구글 안티그래비티 팀워크는 제미나이 조합으로 미해결 문제 7건을 풀고 TCSBench 71%를 기록했다

구글은 2026년 8월 27일 안티그래비티 블로그에서 다중 에이전트 오케스트레이션 프레임워크 팀워크가 이론 전산학과 수학의 미해결 문제 7건을 해결하고 TCSBench에서 71%를 기록했다고 밝혔다. 71%는 제미나이 3.7 플래시와 3.1 프로를 롱 프루프 패턴 안에서 함께 쓴 결과이며, TCSBench 논문이 제미나이 3.6 플래시와 3.1 프로로 보고한 67.7%보다 높다. 7건의 결과는 제미나이 3.1 프로로 얻었고, 그중 3건은 제미나이 3.7 플래시로 재현됐다. 구글은 이를 플래시 등급 모델이 박사급 수학 연구 결과를 낸 첫 사례라고 표현했다. 팀워크는 유료 요금제 전체에서 /teamwork-preview 명령으로 제공되며 몇 주에 걸쳐 순차 배포된다.

에이전트 수를 미리 정하지 않는다는 설계 결정

팀워크의 구조적 핵심은 패턴이 실행 코드가 아니라 명세라는 점이다. 구글은 오케스트레이션 로직이 에이전트 설명과 분리돼 있고, 패턴 자체에는 오케스트레이션 코드가 없으며, 프레임워크가 패턴을 읽어 작업에 맞는 에이전트를 자동으로 띄운다고 설명했다. /teamwork-preview를 호출하면 제미나이가 프롬프트를 분석해 적절한 패턴을 스스로 고른다.

여기서 더 눈여겨볼 서술은 에이전트 수가 고정값이 아니라는 대목이다. 구글은 프레임워크가 작업 요구에 따라 몇 개의 에이전트를 띄울지 동적으로 결정하며, 에이전트 수와 팀 구조가 실행 도중에도 바뀔 수 있다고 밝혔다. 발표문은 이를 고정된 파이프라인이 아니라 살아 있는 과정이라고 표현했다.

제공되는 패턴은 다섯 가지다. 분해되지 않는 문제를 에이전트와 테스트의 반복 루프로 푸는 반복 코딩, 분해 가능한 엔지니어링 작업을 병렬 작업자에게 분산하고 비평가가 검토하는 분산 코딩, 후보마다 스트레스 테스트를 거쳐야 다음 단계로 넘어가는 롱 프루프, 단계마다 자기 검증을 붙이는 깊이 우선 수학 추론용 자기검증, 논문과 기술 문서를 구조적으로 분석하고 비평하는 문서 리뷰다.

롱 프루프는 증명을 쓰기 전에 전략을 경쟁시킨다

롱 프루프 패턴의 첫 번째 원칙은 증명 작성이 아니라 전략 선택에 상당한 자원을 쓴다는 것이다. 구글은 여러 후보 전략을 병렬로 생성하고 각 전략마다 그것을 깨는 일만 하는 반증자를 붙인다고 설명했다. 반박당한 경로도 반대 의견을 달고 그대로 남는데, 깨진 경로 안에도 쓸 만한 아이디어가 있을 수 있기 때문이다.

선택된 전략은 목표와 의존 관계가 명시된 하위 문제들로 분해된다. 의존 그래프에서 독립적인 하위 문제는 병렬로 실행되고 의존적인 것은 위상 순서를 따른다. 각 하위 문제는 자체 토너먼트 네트워크를 갖고, 합성 트리의 각 노드가 후보들과 그에 대한 비평을 함께 읽어 개선된 해답을 만든다. 합성된 해답이 실패하면 누적된 반대 의견을 안고 네트워크가 다시 돈다.

라운드를 넘겨 학습이 이어지는 장치도 있다. 실패한 초안은 다음 시도에서 그대로 참조되고, 검증자가 찾아낸 문제는 정답과 무관한 형태의 함정 레지스트리로 정리된다. 증명된 결과와 유용한 관찰, 실패한 접근, 참고 문헌은 공유 지식 디렉터리에 기록된다. 구글이 설계 설명에서 가장 많은 분량을 할애한 지점이 바로 이 실패 보존 구조다.

실패를 버리지 않는 구조가 이 발표의 실질적 주장이다

다중 에이전트 시스템의 실패 양상에 대한 구글의 진단은 성능 수치보다 오래 남을 서술이다. 발표문은 느슨하게 조직된 에이전트들이 금방 경로를 이탈하고, 다른 에이전트의 초기 실수에 동의한 뒤 결함 있는 아이디어 위에 자신 있게 쌓아 올린다고 지적했다. 다중 에이전트 구성이 겉보기에는 서로 비슷해 보이지만 어려운 연구 문제에서는 오케스트레이션 문제에 부딪힌다는 것이다.

이 진단을 받아들이면 팀워크의 설계는 에이전트를 더 많이 붙이는 방향이 아니라 합의를 늦추는 방향으로 읽힌다. 전략마다 전담 반증자를 두는 것, 반박당한 경로를 폐기하지 않고 반대 의견과 함께 보관하는 것, 검증자 발견을 정답과 분리된 함정 목록으로 축적하는 것은 모두 조기 수렴을 막는 장치다. 병렬 에이전트를 늘렸을 때 성능이 오르지 않는다는 실무 경험이 흔한 이유를 이 관점이 설명한다. 병목이 생성량이 아니라 잘못된 후보를 걸러내는 능력에 있기 때문이다.

같은 이유로 이 발표를 모델 성능 발표로만 읽으면 절반을 놓친다. 71%라는 점수는 제미나이 3.7 플래시 단독의 점수가 아니라 3.1 프로와 롱 프루프 패턴이 함께 만든 점수이고, 구글도 플래시와 프로를 롱 프루프 안에서 결합하는 기능이 향후 업데이트에서 제공된다고 별도로 밝혔다. 즉 발표 시점에 일반 사용자가 그대로 재현할 수 있는 구성이 아니다.

7건의 결과를 어떻게 읽을 것인가

공개된 7건은 검증 가능성의 등급이 서로 다르다. 다섯 건은 해답 논문이 arXiv에 올라와 있다. Lp 부분공간 근사 코어셋(FOCS 2025 제기, 해답 arXiv:2608.26047), 희소 볼록 최적화의 조건수 하한(JMLR 2021 제기, 해답 arXiv:2608.02588), 챔퍼 유사도의 최대 내적 임베딩 복잡도(해답 arXiv:2607.20393), 증명 가능한 하다마드 양자화(해답 arXiv:2608.02564), 프리픽스 행렬 분해의 근사 최적 하한(해답 arXiv:2608.08238)이 여기 해당한다. 나머지 두 건인 에르되시 단위 거리 문제와 크누스 사이클 추측은 깃허브로 공개됐다.

수치가 붙은 결과는 하다마드 양자화다. 구글은 두 번째 양자화 단계를 제거해 선행 상수를 약 5.93배 줄였다고 밝혔다. 크누스 사이클 추측에서는 짝수 정수 경우의 더 단순한 구성 두 가지에 대한 첫 증명을 얻었고, 40쪽이 넘는 증명과 70쪽이 넘는 증명이 나왔으며 40쪽 증명은 린으로 형식 검증됐다. 에르되시 단위 거리 문제는 새 결과가 아니라 인터넷 접근 없이 기존 돌파를 독립적으로 재발견한 사례로 명시됐다.

형식 검증 여부가 이 목록에서 가장 실질적인 구분선이다. 40쪽 증명이 린에서 검증됐다는 것은 사람의 검토와 무관하게 기계가 확인한 사실이라는 뜻이고, 나머지 결과는 arXiv 프리프린트 단계이므로 동료 심사를 거치지 않았다. 구글도 일부 결과가 기본값보다 높은 병렬성을 썼다고 밝혔는데, 이 조건은 재현 비용이 공개된 설정과 다르다는 뜻이기도 하다. 한 건의 형식 검증과 다섯 건의 프리프린트, 한 건의 재발견은 같은 무게로 세어질 수 없다.

RISC-V 시뮬레이터가 수학 결과보다 검증하기 쉬운 이유

팀워크가 제미나이 3.7 플래시로 만든 아웃오브오더 RISC-V CPU 시뮬레이터는 xv6 운영체제를 셸까지 부팅하고 100개가 넘는 RISC-V 표준 벤치마크를 시뮬레이션했다. BOOM 하드웨어 실행을 기준값으로 삼은 검증에서 처음 보는 워크로드에 대해 평균 사이클 정렬 오차 0.71%를 기록했다. 작업은 두 단계로 나뉘어, 먼저 아웃오브오더 파이프라인과 리오더 버퍼를 포함한 핵심 실행 로직의 기능적 정확성을 확보한 뒤 엄격한 타이밍 오라클에 성능 특성을 맞췄다.

여기서 주목할 것은 부정행위 방지 설계다. 구글은 스파이크 시뮬레이터 소스 코드를 샌드박스에 격리했고, 팀워크의 해법은 격리된 스파이크 참조 시뮬레이터와 지속적인 록스텝 공동 시뮬레이션을 유지하는 방식으로 문제를 풀었다고 밝혔다. 발표문이 조용한 실행 격차라고 부른 구간, 즉 아키텍처 수준의 실패가 드러나기 전에 마이크로아키텍처 상태가 최대 수백 사이클 동안 조용히 어긋날 수 있는 구간이 이 과제의 난점이었다.

이 항목이 수학 결과보다 신뢰도가 높은 이유는 검증 주체가 사람이 아니라 하드웨어 기준값이기 때문이다. 부팅이 되거나 안 되고, 사이클 수가 맞거나 틀리며, 정답을 미리 볼 수 없도록 참조 구현이 격리돼 있다. 에이전트 성능 발표에서 가장 흔한 약점이 평가 데이터 오염인데, 소스 격리와 록스텝 대조는 그 지점을 정면으로 막는 구성이다. 다만 0.71%라는 값이 어떤 워크로드 집합에서 나왔는지, 오차 분포의 최댓값이 얼마인지는 공개되지 않았다.

오픈소스 커밋은 외부 심사를 통과한 유일한 증거다

아이겐과 팔레이해시 기여는 이번 발표에서 외부 관리자의 승인을 받은 결과다. 아이겐에서는 행렬이 단일 행이나 열일 때의 GeMV 연산 구현이 최적이 아니라는 점을 팀워크가 찾아냈고, 직접 데이터 접근과 4-way 누산기 언롤링을 적용한 전용 고속 경로를 만들어 업스트림에 병합했다. 코드 리뷰 과정은 제미나이 3.6 플래시의 지원을 받아 진행됐다.

팔레이해시에서는 스위스 테이블의 최적화를 반영한 스위스 팔레이 구상에 기여했다. 결과는 스레드 64개 환경의 초기 삽입에서 처리량 2배, 단일 스레드 전체 처리량 1.5배이며, 원소당 메모리를 25% 덜 쓰면서 최고 수준의 순차 테이블인 플랫해시맵에 근접한 성능을 냈다. 이 개선도 업스트림 라이브러리에 반영됐다. 구글은 벤치마크 전용 결과가 아니라 표준 오픈소스 코드 리뷰를 거쳐 외부 관리자가 수용한 실제 기여라고 못 박았다.

평가 관점에서 이 두 건의 가치는 성능 수치가 아니라 통과한 관문에 있다. 자체 벤치마크는 발표자가 설계하지만 업스트림 병합은 이해관계가 없는 관리자가 승인해야 성립한다. 에이전트 코딩 성능 발표가 넘쳐나는 상황에서 외부 심사를 통과한 커밋 링크는 재현 논쟁을 우회하는 가장 저렴한 증거다. 동시에 규모의 한계도 분명한데, 병합된 것은 두 라이브러리의 국소 최적화이지 아키텍처 수준의 변경이 아니다.

국내 팀이 지금 확인할 것

국내 개발 조직이 팀워크 도입을 검토한다면 성능 수치보다 앞서 확인할 항목이 세 가지다. 첫째는 구성 조건이다. 공개된 7건의 결과는 제미나이 3.1 프로로 얻었고 TCSBench 71%는 3.7 플래시와 3.1 프로의 조합이며, 플래시와 프로를 롱 프루프 안에서 결합하는 기능은 향후 업데이트 예정으로 명시됐다. 지금 /teamwork-preview를 실행해 얻는 결과가 발표문의 결과와 같은 구성이라고 가정할 근거는 없다.

둘째는 문제 유형이다. 구글은 이 기능이 단일 에이전트 루프로는 너무 크거나 불확실하거나 열려 있는 문제를 위해 만들어졌다고 밝혔고, 일상적인 작업에는 기본적인 다중 에이전트 접근으로 충분한 경우가 많다고 함께 적었다. 사양이 확정된 기능 구현에 이 프레임워크를 쓰는 것은 발표문이 권하는 사용처가 아니다.

셋째는 비용과 시간이다. 팀워크는 몇 시간에서 며칠에 걸쳐 자율적으로 돌아가는 구성이고 일부 결과는 기본값보다 높은 병렬성을 썼다. 발표문에는 토큰 소비량, 실행 시간, 문제당 비용이 제시되지 않았다. 미해결 문제 7건이라는 성과와 그 성과에 들어간 계산 비용은 별개의 정보이며, 후자는 이번 발표에서 공개되지 않았다.

2026년 8월 27일 기준으로 확인된 사실은 팀워크가 유료 요금제에서 /teamwork-preview로 제공되고, 다섯 개 패턴을 갖췄으며, 미해결 문제 7건과 TCSBench 71%, 사이클 정렬 오차 0.71%, 아이겐과 팔레이해시 업스트림 병합을 근거로 제시했다는 것이다. 문제당 계산 비용과 실행 시간, 오차 분포, 재현에 필요한 병렬성 설정은 공개되지 않았다.

출처: 구글 안티그래비티 블로그 'Teamwork: When AI Becomes a Research Partner'(2026년 8월 27일, 저자 안티그래비티 팀)와 구글 공식 블로그 'Pairing Google Antigravity with Gemini 3.7 Flash solves notable multi-agent math and engineering problems'(2026년 8월 31일) 기반 ASAP 정리. 인용 사실은 다중 에이전트 오케스트레이션 프레임워크 팀워크의 구글 I/O 최초 공개와 유료 요금제 /teamwork-preview 제공, 반복 코딩·분산 코딩·롱 프루프·자기검증·문서 리뷰 5개 패턴과 런타임 에이전트 수 결정, 롱 프루프의 경쟁적 전략 탐색과 반증자·합성 트리·함정 레지스트리·공유 지식 디렉터리, 미해결 문제 7건(Lp 부분공간 근사 코어셋 FOCS 2025·해답 arXiv:2608.26047, 희소 볼록 최적화 JMLR 2021·해답 arXiv:2608.02588, 최대 내적 임베딩 해답 arXiv:2607.20393, 하다마드 양자화 해답 arXiv:2608.02564 및 선행 상수 약 5.93배 감소, 에르되시 단위 거리 문제 재발견, 프리픽스 행렬 분해 해답 arXiv:2608.08238, 크누스 사이클 추측 40쪽 이상 및 70쪽 이상 증명과 40쪽 증명의 린 형식 검증), 결과는 제미나이 3.1 프로로 획득하고 3건은 제미나이 3.7 플래시로 재현, TCSBench 71%(3.7 플래시+3.1 프로)와 논문 보고치 67.7%(3.6 플래시+3.1 프로) 및 플래시·프로 결합 기능의 향후 제공 예고, 자기검증 패턴의 알레테이아 에이전트와 퍼스트프루프 챌린지 연원, 아웃오브오더 RISC-V 시뮬레이터의 xv6 셸 부팅과 100개 이상 표준 벤치마크 및 BOOM 기준 평균 사이클 정렬 오차 0.71%와 스파이크 소스 샌드박스·록스텝 공동 시뮬레이션·최대 수백 사이클의 조용한 실행 격차, 아이겐 GeMV 단일 행·열 고속 경로와 4-way 누산기 언롤링 및 제미나이 3.6 플래시 지원 병합, 팔레이해시 기반 스위스 팔레이의 스레드 64개 초기 삽입 처리량 2배·단일 스레드 1.5배·원소당 메모리 25% 절감과 업스트림 반영, 일부 결과의 기본값 초과 병렬성 사용 명시다.