제미나이의 선택적 시선: 더 저렴한 영상 이해라는 약속

지금까지 언어 모델에 영상을 분석시킨다는 것은, 보통 초당 한 장씩 이어지는 경직된 프레임의 나열을 통째로 삼키게 하는 일이었다. 단순한 만큼 낭비도 큰 방식으로, 소모되는 자원은 내용의 실제 중요도가 아니라 클립의 길이에 비례해 늘어난다. 2026년 9월 1일 구글이 발표한 에이전트형 영상 이해로 이 접근이 달라진다. 모델은 더 이상 영상의 흐름을 수동적으로 받아들이지 않고, 어떤 구간을 어느 속도로, 어떤 방식(프레임·오디오·스크립트)으로 불러올지 전용 네이티브 도구를 써서 스스로 결정하는 능동적 역할을 맡는다.

구글이 제시한 수치상의 이점은 상당하다. 분석 비용은 최대 66% 절감, 토큰 소비는 최대 88% 절감, 정확도는 최대 7% 향상이다. 그러나 기술 자료를 들여다보면 초기의 열광을 식히는 대목들이 드러난다. 공식 발표는 호환 모델로 제미나이 3.7 플래시, 3.6 플래시, 3.5 플래시-라이트를 들지만, ai.google.dev의 개발자 문서는 여기에 제미나이 3.8 플래시까지 더한다. 그 모델이 발표 다음 날 나왔기 때문으로 보인다. 게다가 2026년 9월 4일 MarkTechPost의 정리가 지적하듯, 이 인프라 전체는 구글 AI 스튜디오 혹은 제미나이 엔터프라이즈 에이전트 플랫폼에서 호스팅되는 API로만 접근할 수 있다. 공개 가중치도 없고 직접 구동할 방법도 없다. 구글 바깥의 누구도 그 백분율을 다시 재볼 수 없는 이유가 바로 여기에 있다. 이 모드는 설정('processing': 'agentic')으로 켜지며 추가 요금 없이 표준 API 가격이 적용된다. 구글은 제미나이 앱에는 '곧', Ask YouTube에는 '향후 몇 달 안에' 들어간다고 밝혔지만, 시점은 여전히 두루뭉술하다.

조금 더 들여다보면 효율 지표에는 그늘진 구석이 있다. 구글은 이 최대치 절감을 계산하는 데 쓴 표준 벤치마크의 구체적인 수치도, 비교표도 공개하지 않았다. 게다가 공식 문서 스스로 신중을 당부한다. 5분 미만 클립에서 지연 시간이 중요한 요청, 그리고 클립 전체에 걸쳐 프레임 단위 정밀도가 필요한 경우에는 기본값인 정적 샘플링을 유지하라고 명시적으로 권한다. 정확도 7% 향상도 보편적이지 않다. 기술 문서는 이를 장편 콘텐츠에 한정한다.

모델이 연산 비용을 아끼려고 무엇을 볼지 스스로 정할 수 있다는 발상은 자원 최적화의 훌륭한 사례다. 아쉬운 점은, 그 절약이 세부의 누락이나 구글이 한 번도 수치화하지 않은 대기 시간으로 바뀌지 않았는지 확인하려 해도, 공개 벤치마크 없는 백분율을 믿는 수밖에 없다는 것이다. 결국 효율은 훌륭한 지표다. 다만 사용자가 제 돈을 들여 시험대에 오르지 않는다는 조건에서 그렇다. — Olya