gemini 2.5 Pro Experimental이 해당 기준으로 볼 때 가장 좋은 모델이라는 걸 의미합니다. 이 점수는 OpenAI 03-mini(14%)와 DeepSeek R1(8.6%)을 능가합니다.

해당 테스트는 어려운 것으로 여겨지지만, AI 모델의 성능을 측정하는 유일한 방법은 아닙니다.

Google은 또한 Gemini 2.5 Pro의 프로그래밍 기능과 수학 및 과학 분야에서의 벤치마크 성적을 강조했습니다. Gemini 2.5 Pro는 현재 GPQA 및 AIME 2025를 통해 측정한 수학 및 과학 벤치마크에서 선두를 달리고 있습니다.

Gemini 2.5에서 프로그래밍이 가능합니까?

프로그래밍은 Gemini 2.5의 주요 초점입니다. 구글은 "2.0에 비해 엄청난 발전"이라고 주장하며 앞으로 더 많은 개선이 있을 것이라고 밝혔습니다.

Google의 새로운 모델은 웹 앱과 에이전트 코드 애플리케이션을 만들 수 있습니다. Google의 데모에서는 Gemini 2.5 Pro를 사용하여 단일 줄 프롬프트에서 게임을 만드는 방법을 보여줍니다.

기업 AI에 구글 제미니 2.5 프로가 중요한 4가지 이유

기업 팀이 Gemini 2.5 Pro를 평가할 때 염두에 두어야 할 핵심 사항은 다음과 같습니다.

1. 체계적이고 투명한 추론 - 사고의 명확성을 위한 새로운 기준

Gemini 2.5 Pro를 다른 제품과 차별화하는 것은 단순히 지능적인 측면만이 아닙니다. 그 지능적인 측면이 작업 수행을 명확하게 보여준다는 점이 특징입니다. Google의 단계별 학습 방법은 DeepSeek 와 같은 모델에서 본 것과 같은 횡설수설이나 추측이 아닌 구조화된 사고의 흐름(CoT)을 생성합니다 . 이러한 CoT는 OpenAI 모델처럼 피상적인 요약으로 축약되지 않습니다. 새로운 제미니 모델은 단계별 번호 매기기 방식으로 아이디어를 제시하고, 세부 항목과 매우 명확하고 투명한 내부 논리를 적용합니다.

실제적인 측면에서 볼 때, 이는 신뢰성과 항해성 측면에서 획기적인 진전입니다. 정책적 의미 검토, 논리 코딩, 복잡한 연구 요약 등 중요한 업무에 대한 결과를 평가하는 비즈니스 사용자는 이제 모델이 어떻게 답을 도출했는지 확인할 수 있습니다. 즉, 더욱 자신 있게 답변을 검증, 수정하거나 다른 답변으로 바꿀 수 있다는 의미입니다. 이는 여전히 많은 대규모 언어 모델(LLM) 출력 에서 ​​나타나는 "블랙박스" 느낌에서 크게 진전된 것입니다 .

이 모델의 성능에 대한 보다 자세한 가이드를 보려면 Gemini 2.5 Pro를 실시간으로 테스트하는 비디오 분석을 확인하세요. 논의된 한 가지 예: 대규모 언어 모델의 한계에 대해 질문을 받았을 때 Gemini 2.5 Pro는 놀라운 인식력을 보여주었습니다. 이 모델은 일반적인 약점을 개략적으로 설명하고 이를 "물리적 직관", "새로운 개념 합성", "장기 계획" 및 "윤리적 뉘앙스"와 같은 영역으로 분류하여 사용자가 모델이 알고 있는 내용과 문제에 접근하는 방법을 이해하는 데 도움이 되는 프레임워크를 제공합니다.

기업 엔지니어링 팀은 이 기능을 활용하여 다음을 수행할 수 있습니다.

• 임무 수행에 중요한 애플리케이션에서 복잡한 논리 체인 디버깅
• 특정 도메인의 모델 제한 사항에 대한 더 나은 이해
• 이해관계자들에게 보다 투명한 AI 기반 의사 결정 제공
• 모델의 접근 방식을 연구하여 자신의 비판적 사고력을 향상시킵니다.

주목할 만한 한계점 중 하나는 이러한 구조화된 추론 기능이 Gemini 앱과 Google AI Studio에서 사용 가능하지만 현재 API를 통해 접근할 수 없다는 점입니다. 이는 이 기능을 엔터프라이즈 애플리케이션에 통합하려는 개발자에게는 단점입니다.

2. 이론만이 아닌 최첨단 기술의 진정한 경쟁자

이 모델은 현재 Chatbot Arena 리더보드에서 상당한 차이로 1위를 차지하고 있습니다. 2위 모델보다 35 Elo 포인트 이상 앞서 있으며, 특히 Gemini 2.5 Pro가 출시된 다음 날 OpenAI 4o 업데이트가 적용된 모델이 그렇습니다. 벤치마크에서의 우위가 종종 덧없이 사라지는 경우도 있지만(새로운 모델이 매주 출시되기 때문), Gemini 2.5 Pro는 정말 다른 느낌을 줍니다.

이 기술은 심층적인 추론을 요구하는 작업, 즉 인코딩, 섬세한 문제 해결, 문서 요약, 심지어 추상적인 계획 수립에 탁월합니다. 내부 테스트에서 이 제품은 이전에는 어려웠던 벤치마크인 "인류의 마지막 시험"에서 특히 좋은 성과를 보였습니다. 이 벤치마크는 추상적이고 미묘한 분야의 LLM 약점을 찾아내는 데 널리 사용되는 벤치마크입니다.

기업 집단은 어떤 모델이 어떤 학술 순위를 차지하는지 관심이 없을 수도 있습니다. 하지만 그들은 이 모델이 생각할 수 있다는 점, 그리고 어떻게 생각하는지 보여줄 수 있다는 점을 중요하게 여길 것입니다. 진동 테스트는 매우 중요합니다.

존경받는 AI 엔지니어 네이선 램버트는 "구글은 다시 최고의 모델을 보유하게 됐습니다. 왜냐하면 그들이 이 AI 붐을 일으켰어야 했기 때문입니다. 큰 실수는 이제 해결되었습니다."라고 말했습니다. 기업 사용자는 이를 Google이 경쟁사를 따라잡는 데 그치지 않고, 비즈니스 애플리케이션에 중요한 기능 면에서 경쟁사를 능가할 가능성이 있다는 의미로 봐야 합니다.

3. 마지막으로, 구글의 암호화 게임은 강력합니다.

전통적으로 Google은 개발자 중심 코딩 지원 측면에서 OpenAI와 Anthropic보다 뒤처졌습니다. Gemini 2.5 Pro는 그것을 바꿔놓았습니다.

실제 테스트를 통해 Replit으로 내보냈을 때 첫 번째 시도에서 실행되는 작동하는 테트리스 게임을 만드는 등 코딩 과제에 대한 강력한 원샷 역량을 입증했으며, 디버깅이 필요하지 않았습니다. 더욱 주목할 만한 점은 코드 구조를 명확하게 설명하고, 변수와 단계에 신중하게 라벨을 붙이고, 단 한 줄의 코드도 작성하기 전에 접근 방식을 제시한다는 것입니다.

이 모델은 코드 생성 분야의 선두주자로 평가받고 있으며 Anthropic이 기업에서 성공하는 데 큰 역할을 한 Anthropic의 Claude 3.7 Sonnet과 경쟁합니다. 하지만 Gemini 2.5는 하나의 중요한 장점을 제공합니다. 최대 100만 개에 달하는 거대한 토큰 컨텍스트 창입니다. Claude 3.7 Sonnet은 현재 50만 개의 토큰만 제공합니다.

이 넓은 컨텍스트 창은 전체 코드베이스에 대한 추론, 온라인 문서 읽기, 여러 개의 상호 종속 파일 작업에 대한 새로운 가능성을 열어줍니다. 소프트웨어 엔지니어 사이먼 윌리슨의 경험은 이러한 장점을 보여줍니다.

Gemini 2.5 Pro를 사용하여 코드베이스 전반에 새로운 기능을 구현할 때, 이 모델은 18개의 서로 다른 파일에서 필요한 변경 사항을 식별하고 수정된 파일당 평균 3분 미만으로 전체 프로젝트를 약 45분 만에 완료했습니다. 이는 에이전트 프레임워크나 AI 기반 개발 환경을 실험하는 기업에 유용한 도구입니다.

4. 에이전트와 같은 행동을 통한 다중 방법 통합

OpenAI의 최신 40과 같은 일부 모델은 눈길을 끄는 이미지 생성으로 더욱 화려함을 보여줄 수 있지만, Gemini 2.5 Pro는 근거 있는 다중 모드 추론의 모습을 조용히 재정의하고 있는 듯한 느낌을 줍니다.

한 예로, VentureBeat의 벤 딕슨이 실시한 실습 실험은 검색 알고리즘에 대한 기술 문서에서 핵심 정보를 추출하고 해당 SVG 흐름도를 생성하는 모델의 능력을 보여준 다음, 시각적 오류가 있는 렌더링된 버전을 보여주면서 해당 흐름도를 개선했습니다. 이러한 수준의 다중 모드 추론을 통해 이전에는 텍스트 전용 모델에서는 불가능했던 새로운 워크플로를 만들 수 있습니다.

또 다른 예로, 개발자 샘 위테빈은 라스베이거스 지도의 간단한 스크린샷을 업로드하고 4월 9일 근처에서 어떤 Google 이벤트가 진행 중인지 물었습니다. 모델은 위치를 식별하고 사용자의 의도를 추론한 후 온라인에서 검색하여 날짜, 위치, 인용을 포함한 Google Cloud Next에 대한 정확한 세부 정보를 반환했습니다. 이 모든 작업은 맞춤형 에이전트 프레임워크 없이 핵심 모델과 내장 검색만으로 수행됩니다.

사실, 이 다중 모드 입력 추론 모델은 단지 그것을 보는 것 이상의 의미를 갖습니다. 이는 6개월 후의 비즈니스 워크플로우가 어떤 모습일지 보여줍니다. 문서, 다이어그램, 대시보드를 업로드하고, 모델이 콘텐츠를 기반으로 합성, 계획 또는 의미 있는 조치를 취하도록 합니다.