제미나이 3.6 플래시 공개, 출력 토큰 17% 줄인 실속형 모델

모델 요금표만 보고 저렴한 걸 골랐다가 청구서에서 놀란 적이 있으실 겁니다. 같은 질문을 던져도 어떤 모델은 답을 길게 늘어놓고 어떤 모델은 짧게 끝내니, 백만 토큰당 단가가 낮아도 총액은 더 나올 수 있거든요. 구글이 7월 22일 공개한 제미나이 3.6 플래시는 이 지점을 정면으로 겨냥했습니다. 성능을 올렸다는 말보다 출력 토큰을 줄였다는 말을 앞세웠어요. 무엇이 달라졌고 어떤 작업에 쓸 만한지 정리했습니다.

무엇이 바뀌었나요

토큰을 덜 쓰면서 코딩과 지식 작업 품질을 끌어올린 게 핵심입니다. 구글은 이 모델이 이전 세대인 3.5 플래시에 대한 개발자 피드백을 반영해 만들어졌다고 설명했습니다. 성능 지표를 앞세우기보다 같은 결과를 더 적은 출력으로 낸다는 점을 강조한 발표였어요.

수치로는 출력 토큰이 약 17% 줄었습니다. 언뜻 소소해 보이지만 대량 처리에서는 체감이 큽니다. 하루 수천 건씩 도는 분류 작업이나 요약 파이프라인이라면 출력이 줄어든 만큼 비용과 응답 시간이 함께 내려가니까요.

가격은 어떻게 되나요

입력은 100만 토큰당 1.50달러, 출력은 100만 토큰당 7.50달러입니다. 플래시 계열은 원래 최상위 모델보다 아래 구간을 맡는 자리인데, 이번에는 그 자리에서 출력량까지 줄인 셈입니다.

항목	제미나이 3.6 플래시
공개 시점	한국 시각 2026년 7월 22일
입력 가격	100만 토큰당 1.50달러
출력 가격	100만 토큰당 7.50달러
출력 토큰	이전 방식 대비 약 17% 감소
함께 소개된 모델	3.5 플래시 라이트, 3.5 플래시 사이버

단가표는 비교의 출발점일 뿐입니다. 실제 비용은 단가에 그 모델이 뱉는 토큰 수를 곱해야 나오는데, 평소 사용량을 넣어 한 달 요금을 어림해 보려면 AI 토큰 요금 계산기를 쓰면 편합니다. 소넷 5가 토큰값을 내렸는데도 실제 비용은 더 나왔던 사례가 같은 구조였습니다. 추론을 길게 하는 모델일수록 눈에 안 보이는 출력이 쌓입니다.

어떤 작업에 쓰면 좋을까요

양이 많고 판단이 단순한 작업입니다. 문서 분류, 태그 달기, 짧은 요약, 형식 변환처럼 건당 결과가 짧게 끝나는 일이 플래시 계열의 자리예요. 이런 작업은 정확도 차이가 크지 않은 대신 처리량과 비용 차이가 그대로 드러납니다.

반대로 한 번의 답에 여러 단계를 거쳐야 하는 일은 상위 모델이 유리한 경우가 많습니다. 설계를 잡거나 원인을 추적하는 작업에서 값싼 모델을 여러 번 돌리다 보면 결과적으로 더 비싸지기도 하고요. 저는 블로그 초안 분류와 태그 정리는 플래시 계열에 맡기고, 구조를 새로 잡는 일만 상위 모델로 돌립니다.

함께 소개된 3.5 플래시 라이트와 플래시 사이버도 같은 맥락에서 봐야 합니다. 하나의 만능 모델로 모든 요청을 받는 대신 용도별로 잘게 나눠 두고 필요한 곳에 붙이라는 구성이에요. 라이트는 더 가볍고 저렴한 자리를, 사이버는 보안 관련 작업을 겨냥한 이름입니다. 쓰는 입장에서는 고민거리가 하나 늘어난 셈이지만 잘 나누면 청구서가 줄어듭니다.

갈아타기 전에 확인할 것

같은 프롬프트를 그대로 옮기면 결과 형태가 달라질 수 있습니다. 출력이 짧아지는 방향으로 조정된 모델이라 기존에 길게 받아 쓰던 응답이 갑자기 요약본처럼 나올 수 있어요. 형식을 프롬프트에 명시해 두었는지 먼저 확인하는 게 좋습니다.

사용량이 많은 서비스라면 응답 시간도 함께 봐야 합니다. 출력이 짧아지면 마지막 글자가 나올 때까지의 시간도 같이 줄어들어 체감 속도가 달라집니다. 채팅처럼 사람이 기다리는 화면에서는 이 차이가 비용보다 크게 느껴지기도 해요.

실측 없이 갈아타지 않는 것도 중요합니다. 자주 쓰는 작업 열 건 정도를 골라 이전 모델과 나란히 돌려 보고, 출력 토큰 수와 결과 품질을 함께 기록해 두면 판단이 쉬워집니다. GPT-5.6 계열이 솔과 테라, 루나로 갈라진 것처럼 요즘은 한 회사 안에서도 성능과 비용을 나눠 놓은 모델이 여러 개라, 작업별로 다르게 붙이는 게 기본이 됐습니다.

이름을 바꾸는 것만으로 끝나지 않는 부분도 있습니다. 응답 길이가 달라지면 그 뒤에 붙은 파싱 코드나 글자 수 제한 로직이 같이 흔들립니다. 저는 요약 결과를 고정 길이로 잘라 쓰던 코드에서 문장이 중간에 끊기는 걸 뒤늦게 발견한 적이 있어요. 모델을 바꾼 날에는 뒷단 출력까지 한 번 열어 보는 게 안전합니다.

흐름을 어떻게 봐야 하나요

모델 경쟁의 무게추가 점수에서 효율로 옮겨 가는 중입니다. 상위 모델의 정확도 차이는 예전만큼 크게 벌어지지 않는데 실제 서비스에서는 비용과 지연 시간이 곧바로 체감되니까요. 출력 토큰을 줄였다는 발표를 성능 발표 자리에서 전면에 내세운 것 자체가 그 신호로 보입니다.

개인적으로는 이런 흐름이 반갑습니다. 모델을 고르는 기준이 순위표에서 내 작업의 실제 청구서로 내려오면 검증도 쉬워지니까요. 한 달 써 보고 총액을 비교하면 답이 나오는 문제가 됩니다.