Gemini 3.1 Pro가 뭐가 달라졌나요?

2026년 2월 19일, Google은 Gemini 3.1 Pro를 프리뷰로 공개했습니다. 이전 모델들과 다른 점은 “.1″이라는 버전 표기인데, 구글 역사상 처음 쓰인 증분 업데이트 방식입니다. 기존에는 2.0 → 2.5처럼 큰 폭으로 올렸는데, 이번엔 3 → 3.1로 딱 한 자리만 올렸습니다. 이게 단순한 숫자 선택이 아닙니다. 구글 공식 블로그에는 “광범위한 기능 확장이 아닌, 추론 인텔리전스의 집중 업그레이드”라고 명시돼 있습니다. (출처: blog.google/intl/ko-kr/products/gemini-3-1-pro-kr/, 2026.02.19)

구조 자체는 Gemini 3 Pro와 동일합니다. 1M 토큰 컨텍스트 윈도우, 텍스트·이미지·오디오·비디오를 동시에 처리하는 멀티모달 구조 그대로입니다. 바뀐 건 내부 추론 가중치와 에이전틱 워크플로우 성능입니다. 쉽게 말하면 껍데기는 그대로인데 두뇌가 바뀐 셈입니다.

API에서는 gemini-3.1-pro-preview로 접근할 수 있고, Gemini 앱에서는 Google AI Pro($19.99/월) 및 Ultra($249.99/월) 구독자 대상으로 우선 배포 중입니다. 가격은 Gemini 3 Pro와 동일하게 책정됐습니다 — 입력 $1.25/1M 토큰, 출력 $10/1M 토큰. (출처: Google AI Studio, 2026.02.20 확인)

▲ 목차로 돌아가기

ARC-AGI-2 77.1%의 진짜 의미

ARC-AGI-2는 암기한 지식이 아닌, 완전히 새로운 패턴을 보고 규칙을 추론하는 능력을 측정합니다. 데이터셋 설계 자체가 “모델이 학습 데이터로 외워서 풀 수 없도록” 만들어졌습니다. 그래서 이 벤치마크의 점수가 올라갔다는 건, 단순히 더 많이 외웠다는 뜻이 아니라 추론 회로가 실제로 개선됐다는 뜻입니다. (출처: deepmind.google/models/model-cards/gemini-3-1-pro/, 2026.02.19)

Gemini 3.1 Pro는 이 테스트에서 77.1%를 기록했습니다. 직전 버전인 Gemini 3 Pro는 31.1%였습니다. 수치만 보면 약 2.48배입니다. 비교 대상인 Claude Opus 4.6(Thinking Max 기준)은 68.8%, GPT-5.2는 52.9%입니다. ARC-AGI-2 기준으로는 지금 출시된 주요 모델 중 명확한 1위입니다.

그런데 이 수치에 흥분하기 전에 한 가지 확인해야 합니다. DataCamp가 직접 테스트한 결과를 보면, 이 점수는 Thinking High/Max 모드에서 나온 수치입니다. 기본 모드(Low thinking level)에서는 차이가 크게 줄어듭니다. API에서 thinking_level=high나 max로 설정해야 이 성능이 나옵니다. 기본값인 low로 쓰면 훨씬 낮은 성능이 나올 수 있습니다. (출처: DataCamp Gemini 3.1 Hands-On Review, 2026.02.19)

▲ 목차로 돌아가기

추론 2배가 안 먹히는 세 가지 작업

① 실제 코딩 파이프라인 — Claude Opus 4.6이 역전

SWE-Bench Verified는 실제 오픈소스 GitHub 이슈를 모델이 자동으로 해결하는 비율을 측정합니다. 실무 코딩과 가장 가깝게 설계된 벤치마크입니다. 여기서 Gemini 3.1 Pro는 80.6%를 기록했고, Claude Opus 4.6은 80.8%였습니다. (출처: deepmind.google/models/model-cards/gemini-3-1-pro/, 2026.02.19) 수치만 보면 거의 비슷해 보이지만, 100개 이슈 처리 기준으로 0.2개 더 해결하는 쪽이 Claude입니다. SWE-Bench Pro(다양한 실전 코딩 작업 포함)에서는 GPT-5.3-Codex가 56.8%로 앞서고, Gemini 3.1 Pro는 54.2%입니다. 이 격차는 장기 에이전틱 코딩 파이프라인에서는 체감됩니다.

② 지식 집약 업무 — Sonnet 4.6에게 큰 폭으로 밀림

GDPval-AA는 금융 모델링, 법률 리서치, 시장 분석처럼 경제적 가치를 창출하는 전문 업무에서의 정확도를 측정합니다. Gemini 3.1 Pro는 1317, Claude Sonnet 4.6은 1633입니다. (출처: deepmind.google/models/model-cards/gemini-3-1-pro/, 2026.02.19) 수치 차이가 316포인트입니다. 지식 업무에서는 Gemini 3.1 Pro가 사실상 두 단계 아래에 있습니다. 재무 분석, 법률 문서 검토, 연구 보고서 작성처럼 “깊은 지식을 좁게 파고드는” 작업에서는 이 격차가 실제로 체감됩니다.

③ 순수 수학 — DeepSeek R2가 더 싸고 더 정확

AIME 2025 기준으로 WhatLLM이 측정한 결과, Gemini 3.1 Pro Preview는 91.2%, DeepSeek R2는 93.8%를 기록했습니다. (출처: whatllm.org/blog/gemini-3-1-pro-preview, 2026.02.20) DeepSeek R2는 이미지·비디오를 못 처리하는 텍스트 전용 모델이지만, 순수 수학 추론만 놓고 보면 Gemini 3.1 Pro보다 정확하고, API 가격은 입력 기준 $0.55/1M 토큰으로 Gemini의 44% 수준입니다. 수학 집약 작업에 특화한다면 DeepSeek R2가 현실적입니다.

▲ 목차로 돌아가기

가격이 결정적인 이유 — 연 143만 달러 차이

성능 비교보다 실제로 더 중요한 수치가 가격입니다. 동급 최강이라는 Claude Opus 4.6과 비교하면 입력 기준 12배, 출력 기준 7.5배 차이가 납니다. 하루 1,000만 토큰 처리 파이프라인을 기준으로 계산하면 Gemini 3.1 Pro는 일 $56, Claude Opus 4.6은 일 $450입니다. (출처: WhatLLM.org, Vertex AI 가격 정책, 2026.02.20 확인)

이 수치가 뜻하는 건, 성능이 완전히 동등하지 않아도 Gemini 3.1 Pro를 선택할 이유가 충분하다는 겁니다. 연간 $143,000 차이면 개발자 한 명 인건비입니다. 코딩 전용 파이프라인이 아니라면, 성능 차이 몇 퍼센트를 감수하더라도 가격이 결정적 변수가 됩니다.

Claude Opus 4.6의 컨텍스트 윈도우가 200K인 반면 Gemini 3.1 Pro는 1M입니다. 긴 문서 처리(계약서 묶음, 대형 코드베이스 등)에서 Claude를 쓰면 청킹이나 다중 API 호출이 필요한데, Gemini는 한 번에 처리됩니다. 이 구조적 단순함만으로도 개발 비용이 줄어듭니다.

▲ 목차로 돌아가기

Preview 딱지가 의미하는 숨은 리스크

“Preview” 레이블은 마케팅 표현이 아닙니다. Google은 GA(General Availability) 전까지 프로덕션 SLA를 보장하지 않는다고 공식적으로 명시했습니다. 구체적으로 세 가지 리스크가 있습니다.

첫째, 가중치가 GA 전에 바뀔 수 있습니다. Google의 역대 프리뷰 주기는 6~12주였습니다. (출처: WhatLLM.org, 2026.02.20) 같은 gemini-3.1-pro-preview 엔드포인트를 쓰더라도 가중치가 조용히 업데이트될 수 있습니다. 재현 가능성이 중요한 테스트 환경이라면 날짜를 기록해둬야 합니다.

둘째, 복잡한 JSON 스키마에서 오류가 납니다. WhatLLM의 자체 테스트 결과, 복잡한 JSON 구조화 출력에서 200번 중 1번꼴로 스키마 오류가 발생했습니다. (출처: whatllm.org/blog/gemini-3-1-pro-preview, 2026.02.20) 개발 환경에서는 무시할 수 있는 수준이지만, 청구·컴플라이언스 시스템처럼 100% 정합성이 필요한 프로덕션에서는 치명적입니다.

셋째, GA 전환 시 가격이 바뀔 수 있습니다. Google은 Gemini 2.5 → 3 전환 시기에 가격을 조정한 이력이 있습니다. 현재 $1.25/$10은 프리뷰 가격입니다. GA 후 가격이 오를 경우, 프리뷰 기준으로 작성한 ROI 계산이 틀어질 수 있습니다. Google이 공식 답변을 내놓지 않은 부분입니다.

▲ 목차로 돌아가기

결국 어떤 작업에 써야 하나요?

솔직히 말하면, “Gemini 3.1 Pro가 최고”라는 말도, “Claude가 더 낫다”는 말도 맥락 없이는 의미 없습니다. 공식 벤치마크를 기반으로 작업 유형별로 정리하면 이렇습니다.

✅ Gemini 3.1 Pro가 유리한 작업

• 비디오 분석: VideoMME 87.2%로 Claude Opus 4.6(79.2%)보다 약 8%p 앞섭니다. 긴 영상 요약, 회의 분석, 교육 영상 처리에 현재 가장 강합니다.
• 추상 추론·과학 분석: ARC-AGI-2 77.1%와 GPQA Diamond 94.3%로 복잡한 논리 추론과 대학원 수준 과학 질문에 강합니다.
• 긴 문서 단일 처리: 1M 토큰 컨텍스트 덕분에 대형 계약서 묶음, 수백 파일짜리 코드베이스를 청킹 없이 처리합니다.
• 비용 민감 대규모 파이프라인: Claude Opus 4.6 대비 입력 토큰 12배 저렴합니다. 하루 처리량이 클수록 이 차이가 결정적입니다.
• 프론트엔드 코드 생성: WebDev Arena 1위를 유지 중입니다. React 컴포넌트, UI 프로토타이핑, SVG 애니메이션 생성에 강합니다.

❌ Gemini 3.1 Pro보다 다른 모델이 나은 작업

• 자율 코딩 에이전트: SWE-Bench Verified에서 Claude Opus 4.6이 소폭 앞섭니다. 코딩만 하는 에이전트라면 Claude가 더 안정적입니다.
• 금융·법률·연구 지식 업무: GDPval-AA에서 Sonnet 4.6(1633)이 Gemini 3.1 Pro(1317)를 크게 앞섭니다. 깊은 전문 지식이 필요한 작업에서는 격차가 납니다.
• GUI 기반 컴퓨터 조작: Claude만 지원하는 기능이고, Gemini 쪽에는 해당 벤치마크가 아직 없습니다.
• 순수 수학 전용 (예산 타이트할 때): DeepSeek R2가 AIME 기준 더 정확하고 가격도 절반 이하입니다.

▲ 목차로 돌아가기

Q&A 5가지

▲ 목차로 돌아가기

마치며

Gemini 3.1 Pro는 ARC-AGI-2 하나만 보면 의심할 여지 없이 현재 가장 강한 추론 모델입니다. 그런데 막상 업무 유형을 세분화하면 얘기가 달라집니다. 코딩에서는 Claude Opus 4.6에 지고, 지식 업무에서는 Claude Sonnet 4.6에 더 크게 집니다. 비디오 분석과 대규모 비용 절감, 긴 컨텍스트 처리가 필요한 곳에서는 지금 당장 써볼 가치가 있습니다.

Preview 상태인 만큼 무조건 프로덕션에 올리는 건 좀 더 지켜보는 게 맞습니다. GA 전환 시 가격이 어떻게 바뀌는지도 아직 이유가 공개되지 않은 부분입니다. 지금 단계에서는 자신의 작업 유형을 먼저 정의하고, 그 작업에서 Gemini 3.1 Pro가 이기는 구간인지를 확인한 뒤 판단하는 게 가장 현실적입니다.

▲ 목차로 돌아가기

본 포스팅 참고 자료

1. Google DeepMind — Gemini 3.1 Pro Model Card (2026.02.19)
2. Google 공식 블로그 한국어 — 제미나이 3.1 프로 출시 (2026.02.19)
3. DataCamp — Gemini 3.1: Features, Benchmarks, Hands-On Tests (2026.02.19)
4. WhatLLM.org — Gemini 3.1 Pro Preview: what the .1 actually means (2026.02.20)
5. TechCrunch — Google’s new Gemini Pro model has record benchmark scores (2026.02.19)