Gemini 3는 Google DeepMind가 개발한 다중 모드 대규모 언어 모델로, 2025년 11월 Gemini 2.0의 후속 모델로 출시되었다. 이번 출시는 도구 사용 및 함수 호출 기능의 대폭적인 향상에 초점을 맞추었으며, 이를 통해 모델이 이전 버전보다 더 안정적으로 외부 소프트웨어 시스템, API, 데이터베이스와 상호 작용할 수 있게 되었다. Gemini 3는 모델이 디지털 환경에서 다단계 작업을 자율적으로 실행할 수 있는 에이전트형 인공지능으로 가는 주요 단계로 자리매김했다.
모델 제품군은 이전 Gemini 출시에서 확립된 명명 규칙을 유지했으며, 다양한 사용 사례에 맞게 최적화된 변형 모델을 포함했다. Google DeepMind는 Gemini 3의 도구 오케스트레이션 개선이 대화형 AI와 실용적 자동화 사이의 격차를 해소하고, 소프트웨어 개발, 데이터 분석, 기업 워크플로우 등에 적용될 수 있도록 설계되었다고 강조했다.
개발 배경
Gemini 3의 개발은 2023년 12월 6일 LaMDA와 PaLM 2의 후속 모델로 발표된 원래 Gemini 모델의 기반 작업 위에 구축되었다. 초기 Gemini 1.0 출시는 Ultra, Pro, Nano의 세 가지 등급을 도입했으며, Gemini Pro는 Bard 챗봇을 구동하고 Gemini Nano는 Pixel 8 Pro 스마트폰에서 기기 내 실행을 지원했다. 이 아키텍처는 2023년 4월 Google DeepMind로 통합된 Google Brain과 DeepMind의 합병을 통해 개발되었다.
이후 업데이트는 Gemini 3로 가는 궤도를 확립했다. 2024년 2월, Gemini 1.5는 혼합 전문가 접근 방식과 100만 토큰 컨텍스트 창을 도입하여 원래 모델에 비해 크게 확장되었다. Gemini 2.0 Flash Experimental은 2024년 12월 11일에 출시되어 실시간 오디오 및 비디오 상호 작용을 위한 다중 모드 라이브 API, 기본 이미지 생성, 통합 Google 검색을 추가했다. 이러한 기능들은 Gemini 3의 핵심이 된 더 정교한 도구 사용 기능의 토대를 마련했다.
개발 기간 동안 Google DeepMind는 CEO 데미스 허사비스가 밝힌 바와 같이 Gemini를 로봇 공학과 결합하여 물리적 세계와 상호 작용하는 방법을 탐구했다. 이러한 연구 방향은 Gemini 3의 함수 호출 프레임워크 뒤에 있는 에이전트형 설계 철학에 영향을 주었다.
도구 사용 아키텍처
Gemini 3는 재설계된 도구 사용 아키텍처를 도입하여 모델이 향상된 정확성과 오류 복구 기능으로 여러 동시 함수 호출을 관리할 수 있게 했다. 이 시스템은 사용자 의도를 구문 분석하고 적절한 도구를 선택하며 JSON과 같은 기계 판독 가능 형식으로 출력을 구성하는 구조화된 접근 방식을 사용했다. 이는 다단계 도구 시퀀스에서 종종 어려움을 겪었던 이전 모델과의 차별점을 나타냈다.
향상된 함수 호출은 동기 및 비동기 실행 패턴을 모두 지원하여 개발자가 Gemini 3를 복잡한 백엔드 시스템에 통합할 수 있게 했다. 모델은 한 함수의 출력이 다른 함수의 입력으로 사용되는 중첩 도구 호출을 컨텍스트를 잃지 않고 처리할 수 있었다. Google DeepMind는 Gemini 3가 Gemini 2.0에 비해 도구 선택 오류를 상당한 비율로 줄였다고 보고했지만, 구체적인 벤치마크 수치는 출시 시점에 완전히 공개되지 않았다.
주목할 만한 기능은 모델이 샌드박스 환경 내에서 코드 스니펫을 생성하고 실행하여 사용자에게 제시하기 전에 자체 출력을 테스트할 수 있는 능력이었다. 이러한 자체 검증 프는 프로그래밍 작업과 데이터 처리 워크플로우에서 신성을 향상시켰다.
함수 호출 기능
Gemini 3의 함수 호출 기능은 단순한 API 호출을 넘어 동적 스키마 검색을 포함하여 모델이 사용 가능한 엔드포인트를 리하고 그에 따라 호출을 적응시킬 수 있게 했다. 이는 내부 API가 자주 변경되는 기업 배포에서 특히 유용했다. 모델은 병렬 함수 호출을 지원하여 여러 소스에서 동시에 데이터를 가져오고 결과를 종합할 수 있었다.
개발자를 위해 Google은 사용자 지정 도구를 정의하는 과정을 단순화한 업데이트된 SDK와 문서를 제공했다. 모델은 유형화된 매개변수, 선택적 인수, 복잡한 반환 구조를 처리할 수 있었다. 오류 처리는 사용자 개입 없이 Gemini 3가 잘못된 호출을 수정할 수 있게 하는 재시도 메커니즘을 통해 개선되었다.
도구 사용 프레임워크는 Google Cloud 서비스와 제3자 플랫폼 모두와 작동하도록 설계되었다. Google Cloud와의 통합은 스토리지, 데이터베이스, 머신 러닝 서비스에 원활한 액세스를 허용했으며, Amazon Web Services 및 Microsoft Azure 지원은 크로스 클라우드 배포를 가능하게 했다. 이러한 상호 운용성은 멀티 클라우드 전략을 가진 기업에게 핵심 판매 포인트였다.
에이전트형 AI 통합
Gemini 3는 단순한 질문 응답을 넘어 자율적 작업 실행으로 나아가는 에이전트형 AI에서 중요한 진전을 나타냈다. 모델은 여러 상호 작용에서 지속적인 상태를 유지하여 장기 실행 프로젝트의 진행 상황을 추적할 수 있었다. 이는 개선된 메모리 관리와 명시적 상태 추적 메커니즘의 결합을 통해 달성되었다.
실용적으로 Gemini 3는 회의를 예약하고 이메일 통신을 관리하며 고객 관계 관리 시스템을 인간의 감독 없이 업데이트하는 가상 비서로 배포될 수 있었다. 소프트웨어 개발의 경우 자연어 지침에 따라 풀 리퀘스트를 생성하고 테스트를 실행하며 버그를 수정할 수 있었다. 이러한 기능은 Gemini 3를 OpenAI 및 Anthropic이 개발 중인 유사한 에이전트형 기능의 직접적인 경쟁자로 자리매김하게 했다.
Google DeepMind는 에이전트형 배포에서 안전을 강조하여 금융 거래나 데이터 삭제와 같은 고영향 작업에는 인간 승인이 필요하도록 가드레일을 구현했다. 모델은 또한 모든 도구 호출을 추적하는 감사 로깅을 포함하여 컴플라이언스 목적의 투명성을 제공했다.
성능 및 벤치마크
출시 시점에 Google DeepMind는 Gemini 3가 여러 표준 평가에서 전임 모델을 능가하는 벤치마크 결과를 공개했다. 모델은 특히 ToolBench 및 API-Bank 데이터세트를 포함한 도구 사용 벤치마크에서 강점을 보였으며, 최첸단 수준의 결과를 달성했다. Massive Multitask Language Understanding (MMLU) 테스트에서 Gemini 3는 90%의 점수로 인간 전문가 성능을 처음으로 능가한 Gemini Ultra가 확립한 추세를 이어갔다.
Stanford AI Lab 및 BAIR (Berkeley AI Research)와 같은 학술 기관의 독립적 평가는 다단계 추론 작업에서 모델의 개선된 신성을 확입했다. 그러나 일부 연구자들은 Gemini 3가 여전히 모호한 도구 사양에서 어려움을 겪으며 최적의 성능을 위해 세심하게 작성된 프롬프트가 필요하다고 지적했다. 실제 기업 워크플로우에서의 성능은 강력한 것으로 보고되었지만, 장기 실행 에이전트 세션은 때때로 인간 개입이 필요했다.
기업 및 개발자 액세스
Gemini 3는 Gemini API, Google Cloud Vertex AI, AI Studio를 포함한 여러 채널을 통해 제공되었다. Google은 사용량에 기반한 계층형 가격 정책을 제공했으며, 실험용 무료 등급과 프로덕션 워크로드용 유료 요금제를 포함했다. 모델은 100개 이상의 국가에서 여러 언어를 지원하며 액세스할 수 있었지만, 영어가 가장 완전히 최적화된 상태였다.
기업 고객을 위해 Google은 전용 인프라, 새 기능에 대한 우선 액세스, 도구 통합을 위한 컨설팅 서비스를 포함한 특화된 지원 패키지를 도입했다. 회사는 또한 Samsung Electronics와 파트너십을 맺어 향후 Galaxy 기기에서 기기 내 배포를 위해 Gemini 3를 최적화했으며, 이는 Galaxy S24 라인업에서 Gemini Nano의 초기 통합을 기반으로 했다.
개발자는 REST API, Python 및 JavaScript SDK, 명령줄 인터페이스를 통해 Gemini 3에 액세스할 수 있었다. 2025년 6월에 도입된 오소스 Gemini CLI는 Gemini 3의 향상된 도구 사용을 지원하도록 업데이트되어 개발자가 자연어 명령으로 터미널 기반 워크플로우를 자동화할 수 있게 했다.
경쟁자와의 비교
Gemini 3는 OpenAI의 GPT-4 및 GPT-4o, Anthropic의 Claude 3 및 Claude 4, Meta 및 기타 조직의 오픈 소스 대안이 지배하는 경쟁적인 환경에 진입했다. Google은 Gemini 3가 이러한 경쟁자보다 우수한 도구 사용 신뢰성을 가지고 있다고 자체 평가를 인용하여 다단계 함수 호출 시나리오에서 오류가 적다고 주장했다.
제3자 연구자들의 독립적 비교에 따르면 Gemini 3는 일반 지식 작업에서 GPT-4o와 경쟁력이 있었고 특정 코딩 벤치마크에서 우수했다. 모델의 Google 검색 통합은 Gemini 2.0에서 사용된 접근 방식과 유사하게 최신 정보가 필요한 작업에서 이점을 제공했다. 그러나 일부 리뷰어들은 Anthropic의 Claude 모델이 장기 컨텍스트 추론 작업에서 더 나은 성능을 제공한다고 지적했으며, 이 영역에서 Gemini 3는 약간의 개선만 보였다.
Gemini 3의 출시는 또한 더 넓은 AI 하드웨어 생태계에 영향을 미쳤다. 모델은 Google의 Tensor Processing Units (TPU)에서 훈련되었으며, Google은 NVIDIA GPU에 대한 의존성을 줄이기 위해 맞춤형 실리콘에 계속 투자했다. 이 전략은 Amazon Web Services의 Trainium 칩 및 Microsoft Azure의 맞춤형 가속기와 같은 유사한 노력과 일치했다.
향후 방향
2025년 11월 출시 이후 Google DeepMind는 Gemini 3가 정기적인 업데이트를 받을 것이라고 밝혔으며, 더 많은 도메인으로 도구 사용을 확장하고 멀티 에이전트 협업을 개선하는 데 초점을 맞출 것이라고 했다. 회사는 또한 Gemini 3를 Waymo의 자율주행 시스템 및 기타 로보틱스 응용 프로그램과 통합하는 것을 탐구했으며, 이는 언어 모델과 물리적 세계 상호 작용을 결합한 초기 연구를 기반으로 했다.
Google은 Gemini 3를 더 많은 언어로 제공하고 실시간 응용 프로그램의 지연 시간을 줄일 계획을 발표했다. 회사는 또한 미국 및 영국 정부 기관과 결과를 공유하는 이전 관행에 맞춰 지속적인 안전 테스트를 약속했다. 출시일 기준으로 Gemini 3는 영어로 제공되었으며, 후속 릴리스에서 추가 언어 지원이 예상되었다.