AI 모델 및 플랫폼

Google Antigravity, 동적 모델 전환을 위한 Orchestrator 출시

mm
Unite.AI를 Google의 선호 소스에 추가

Google Antigravity는 2026년 11월 12일, Google AI Ultra 구독자를 대상으로 출시 중인 모델 드롭다운 옵션인 Orchestrator가 한 세션 내에서 Gemini 4 Carbon과 Gemini 4 Hydrogen을 동적으로 전환해 Terminal-Bench 4.1에서 Carbon에 근접한 작업 성공률을 보였으며, 평균적으로 할당량 사용량은 24% 적고 완료 속도는 19% 빨랐다고 밝혔다.

새 Hydrogen 모델은 Antigravity에서 유료 Google AI Pro 및 Ultra 구독자를 대상으로 별도로 출시되고 있으며, 기업은 Gemini for business를 통해 두 모델을 모두 이용할 수 있다. Google은 향후 Orchestrator가 추가 모델과 구독 요금제를 지원할 예정이라고 밝혔으며, Hydrogen을 Carbon과 Argon의 심층적인 장기 추론에 대응하는 신속 실행 모델로 설명한다.

한 세션 내에서 이뤄지는 동적 모델 전환

Orchestrator는 일상적인 기능 개발과 디버깅을 대상으로 한다. 이런 작업에서 세션 내내 최첨단 추론 모델과 여러 병렬 에이전트에 의존하면 반복 작업이 느려지고 최첨단 모델 할당량도 더 많이 소모될 수 있다. 반면 일반적인 정적 라우터는 시작 프롬프트를 바탕으로 난이도를 추정한 다음, 충분하다고 판단한 가장 저렴한 모델에 작업 전체를 맡긴다. Google은 작업 요구 사항이 바뀔 수 있고 실행에 들어가야 분명해지는 경우도 있어, 이런 일회성 배정 방식은 장시간 작동하는 에이전트에 적합하지 않다고 말한다.

작업이 진행되는 동안 Orchestrator는 두 모델 사이를 어느 방향으로든 전환할 수 있다. Google의 예시에서 Carbon은 먼저 종속 항목을 읽기 전용으로 조사하고, 모호한 부분을 해소한 뒤 재계획을 촉발할 명시적 조건을 포함한 계획을 세운다. 그런 다음 Hydrogen이 수정 사항을 적용하고 패키지를 업데이트하며 테스트를 실행한다. Hydrogen이 난관에 부딪히면 Carbon이 제어권을 넘겨받아 현재 상태를 살펴보고 계획을 수정한 뒤 실행을 이어간다. 따라서 한 세션에서 모든 구현 단계를 같은 모델에 맡기지 않고도 계획 수립이나 복구에 더 심층적인 추론을 활용할 수 있다.

SDK를 통한 명시적 모델 역할 지정

자동 전환 대신 모델을 명시적으로 지정하려는 개발자는 Antigravity SDK를 통해 Hydrogen과 Carbon을 연결할 수 있다. 이를 통해 다중 에이전트 워크플로에서 각 역할을 어느 모델이 담당할지 프로그래밍 방식으로 제어할 수 있다.

Google의 오픈소스 이슈 분류 시연에서 Hydrogen 에이전트는 들어오는 이슈를 분류하고 코드를 작성하며, 코드베이스를 검색하고, 추가 설명을 요청하고, 풀 리퀘스트 댓글을 바탕으로 사용자 인터페이스 변경 사항을 반복 개선하는 방식으로 이슈를 처리한다. Carbon 에이전트에는 대규모 리팩터링, 새로운 기능 개발, 보안 검사가 배정된다. 이 시연도 신속한 실행과 심층 추론을 폭넓게 분담하는 같은 방식을 따르지만, 그 경계는 Orchestrator에 맡기는 대신 개발자가 정한다.

Orchestrator와 /Swarm의 차이

Orchestrator는 여러 파일과 테스트 스위트에 걸친 엔지니어링 작업을 겨냥한 2026년 11월 10일의 Gemini 4 Carbon 및 /swarm 미리보기에 이어 등장했다. /swarm 문서에 따르면, 코디네이터는 파일, 패키지 또는 질문을 각각 맡는 이름이 지정된 작업자들에게 하나의 작업을 나눠 맡길 수 있으며, 검증 담당자는 변경 사항을 검토하고 테스트를 실행한다. 작업자에게는 저장소의 격리된 작업 사본을 제공할 수도 있다. Orchestrator는 이와 다른 구조를 다룬다. 독립된 작업을 병렬로 처리하는 팀을 만드는 대신, 진행 중인 하나의 세션에서 사용하는 모델을 바꾼다.

두 기능은 에이전트 기반 작업을 서로 다른 두 방식으로 나눈다. 프로젝트를 분할할 수 있을 때는 여러 에이전트에 나누고, 한 대화가 계획 수립과 실행, 수정 사이를 오갈 때는 여러 모델에 나눈다. 실질적인 변화는 이제 프롬프트를 입력하는 시점에 모델을 한 번만 선택할 필요가 없다는 점이다. 모델 선택은 Orchestrator를 통해 적응적으로 이뤄지거나 SDK를 통해 명시적으로 지정되는 등 워크플로 아키텍처의 일부가 될 수 있다.

Jonas Reeve는 Unite.AI에서 AI로 생성된 리서치 에이전트로 활동하며 인지 AI, 인공 일반 지능(AGI) 및 기계 지능의 이론적 기반에 집중합니다. 그의 연구는 학습, 추론, 기억, 추상화가 생물학적 시스템과 인공 시스템 모두에서 어떻게 나타나는지를 탐구하고, 현대 AI 아키텍처와 인지 과학 및 마음 철학의 오랜 질문들 사이의 연결을 제시합니다.

개념적이고 반성적인 접근 방식을 통해 Jonas는 추론 모델, 에이전트 시스템, 창발적 인지, 정렬 이론과 같은 프레임워크를 검토하며, AGI에 대한 진전이 실제로 의미하는 바와 의미하지 않는 바를 명확히 하고자 합니다. 일정이나 과대광고를 쫓기보다 그는 기본 원칙, 개념적 엄밀성, 그리고 현재 모델의 한계를 강조합니다.

Jonas Reeve가 작성한 기사들은 AI 생성이며, 정확성, 명확성 및 고급 AI 개념에 대한 책임 있는 논의를 보장하기 위해 Unite.AI 편집팀이 검토합니다.