[구글] Gemini 3: 구글의 차세대 AI 모델, 무엇이 달라졌나?

원본 게시글: https://velog.io/@euisuk-chung/Gemini-3-구글의-차세대-AI-모델-무엇이-달라졌나

https://deepmind.google/models/gemini/

서론

2025년 11월 18일, 구글이 Gemini 3를 공개했습니다. 2023년 12월 Gemini 1 출시 이후 약 2년 만에 선보이는 이번 모델은 “가장 지능적인(most intelligent) 모델“이라는 수식어와 함께 등장했습니다.

Gemini 시리즈의 세대별 진화를 살펴보면:

• Gemini 1 (2023): 네이티브 멀티모달(native multimodality)과 긴 컨텍스트 윈도우(long context window) 도입
• Gemini 2 (2024): 에이전틱 기능(agentic capabilities)과 추론(reasoning) 능력 강화
• Gemini 3 (2025): 모든 기능의 통합과 최첨단 추론 능력 제공

특히 주목할 점은 즉각적인 실용화입니다. Gemini 3 Pro는 출시 당일부터 AI Mode in Search에 적용되어 복잡한 추론과 동적 경험을 제공합니다. 이는 구글이 처음으로 출시 첫날 검색에 Gemini를 배포한 사례입니다.

💡 AI Mode in Search란?
복잡한 질문에 대해 AI가 종합적인 답변, 후속 질문, 유용한 웹 링크를 제공하는 새로운 검색 환경입니다. 사용자가 원하는 내용을 정확하게 표현하고, 여러 주제를 동시에 탐색할 수 있도록 돕습니다.

https://blog.google/intl/ko-kr/products/explore-get-answers/ai-mode-in-korean/

이번 포스팅에서는 Gemini 3의 핵심 기술, 성능 지표, 실전 활용 방법을 살펴보겠습니다.

https://blog.google/intl/ko-kr/company-news/technology/gemini-3-developers/

배경: Gemini의 진화와 AGI를 향한 여정

Gemini 프로젝트의 비전

Gemini는 구글의 Artificial General Intelligence (AGI) 달성을 향한 핵심 프로젝트입니다. Google DeepMind CEO Demis Hassabis는 Gemini 3를 “AGI를 향한 또 다른 큰 발걸음”이라고 표현했습니다.

“Today we’re taking another big step on the path toward AGI and releasing Gemini 3.”

현재 Gemini의 영향력:

• AI Overviews: 월 20억 사용자
• Gemini 앱: 월 6억 5천만 사용자 (전년 대비 70% 이상 증가)
• Cloud 고객: 70% 이상이 구글 AI 활용
• 개발자: 1,300만 명이 생성 모델 사용

세대별 핵심 혁신

Gemini 1 (2023): 멀티모달 기반 확립

텍스트, 이미지, 오디오, 비디오를 네이티브하게 처리하는 멀티모달 아키텍처를 도입했습니다. 긴 컨텍스트 윈도우로 대량의 정보를 처리할 수 있는 기반을 마련했습니다.

https://youtu.be/98DcoXwGX6I

Gemini 2 (2024): 에이전트와 추론의 진화

자율적으로 복잡한 작업을 수행하는 에이전틱 워크플로우를 지원하고, 고급 추론 능력을 선보였습니다. Gemini 2.5 Pro는 LMArena에서 6개월 이상 1위를 유지하며 추론 능력의 우수성을 입증했습니다.

https://youtu.be/98DcoXwGX6I

Gemini 3 (2025): 완전한 통합과 상황 이해

모든 기능이 통합되고, 상황과 의도 파악 능력이 “방을 읽는(reading the room)” 수준으로 향상되었습니다. 단순한 명령 수행을 넘어 맥락을 이해하고 적절히 대응합니다.

https://youtu.be/98DcoXwGX6I

Full-Stack AI 전략의 차별점

구글의 차별화 포인트는 전 영역 통합 AI 혁신(full stack approach)입니다:

1. Infrastructure: 최첨단 하드웨어 (TPU 등)
2. Research & Models: 세계적 수준의 연구팀과 모델
3. Tooling: AI Studio, Vertex AI 등 개발 도구
4. Products: 수십억 사용자에게 도달하는 제품군

이러한 통합 접근 덕분에 고급 기능을 빠르게 전 세계에 배포할 수 있습니다.

Gemini 3 Pro의 핵심 기술

1. 최첨단 추론 능력 (State-of-the-Art Reasoning)

Gemini 3 Pro는 깊이와 뉘앙스(depth and nuance)를 파악하는 추론 능력에서 새로운 기준을 제시합니다.

https://storage.googleapis.com/gweb-uniblog-publish-prod/original_images/gemini_3_table_final_HLE_Tools_on.gif

학술적 추론 (Academic Reasoning)

Humanity’s Last Exam: 대학원 수준의 복잡한 학술 문제

• No tools: 37.5% (Claude 13.7%, GPT-5.1 26.5%)
• With tools: 45.8%
• 경쟁 모델 대비 2배 이상 성능 우위

GPQA Diamond: PhD 수준 과학 문제

• 91.9% (Claude 83.4%, GPT-5.1 88.1%)
• 전문 과학 지식과 추론 능력 모두 요구되는 벤치마크에서 최고 성능

수학적 추론 (Mathematical Reasoning)

AIME 2025: 미국 수학 경시대회 문제

• No tools: 95.0% (Claude 87.0%, GPT-5.1 94.0%)
• With code execution: 100%
• 고난도 수학 문제를 코드 실행 도구 활용 시 완벽하게 해결

MathArena Apex: 경쟁 수학 문제

• 23.4% (Claude 1.6%, GPT-5.1 1.0%)
• 극도로 어려운 수학 문제에서 경쟁 모델 대비 10배 이상 성능

코딩 능력 (Coding Performance)

LiveCodeBench Pro: 경쟁 프로그래밍 평가

• Elo Rating: 2,439 (Claude 1,418, GPT-5.1 2,243)
• Codeforces, ICPC, IOI 경쟁 문제 기반

SWE-Bench Verified: 실제 소프트웨어 엔지니어링

• 76.2% (Claude 77.2%, GPT-5.1 76.3%)
• GitHub 이슈 해결 작업에서 Claude와 경쟁적 성능

Terminal-Bench 2.0: 에이전틱 터미널 코딩

• 54.2% (Claude 42.8%, GPT-5.1 47.6%)
• 복잡한 터미널 작업 자율 수행 능력

지식 기반 추론 (Knowledge-Based Reasoning)

SimpleQA Verified: 파라메트릭 지식 평가

• 72.1% (Claude 29.3%, GPT-5.1 34.9%)
• 모델 내부 지식만으로 정확한 답변 생성 능력에서 2배 이상 성능

MMMLU: 다국어 종합 지식 평가

• 91.8% (Claude 89.1%, GPT-5.1 91.0%)
• 다국어 환경에서의 포괄적 지식 이해

Global PIQA: 100개 언어 상식 추론

• 93.4% (Claude 90.1%, GPT-5.1 90.9%)
• 다양한 문화권의 상식적 추론 능력

장기 맥락 처리 (Long Context Performance)

Vending-Bench 2: 장기 에이전틱 작업

• Net worth (mean): $5,478.16 (Claude $3,838.74, GPT-5.1 $1,473.43)
• 복잡한 의사결정이 필요한 장기 작업에서 최고 성능

MRCR v2: 긴 맥락 정보 검색

• 128k (average): 77.0% (Claude 47.1%, GPT-5.1 61.6%)
• 1M (pointwise): 26.3% (Claude/GPT-5.1 미지원)
• Needle-in-a-haystack 정보 검색 능력

2. 멀티모달 이해의 새로운 지평

시각적 추론 (Visual Reasoning)

ARC-AGI-2: 시각적 추론 퍼즐

• 31.1% (Claude 13.6%, GPT-5.1 17.6%)
• ARC Prize 검증 방식 기반 일반 지능 측정에서 압도적 우위

ScreenSpot-Pro: 화면 이해 능력

• 72.7% (Claude 36.2%, GPT-5.1 3.5%)
• UI 요소 인식 및 화면 구조 이해에서 Claude 대비 2배, GPT-5.1 대비 20배 성능

MMMU-Pro: 복잡한 이미지 추론

• 81.0% (Claude 68.0%, GPT-5.1 76.0%)
• 이미지와 텍스트를 통합한 전문가 수준 문제 해결

실용 사례:

• 손으로 쓴 다국어 레시피 해독 및 번역으로 가족 요리책 생성
• 학술 논문 분석 후 인터랙티브 플래시카드 자동 생성

공간 추론 (Spatial Reasoning)

Gemini 3는 공간 이해(spatial understanding) 능력이 크게 향상되었습니다.

핵심 작업:

• 포인팅(Pointing): 3D 공간에서 객체의 정확한 위치 및 방향 식별
• 궤적 예측(Trajectory Prediction): 움직이는 객체의 미래 경로 분석
• 작업 진행 파악: 로봇 작업의 완료도 평가 및 다음 단계 제안

활용 분야:

• 자율주행: 실시간 장애물 감지 및 경로 예측
• XR 기기: 공간 매핑 및 제스처 인식
• 로보틱스: 최적 경로 계획 및 정밀 제어

컴퓨터 사용 에이전트 개선:

데스크톱, 모바일, OS 화면을 지능적으로 이해하여 컴퓨터 사용 에이전트의 성능을 크게 향상시켰습니다.

• 화면 요소의 정확한 인식
• 마우스 움직임과 제스처를 통한 사용자 의도 파악
• 컨텍스트 기반 능동적 작업 수행

비디오 추론 (Video Reasoning)

Video-MMMU: 비디오 이해 벤치마크

• 87.6% (Claude 77.8%, GPT-5.1 80.4%)
• 시간적 맥락 이해 및 지식 습득 능력

고프레임 속도 이해:

• 빠른 동작 포착 능력 향상
• 스포츠 경기, 빠르게 움직이는 장면에서 중요 순간 감지

긴 컨텍스트 회상:

• 수 시간 분량의 연속 영상 분석
• 서사 종합 및 특정 세부 사항 정확 검색

실제 예시:

사용자가 “내 피클볼 경기 영상을 분석해서 개선점을 찾아줘”라고 요청하면:

1. 백핸드 스윙 시 팔꿈치 각도 분석
2. 네트 플레이 반응 속도 평가
3. 발놀림 패턴 확인
4. 맞춤형 훈련 플랜 생성

문서 이해 (Document Understanding)

OmniDocBench 1.5: OCR 정확도

• Overall Edit Distance: 0.115 (Claude 0.145, GPT-5.1 0.147)
• 복잡한 문서의 텍스트 추출 및 이해 성능에서 최고 정확도

CharXiv Reasoning: 복잡한 차트 분석

• 81.4% (Claude 68.5%, GPT-5.1 69.5%)
• 학술 논문 수준의 차트에서 정보 합성 및 추론

1백만 토큰 컨텍스트 윈도우

Gemini 3는 100만 토큰의 컨텍스트를 지원합니다:

• 긴 학술 논문 여러 편 동시 분석
• 긴 비디오 강의나 튜토리얼 전체 처리
• 대규모 코드베이스 전체 이해

3. 깊이 있는 상호작용 (Depth and Nuance)

Gemini 3 Pro의 응답 방식이 진화했습니다.

이전 모델들의 특징:

• 상투적 표현과 과도한 칭찬
• “듣고 싶은 말” 중심

Gemini 3 Pro의 특징:

• 직설적이고 간결한 응답
• “필요한 말”을 전달하는 진정한 사고 파트너(thought partner)
• 진정성 있는 통찰 제공

실제 활용 예시:

토카막 플라즈마 시각화 요청 시:

# 사용자: "토카막에서 플라즈마 흐름을 시각화해줘"
# Gemini 3 Pro의 응답:

"""
토카막(tokamak) 플라즈마의 나선형 흐름을 시각화하는 코드를 생성하겠습니다.

이 시각화는 자기장이 플라즈마를 어떻게 가두는지 보여줍니다.
나선형 경로는 하전입자가 자기력선을 따라 움직이는 것을 나타냅니다.
"""

⚛️ 토카막 (Tokamak)이란?
핵융합 발전을 위한 도넛 모양의 자기 가두기 장치입니다.

• 목적: 태양에서 일어나는 핵융합 반응을 지구에서 재현
• 원리: 초고온 플라즈마(1억도 이상)를 자기장으로 가둬 핵융합 반응 유도
• 형태: 도넛(토러스, torus) 모양의 진공 용기

https://youtu.be/huK9q10qf40

Gemini 3는 복잡한 과학 개념을 고충실도(high-fidelity) 시각화로 변환하고, 물리학을 담은 시를 작성하는 등 창의적 브레인스토밍 파트너 역할을 합니다.

4. Gemini 3 Deep Think: 추론의 극대화

Deep Think는 Gemini 3의 추론 능력을 한 단계 더 끌어올린 특별 모드입니다.

Deep Think의 작동 원리

확장된 추론 시간 (Extended Reasoning Time):

• 일반 모드: 즉각적 응답 생성
• Deep Think: 문제를 더 오래 “생각”하여 정교한 답변 도출
• 원리: Chain-of-Thought와 유사하지만 더 깊고 반복적인 추론 과정

멀티모달 이해 강화:

• 텍스트, 이미지, 코드를 통합적으로 분석
• 복잡한 시각적 패턴 인식 능력 대폭 향상
• 추상적 개념과 구체적 데이터의 연결 강화

Deep Think의 성능

https://blog.google/products/gemini/gemini-3/#gemini-3-deep-think

벤치마크	일반 모드	Deep Think	향상률	특징
Humanity’s Last Exam	37.5%	41.0%	+9.3%	복합 추론
GPQA Diamond	91.9%	93.8%	+2.1%	전문 지식
ARC-AGI-2	31.1%	45.1%	+45.0%	새로운 문제 해결

핵심 인사이트:

• 지식 기반 문제 (GPQA): 상대적으로 작은 향상 (이미 높은 수준)
• 추론 기반 문제 (ARC-AGI): 가장 극적인 향상 (깊은 사고의 효과)

Deep Think 모드는 현재 안전성 테스터들에게 제공되며, 곧 Google AI Ultra 구독자에게 공개될 예정입니다.

5. 광범위한 언어 지원

Gemini 3는 다국어 성능에서도 선도적입니다:

• 주요 언어에서 최고 수준의 이해와 생성 능력
• 문화적 뉘앙스와 맥락 정확한 파악

개발자를 위한 실전 활용

1. 에이전틱 코딩의 새로운 가능성

Terminal-Bench 2.0 성능:

• 54.2% 달성 (Claude 42.8%, GPT-5.1 47.6%)
• 터미널을 통한 컴퓨터 제어 능력 측정
• 자율적으로 복잡한 소프트웨어 작업 수행

SWE-bench Verified:

• 76.2% 달성
• 실제 소프트웨어 엔지니어링 벤치마크
• Gemini 2.5 Pro 대비 대폭 향상

적용 제품:

• Google Antigravity: 구글의 새로운 에이전트 개발 플랫폼
• Gemini CLI: 명령줄 인터페이스
• Android Studio: 안드로이드 앱 개발
• 서드 파티: Cursor, GitHub, JetBrains, Manus, Cline 등

Cline 개발자의 평가:

“Gemini 3 Pro는 전체 코드베이스에서 복잡하고 장기적인 작업을 처리하며, 다중 파일 리팩토링, 디버깅 세션, 기능 구현 전반에 걸쳐 컨텍스트를 유지합니다. Gemini 2.5 Pro보다 긴 컨텍스트를 훨씬 더 효과적으로 활용합니다.”
- 닉 패시(Nik Pash), 클라인(Cline) AI 총괄

2. Google Antigravity: 새로운 에이전트 개발 플랫폼

https://antigravity.google/

핵심 개념:

• 작업 중심(Task-Oriented) 개발: 높은 수준의 과제 정의
• 자율 에이전트: 에디터, 터미널, 브라우저를 넘나들며 작업 수행
• 익숙한 IDE: 핵심 AI IDE 경험은 그대로 유지

작동 방식:

1. 개발자가 설계자(architect) 역할 수행
2. 지능형 에이전트가 복잡한 작업을 계획 및 실행
3. 상세한 산출물로 작업 내용 소통
4. 에이전트가 자체 코드 검증

지원 기능:

• 기능 구축 및 UI 반복 작업
• 버그 수정 및 디버깅
• 조사 및 보고서 생성
• 브라우저 기반 컴퓨터 사용을 통한 검증

가용성:

• MacOS, Windows, Linux용 퍼블릭 프리뷰
• 무료 다운로드 가능

3. Gemini API의 새로운 기능

클라이언트 사이드 배시 툴 (Client-Side Bash Tool)

모델이 명령줄을 통해 직접 쉘 명령어를 제안할 수 있습니다.

활용 사례:

• 로컬 파일 시스템 탐색
• 개발 프로세스 구동
• 시스템 작업 자동화

서버 사이드 배시 툴 (Server-Side Bash Tool)

호스팅된 샌드박스에서 명령 실행:

• 로컬 설정 불필요
• 다국어 프로토타이핑
• 안전한 데이터 실험 환경

현재 상태:

• 얼리 액세스 파트너 대상 제공
• 곧 일반 공개 예정

구조화된 출력 (Structured Output)과 통합

Google Search Grounding과 URL 컨텍스트를 구조화된 출력과 결합할 수 있습니다.

워크플로우 예시:

# 의사 코드 (pseudocode)
1. 데이터 가져오기 (Google Search / URL)
2. 정보 추출 및 분석
3. 특정 형식으로 출력 (JSON, CSV 등)
4. 후속 에이전트 작업에 활용

데이터 수집 → 처리 → 활용의 전체 파이프라인을 자동화하는 강력한 기능입니다.

4. 바이브 코딩 (Vibe Coding)의 실현

https://blog.google/intl/ko-kr/company-news/technology/gemini-3-developers/

바이브 코딩이란?
자연어가 유일한 문법이 되는 프로그래밍 방식

WebDev Arena 성능:

• 1487 Elo (1위)
• 웹 개발 능력 측정 벤치마크

핵심 개선 사항:

1. 복잡한 지시사항 수행: 다단계 계획 자동 처리
2. 심층 툴 사용: 필요한 도구 자동 선택 및 활용
3. 단일 프롬프트 생성: 하나의 요청으로 완전한 앱 생성

실제 예시:

사용자: "우주선이 날아다니는 레트로 3D 게임을 만들어줘"

Gemini 3가 생성:
- 3D 렌더링 엔진
- 물리 엔진 (충돌, 중력)
- 사용자 입력 처리 (키보드, 마우스)
- 점수 시스템 및 게임 로직
- 완전히 작동하는 게임

Emergent 공동창업자의 평가:

“Gemini 3의 뛰어난 프롬프트 준수(prompt adherence) 능력은 풀스택 앱 개발, 특히 UI/프론트엔드 워크플로우를 크게 향상시킵니다.”
- 마다브 자(Madhav Jha), 이머전트(Emergent) 공동 창업자 겸 CTO

5. Google AI Studio

https://aistudio.google.com/

핵심 특징:

빌드 모드(Build Mode):

• 적절한 모델과 API 자동 연결

https://aistudio.google.com/apps

빠른 반복:

• 주석(annotations) 등으로 직관적 수정

https://x.com/GoogleAIStudio/status/1981375306423554490

제로샷 앱 생성:

• 단일 프롬프트로 완성된 앱

“I’m feeling lucky” 기능:

• 버튼 클릭 하나로 창의적 영감과 코드 구현 동시 제공
• Gemini 3가 알아서 판단하여 앱 생성

6. 멀티모달 기능 세부 설정

비전 토큰 구성 (Vision Token Configuration)

시각적 충실도 제어: 필요한 시각적 충실도(visual fidelity) 수준에 따라 비전 토큰 사용량을 조절할 수 있습니다.

제어 가능한 요소:

• 지연 시간: 빠른 응답과 정밀 분석 간 균형
• 비용: 토큰 수에 따른 비용 최적화
• 해상도: 작업별 적절한 이미지 품질 선택

활용 시나리오:

작업 유형	권장 설정	특징
빠른 분류/태깅	낮은 충실도	속도 우선, 기본 패턴 인식
문서 OCR	중간 충실도	텍스트 가독성 확보
세밀한 시각 분석	높은 충실도	디테일 중요 작업
의료 영상 분석	최고 충실도	진단 정확도 필수

참고: https://ai.google.dev/gemini-api/docs/gemini-3?thinking=high&hl=ko#media_resolution

문서 이해의 진화

OmniDocBench 1.5 성능:

• Overall Edit Distance: 0.115 (Claude 0.145, GPT-5.1 0.147 대비 최고)

핵심 능력:

• 복잡한 레이아웃 분석 (다단 구성, 표, 그래프)
• 맥락적 정보 추출 (단순 텍스트 인식 초월)
• 논리적 구조 파악 (문서 흐름, 섹션 관계)
• 다국어 문서 처리

이미지에서 앱으로

단 한 장의 이미지로 Gemini 3 Pro는 시각적 이해, 추론, 코딩 능력을 결합해 즉시 작동하는 인터랙티브 앱을 생성할 수 있습니다.

https://youtu.be/Avx2m5Igugo

손으로 그린 UI 스케치에서 실제 작동하는 웹 애플리케이션까지 구현 가능합니다.

공간 추론의 활용

핵심 작업:

• 포인팅: 3D 공간에서 객체의 정확한 위치 및 방향 식별
• 궤적 예측: 움직이는 객체의 미래 경로와 상호작용 분석
• 작업 진행: 로봇 작업의 완료도 평가 및 다음 단계 제안

활용 분야:

• 자율주행 차량: 실시간 장애물 감지 및 궤적 예측, 위험도 평가
• XR 기기: 실시간 공간 매핑 및 환경 이해, 제스처 인식
• 로보틱스: 작업 공간 이해 및 최적 경로 계획

Visual Computer 데모: 사용자가 손으로 그린 명령을 파악하는 것을 넘어, 화면 구성요소에 대한 깊은 이해를 기반으로 명령을 능동적이고 지능적으로 처리합니다.

https://youtu.be/nrfpu7mor6g

비디오 분석의 진화

고프레임 처리: 높은 프레임 속도의 이해력을 바탕으로 재빠른 동작을 포착해, 빠르게 움직이는 장면에서 중요한 순간을 놓치지 않습니다.

긴 컨텍스트 분석:

• 몇 시간 분량의 연속 영상에서 서사 종합
• 특정 장면 및 세부 사항 정확한 검색
• 전체 맥락 유지하며 긴 컨텍스트 회상

OpusClip의 실제 성과:

OpusClip CTO Jay Wu의 평가에 따르면 에이전트 기반 비디오 워크플로우에서:

1. 속도: 기존 구현 대비 32% 이상 증가
2. 정밀성: 복잡한 지침 준수 및 구조화된 디코딩
3. 신뢰성: 환각 없이 긴 컨텍스트 추론 관리

“제미나이 3는 속도(32% 증가), 정밀성(복잡한 지침 및 구조화된 디코딩), 신뢰성(긴 컨텍스트 추론 및 세분화된 툴 호출) 세 가지 측면에서 뛰어납니다.”
— Jay Wu, OpusClip 공동 창업자 겸 CTO

7. 가격 및 가용성

https://ai.google.dev/gemini-api/docs/gemini-3?hl=ko&thinking=high

8. API 세부 제어 파라미터

Gemini 3에는 개발자가 지연 시간, 비용, 멀티모달 충실도를 효과적으로 제어할 수 있도록 설계된 새로운 파라미터가 도입되었습니다.

사고 수준 (Thinking Level)

thinking_level 파라미터는 모델이 대답을 생성하기 전의 내부 추론 프로세스의 최대 깊이를 제어합니다.

핵심 개념:

• Gemini 3는 이러한 수준을 엄격한 토큰 보장이 아닌 사고를 위한 상대적 허용치로 취급합니다
• 지정되지 않은 경우 Gemini 3 Pro는 기본적으로 high로 설정됩니다

설정 옵션:

수준	특징	권장 사용 사례
low	지연 시간과 비용 최소화	간단한 안내 따르기, 채팅, 고처리량 애플리케이션
medium	(출시 예정)	출시 시 지원되지 않음
high (기본값)	추론 깊이 최대화	복잡한 문제 해결, 고급 추론 필요 작업

실용적 의미:

• high 설정에서는 모델이 첫 번째 토큰에 도달하는 데 시간이 훨씬 더 오래 걸릴 수 있지만 출력은 더 신중하게 추론됩니다
• 복잡한 추론이 필요하지 않은 경우 더 빠르고 지연 시간이 짧은 응답을 위해 모델의 사고 수준을 low로 제한할 수 있습니다

코드 예시:

from google import genai
from google.genai import types

client = genai.Client()

# 복잡한 추론 작업 - high (기본값)
response = client.models.generate_content(
    model="gemini-3-pro-preview",
    contents="Find the race condition in this multi-threaded C++ snippet: [code here]",
    # thinking_level은 기본값 'high'
)

# 간단한 작업 - low로 설정하여 속도 향상
response_fast = client.models.generate_content(
    model="gemini-3-pro-preview",
    contents="What is the capital of France?",
    config=types.GenerateContentConfig(
        thinking_level="low"
    )
)

https://ai.google.dev/gemini-api/docs/gemini-3?hl=ko&thinking=high

미디어 해상도 (Media Resolution)

media_resolution 매개변수를 통해 멀티모달 시각 처리의 세부적인 제어를 도입합니다.

핵심 개념:

• 해상도가 높을수록 미세한 텍스트를 읽거나 작은 세부정보를 식별하는 모델의 능력이 향상되지만, 토큰 사용량과 지연 시간이 증가합니다
• media_resolution 파라미터는 입력 이미지 또는 동영상 프레임당 할당되는 최대 토큰 수를 결정합니다

설정 옵션 및 권장 사용법:

미디어 유형	권장 설정	최대 토큰 수	사용 안내
이미지 (일반)	media_resolution_high	1120	최고의 품질을 보장하기 위해 대부분의 이미지 분석 작업에 권장
문서 OCR	media_resolution_medium	560	문서 이해에 최적화. high로 늘려도 표준 문서의 OCR 결과가 개선되는 경우는 거의 없음
동영상 (일반)	media_resolution_low	70 (프레임당)	대부분의 동작 인식 및 설명 작업에 충분. low와 medium 설정이 동일하게 처리됨
동영상 (텍스트 중심)	media_resolution_high	280 (프레임당)	밀도 높은 텍스트(OCR) 또는 작은 세부정보를 읽는 작업이 포함된 경우에만 필요

유연한 설정:

• 개별 미디어 파트별로 설정 가능
• 전역적으로 (generation_config를 통해) 설정 가능
• 지정하지 않으면 모델에서 미디어 유형에 따라 최적의 기본값 사용

코드 예시:

from google import genai
from google.genai import types
import base64

# v1alpha API 버전 사용 필요
client = genai.Client(http_options={'api_version': 'v1alpha'})

# 고해상도 이미지 분석
response = client.models.generate_content(
    model="gemini-3-pro-preview",
    contents=[
        types.Content(
            parts=[
                types.Part(text="What is in this image?"),
                types.Part(
                    inline_data=types.Blob(
                        mime_type="image/jpeg",
                        data=base64.b64decode("..."),
                    ),
                    media_resolution={"level": "media_resolution_high"}  # 고해상도
                )
            ]
        )
    ]
)
print(response.text)

https://ai.google.dev/gemini-api/docs/gemini-3?hl=ko&thinking=high

생각 서명 (Thought Signatures)

Gemini 3는 사고 서명을 사용하여 API 호출 전반에서 추론 컨텍스트를 유지합니다.

핵심 개념:

• 이러한 서명은 모델의 내부 사고 과정을 암호화한 표현입니다
• 모델이 추론 기능을 유지하도록 하려면 요청에서 이러한 서명을 수신된 그대로 모델에 다시 반환해야 합니다

검증 수준:

작업 유형	검증 엄격도	영향
함수 호출	엄격	API는 ‘현재 턴’에 엄격한 검증을 적용합니다. 서명이 누락되면 400 오류가 발생합니다
텍스트/채팅	유연	검증이 엄격하게 적용되지는 않지만 서명을 누락하면 모델의 추론 및 대답 품질이 저하됩니다

함수 호출 시나리오:

Gemini가 functionCall을 생성할 때 다음 턴에서 도구의 출력을 올바르게 처리하기 위해 thoughtSignature를 사용합니다. ‘현재 턴’에는 마지막 표준 사용자 text 메시지 이후에 발생한 모든 모델(functionCall) 및 사용자(functionResponse) 단계가 포함됩니다.

1. 단일 함수 호출: functionCall 부분에 서명이 포함되어 있으며, 반드시 반환해야 함
2. 병렬 함수 호출: 목록의 첫 번째 functionCall 부분에만 서명이 포함됨. 받은 순서대로 정확하게 반환해야 함
3. 다단계(순차적): 모델이 여러 도구를 순차적으로 호출하는 경우, 각 함수 호출에 서명이 있으며 모든 서명을 누적하여 반환해야 함

코드 예시 - 다단계 함수 호출:

// 1단계: 모델이 항공편 도구를 호출
{
  "role": "model",
  "parts": [{
    "functionCall": {
      "name": "check_flight",
      "args": {...}
    },
    "thoughtSignature": "<Sig_A>"  // 저장 필요
  }]
}

// 2단계: 사용자가 항공편 결과를 전송 (Sig_A 포함해야 함)
[
  {
    "role": "user",
    "parts": [{ "text": "Check flight AA100..." }]
  },
  {
    "role": "model",
    "parts": [{
      "functionCall": {
        "name": "check_flight",
        "args": {...}
      },
      "thoughtSignature": "<Sig_A>"  // 필수
    }]
  },
  {
    "role": "user",
    "parts": [{
      "functionResponse": {
        "name": "check_flight",
        "response": {...}
      }
    }]
  }
]

// 3단계: 모델이 택시 도구를 호출 (새 서명 생성)
{
  "role": "model",
  "parts": [{
    "functionCall": {
      "name": "book_taxi",
      "args": {...}
    },
    "thoughtSignature": "<Sig_B>"  // 저장 필요
  }]
}

// 4단계: 사용자가 택시 결과를 전송 (전체 체인 필요)
[
  // ... 이전 history ...
  {
    "role": "model",
    "parts": [{
      "functionCall": { "name": "check_flight", ... },
      "thoughtSignature": "<Sig_A>"  // 첫 번째 서명
    }]
  },
  { "role": "user", "parts": [{ "functionResponse": {...} }] },
  {
    "role": "model",
    "parts": [{
      "functionCall": { "name": "book_taxi", ... },
      "thoughtSignature": "<Sig_B>"  // 두 번째 서명
    }]
  },
  { "role": "user", "parts": [{ "functionResponse": {...} }] }
]

특수 케이스 - 다른 모델에서 이전:

다른 모델(예: Gemini 2.5)을 사용하거나 Gemini 3에서 생성되지 않은 맞춤 함수 호출을 삽입하면 유효한 서명이 없습니다. 이러한 특정 시나리오에서 엄격한 유효성 검사를 우회하려면 필드를 다음 특정 더미 문자열로 채우세요: "thoughtSignature": "context_engineering_is_the_way_to_go"

https://ai.google.dev/gemini-api/docs/gemini-3?hl=ko&thinking=high

온도 설정 주의사항

Gemini 3의 경우 temperature 매개변수를 기본값인 1.0로 유지하는 것이 좋습니다.

중요 포인트:

• 이전 모델에서는 창의성과 결정론을 제어하기 위해 온도를 조정하는 것이 유용한 경우가 많았지만, Gemini 3의 추론 기능은 기본 설정에 최적화되어 있습니다
• 온도를 변경하면(1.0 미만으로 설정) 특히 복잡한 수학 또는 추론 작업에서 루핑이나 성능 저하와 같은 예기치 않은 동작이 발생할 수 있습니다

실전 활용 사례

1. 학습 도구: Learn Anything

가족 레시피 디지털화

https://storage.googleapis.com/gweb-uniblog-publish-prod/original_videos/Gemini3_FamilyRecipes_nologo.mp4

할머니의 손글씨 레시피 사진을 업로드하면:

1. 손글씨 OCR 및 언어 감지
2. 다국어 번역 (필요시)
3. 레시피 형식 표준화
4. 요리 팁 추가
5. 공유 가능한 디지털 책 생성

학술 자료 학습

https://storage.googleapis.com/gweb-uniblog-publish-prod/original_videos/KW_gdm_04_sciViz_16x9_251117_1846.mp4

머신러닝 논문과 3시간짜리 강의 영상을 기반으로:

1. 핵심 개념 추출
2. 개념 간 연결고리 파악
3. 난이도별 질문 생성
4. 인터랙티브 시각화 포함
5. 복습 알고리즘 적용

스포츠 분석

https://storage.googleapis.com/gweb-uniblog-publish-prod/original_videos/Gemini3_Sports_Analyst_nologo.mp4

피클볼 경기 영상 분석:

1. 폼 분석: 백핸드/포핸드 스윙, 서브 모션, 발놀림
2. 전술적 결정: 샷 선택, 포지셔닝, 게임 페이스
3. 개선 계획: 약점 집중 훈련, 점진적 목표 설정

2. 개발 도구: Build Anything

제로샷 게임 개발

https://storage.googleapis.com/gweb-uniblog-publish-prod/original_videos/Gemini3_RetroGame_nologo.mp4

Google AI Studio에서 “레트로 스타일의 우주선 게임을 만들어줘”라고 요청하면:

- 3D 렌더링
- 물리 기반 이동
- 적 AI
- 파워업 시스템
- 점수 저장

모든 기능을 갖춘 완전한 게임을 즉시 생성합니다.

복잡한 UI 생성

https://youtu.be/ti6Z3zMLsNA

가족 참여형 댄스 이벤트 “Twist”를 위한 레트로 글래머 웹 랜딩 페이지 제작:

**주요 요구사항**:
- 1972년 마이애미 풀파티 분위기
- 트로피컬 파스텔 팔레트
- 플라밍고 벡터 애니메이션
- 완전한 반응형 디자인

Gemini 3가 모든 요구사항을 충족하는 완성도 높은 페이지를 생성합니다.

에이전트 워크플로우

https://youtu.be/22B5Yu0oVS0

Google Antigravity를 사용한 항공편 조회 앱 개발:

**에이전트 수행 단계**:
1. 요구사항 분석 및 핵심 기능 정의
2. 항공 데이터 API 조사 및 선택
3. 프론트+백엔드 통합 아키텍처 설계
4. 기본 UI/UX 구조 기획
5. API 연동 백엔드 구현
6. 검색+결과 표시 UI 구현
7. 브라우저 자동 테스트로 기능 검증
8. 스크린샷 기반 UI 개선 피드백 반영
9. 디자인 모델로 다양한 UI 시안 생성
10. 선택한 UI 디자인으로 리팩터링
11. 단위 및 통합 테스트 작성/실행
12. 브라우저 재검증 및 자동 수정 반복
13. 최종 보고서(워크스루+데모 영상) 생성

3. 계획 도구: Plan Anything

장기 계획 능력

https://blog.google/products/gemini/gemini-3/#plan-anything

Vending-Bench 2: Gemini 3 Pro가 1위

시뮬레이션된 자판기 사업을 1년 동안 관리하며:

• 재고 관리
• 가격 조정
• 마케팅 결정
• 유지보수 일정

을 일관되게 수행하는 능력을 평가합니다. Gemini 3는 다른 프론티어 모델보다 훨씬 높은 수익을 달성했습니다.

실생활 작업 자동화

https://storage.googleapis.com/gweb-uniblog-publish-prod/original_videos/Gemini3_Organizeemail_nologo.mp4

Gemini Agent (Google AI Ultra 구독자 대상):

Gmail 정리 작업:

• 중요한 업무 메일: ‘업무’ 폴더
• 영수증: ‘영수증’ 폴더
• 뉴스레터: ‘읽을거리’ 폴더
• 나머지: 적절히 분류

로컬 서비스 예약:

1. 근처 청소 서비스 검색
2. 리뷰 비교
3. 가격 확인
4. 가용 시간 확인
5. 예약 진행 (사용자 승인 후)
6. 캘린더에 일정 추가

결론

핵심 혁신 정리

Gemini 3 Pro의 차별화 포인트:

1. 최첨단 추론: LMArena 1501 Elo, PhD 수준 문제 해결
2. 뛰어난 멀티모달: 이미지, 비디오, 공간 이해에서 SOTA
3. 강력한 코딩: WebDev Arena 1위, 바이브 코딩 실현
4. 자율 에이전트: 복잡한 장기 작업 신뢰성 있게 수행
5. 100만 토큰 컨텍스트: 방대한 정보 동시 처리

Deep Think 모드의 의미:

• 더욱 강력한 추론 (GPQA Diamond 93.8%)
• 신규 문제 해결 능력 (ARC-AGI-2 45.1%)
• 복잡한 문제에 대한 깊은 사고 실현

실용적 가치

개발자에게:

• 생산성 비약적 향상 (Google Antigravity)
• 더 빠른 프로토타이핑 (바이브 코딩)
• 복잡한 워크플로우 자동화 (에이전트)

일반 사용자에게:

• 학습 도구 혁신 (맞춤형 교육 자료 생성)
• 일상 작업 자동화 (Gmail 정리, 일정 관리)
• 창의적 프로젝트 지원 (게임, 앱, 콘텐츠 제작)

Gemini 3는 AI의 새로운 시대를 여는 모델입니다. 더 똑똑하고, 더 유용하며, 더 신뢰할 수 있는 AI를 통해 여러분의 아이디어가 현실이 되는 순간을 경험해 보시기 바랍니다.

읽어주셔서 감사합니다 😄

---

• Previous
  [OpenAI] ChatGPT GPT-5.1 출시: 더 똑똑하고 따뜻한 대화형 AI의 진화
• Next
  [구글] Nano Banana Pro: Gemini 3가 선사하는 차세대 이미지 생성 혁신

---

---

CATALOG

---

FEATURED TAGS

개념정리 OpenAI chatGPT python paper-review 강의노트 환경 Conference 꿀팁 머신러닝 딥러닝 IT지식 NLP Timeseries 이상탐지 rag trend-review git linux Conference | CES Lovable PyTorch vibe coding Conference | CIO Graph pandas 도서리뷰 차원축소 CV google tools Conference | OpenAI Conference | SK-AI langgraph site 통계 Anthropic Claude Conference | AIS IT정리 Jupyter MidJourney OLLAMA conda network pyenv/pipenv snippet splunk

---

FRIEND SITES

• My Velog
• My YouTube
• LGSW YouTube
• DSBA Youtube
• DMQA Youtube