Gemini 4 Carbon 자동 주석: VLM 리더보드의 새로운 선두 모델

Gemini 4 Carbon은 2026년 11월 11일 Ultralytics VLM 리더보드 스냅샷에서 36개 데이터셋 객체 탐지 벤치마크인 UL37의 자동 주석 부문 45개 모델 중 1위를 차지했습니다. mAP₅₀ 0.584와 mAP_50-95 0.371을 기록했으며, 이제 정밀도와 재현율 항목 모두에서 선두를 차지했습니다. 10월 결과에서는 이 두 항목의 선두가 서로 다른 모델이었습니다. 이전 선두 모델인 GPT-6.1 Terra는 mAP₅₀ 0.560으로 2위이며, 이미지당 제공업체 비용은 Carbon의 약 3분의 1입니다.

따라서 데이터셋에 레이블을 지정하는 사람에게 중요한 질문은 종합 점수가 가장 높은 모델이 무엇인지가 아닙니다. Carbon에 세 배의 비용을 지불할 가치가 있는 경우가 언제인지입니다. 아래에서 Carbon이 새 최고 점수를 기록한 영역, Terra가 여전히 앞서는 영역, Google의 12월 가격 변경 전후의 각 모델 비용, 그리고 Ultralytics Platform에서 자체 데이터에 Carbon을 실행하는 방법을 살펴봅니다.

Gemini 4 Carbon, 이제 모든 유료 개발자가 사용 가능#

Google은 10월 말 사이버 보안 방어 전문가 소규모 그룹에 Carbon을 처음 공개했습니다. 2026년 11월 10일에는 모든 유료 개발자와 기업에 모델을 공개하고 Google AI Ultra 구독자에게도 배포하기 시작했습니다. Google의 출시 안내에 따르면 Carbon은 Google AI Studio의 API와 Gemini for business에서 사용할 수 있으며, Ultra 구독자는 Gemini 앱, AI Mode, Antigravity에서도 사용할 수 있습니다. 방어 전문가는 Google의 Fairwind Program을 통해 특화된 액세스 권한을 유지합니다.

Google은 Carbon을 사이버 보안과 장기 에이전트 작업에 맞춘 자사의 가장 강력한 모델이라고 소개합니다. Gemini 4 Carbon 모델 카드에 따르면 Carbon은 Gemini 4 Argon을 기반으로 하며, Argon보다 더 많은 사고 토큰을 사용해 "가설을 철저히 탐색하고, 깊이 추론하며, 장시간 검증 루프를 수행합니다." 텍스트, 이미지, 오디오, 비디오를 입력으로 처리하고 최대 1M 토큰의 컨텍스트 창을 지원하며 텍스트로 답변합니다.

Google은 출시 홍보에서 Carbon을 탐지 모델이라고 소개하지 않습니다. 데이터 레이블링에서 중요한 것은 추가 추론이 바운딩 박스에 어떤 영향을 주는지이며, UL37은 바로 이를 측정합니다. Gemini 4 Carbon 모델 페이지에서 모든 결과를 확인할 수 있습니다.

UL37 점수와 데이터셋 자동 주석 링크가 있는 Ultralytics Platform의 Gemini 4 Carbon 모델 페이지입니다.

Gemini 4 Carbon 객체 탐지: 모든 정확도 지표에서 1위#

UL37은 36개 실제 객체 탐지 데이터셋 각각에서 10장씩, 총 360장의 이미지에 대해 모델의 상자가 각 데이터셋의 기준 레이블과 얼마나 일치하는지 측정합니다. 의료 영상, 항공 및 열화상 이미지, 소매점 진열대, 스포츠, 문서, 회로 기판 등을 다룹니다. 모든 이미지는 데이터셋 고유의 클래스 이름을 사용해 Platform 사용자가 이용하는 것과 동일한 프로덕션 파이프라인에서 처리되며, SAM 3.1은 사용자 환경에서와 마찬가지로 SAM 3의 상자를 제외한 모든 모델의 상자를 정교화합니다. 모든 데이터셋에 동일한 가중치를 적용합니다. 자세한 내용은 UL37 벤치마크 방법론을 참조하세요.

Carbon과 그다음 네 개 모델의 비교 결과는 다음과 같습니다.

Carbon은 GPT-6.1 Terra보다 mAP₅₀이 0.024 높습니다. 객체 가장자리에 더 밀착된 상자에 가산점을 주는 더 엄격한 mAP_50-95에서도 비슷한 차이가 나타납니다. Carbon은 0.371로, 이전 최고 모델인 Claude Fable 5.2의 0.347과 Terra의 0.345보다 높습니다.

Carbon은 기반이 된 모델보다도 성능이 향상되었습니다. Gemini 4 Argon은 mAP₅₀ 0.537과 mAP_50-95 0.343을 기록하므로, 동일한 벤치마크와 주석 파이프라인에서 Carbon은 각각 0.047과 0.028 더 높은 점수를 얻습니다.

Gemini 4 Carbon, UL37에서 정밀도와 재현율 모두 최고 기록#

10월 결과에서는 리더보드 상위 모델이 두 그룹으로 나뉘었습니다. 정밀도와 재현율에 따른 VLM 선택 가이드에서 설명한 바와 같습니다. Gemini 4 Argon은 정밀도 0.667로 가장 높았습니다. 상자 중 높은 비율이 일치했지만, 레이블이 지정된 객체 일부를 놓쳤습니다. GPT-6 Astra는 재현율 0.627로 가장 높았습니다. 레이블이 지정된 객체를 더 많이 찾았지만, 상자 중 정확한 비율은 더 낮았습니다.

2026년 11월 11일 리더보드 스냅샷에서 Carbon은 정밀도 0.685와 재현율 0.642를 기록해 45개 모델 중 가장 높은 평균을 달성했으며, Argon의 정밀도와 Astra의 재현율을 모두 넘어섰습니다.

검토자 입장에서 이는 벤치마크가 보여줄 수 있는 최상의 조합입니다. 정밀도가 높으면 초안 상자 중 더 많은 상자가 정확하고, 재현율이 높으면 실제 객체 중 더 많은 객체에 이미 상자가 있습니다. 정밀도가 낮으면 삭제할 상자가 남고 재현율이 낮으면 그려 넣을 객체가 남으므로, Carbon의 첫 초안은 어느 한쪽의 수정 작업에 덜 치우칩니다.

SKU110K는 혼잡한 이미지에서 이 점이 중요한 이유를 보여줍니다. 슈퍼마켓 진열대 이미지에는 벤치마크 이미지 10장에 걸쳐 레이블이 지정된 제품 1,666개가 있으며, 모두 하나의 클래스에 속합니다. Carbon은 이 데이터셋에서 mAP₅₀ 0.671을 기록해 모든 모델 중 가장 높은 점수를 얻었으며, Terra의 이전 최고 점수 0.619를 넘어섰습니다. 이처럼 진열대가 빽빽한 이미지에서는 잘못 추가된 상자 하나하나를 검토자가 수십 개의 정확한 상자 사이에서 찾아내야 합니다.

Ultralytics Platform의 SKU110K Dense Retail Shelf Detection 2 데이터셋으로, Carbon은 여기서 UL37 최고 점수인 mAP₅₀ 0.671을 기록합니다.

Gemini 4 Carbon, 9개 도메인에서 최고 점수 기록#

Platform 모델 페이지의 데이터셋별 결과에 따르면 Carbon은 이제 여러 UL37 데이터셋에서 모든 모델 중 최고 점수를 기록합니다. 이전 최고 점수와 함께 살펴보겠습니다.

세 가지 경향이 두드러집니다. Carbon은 열화상, 항공, 수중 이미지에서 Argon의 강점을 유지하면서 각 영역의 성능을 더 높였으며, HIT-UAV 열화상 드론 영상에서 가장 크게 향상되었습니다. 평면도에서는 GPT-6 Astra를 거의 0.1 앞섭니다. 수막종, 신경교종, 뇌하수체 종양을 클래스로 사용하는 뇌종양 MRI에서는 Terra를 근소하게 앞섭니다.

각 데이터셋은 이미지 10장만 제공하므로 단일 점수는 결론이 아니라 추가 조사가 필요한 신호입니다. Carbon은 RPC와 CeyMo에서 기존 기록과 동률을 이루고 DDR에서는 0.001 앞서지만, 이 차이는 모델 간 우열을 가리기에는 너무 작습니다.

모델 페이지에서는 모든 벤치마크 데이터셋과 COCO에 대해 Carbon의 기록된 UL37 상자와 예상 주석을 나란히 재생합니다.

Gemini 4 Carbon과 GPT-6.1 Terra 비교: Terra가 여전히 앞서는 영역#

Terra는 의료 분야 최고 점수 두 개를 유지합니다. 리더보드의 데이터셋 표에는 TN5000 갑상선 초음파에서 0.935, TXL-PBC 혈구 현미경 이미지에서 0.889로 여전히 최고의 모델로 표시되어 있습니다. 데이터가 두 데이터셋 중 하나와 비슷하다면 모델을 선택하기 전에 각 모델 페이지에서 두 모델의 결과를 비교하세요.

Terra의 더 큰 장점은 가격입니다. UL37 기준 두 모델을 직접 비교하면 다음과 같습니다.

비용은 성공적으로 주석 처리된 벤치마크 이미지 1,000장당 제공업체가 보고한 토큰 사용량과 공개 가격을 기준으로 추정합니다. Terra는 Carbon mAP₅₀의 약 96%를 약 3분의 1 비용으로 제공하고, 응답 속도도 더 빠르며 실패한 요청도 없습니다. 두 모델 모두 리더보드의 "가성비 최고" 선에 있으며, 이는 비용과 정확도 어느 쪽에서도 우위를 점할 수 없는 모델을 잇는 선입니다.

현재 공개 가격 기준 UL37 유료 모델의 mAP₅₀ 대 비용 리더보드 차트입니다.

가격 차이는 더 커질 예정입니다. Google의 출시 안내에 따르면 Carbon은 2026년 11월 30일까지 입력 토큰 100만 개당 $2, 출력 토큰 100만 개당 $10의 출시 기념 가격으로 제공되며, 이후 가격은 각각 $4와 $20입니다. 토큰 사용량이 같다면 이미지 1,000장당 $12.93인 Carbon 비용은 12월 1일에 약 $26이 됩니다.

실용적인 선택 기준은 다음과 같습니다.

• 레이블 품질이 비용보다 중요할 때 Carbon을 선택하세요. 소매점 진열대처럼 혼잡한 장면, 열화상 및 항공 이미지, 평면도와 CAD 도면, 그리고 모델 페이지에서 Carbon이 크게 앞서는 모든 데이터셋에 적합합니다.
• 예산이 0.024 mAP₅₀보다 중요할 때 Terra를 선택하세요. 대규모 범용 배치와 TN5000 갑상선 초음파 및 TXL-PBC 혈구 데이터셋과 같은 데이터에 적합합니다.
• Carbon을 사용할 계획이라면 12월 1일 전에 대규모 작업을 실행하세요. 출시 기념 요금이 적용되는 동안 이용할 수 있습니다.

어떤 모델을 선택하든 Batch Annotation에는 처리 이미지 1,000장당 $1.00의 Ultralytics Platform 처리 수수료가 부과되며, 실행당 최소 수수료는 $0.01입니다. 제공업체 비용은 사용자의 키로 직접 청구됩니다. Ultralytics는 토큰에 추가 요금을 부과하지 않습니다. 자세한 비교는 이미지 주석 소프트웨어 비용 가이드를 참조하세요. 더 저렴한 유료 모델인 Claude Haiku 5.5는 이미지 1,000장당 $0.37에 0.429를 기록하며, Qwen3.8 27B 및 SAM 3.1 Text와 같은 호스팅 모델은 키가 필요하지 않습니다.

데이터셋에서 Gemini 4 Carbon 자동 주석을 실행하는 방법#

Carbon은 클래스가 1~200개인 탐지 데이터셋을 위한 클래스 프롬프트 기반 모델입니다. Carbon은 데이터셋 고유의 클래스 이름에 맞는 바운딩 박스를 반환합니다. Platform은 Gemini에 y 우선 형식으로 요청한 후 SAM 3.1로 상자를 정교화합니다.

1. Google AI Studio에서 Gemini API 키를 생성합니다. Carbon은 유료 API 요금제에서 실행되므로 키에 결제가 활성화되어 있어야 합니다.
2. 데이터셋을 소유한 Platform 작업 공간의 Settings > API Keys에 키를 추가합니다. 자세한 내용은 제공업체 키 문서를 참조하세요.
3. 주석 편집기에서 이미지를 열고 Smart 모드로 전환한 다음, 모델 선택기에서 Google 아래의 Gemini 4 Carbon을 선택합니다.
4. Predict를 누르거나 P을 사용해 현재 이미지에 레이블을 지정합니다. 규모를 확대하기 전에 데이터 특성을 대표하는 이미지 몇 장으로 테스트하세요.
5. 데이터셋 페이지에서 More actions > Batch Annotation을 선택하면 레이블이 없는 모든 이미지에 한 번에 레이블을 지정할 수 있습니다. Platform은 먼저 데이터셋 버전을 저장하므로 이전 상태로 되돌릴 수 있습니다.
6. 상자를 검토하고 수정하세요. 편집기는 변경 사항을 자동으로 저장합니다. 그런 다음 같은 작업 공간에서 결과를 사용해 Ultralytics YOLO26 모델을 학습합니다.

개발자는 코드에서 Carbon을 호출할 수도 있습니다. Platform SDK v0.1.109 릴리스에서는 이미지 예측 모델로 gemini-4-carbon을 추가했습니다. 더 넓은 맥락은 Ultralytics Platform이 AI를 사용해 주석 작업을 자동화하는 방법과 사람이 참여하는 검토가 워크플로에 계속 포함되는 이유를 참조하세요. 의료 이미지 분석에서는 어떤 모델의 상자든 임상 전문가가 확인하고 승인해야 하는 초안으로 취급해야 하며, 진단으로 간주해서는 안 됩니다.

Gemini 4 Carbon을 사용해야 하는 대상#

제공업체 비용보다 레이블 품질이 중요하다면 Gemini 4 Carbon을 사용하세요. 지금까지 벤치마크한 자동 주석 모델 중 가장 정확하며, 현재 정밀도와 재현율 모두에서 선두입니다. 또한 열화상, 항공, 수중, 소매점 진열대, 평면도, 뇌 MRI 데이터셋에서 최고 점수를 기록했습니다.

이미 Argon을 사용하는 팀은 전반적인 점수가 더 높아지고 Argon이 가장 강점을 보이는 영역에서도 새 최고 점수를 얻을 수 있으며, 출시 기념 토큰 가격은 동일합니다. 다만 해당 가격에서도 Carbon의 이미지당 비용은 더 높습니다. 예산에 맞춰 대규모 범용 배치에 레이블을 지정하는 팀은 GPT-6.1 Terra를 기본 모델로 유지하고, 모델 페이지에서 확실한 우위를 확인할 수 있는 데이터셋에 한해 Carbon으로 전환하는 것이 좋습니다. Argon의 결과는 Gemini 4 Argon 자동 주석 결과를 참조하세요.