MIDM K 3.0 Pro vs Gemini 4 Argon: 가격은 10배, 지수는 50점

을 비교하는 가장 저렴한 방법은 Mi:dm K 3.0 Pro와 Gemini 4 Argon스펙 시트가 아니라 나눗셈입니다. Gemini 4 Argon은 입력 토큰 100만 개당 $2.00, 출력 토큰 100만 개당 $10.00이며, Artificial Analysis는 Intelligence Index 작업 하나를 실행하는 비용을 $1.99로 측정합니다. Mi:dm K 3.0 Pro의 비용은 $0.20과 $0.80이고, Intelligence Index 점수가 없으므로 Intelligence Index 작업 비용도 없습니다. 따라서 정직한 프레이밍은 "저렴한 모델 대 비싼 모델"이 아니라, 단위 역량당 비용이 알려진 측정된 모델과 토큰당 비용만 알려진 측정되지 않은 모델을 맞세우는 것이며, 이 두 사실은 서로에서 빼낼 수 없습니다. 할 수 있는 일은 위험에 가격을 매기는 것입니다. 즉, 한국어 모델의 가격 우위가 실제 워크로드와 맞닥뜨린 뒤에도 살아남으려면 점수가 얼마여야 하는지 계산한 다음, 그 숫자가 그럴듯한지 판단하는 것입니다.

2026년 11월 11일 기준 각 모델의 입장

• Gemini 4 Argon — Google이 2026년 9월 30일에 발표했으며 2026년 10월 13일부터 Gemini API에서 정식 제공되었습니다. 1,048,576토큰 컨텍스트, 단일 응답에서 최대 943,718토큰 출력, 텍스트·이미지·오디오·비디오·파일 전반에 걸친 멀티모달 입력을 지원합니다. 가격은 백만 토큰당 입력 $2.00, 출력 $10.00이며 캐시된 입력은 $0.10입니다.

• Mi:dm K 3.0 Pro — 2026년 10월 29일부터 KT의 Token Factory 플랫폼에서 과금되며, 11월 5일에 국제적으로 출시되었습니다. 261,795토큰 컨텍스트, 최대 235,615토큰 출력, 텍스트 입력 및 텍스트 출력. 백만 토큰당 입력 $0.20, 출력 $0.80, 캐시된 입력 $0.04이며, 현재 KT 자체 플랫폼에서 30% 프로모션 할인이 적용됩니다.

• 독립 평가 — Gemini 4 Argon은 Artificial Analysis Intelligence Index에서 52.6점을 기록하고 Vals Index에서 68.90%로 1위를 차지했습니다. Mi:dm K 3.0 Pro는 두 지수 모두에 등재되어 있지 않습니다.

• 아키텍처 — Google은 Argon의 파라미터 수를 공개하지 않습니다. KT는 자사 모델의 파라미터 수를 공개합니다: 총 120B, 활성 12B, 하이브리드 Mamba/MoE/어텐션, NVFP4 전문가가 포함된 체크포인트에서 서빙됩니다.

저렴한 모델이 테스트할 가치가 있는지를 결정짓는 계산

실제 요청에 드는 비용부터 살펴보겠습니다. 30,000토큰 문서를 1,500토큰으로 요약하면 Gemini 4 Argon에서는 입력 $0.06에 출력 $0.015로 청구되어 $0.075입니다. 동일한 요청을 Mi:dm K 3.0 Pro에서 처리하면 $0.006에 $0.0012, 즉 $0.0072로 청구됩니다. 거의 10배 더 저렴합니다.

이제 결정을 바꾸는 부분입니다. Gemini 모델이 해당 요약의 92%를 첫 시도에서 올바르게 처리하고, 측정되지 않은 한국어 모델은 84%를 처리한다고 가정해 보겠습니다. 열 배의 가격에도 순수 토큰 비용에서는 저렴한 모델이 여전히 승리합니다. $0.0072 대 $0.075입니다. 그러나 8%의 실패율 때문에 더 강력한 모델로 두 번째 패스를 해야 하고, 그 두 번째 패스가 검증을 포함하므로 첫 번째보다 비용이 더 든다면, 승인된 요약당 실효 비용은 빠르게 수렴합니다. 이것이 전체 논리이며, "no benchmark"가 편집상의 불평이 아니라 가격 책정상의 사실인 이유입니다.

대신 손익분기점에 숫자를 매겨 보세요. 한국 모델이 검증 가능한 작업에서 열 배 더 저렴하다는 이유로 더 나은 구매가 되려면, 달러당 유용한 출력에서 Argon의 약 10분의 1 이내에 들어야 합니다. Argon의 52.6 지수가 이미 자체 평가에서 알고 있는 작업 성공률에 해당한다면, 문제는 DeepSeek 플래그십 가격의 5분의 1인 120B 하이브리드가 Google 프런티어 모델의 정확도 10포인트 이내에 어디든 들어오느냐입니다. 들어올 수도 있습니다. 아무도 그것을 입증하지 않았고, 입증 책임은 남아 있는 사람이 아니라 이전하는 사람에게 있습니다.

작업당 비용, 즉 Artificial Analysis가 실제로 공개하는 수치

Argon의 인덱스 작업당 $1.99는 이해할 가치가 있습니다. 이는 토큰 가격과 같은 의미가 아니며, 모델 간 비교를 정직하게 만드는 수치이기 때문입니다.

이 지수는 점수를 얻는 데 필요한 토큰 지출 대비 점수를 정규화하므로, 작업당 장황하고 비용이 많이 드는 모델은 요금표가 시사하는 것보다 더 나쁘게 보인다. Argon의 $1.99로 Intelligence Index v5.0.1을 구성하는 9개 평가 스위트를 한 번 실행할 수 있다 — AA-Briefcase, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience, GDP.pdf, HLE-Diamond, CritPt v2, Terminal-Bench-Science. Argon에 대해 전체 스위트를 한 번 실행하는 비용은 $2,407이다. 같은 대역의 더 저렴한 모델인 GLM-5.3의 경우 비용은 $2,503이다 — 표면 요금은 더 낮음에도 더 많은 비용이 드는데, 이 모델이 같은 작업을 끝내는 데 더 많은 토큰을 사용하기 때문이다.

그런 역전이 순수한 요금표 비교를 신뢰해서는 안 되는 이유다. $2와 $10짜리 모델이 $1.40과 $4.40짜리 모델보다 운영 비용이 더 저렴할 수 있다. 생각을 덜 하고 더 짧게 답한다면 말이다. Mi:dm K 3.0 Pro의 넉넉한 235,615토큰 출력 한도와 노출된 추론 추적은 둘 다 반대 방향으로 작용한다. 추론과 긴 답변을 내보낼 수 있는 모델은 실제로 그렇게 할 것이며, 청구서는 그렇게 매력적으로 보이는 입력 가격이 아니라 출력 토큰을 따른다.

멀티모달 입력은 기능 격차가 아니라 파이프라인 격차입니다

Argon은 텍스트, 이미지, 오디오, 비디오 및 파일을 입력으로 받습니다. Mi:dm K 3.0 Pro는 텍스트를 입력으로 받습니다. 이 문장은 체크박스처럼 들리지만 실제로는 팀이 구축해야 하는 것의 아키텍처적 차이입니다.

Argon의 문서 워크플로는 PDF를 전송합니다. Mi:dm K 3.0 Pro의 문서 워크플로는 추출된 텍스트를 전송하는데, 이는 모델 앞단에 OCR 또는 파싱 단계가 있다는 뜻이며, 이는 두 번째 벤더, 두 번째 장애 유형, 그리고 $0.20 요율에는 나타나지 않는 두 번째 비용 항목을 의미합니다. 깨끗한 디지털 PDF 코퍼스의 경우 추출 단계는 저렴하고 안정적입니다. 스캔한 양식, 대시보드 스크린샷, 슬라이드 덱, 녹음된 통화의 경우 추출 단계가 바로 오류가 발생하는 지점이며, 모델 가격이 아무리 저렴해도 표를 엉망으로 만드는 파서를 상쇄할 수는 없습니다.

오디오와 비디오를 사용하는 워크로드에서는 오디오와 비디오가 논의를 완전히 종결짓습니다. 통화 녹음을 들을 수 없는 모델은 전사 분석을 위한 더 저렴한 옵션이 아니라, 범주 밖입니다.

컨텍스트: 1M 대 262K, 그리고 각 숫자가 실제로 무엇을 위한 것인지

Argon의 백만 토큰 창은 943,718토큰의 출력 상한과 결합되는데, 이는 흔치 않은 조합입니다. 대부분의 모델은 긴 입력과 그보다 훨씬 짧은 출력을 제공하기 때문입니다. Google의 설명 자료는 이를 장시간 디코딩 지원이라고 표현합니다. 즉, 단일 응답이 약 백만 토큰을 담을 수 있다는 것입니다. 이는 단지 문서를 읽는 능력이 아니라 문서를 생성하는 능력입니다.

Mi:dm K 3.0 Pro의 261,795개 입력은 235,615개 출력과 짝을 이루며, 비례적으로 비슷합니다 — 모델은 읽을 수 있는 만큼 거의 쓸 수 있습니다. 차이는 절대적인 상한입니다. 25만 토큰은 약 190,000단어로, 큰 책 한 권 분량입니다. 100만 토큰은 책 네 권 분량입니다.

두 상한 모두 대부분의 워크로드가 어느 쪽도 건드리지 않을 만큼 넉넉합니다. 격차가 실제로 문제가 되는 지점은 2026년에 일상이 된 사례입니다. 저장소 전체를 보유하는 에이전트, 또는 긴 도구 결과 체인을 누적하는 연구 작업이 그것입니다. 이런 작업은 262K를 넘어 계속 커지며, 우회 방법인 압축, 요약, 검색은 바로 에이전트 하네스에서 정보를 잃는 부분입니다. Argon의 윈도는 또 다른 738,000 토큰에 대해 그 실패 모드를 제거합니다.

한국어, 그리고 한국어 모델이 실제로 가지고 있는 경우

구글은 한국어를 위해 특별히 학습하지 않는다. 구글은 모든 것을 학습하며, 한국어는 그 모든 것 중 하나일 뿐이다. KT는 한국어 텍스트를 겨냥한 모델을 네 세대에 걸쳐 구축해 왔는데, Mi:dm 2.0의 한국 중심 12B 및 2B 출시부터 이번 모델에 이르기까지 이어졌으며, 기업용 자료에서는 이 제품군이 한국 사회, 문화, 도메인 지식에 맞게 튜닝되었다고 설명한다.

그 차이는 도메인 튜닝이 언제나 그렇듯이 실재합니다. 국내 고객 서비스, 규제 및 공공 부문 텍스트의 어휘와 레지스터에서는 측정 가능하고, 영어 코딩 벤치마크에서는 보이지 않습니다. 여러분의 코퍼스가 한국어 콜센터 녹취록이라면, 그 레지스터로 훈련된 모델은 프런티어 모델이 이길 것이라고 가정하기 전에 시험해 볼 가치가 있습니다. 여러분의 코퍼스가 영어 소프트웨어라면, 그 튜닝은 아무 가치가 없고 262K 상한은 Argon의 100만보다 가치가 낮습니다.

테스트는 저렴하며, 그것을 판가름할 유일한 방법입니다. 자체 한국어 코퍼스에서 실제 항목 200개를 뽑아 두 모델 모두에 구조화된 출력을 생성하게 하고, 보류된 정답 키와 대조해 점수를 매기세요. $0.20과 $0.80 기준으로 그 실험에서 한국어 모델이 맡은 절반의 비용은 1달러 훨씬 아래이고, Argon이 맡은 절반은 약 8달러입니다. 이 특정 결정에는 어떤 공개 지수보다 이 결과가 더 가치 있습니다. 그 지수는 당신의 데이터로 만들어지지 않았기 때문입니다.

핵심 하나를 살펴보고, 그것이 무엇을 바꾸는지

Gemini 4 Argon이 OrcaRouter에 google/gemini-4-argon으로 Google의 정가에 마크업 없이 출시되었습니다 — 입력 $2.00, 출력 $10.00, 캐시 읽기 $0.10 — 동일한 엔드포인트와 동일한 인보이스에서 200개 이상의 다른 모델과 함께 제공됩니다. Mi:dm K 3.0 Pro는 KT에서만 제공되며, 저희는 이를 라우팅하지 않으며, 어디에도 두 번째 제공업체가 없습니다.

이러한 비대칭성은 대부분의 모델 비교에서보다 여기서 더 중요합니다. 두 모델이 위험 프로필의 양 극단에 있기 때문입니다. Argon은 라우팅 모델입니다. Google의 엔드포인트가 느려지거나 오류를 내면 라우팅 규칙이 애플리케이션이 알아채지 못하는 사이 요청을 다른 모델로 옮길 수 있습니다. Mi:dm K 3.0 Pro는 한 회사의 인프라를 직접 호출하는 방식이며, 지난 하루 동안의 100% 가용성 수치는 그 단일 엔드포인트에 대한 측정치입니다 — 정직한 측정치이며 보장은 아닙니다. 페일오버할 대상이 없기 때문입니다.

실용적인 패턴은 반드시 성공해야 하는 모든 요청에는 Argon을 라우팅 기본값으로 유지하고, 실패한 요청을 단순히 재시도하거나 버려도 되는 대량 처리 티어에는 자체 타임아웃과 폴백을 둔 채로 한국어 모델을 직접 호출하는 것입니다. OrcaRouter에서는 폴백 규칙이 재시도에 사용할 더 저렴한 모델을 지정할 수 있는데, 이렇게 하면 저렴한 엔드포인트가 문제를 일으키더라도 10배 저렴한 실험이 저렴한 상태로 유지됩니다. 우리가 할 수 없는 것은 Mi:dm K 3.0 Pro 자체로 페일오버하는 것입니다. 왜냐하면 하나의 제공자는 하나의 문이기 때문입니다.

각 모델이 무엇을 위한 것인지, 간단명료하게 정리

Gemini 4 Argon은 입력이 지저분하거나 맥락이 길거나 결과물이 중요한 작업을 위한 모델입니다. 이미지, 오디오, 비디오를 읽고, 100만 토큰을 보유하며, 거의 100만 토큰을 작성하고, 독립 지수에서 52.6점을 기록하며, Vals Index에서 68.90%로 1위를 차지합니다. 금융, 법률, 코딩, 세무 벤치마크에서 차순위 모델을 5점 차로 앞서는 것은 큰 격차입니다. 비용은 한국 모델의 10배이고, 인덱스 작업당 Claude Opus 5.5 비용의 약 5분의 1로, 최전선 대역의 최상위가 아니라 중간에 위치합니다.

Mi:dm K 3.0 Pro는 입력이 텍스트이고, 컨텍스트가 25만 토큰 이내에 들어가며, 출력을 검증할 수 있고, 대량 처리가 주를 이루는 작업에 적합합니다. 같은 가격대의 대부분 모델보다 더 큰 출력 한도를 갖추었고, 정말 흥미로운 하이브리드 아키텍처를 사용하며, 제공사가 한 곳뿐이고, 공개된 평가는 어떤 종류도 없습니다. KT 자체 플랫폼에서의 $0.14 및 $0.56 프로모션 가격은 이 가격이 유지되는 동안 대량 사용의 명분을 더욱 강화합니다.

두 문단 사이의 간격은 품질에 대한 판정이 아니라, 판정이 없다는 사실을 뜻한다. 점수가 없는 모델은 나쁜 모델이 아니라 미지의 모델이며, 미지의 모델은 마이그레이션되기 전에 소규모로 테스트된다. 권고는 이것이 전부다. 답이 정확해야 하는 곳에는 Argon을, 답이 저렴해야 하고 누군가 검증하고 있는 곳에는 한국어 모델을, 그리고 다음 워크로드가 둘 중 어느 쪽에 해당하는지 알아내기 위해 자체 코퍼스로 200개 항목 테스트를 하라.