초경량 에이전트의 시대: 지연시간(Flash) vs 장문 검색력(Muse Spark) 벤치마크 분석

1. Meta Muse Spark 제품군 진화와 오픈웨이트 에이전트 생태계

1.1부터 1.3까지: MSL의 초경량 멀티모달 아키텍처 진화

Meta Superintelligence Labs(MSL)가 개발한 첫 번째 대규모 언어 모델(LLM) 제품군이자 Meta AI의 기반 모델인 Muse Spark는 2026년 하반기 들어 빠른 속도로 진화했습니다.
MSL은 2026년 7월 9일 최초로 100만(1M) 토큰 컨텍스트를 지원하는 Muse Spark 1.1을 공식 발표하며 방대한 장문 검색력과 문맥 처리 성능을 입증했습니다.
이 모델군은 단순한 텍스트 처리를 넘어 텍스트, 이미지, 비디오, PDF 및 오디오 입력을 단일 파이프라인에서 수용하는 네이티브 멀티모달 추론 아키텍처를 완벽하게 정립했습니다.

이어 2026년 8월 5일에는 성능이 한층 고도화된 Muse Spark 1.2와 함께 터미널 기반 전용 코딩 에이전트인 Muse Code가 공개되었습니다.
Muse Code는 단일 개발 환경 내부에서 코드 작성 및 디버깅을 지능적으로 수행할 뿐만 아니라, 복잡한 작업을 분할하여 여러 하위 서브 에이전트를 병렬 실행하는 차세대 오케스트레이션 기능을 지원합니다.
그리고 2026년 9월 2일 최신 플래그십 모델인 Muse Spark 1.3이 정식 출시되면서 초경량 고효율 추론과 멀티모달 장문 처리 기술의 정점을 보여주고 있습니다.

Muse Glimmer 30B: 단일 24GB GPU 기반 로컬 오픈웨이트 에이전트

Meta는 상용 서비스형 API 제공에 그치지 않고, 오픈소스 개발 생태계를 겨냥해 2026년 8월 10일 오픈웨이트 파운데이션 모델인 Muse Glimmer 30B(300억 파라미터)를 선보였습니다.
Muse Glimmer는 개방형 Apache 2.0 라이선스가 적용되어 기업 및 개인 연구자가 자유롭게 수정, 배포 및 상용화할 수 있는 강력한 라이선스 자유도를 보장합니다.
특히 고가의 엔터프라이즈 서버 인프라 없이도 단일 소비자용 24GB GPU 환경에서 완전한 오프라인 로컬 구동이 가능하도록 설계되어 엣지 디바이스 및 온프레미스 에이전트 구축의 기술적 진입 장벽을 대폭 낮췄습니다.

현재 오픈웨이트 생태계 로드맵 관점에서 Muse Spark 1.2와 Muse Spark 1.3의 오픈웨이트 버전 역시 공개 로드맵에 정식 포함되어 있습니다.
다만 이들 상위 모델에 대한 구체적인 가중치 공개 일정은 미정 상태로 남아 있어, 현재 시점에서는 30B 크기의 Muse Glimmer가 로컬 오픈웨이트 에이전트 구축의 핵심 주력으로 활용되고 있습니다.

모델 및 에이전트 명칭	공식 출시일	파라미터 / 컨텍스트 규격	주요 특징 및 라이선스
Muse Spark 1.1	2026년 7월 9일	100만(1M) 토큰	MSL 첫 LLM 제품군, 멀티모달 추론 지원
Muse Spark 1.2 & Muse Code	2026년 8월 5일	-	터미널 코딩 에이전트, 하위 서브 에이전트 병렬 실행
Muse Glimmer	2026년 8월 10일	30B (300억 파라미터)	Apache 2.0 오픈웨이트, 단일 24GB GPU 로컬 구동
Muse Spark 1.3	2026년 9월 2일	-	텍스트·이미지·비디오·PDF·오디오 통합 멀티모달 플래그십

2. Muse Spark 1.3 모델 변형(xhigh vs max) 및 능동적 추론 특성

xhigh vs max: 지능 지수 및 추론 토큰 예산 차이

Muse Spark 1.3은 연산 리소스와 추론 깊이에 따라 세분화된 변형 모델을 제공하여 에이전트 워크로드의 성격에 맞춘 최적화를 지원합니다.
글로벌 벤치마크인 Artificial Analysis Intelligence Index 평가에서 Muse Spark 1.3 xhigh는 61점을 기록하며 이전 세대인 1.2 버전 대비 4점의 성능 향상을 입증했습니다.
동일 벤치마크에서 최상위 변형인 Muse Spark 1.3 max는 62점을 달성하여 더욱 정교한 문제 해결 역량을 나타냈습니다.

두 모델 변형 간의 1점 차이는 복잡한 다단계 에이전트 실행 환경에서 상당한 연산 자원 투입 차이를 동반합니다.
실제 에이전트 평가 환경에서 1.3 max 변형은 xhigh 변형과 비교해 약 28%~62% 더 많은 추론 토큰 예산을 소비하는 것으로 분석되었습니다.
이와 같은 막대한 토큰 투입은 까다로운 코딩 문제나 다층적 논리 전개가 요구되는 엔지니어링 작업에서 해답의 완결성을 높이는 핵심 동력으로 작용합니다.
Meta AI 최고책임자인 Alexandr Wang은 Axios를 통해 해당 모델 라인업이 "프론티어 모델과 매우 경쟁력이 높다"고 공식적으로 밝혔습니다.

모델 버전 및 변형	Artificial Analysis Intelligence Index	추론 토큰 예산 소비 특성	이전 세대(1.2) 대비 개선율
Muse Spark 1.3 xhigh	61점	표준 고성능 추론 예산 운용	1.2 대비 지능 점수 +4점 향상
Muse Spark 1.3 max	62점	xhigh 대비 28%~62% 추가 소비	최상위 다단계 에이전트 추론 최적화
엔지니어링 작업 효율	-	토큰 소비량 약 25% 절감	도구 호출 횟수 약 20% 감소

도구 호출 효율화와 안전한 비가역 작업 확인 제어 로직

Muse Spark 1.3은 지능 지수의 향상뿐만 아니라 실제 에이전트 실행 비용을 대폭 낮추는 시스템 최적화를 달성했습니다.
엔지니어링 작업 환경을 기준으로 이전 세대 대비 도구 호출 횟수가 약 20% 감소했으며, 전체 토큰 소비량 역시 약 25% 절감되는 성과를 거두었습니다.
이는 불필요한 반복 쿼리와 비효율적인 API 요청을 줄이고, 단일 호출 내에서 복합 명령을 간결하게 처리하도록 내부 실행 구조가 고도화된 결과입니다.

작업 신뢰성을 높이기 위한 능동적 상호작용 제어 로직도 대폭 강화되었습니다.
시스템은 단일 긴 스레드 내부에서 다중 작업 맥락을 견고하게 유지하며, 사용자의 피드백이 들어오거나 작업이 중단되는 돌발 상황에서도 정확한 태스크 매핑을 수행합니다.
특히 지시 사항이 모호할 경우 임의로 가정을 세워 실행하지 않고 질문을 통해 능동적 명확화를 유도하며, 파일 삭제나 데이터베이스 덮어쓰기 같은 비가역적 파괴 작업이 발생하기 전에는 반드시 명시적인 승인을 요청하도록 설계되었습니다.
아울러 프롬프트 인젝션 및 적대적 입력에 대한 방어벽을 두텁게 구축하여 악의적인 시스템 오작동 유도를 차단합니다.

반면 프로덕션 배포 및 디버깅 관점에서는 몇 가지 뚜렷한 한계와 제약이 상존합니다.
모델 내부의 사고 과정(reasoning traces)이 외부에 투명하게 노출되지 않아, 복잡한 소프트웨어 개발 중 발생한 코딩 결정 디버깅에 어려움이 발생할 수 있습니다.
또한 강력한 성능을 갖춘 1.3 max 변형은 초기 파트너 대상의 제한적 프리뷰로 배포되어 추가 안전성 검증 절차를 거치고 있으며, EU 등 일부 지역에서는 Meta.ai 플랫폼을 통해 여전히 1.1 버전이 서비스되는 등 지역별 롤아웃 편차가 나타나고 있습니다.

3. Muse Spark 1.3 장문 검색력(MRCR 98.1%) 및 에이전트·코딩 벤치마크 실측치

1M 토큰 극단 구간 MRCR 98.1% 유지: 압도적 장문 검색력

초대용량 컨텍스트 환경에서 정보 손실 없이 특정 데이터를 찾아내는 검색 역량은 차세대 에이전트 모델의 핵심 평가 지표로 꼽힙니다.
MRCR(Multi-Round Context Retrieval) 롱컨텍스트 검색 벤치마크 실측 결과, Muse Spark 1.3 (max)는 256K~512K 구간에서 98.5%의 정확도를 기록하며 GPT-5.6 Sol(91.5%)을 크게 앞질렀습니다.
특히 512K~1M 토큰에 달하는 극단 구간에서도 Muse Spark 1.3 (max)는 98.1%의 검색 정확도를 유지하며 독보적인 장문 추론 신뢰성을 입증했습니다.
반면 동일한 512K~1M 구간에서 경쟁 모델인 GPT-5.6 Sol의 검색 정확도는 73.8%로 급격히 저하되어, 컨텍스트 길이가 확장될수록 두 모델 간의 장문 검색 신뢰도 격차가 24.3%p까지 벌어지는 양상이 확인되었습니다.

소프트웨어 엔지니어링 및 뱅킹 에이전트 벤치마크(DeepSWE·Tau3) 실측 비교

Muse Spark 1.3은 코드베이스 전반에 걸친 다중 파일 구조 이해와 장기 자율 소프트웨어 엔지니어링 수행력에서도 뚜렷한 성능 향상을 나타냈습니다.
자율 코딩 성능을 측정하는 DeepSWE v1.1 벤치마크에서 Muse Spark 1.3 (max)는 75.4점을 기록해 GPT-5.6 Sol(73.0점)과 Claude Opus 5(74.0점)를 모두 상회했습니다.
대규모 저장소 질의응답을 다루는 SWEAtlas CodeBase QnA 지표에서도 Muse Spark 1.3 (max)는 59.4점을 달성하며 GPT-5.6 Sol(53.5점) 및 Claude Opus 5(52.7점) 대비 우수한 다중 파일 컨텍스트 분석 역량을 증명했습니다.

시스템 조작 및 에이전트 작업 수행 평가에서도 이전 세대 대비 진전이 두드러집니다.
터미널 환경 제어 역량을 검증하는 Terminal-Bench 2.1에서 1.3 (max)는 88.8점을 기록했으며, 1.3 (xhigh) 버전은 85%, 이전 1.2 버전은 80%를 나타냈습니다.
종합 실행력을 비교하는 GDPval-AA v2 (Elo) 평가의 경우 1.3 (max)가 1,754 Elo, 1.3 (xhigh)가 1,709 Elo를 기록하며 1.2 버전(1,615점) 대비 비약적인 성장세를 기록했습니다.
복잡한 금융 업무 시나리오를 다루는 Tau3-Bench Banking 테스트에서는 Muse Spark 1.3 (max)가 52%의 성공률로 전체 1위를 차지했으며, 1.3 (xhigh)는 47%, 1.2 버전은 35%에 머물렀습니다.
운영체제 제어 벤치마크인 OSWorld 2.0에서는 1.3 (max)가 66.9점을 얻어 GPT-5.6 Sol(62.7점)보다 높았으나 Claude Opus 5(68.3점)에는 소폭 미치지 못했고, 업무 수행 지표인 JobBench에서도 1.3 (max)가 64.9점으로 GPT-5.6 Sol(45.4점)을 압도했으나 Claude Opus 5(65.7점)와는 근소한 차이를 보였습니다.

벤치마크 지표	Muse Spark 1.3 (max)	GPT-5.6 Sol	Claude Opus 5	Muse Spark 1.2 (기존)
MRCR (512K–1M 검색)	98.1%	73.8%	-	-
Tau3-Bench Banking	52% (전체 1위)	-	-	35%
DeepSWE v1.1	75.4	73.0	74.0	-
SWEAtlas CodeBase QnA	59.4	53.5	52.7	-
Terminal-Bench 2.1	88.8점	-	-	80%
GDPval-AA v2 (Elo)	1,754점	-	-	1,615점
JobBench	64.9점	45.4점	65.7점	-
OSWorld 2.0	66.9점	62.7점	68.3점	-

AA-LCR 및 불확실 답변 거절률에 따른 지표 변동 분석

모든 지표에서 성능 상승이 균일하게 나타난 것은 아니며, 특정 평가 영역에서는 구조적 특성에 따른 수치 하락과 상대적 열세가 관측되었습니다.
장문 추론 평가 지표인 AA-LCR 벤치마크의 경우, 이전 세대인 Muse Spark 1.2가 83%를 기록했던 반면 Muse Spark 1.3은 79%에 그쳐 4%p의 성능 하락세를 나타냈습니다.
또한 AA-Omniscience 정확도 측정에서도 xhigh 버전이 3%p 하락하고 max 버전이 1%p 하락하는 변화가 발생했습니다.
이러한 정확도 지표 하락은 정보가 불확실하거나 모호한 조건에서 모델이 무리한 추론 대신 답변을 거절하도록 설계된 불확실 시 답변 거절률 상승에 기인한 현상으로 분석됩니다.

심층 검색 질의응답 및 에이전트 지시 이행 영역에서도 경쟁 모델 대비 보완점이 확인되었습니다.
복합 검색 추론 역량을 평가하는 DeepSearchQA에서 Muse Spark 1.3은 89.4점을 기록하여 GPT-5.6의 93.0점에 비해 다소 낮은 성능을 보였습니다.
에이전트 지시 준수력을 계측하는 Agentic IF Index에서도 Muse Spark 1.3은 57.8점으로 GPT-5.6(60.5점)에 비해 상대적 열세를 기록해, 극단적인 장문 검색 및 소프트웨어 엔지니어링에서의 강점과 별개로 순수 지시 이행 및 복합 검색 QA 과제에서는 정밀한 튜닝 여지가 남아있음을 보여줍니다.

4. Muse Spark 1.3 비용 구조 및 처리량(182 tok/s)·지연시간 성능

Standard vs Contributor: 캐시 할인율 및 티어별 단가 비교

Muse Spark 1.3은 에이전트 워크플로우 확장을 목표로 유연하면서도 세분화된 가격 책정 체계를 운영하고 있습니다.
공식 발표 자료에 따르면 Standard xhigh 티어의 기본 요율은 1M 입력 토큰당 $1.25, 1M 출력 토큰당 $4.25로 책정되었습니다.
특히 반복 프롬프팅과 컨텍스트 재사용을 최적화하기 위해 도입된 캐시 읽기(Cache Read) 비용은 1M 토큰당 $0.15에 불과하여 약 88% 캐시 할인율을 제공합니다.
이는 대규모 컨텍스트 기반 에이전트 환경에서 시스템 운영비용을 유의미하게 절감할 수 있는 핵심 요인으로 작용합니다.

비용 효율성을 극대화해야 하는 개발자를 위해 별도로 마련된 Contributor 티어는 대폭 낮아진 단가 구조를 갖추고 있습니다.
OpenRouter를 통해 제공되는 Contributor 티어는 1M 입력 토큰당 $0.10, 1M 출력 토큰당 $0.20이며, 캐시 읽기는 1M 토큰당 $0.002 수준으로 책정되었습니다.
해당 티어는 사용자의 프롬프트와 생성된 출력이 Meta 제품 개선을 위해 활용된다는 데이터 공유 조건이 적용되지만, 극단적인 비용 절감이 필요한 대규모 테스트 및 보조 파이프라인에서 강력한 대안으로 채택되고 있습니다.
한편 엔터프라이즈 수요를 겨냥한 max 변형 모델의 공식 API 가격 정책은 아직 공식적으로 발표되지 않았습니다.

티어 및 모델 구분	1M 입력 토큰 단가	1M 출력 토큰 단가	1M 캐시 읽기 단가	주요 정책 및 특징
Standard xhigh	$1.25	$4.25	$0.15	약 88% 캐시 할인율 적용, 엔터프라이즈 기본 환경
Contributor	$0.10	$0.20	$0.002	초저비용 구조, 데이터의 Meta 제품 개선 활용 동의 조건
max 변형 모델	미발표	미발표	미발표	공식 API 가격 책정 미공개 상태

초당 182 토큰 처리량과 OpenRouter P50 지연시간 실측 지표

Muse Spark 1.3은 추론 속도와 실행 지연시간 측면에서도 고성능 에이전트 벤치마크 지표를 달성했습니다.
Artificial Analysis의 실측 평가에 따르면 xhigh 모델의 출력 처리량은 초당 182 토큰(182 tokens/sec)에 달하여 실시간 에이전트 인터랙션 환경에 적합한 빠른 응답 속도를 기록했습니다.
또한 OpenRouter 호스팅 환경에서 수집된 Contributor 티어의 P50 지연시간은 3.10초, P50 처리량은 92 tok/s를 기록하며 분산 환경에서도 안정적인 추론 성능을 입증했습니다.
해당 플랫폼 기준 3일 가용성은 99.91%, 업타임은 100.00%를 유지하며 프로덕션 레벨의 안정성을 보였습니다.

외부 데이터 연동을 위한 웹 검색(Web Search) 애드온의 호출 비용은 1,000회당 $2.50으로 책정되어 실시간 정보 융합 파이프라인을 유연하게 구축할 수 있습니다.
지능 대비 비용 효율성 관점에서도 뛰어난 수치를 나타내고 있습니다.
Artificial Analysis의 Intelligence Index 기준 태스크당 작업 비용은 $0.55로 측정되었습니다.
이는 동일 지능 지수(61점)를 형성하고 있는 경쟁 모델인 Grok 4.6(태스크당 $0.94)과 GPT-5.6 Sol(태스크당 $0.95) 대비 70% 이상 저렴한 수준입니다.

다만 장문 검색 및 심층 추론 능력의 확장에 따라 에이전트 작업당 입력 토큰 소비는 약 57% 증가한 것으로 나타났습니다.
이러한 입력 토큰 소비량의 확대로 인해 이전 1.2 버전의 태스크당 비용($0.40)과 비교했을 때 작업당 총 비용은 $0.55로 소폭 상승했습니다.
그럼에도 불구하고 동급 지능 지수 모델군과 비교했을 때 실질적인 비용 경쟁력과 처리량 우위는 여전히 유지되고 있습니다.

5. Gemini 3.8 Flash 추론 수준(Thinking Level) 제어 아키텍처 및 지연시간 최적화

low·medium·high 3단계 Thinking Level 맞춤형 지연시간 제어

Gemini 3.8 Flash는 100만(1M) 토큰 컨텍스트 윈도우와 최대 64,000(64K) 토큰 출력 생성을 지원하여 대규모 데이터 입력과 방대한 코드 생성을 단일 파이프라인에서 처리할 수 있는 고성능 아키텍처를 갖추고 있습니다.
이러한 입출력 용량을 기반으로 개발자는 애플리케이션의 요구 조건에 맞춰 응답 지연시간과 추론 깊이를 정밀하게 조율할 수 있는 사고 수준(thinking_level) 제어 메커니즘을 활용할 수 있습니다.
과거에 제공되던 minimal 옵션은 3.8 Flash 아키텍처에서 정식으로 지원이 중단되었으며, 시스템은 명시적 설정이 없을 경우 medium을 기본값으로 채택하여 동작합니다.

제공되는 3단계 thinking_level 설정은 워크로드의 특성에 따라 차별화된 연산 경로를 제공합니다.
먼저 low 설정은 즉각적인 반응 속도가 필수적인 실시간 대화형 챗봇이나 지연시간에 민감한 서비스에 최적화되어 불필요한 내부 연산 오버헤드를 줄입니다.
기본 설정인 medium은 일반적인 에이전트 구동 및 복잡한 코드 생성 작업에서 지연시간과 추론 품질 간의 균형을 유지합니다.
반면 high 설정은 수학적 계산, 심층 논리 추론, 복잡한 다단계 의사결정이 요구되는 심층 태스크에서 활성화되어 모델이 충분한 추론 단계를 거쳐 정확도 높은 결과를 도출하도록 유도합니다.

구분	설정값 / 스펙	주요 특징 및 권장 워크로드
핵심 스펙	컨텍스트 윈도우: 1M (100만) 토큰	대규모 문서 분석 및 방대한 코드베이스를 한 번에 처리하는 입력 환경 제공
	최대 출력 크기: 64K (64,000) 토큰	단일 호출 내 대용량 코드베이스 생성 및 장문 아티팩트 출력 지원
Thinking Level	low	실시간 인터랙션 및 지연시간에 민감한 챗봇 서비스에 최적화
	medium (기본값)	복잡한 소스코드 작성 및 일반 자율 에이전트 구동의 표준 레벨
	high	심층 추론, 복잡한 수학 연산, 고난도 다단계 작업 수행용

다중 파일 리팩터링 및 결정적 도구 실행 오류 최소화 구조

Gemini 3.8 Flash는 장기적인 소프트웨어 엔지니어링 작업과 다중 파일 리팩터링 환경에서 결정적 도구 실행(Deterministic Tool Execution)을 수행할 수 있도록 엔지니어링되었습니다.
복잡한 코드베이스 내 여러 파일 간의 의존성을 분석하고 수정하는 과정에서 에이전트가 단일 오류로 인해 중단되지 않도록 다단계 계획 수립 기능이 모델 내부 추론 루프에 긴밀히 통합되어 있습니다.
도구 호출 결과에 맞춰 매개변수와 접근 방식을 스스로 교정하는 도구 반복 조정 설계를 통해 실행 오류와 실패 루프를 최소화합니다.

다만 이러한 다단계 계획 및 반복 도구 호출 구조는 에이전트의 문제 해결 성공률을 높이는 대신 토큰 소비량 증가를 유발할 수 있습니다.
복잡한 다단계 작업을 처리할 때 추론 단계가 세분화되어 분할되고, 외부 툴과의 반복적인 상호작용이 누적되면서 전체 컨텍스트 내 입출력 토큰 소모가 가파르게 상승할 수 있습니다.
따라서 개발자는 시스템 구축 시 API 공식 문서(ai.google.dev)의 가이드를 기반으로 워크로드 복잡도에 맞는 thinking_level을 설정하여 비용과 지연시간을 통제해야 합니다.

6. Gemini 3.8 Flash 가격 정책, Antigravity 에이전트 연동 및 마이그레이션 요건

2026 프로모션 가격과 Antigravity 관리형 에이전트 기본 탑재

초경량 에이전트 아키텍처 구축 시 가장 핵심적인 고려 요소 중 하나는 대규모 트래픽을 감당할 수 있는 비용 효율성과 플랫폼 생태계의 호환성입니다.
Google 공식 개발자 문서(ai.google.dev)에 따르면, Gemini 3.8 Flash는 현재 2026년 12월 31일까지 특별 프로모션 가격이 적용되어 1M(100만) 입력 토큰당 $0.75, 1M 출력 토큰당 $3.75라는 파격적인 비용으로 제공되고 있습니다.
이러한 프로모션 정책은 실시간 응답성과 비용 절감이 동시에 요구되는 프로덕션 에이전트 환경에서 매우 높은 경제성을 제공합니다.

해당 프로모션 기간이 종료되는 2027년 1월 1일 이후부터는 표준 요금 체계로 전환될 예정입니다.
전환 시점부터 적용되는 표준 가격은 1M 입력 토큰당 $1.50, 1M 출력 토큰당 $7.50로 조정됩니다.
따라서 대규모 파이프라인을 운영하는 개발 조직은 중장기적 인프라 예산 산정 시 이러한 가격 정책 변동 일정을 면밀히 고려해야 합니다.

인프라 연동 측면에서는 Google의 관리형 에이전트 환경인 Antigravity 에이전트(antigravity-preview-05-2026) 및 전용 SDK의 기본 탑재 모델로 Gemini 3.8 Flash가 지정되어 본격적인 가동에 들어갔습니다.
이를 통해 복잡한 오케스트레이션 구성 없이도 초경량 모델의 빠른 처리 속도와 강력한 기본 실행 역량을 관리형 에이전트 워크플로 내에서 즉각 활용할 수 있게 되었습니다.

구분	2026년 프로모션 가격 (~2026-12-31)	2027년 이후 표준 가격 (2027-01-01~)	주요 플랫폼 연동 및 지원
입력 토큰 (1M 기준)	$0.75	$1.50	Google 관리형 Antigravity 에이전트(antigravity-preview-05-2026) 및 SDK 기본 모델 탑재
출력 토큰 (1M 기준)	$3.75	$7.50

Interactions API GA 전환 및 멀티턴 파라미터 마이그레이션 가이드

엔터프라이즈 환경에서 고성능 멀티 에이전트 시스템을 안정적으로 구동하기 위한 핵심 인터페이스인 Interactions API가 정식 버전(GA)으로 출시되었습니다.
Interactions API의 GA 전환을 통해 다수의 에이전트가 협업하는 복잡한 프로덕션 워크플로 제어가 한층 견고해졌으며, 상태 추적 및 호출 구조의 표준화가 대폭 강화되었습니다.

Gemini 3.8 Flash 환경으로 시스템을 마이그레이션할 때는 기존 호출 방식에서 사용되던 매개변수의 대대적인 정리가 요구됩니다.
기존 레거시 호출부에 포함되어 있던 temperature, top_p, top_k, candidate_count와 같은 샘플링(sampling) 파라미터를 비롯해 thinking_budget 매개변수를 완전히 삭제해야 합니다.
이러한 파라미터가 남아 있을 경우 호출 오류가 발생할 수 있으므로 요청 페이로드의 전면적인 경량화가 필수적입니다.

대화 상태 유지와 멀티턴 워크플로 제어 방식 역시 기존 클라이언트 중심 구조에서 서버 중심 구조로 전면 전환해야 합니다.
클라이언트 측에서 과거 대화 기록을 누적하여 전달하던 기존 방식 대신, 서버 측 previous_interaction_id 기반으로 멀티턴을 표준화하고 사전 채워진 모델 턴(prefilled model turns) 제거 작업이 필수적으로 선행되어야 합니다.
이러한 마이그레이션 요건을 준수함으로써 상호작용 간 오버헤드를 최소화하고 멀티 에이전트 간의 통신 정밀도를 극대화할 수 있습니다.