Kanji
・클라우드 엔지니어 / 프리랜서 ・1993년생 ・에히메현 출신 / 도쿄도 시부야구 거주 ・AWS 경력 5년 프로필 상세
목차
Antigravity 모델 목록에 Carbon, Argon, Hydrogen과 Orchestrator가 추가되면서 가장 먼저 드는 고민은 “결국 어느 모델이 가장 강력한가?”입니다. 실제 저장소에서 구현과 검증을 반복하며 내린 저의 결론은 작업 난이도·반복 횟수·실패 비용에 따라 모델을 전환하는 것 입니다.
Carbon, Argon, Hydrogen, Orchestrator는 Antigravity 측의 제공 명칭입니다. 제공사 간 동일 조건 벤치마크나 각 명칭과 기반 모델의 완전한 대응표가 공개되지 않은 항목은 수치 기반 종합 순위에 넣지 않았습니다. 미공개 수치를 추측해 비교하기보다 공개된 평가 조건과 실제 저장소의 인수 테스트로 선택하는 편이 안전합니다.
모델 선택지가 한꺼번에 늘어난 것처럼 보이는 배경에는 Antigravity 자체가 ’단일 코딩 보조 도구’에서 복수 모델을 조합해 쓰는 에이전트 개발 기반으로 확장해 온 흐름이 있습니다.
따라서 현재 목록은 단순한 성능 순위가 아닙니다. Argon / Carbon / Hydrogen은 모델의 역할, Orchestrator는 복수 모델을 상황에 맞춰 조합하는 실행 방식 으로 이해하면 선택하기 쉽습니다. 공식 발표에 따르면 Orchestrator는 Terminal-Bench 4.1에서 Carbon 단독에 가까운 작업 성공률을 유지하면서 평균 24% 적은 쿼터 소비, 19% 빠른 완료 시간을 기록했습니다. 다만 평가 조건이 자신의 저장소나 요금제와 일치하지 않을 수 있으므로 실무 작업 평가로 확인해야 합니다.
서로 다른 벤더의 자체 발표 점수를 한 줄로 세우면 프롬프트, 도구, 시도 횟수, 평가 시점이 달라 오독을 부릅니다. 따라서 이 글에서는 다음 순서로 판단합니다.
특히 코딩 에이전트에서는 SWE-bench 같은 단일 지표뿐 아니라 기존 테스트를 깨지 않는지, 변경 범위를 지키는지, 리뷰 시 수정 횟수가 몇 번인지까지 봐야 합니다.
아래 표의 ’적합한 작업’과 ’피해야 할 상황’은 공식 벤치마크 종합 순위가 아니라 본 글의 실무 운용 권장안입니다. 각 사의 공식 주장은 다음 절에서 출처와 함께 별도로 구분합니다.
이 절의 수치와 성능 주장은 각 사의 공식 발표에 기반합니다. 위 표의 운용 권장안과는 별개이며, 서로 다른 제공원의 수치를 합산한 순위가 아닙니다.
Google DeepMind의 Gemini 4 Carbon 모델 카드 (2026년 10월 기준)에는 Gemini 4 Carbon, Gemini 4 Argon, Claude Opus 5.5를 포함한 동일 평가표가 게재되어 있습니다.
위 점수는 Google이 공개한 평가 조건·도구 설정에서의 결과입니다. 모델 카드의 Gemini 4 Carbon 과 Antigravity 화면의 Gemini 4 Carbon Medium 이 완전히 동일한 제공 설정인지는 공개 정보만으로 단정할 수 없으므로 모델 카드의 성능 비교표 로 참고하시기 바랍니다.
Gemini 4 Carbon
Gemini 4 Carbon Medium
Hydrogen과 Orchestrator는 Antigravity 공식 블로그 발표 에서 다음 수치가 공개되었습니다.
Orchestrator의 24%·19% 수치는 Carbon과 Hydrogen을 작업 진행에 따라 전환하는 실행 방식의 효율을 뜻하며, 단일 모델 품질이 24% 올라간다는 의미가 아닙니다.
Anthropic의 공식 발표에 따르면 Claude Opus 5.5는 터미널 작업 평가에서 이전 세대 대비 호출 횟수를 약 40% 줄이고 토큰 사용량을 절반으로 줄였으며, Claude Sonnet 5.5는 Sonnet 5 대비 30% 이상 빠르고 최대 30% 저렴합니다. 이는 ’어려운 작업만 Opus, 평소에는 Sonnet’이라는 분담을 뒷받침합니다.
UI 문구, 정규표현식, 단일 함수, 로그 1차 분류는 응답 속도가 전체 작업 시간을 좌우합니다. 먼저 Gemini 3.8 Flash 또는 Hydrogen을 쓰고 다음 중 하나라도 발생하면 즉시 Argon으로 올립니다.
요구사항부터 구현, 테스트, 리뷰까지 한 세션으로 돌리는 표준 틀입니다. Argon과 Sonnet 5.5 중 어느 쪽이 나은지는 동일한 성격의 티켓에서 테스트 통과까지의 총 턴 수와 diff의 가독성으로 결정하는 것이 실무적입니다.
인가·결제·데이터 마이그레이션·프로덕션 장애·대규모 리팩터링에서는 처음부터 Carbon 또는 Opus를 선택하되 다음 분업을 적용합니다.
Orchestrator는 단일 실행 궤적(single trajectory) 내 에서 Carbon과 Hydrogen을 양방향으로 전환합니다. 사용자가 별도 채팅창으로 수동 이동하며 매번 저장소를 다시 읽게 하는 운용과는 구별해야 합니다.
모델 전환 시 내부에서 대화 이력·도구 출력·파일 읽기 결과가 어느 입도로 공유·재사용되는지는 공개되지 않았습니다. 의존 관계가 강한 작업이나 거대한 로그를 반복 참조하는 작업에서는 단일 모델을 유지하는 편이 더 빠르고 안정적일 수 있습니다.
Antigravity 목록의 GPT-OSS 120B는 자체 호스팅이 아닌 Antigravity 상에서 이용하는 선택지 로 평가합니다. 동일한 지시와 인수 테스트에 대해 지시 추종성, 구조화 출력, 도구 호출 안정성, 수정 턴 수를 비교합니다.
모델 선택을 인상론에 맡기지 않으려면 최소 4주간 같은 종류의 티켓에서 다음 지표를 기록합니다.
Antigravity의 모델 선택은 단일 랭킹으로 결정하는 것이 아닙니다. 고속 경량(Flash / Hydrogen), 일상 개발 표준(Argon / Sonnet), 중요 변경용 고추론(Carbon / Opus), 병렬 분할(Orchestrator), 오픈웨이트 비교(GPT-OSS 120B)를 역할별로 나누어 실측을 쌓는 것이 가장 재현성 높은 선택법입니다.
공개 정보 확인일: 2026년 11월 13일. 벤치마크, 요금, Antigravity 제공 모델은 업데이트될 수 있으므로 실운용 전 각 제공원의 최신 모델 카드와 콘솔 표기를 확인하시기 바랍니다.
실전 같은 AI 음성 모의 통화와 5축 정밀 피드백. 16강 인터랙티브 강의와 스튜디오급 AI 프로필 생성 지원.
영수증 촬영 즉시 Gemini AI가 품목과 금액을 자동 인식. 모임 및 여행 경비를 손쉽게 더치페이하고 정산합니다.
점술사, 집사, 바텐더 AI 캐릭터가 직접 게임을 진행하고 대화 주제를 던져 모임을 흥미진진하게 만듭니다.
Real-time AI quant analysis of corporate earnings reports.
人工甘味料や添加物のNG除外と有効成分あたりの実質単価比較データベース。
Antigravity, Kiro, Claude Code, Codex를 지원하는 범用 AGENTS.md, hooks.json, Git 가드 스크립트 및 검증 도구 일체를 다운로드하여 즉시 실무에 적용하세요.
