Google I/O 2026이 그린 Gemini·Antigravity AI 플랫폼 전략

발표의 중심은 모델 하나가 아니었다

Google I/O 2026에서 Gemini 3.5 Flash GA, 영상까지 다루는 네이티브 멀티모달 생성 모델 Gemini Omni, 에이전트 코딩 플랫폼 Antigravity 2.0이 잇달아 공개됐다. 각각 경량 추론, 멀티미디어 생성, 개발 자동화를 맡지만 방향은 같다. Google의 기존 제품과 클라우드를 하나의 AI 플랫폼으로 묶는 것이다.

Gemini의 월간 활성 사용자는 전년 동기 4억 명에서 9억 명으로 2배 이상 늘었다. Google Workspace와 Android 생태계의 긴밀한 통합이 성장의 주된 동력이었다.

Gemini 3.5 Flash가 여러 입력을 다루는 방식

Gemini 3.5 Flash는 프론티어 성능보다 훨씬 낮은 비용과 지연 시간을 목표로 만든 경량 모델이다. 설계의 중심에는 모달리티 통합(modality unification)이 있다. 텍스트와 이미지, 오디오, 비디오를 완전히 분리된 흐름으로 처리하지 않고 단일 토큰 공간으로 변환해 함께 다룬다.

⤢✕

비디오는 시간적 다운샘플링(temporal downsampling)이 관건이다. 30fps 영상을 그대로 처리하면 컨텍스트 길이가 급격히 증가한다. Gemini 3.5 Flash는 적응형 프레임 샘플링(adaptive frame sampling)을 적용해 동작이 많은 장면에서는 샘플링 빈도를 높이고, 정적인 장면에서는 낮춘다.

오디오 입력은 Conformer 기반 인코더를 거치며 1초당 50개의 토큰으로 변환된다. 크로스 모달 어텐션 레이어가 이 토큰을 언어 모델의 토큰 공간과 정렬해 음성과 텍스트의 의미를 연결한다.

필요한 전문가만 활성화하는 추론 구조

지연 시간을 줄이는 기반은 Sparse Mixture of Experts(MoE)다. 각 토큰을 처리할 때 전체 파라미터 가운데 20-30%만 활성화해 Gemini 3.1 Pro 대비 추론 비용을 4분의 1 수준으로 낮췄다.

최적화 기법	효과	트레이드오프
Sparse MoE	FLOP 75% 절감	전문가 선택 오버헤드
8비트 양자화	메모리 50% 절감	정확도 0.3% 하락
KV 캐시 공유	반복 쿼리 60% 속도 향상	캐시 무효화 로직 복잡성
투기적 디코딩	2-3배 속도 향상	드래프트 모델 추가 필요
배치 처리	GPU 활용률 90%+	단건 지연 시간 증가

Google Cloud의 Gemini API는 사용 사례에 따라 엔드포인트를 나눈다. 실시간 채팅은 streaming, 대규모 문서 처리는 batch, 임베딩 생성은 embedding 엔드포인트를 사용하며 각각 독립적으로 관리된다.

허용 가능한 지연에 따라 달라지는 배치 비용

대규모 배포에서는 처리 시점이 비용 구조를 좌우한다. 동기 배치(synchronous batch)는 요청을 모아 처리하면서도 응답 지연을 수초 이내로 유지하는 방식으로, 토큰당 비용이 실시간 처리보다 40% 낮다.

비동기 배치(asynchronous batch)는 수 시간 안에 완료해도 되는 대량 작업을 대상으로 한다. 토큰당 비용은 실시간 대비 75% 절감되며 야간 배치, 대규모 문서 색인, 데이터셋 레이블링에 활용된다.

⤢✕

Gemini Omni는 모달리티를 한 흐름에서 생성한다

기존 멀티모달 모델은 모달리티별 입력을 독립적으로 인코딩한 뒤 결과를 융합하는 방식을 주로 사용했다. Gemini Omni는 텍스트, 이미지, 오디오, 비디오를 단일 토큰 공간에서 함께 생성하는 네이티브 멀티모달 생성(native multimodal generation)을 지향한다.

이 구조에서 크로스 모달 어텐션(cross-modal attention)은 모달리티 사이의 의미를 맞추는 역할을 한다. 텍스트 토큰은 이미지 패치 토큰에 어텐션을 적용하고, 오디오 토큰과 텍스트 토큰도 서로 어텐션을 주고받는다.

⤢✕

텍스트를 만든 뒤 이미지와 오디오를 차례로 생성하는 파이프라인과 달리, Omni의 출력은 서로를 조건으로 삼는다. 텍스트 설명이 이미지 생성의 가이드가 되고, 이미지의 시각적 특성은 오디오의 분위기에 영향을 준다. 이 상호 조건화가 최종 결과물의 모달리티 간 일관성을 높인다.

공유 잠재 공간과 모달리티별 생성 헤드

생성 단계에서는 모달리티마다 별도의 디코더를 사용한다. 다만 각 디코더가 독립적으로 움직이는 것은 아니다. 모두 공유 잠재 공간(shared latent space)의 조건을 받아 결과를 만든다.

[생성 헤드 아키텍처]
공유 트랜스포머 백본
├── 텍스트 생성 헤드 (AR 디코더)
│   └── BPE 토크나이저 역변환
├── 이미지 생성 헤드 (확산 모델 디코더)
│   └── VAE + 잠재 확산 프로세스
├── 오디오 생성 헤드 (음성 합성 디코더)
│   └── EnCodec 기반 음향 토크나이저
└── 비디오 생성 헤드 (시간적 확산 디코더)
    └── 프레임 간 일관성 레이어

대화형 편집 워크플로(interactive editing workflow)도 이 분리 구조를 활용한다. 사용자가 초기 결과를 받은 뒤 자연어로 수정을 요청하면 전체 결과를 다시 만들지 않고 지정한 부분만 조건부 재생성(conditional regeneration)한다. 예를 들어 배경 음악의 템포를 조금 빠르게 바꾸라는 요청에는 오디오 헤드만 활성화하고 텍스트와 이미지는 유지한다.

Antigravity 2.0이 겨냥하는 개발 워크스페이스

Antigravity 2.0은 Gemini 3.5 Flash를 기반으로 하는 멀티에이전트 코딩 워크스페이스다. GitHub Copilot, Cursor, Windsurf와 경쟁하며, Google Cloud 생태계와의 연결을 전면에 둔다.

⤢✕

차별점은 Google Cloud 서비스에 대한 네이티브 통합이다. Cloud Run, Cloud Functions, BigQuery, Spanner, Vertex AI의 도메인 지식을 갖춘 특화 에이전트가 Google 클라우드 아키텍처의 설계와 구현을 지원한다. AWS Bedrock 기반 코딩 에이전트나 Azure AI 통합과 비교하면 Google 클라우드 네이티브 사용자에게 직접적인 이점이 생기는 지점이다.

Google은 Antigravity Extension SDK도 공개했다. 서드파티 개발자는 이를 이용해 특화 에이전트를 만들고 마켓플레이스에 등록할 수 있다.

기존 제품을 타고 확장된 Gemini 사용자 기반

Gemini의 월간 활성 사용자가 9억 명에 도달한 배경에는 기존 Google 제품을 활용하는 생태계 전략이 있다.

제품 통합	기여 사용자 규모	통합 방식
Google Search AI Overview	4.2억 명	검색 결과 내 AI 요약
Google Workspace (Gmail, Docs)	2.1억 명	Gemini 사이드바
Android Gemini 어시스턴트	1.8억 명	시스템 레벨 통합
YouTube 멀티모달 기능	0.9억 명	동영상 요약·Q&A
Google Maps AI	0.5억 명	장소 설명·리뷰 분석

별도의 앱 설치나 계정 생성을 요구하지 않고 기존 서비스 안에서 Gemini 기능을 접하게 하는 마찰 없는 진입(frictionless entry)이 확장의 핵심이다. 사용자가 고급 기능을 경험한 뒤 Gemini Advanced 유료 구독으로 이동하도록 연결하는 깔때기 구조도 여기에 포함된다.

기본 제공 모델이 Gemini 1.5 Flash에서 3.5 Flash로 바뀌면서 무료 사용자도 향상된 멀티모달 기능을 경험하게 됐다. 이는 사용 빈도와 만족도의 동반 상승으로 이어졌다.

규모·통합·비용으로 만든 시장 위치

Google의 포지셔닝은 규모(scale), 통합(integration), 비용(cost)을 함께 묶는 방식이다.

월간 활성 사용자 9억 명은 OpenAI ChatGPT의 약 6억 명과 Anthropic Claude의 약 2억 명보다 크다. 이 기반은 피드백 데이터 수집과 광고 기반 수익 모델을 뒷받침한다.

Google Workspace, Android, Chrome, YouTube, Google Cloud를 아우르는 수직 통합은 경쟁사가 단기간에 복제하기 어려운 해자(moat)다. API 비용도 별도의 경쟁축이다. Gemini 3.5 Flash의 가격은 M tokens당 $0.075/$0.30이며, GPT-5.5 Instant의 $3/$12와 비교하면 약 25분의 1 수준이다. 대규모 배포일수록 이 차이는 크게 작용한다.

⤢✕

남은 약점은 코딩 에이전트의 최상위 성능이다. Claude Opus 4.7의 SWE-bench 87.6%보다 뒤지는 부분은 Antigravity 2.0이 해결해야 할 과제로 남아 있다. Google의 선택은 최고 성능 하나에 집중하기보다 최대 사용성과 비용 효율성을 바탕으로 시장 점유율을 넓히는 쪽에 가깝다.

Google I/O 2026에서 나온 발표는 개별 모델 출시 이상의 의미를 갖는다. Gemini 3.5 Flash는 경량 멀티모달 처리를, Gemini Omni는 네이티브 멀티모달 생성을, Antigravity 2.0은 에이전트 코딩 환경을 담당한다. 9억 명의 사용자 기반이 피드백과 데이터 축적의 구조적 우위를 만들고, Google Cloud 네이티브 통합이 엔터프라이즈 개발자에게 연결점을 제공한다. 최상위 코딩 성능의 격차가 남아 있더라도 규모와 통합, 비용을 결합한 플랫폼 전략은 Google의 지속 가능한 시장 위치를 뒷받침한다.