Google DeepMind 「Gemini 2 Ultra」 공식 출시——200만 토큰 컨텍스트와 영상 실시간 분석으로 멀티모달 경쟁의 축이 바뀐다

리드

Google DeepMind는 2026년 9월 5일(현지 시간), 「Gemini 2 Ultra」를 Google AI Studio 및 Vertex AI를 통해 일반 공개했다. 컨텍스트 길이 200만 토큰·실시간 영상 분석·입력 $15/MTok라는 세 가지 조합은 멀티모달 API의 설계 기준을 한 단계 끌어올린다. 비용 경쟁에서는 불리하지만, '컨텍스트 길이 × 영상 이해'의 조합은 현시점에서 다른 모델이 보유하지 못한 포지션이다.

무슨 일이 일어나고 있는가

공식 블로그와 동시에 공개된 API 문서에 따르면, Gemini 2 Ultra의 주요 스펙은 다음과 같다.

• 컨텍스트 길이: 2,000,000토큰 (Gemini 1.5 Pro의 2배)
• 입력 단가: $15/MTok, 출력 $60/MTok (Vertex AI 표준 리전)
• 모달리티: 텍스트·이미지·음성·동영상 (최대 3시간)의 실시간 입력
• 벤치마크: MMMU 92.3%, GPQA Diamond 82.1% (2026년 9월 5일 기준 공개 평가 수치)
• 배포: 180개국 이상에서 당일 이용 가능

X에는 발표 직후부터 개발자들의 반응이 집중됐다.

"2M 컨텍스트 + 실시간 영상 분석을 $15/MTok에 쓸 수 있다는 건 구조적으로 다른 이야기다. 3시간짜리 회의 영상을 그대로 던져 넣을 수 있는 API가 현실이 됐다"

배경

Gemini 1.5 시리즈는 2024년에 100만 토큰 컨텍스트를 앞세워 등장했지만, 비용과 속도가 병목이 되어 대규모 엔터프라이즈 도입은 제한적이었다. 2025년 이후 추론 비용의 급락이 순풍이 되어, Google은 Project Astra의 영상 이해 기술을 Gemini 기반에 통합했다. 이번 Ultra는 그 결과물로 자리매김된다.

경쟁사 비교를 보면, Claude 5 Sonnet이 200K 토큰/$3/MTok, OpenAI o3-pro가 128K 토큰/$60/MTok으로 운용되는 가운데, Gemini 2 Ultra는 '긴 컨텍스트 × 영상 × 글로벌 당일'로 독자적인 포지션을 점한다. 정확도 경쟁에서 '컨텍스트 길이 × 모달리티 × 단가의 조합'으로의 이동이 뚜렷해졌다.

주목 포인트

200만 토큰이 바꾸는 '문서 처리'의 단위

150만 단어에 해당하는 컨텍스트를 일괄 처리할 수 있게 됨으로써, 기존에 필수였던 '분할 → 요약 → 재통합' 파이프라인이 불필요해지는 경우가 생긴다. 법률 문서 수백 건·코드 전문·장기 프로젝트의 전체 스레드를 한 번에 다룰 수 있어, 법무·감사·코드 리뷰의 워크플로 설계가 재검토되고 있다.

Project Astra 영상 분석의 상용화 전환점

2025년 Google I/O에서 데모된 영상 인식 능력이 처음으로 API로서 외부에 공개됐다. 최대 3시간의 동영상 스트림을 순차적으로 분석하며 QA·요약·이상 감지를 반환하는 설계는, 제조 라인의 품질 검사·의료 영상 리뷰·감시 영상 자동화 유스케이스에 직결된다. 영상 AI는 '전용 모델'에서 '범용 LLM의 부가 기능'으로 이동하고 있다.

단가 구조가 묻는 ROI

입력 $15/MTok은 Claude 5 Sonnet ($3/MTok)의 5배다. 긴 컨텍스트·영상 분석의 우위성을 비용 증가로 흡수할 수 있는지는 용도에 따라 다르다. 짧은 텍스트·고빈도 태스크는 여전히 Sonnet/Haiku 계열이 유리하며, '분량·빈도·정확도·모달리티'의 4가지 변수로 최적 모델을 선택하는 설계가 개발자에게 요구되는 단계에 접어들었다.

편집부의 시각

Gemini 2 Ultra의 공개로, 멀티모달 API의 경쟁 축이 '정확도'에서 '컨텍스트 길이 × 단가 × 모달리티의 조합'으로 완전히 이동했다고 보는 것이 타당하다. Claude 5 계열이 '비용 × 에이전트 효율', o3-pro가 '고추론 × API 개방', Grok 4가 '실시간 정보 × X 통합'으로 포지션을 잡는 가운데, Google은 '스케일 컨텍스트 × 영상 이해'로 차별화했다.

다만 주의할 점이 있다. Vertex AI의 표준 리전 가격은 $15/MTok이지만, 헬스케어·금융 용도에서는 데이터 처리 조건이 달라질 수 있으며, 도입 전 계약 내용의 면밀한 검토가 필요한 것으로 보인다.

한국 기업 관점에서는 '3시간짜리 한국어 회의 영상을 그대로 분석하는' 기능이 회의록 작성·컴플라이언스 확인의 업무량에 직접적인 영향을 준다. 다만 한국어 성능에 대한 공식 평가 수치는 현시점에서 미공개——이것이 도입 판단의 실질적인 분기점이 될 것이다.

정리

Gemini 2 Ultra는 '긴 컨텍스트', '영상 이해', '글로벌 당일 배포'를 동시에 내세움으로써, 엔터프라이즈 AI 조달의 비교 기준을 확장했다. 다음 주목 포인트는 Anthropic이 컨텍스트 길이에서 어디까지 Google을 추격하는지——그리고 OpenAI가 영상 실시간 분석을 GPT 계열에 통합하는 타이밍이다. 경쟁사의 추격 속도가 이 포지션의 유효 기간을 결정한다.

※이 기사는 미래 뉴스 편집부의 AI 라이터(AI 뉴스)가 작성했습니다.