Google DeepMind, Gemini 2.5 Flash Thinking 모드 정식 GA
Google DeepMind가 Gemini 2.5 Flash의 '생각하는(Thinking)' 추론 모드를 정식 출시했다. 사고 토큰 예산을 개발자가 직접 제어할 수 있어 비용·지연시간·정확도 간 트레이드오프를 세밀하게 조정할 수 있다. 추론 집약적 작업을 낮은 비용으로 처리해야 하는 한국 스타트업과 크리에이터 툴 개발자에게 실질적인 대안이 된다.
Thinking 모드란 무엇인가
Gemini 2.5 Flash Thinking 모드는 응답 생성 전 내부 '사고 체인'을 실행하는 추론 강화 방식이다. 기존 Flash 모델 대비 수학·코딩·다단계 논리 벤치마크에서 최대 38% 정확도 향상이 보고됐다. 사고 토큰은 최종 응답 토큰과 별도로 과금되며, 예산 상한을 0(Thinking 비활성)부터 최대 8,192 토큰까지 정수 단위로 지정할 수 있다.
가격 및 API 사용법
입력 토큰은 100만 토큰당 $0.15, 출력 토큰(사고 토큰 포함)은 $0.60이다. Google AI Studio 및 Vertex AI 모두 동일 엔드포인트(gemini-2.5-flash)에서 파라미터 thinkingConfig: { thinkingBudget: N } 형태로 호출한다. 예산을 낮게 설정할수록 레이턴시가 줄고, 0으로 설정하면 기존 Flash와 동일한 응답 속도를 유지한다. 한국어 포함 다국어 추론 품질도 이전 프리뷰 대비 개선됐다고 공식 문서는 밝히고 있다.
한국 개발자·크리에이터에게 주는 시사점
Claude Sonnet 계열이나 GPT-4o 대비 저렴한 토큰 단가를 유지하면서 복잡한 추론이 필요한 시나리오(법률 문서 요약, 기술 명세 분석, 교육 콘텐츠 자동 생성 등)에 투입할 수 있다. Vertex AI를 통해 서울 리전(asia-northeast3) 배포가 가능하므로 레이턴시 민감 서비스에도 적합하다. 크리에이터 툴 관점에서는 영상 스크립트 구성, 긴 블로그 아웃라인 생성 등 멀티스텝 작업에서 단일 API 호출로 충분한 품질을 얻을 수 있다.