Gemma
젬마
Gemma는 구글 딥마인드가 가중치를 공개하는 경량 오픈 웨이트 모델 제품군입니다. Gemini와 같은 연구·기술을 바탕으로 만들어졌고, 노트북이나 워크스테이션, 사내 서버에서 직접 실행할 수 있습니다 [1]. 첫 공개는 2024년 2월 2B·7B 두 종이었습니다 [1]. Gemma 1~3 계열은 OSI 오픈소스 정의를 충족하지 않는 Gemma 이용약관과 금지 사용 정책이 붙은 형태였습니다 [2]. 2026년 4월 공개된 Gemma 4부터는 Apache 2.0으로 바뀌었습니다 [4].
쉽게 말하면?
Gemini가 본사 중앙 주방에서만 요리하는 셰프라면, Gemma는 같은 조리법을 줄여 각자 집 부엌에 들여놓을 수 있게 만든 계열입니다. 모델 파일을 직접 내려받아 개인 노트북이나 회사 내부 서버에서 돌릴 수 있어서, 자료를 외부로 보내지 않고도 쓸 수 있습니다 [1]. 대신 크기가 작은 만큼 아는 범위와 정확도는 대형 모델보다 좁아요. 그래서 용도를 좁게 정하고 미세조정해 쓰는 방식이 일반적입니다.
한 줄로 비유하면?
Gemini가 본사 중앙 주방이라면, Gemma는 같은 조리법으로 각자 부엌에 들여놓는 소형 조리대입니다.
어디에 쓰이나?
케이스 1SK텔레콤 — 한국어·영어 고객상담 유해표현 판별을 4B 모델로 처리한 국내 사례
SK텔레콤은 Adaptive ML과 함께 Gemma 3 4B를 고객 상담 검수용으로 미세조정했습니다 [5]. 한국어 표본 8천 건으로 지도 미세조정을 한 뒤 PPO 강화학습을 적용했습니다 [5]. 목표는 고객 데이터를 자체 통제 아래 두면서 대형 상용 API 수준의 판별 품질을 내는 것이었습니다 [5]. 미세조정 후 한국어에서도 영어와 비슷한 수준의 성능을 보였습니다 [5].
도입효과: 유해표현 판별 종합 점수(0~1 척도) 한국어 0.80으로 GPT-4o 0.76·Claude 3.7 Sonnet 0.77 상회, 동일 평가 세트 기준 [5]
케이스 2AI 싱가포르 — Gemma 3 27B를 동남아 언어 모델 SEA-LION v4의 토대로 사용
AI 싱가포르는 SEA-LION v4의 기반 모델로 Gemma 3 27B를 골랐습니다 [6]. 선택 이유로 멀티모달 처리, 긴 문맥 창, 폭넓은 다국어 커버리지, 함수 호출 지원을 들었습니다 [6]. 대상 언어는 버마어·필리핀어·인도네시아어·말레이어·타밀어·태국어·베트남어입니다 [6]. 자국어 데이터 주권을 지키면서 대형 모델 의존을 줄이는 방향을 잡은 사례입니다 [6].
도입효과: SEA-HELM 리더보드 55개 모델 중 4위, 타밀어·필리핀어 1위, 32GB RAM 노트북에서 구동 [6]
케이스 3Lettria — 비정형 문서를 지식그래프로 바꾸는 파이프라인
Lettria는 텍스트를 지식그래프로 변환하는 작업에 Gemma 3 4B·12B·27B를 미세조정해 적용했습니다 [7]. 27B는 정확도 우선, 4B는 속도 우선, 12B는 중간 선택지로 배치했습니다 [7]. 상용 API 대신 자체 운용 모델을 쓰면서 비용과 응답 속도를 함께 관리했습니다 [7].
도입효과: 처리 성공률 99.8%(27B)·99.01%(4B) 대 Gemini 2.5 Pro 93.99%, 동일 벤치마크 처리 비용 14달러 대 26달러 [7]
케이스 4구글 리서치 MedGemma — Gemma 3 기반 의료 특화 파생 모델
구글 리서치는 2025년 7월 Gemma 3를 토대로 한 MedGemma 4B와 27B를 공개했습니다 [8]. 이미지와 텍스트를 함께 입력받아 텍스트를 출력하며, 단일 GPU에서 실행할 수 있습니다 [8]. 4B 모델은 모바일급 하드웨어까지 이식 가능한 범위로 설계했습니다 [8]. 의료 도메인 특화 모델도 오픈 웨이트로 배포된다는 점을 보여준 사례입니다 [8].
도입효과: MedQA 87.7%(27B 텍스트 모델), 흉부 X선 생성 보고서의 81%가 미국 전문의 판정 기준 동일 진료 판단 가능 수준(4B 모델) [8]
주의할 점은?
오늘 바로 해보기
01. 구글 AI 개발자 문서의 Gemma 페이지에서 현재 제공되는 모델 계열과 크기를 확인합니다 [2].
02. 쓰려는 모델의 공식 모델 카드를 열어 라이선스 항목부터 읽습니다. Gemma 이용약관인지 Apache 2.0인지 구분합니다 [2][4].
03. 소형 모델 한 종을 노트북에 내려받아 첫 응답까지 걸리는 시간을 측정합니다.
04. 사내 문서 20건으로 같은 질문 10개를 던져 상용 API 답변과 품질을 표로 비교합니다.
05. 파생 모델 중 업무에 맞는 것이 있는지 확인합니다. 의료 특화 MedGemma 같은 갈래가 공개돼 있습니다 [8].
한계와 진화
라이선스가 첫 관문입니다. Gemma 1~3과 다수 파생 모델은 Gemma 이용약관을 따릅니다 [2]. 이 약관은 금지 사용 정책 준수를 요구하고, 재배포할 때 약관 사본 전달, 수정 파일 표시, 사용 제한 조항의 하위 계약 반영을 의무로 둡니다 [2]. 사용 목적을 제한하는 조항 때문에 OSI 오픈소스 정의는 충족하지 못했습니다 [2]. 구글은 2026년 4월 Gemma 4를 OSI 승인 Apache 2.0으로 공개했지만 [4], 이전 버전과 기존 파생 모델에는 종전 약관이 그대로 적용됩니다 [2]. 버전마다 따로 확인해야 해요.
성능에서는 크기의 한계가 남습니다. Gemma 4는 엣지용 E2B·E4B와 추론 시 3.8B만 활성화하는 26B MoE, 31B 밀집 모델로 구성됩니다 [3]. 엣지 모델은 128K, 상위 모델은 최대 256K 문맥을 지원하고 140개가 넘는 언어로 학습됐습니다 [3]. 그래도 소형 모델은 지식 범위가 좁고 근거 없는 답을 만들 수 있어 검증 절차가 따라야 합니다. 생태계 규모는 계속 커지는 중입니다. 누적 다운로드 4억 회, 커뮤니티 변형 10만 개 이상이 공개돼 있습니다 [4].
참고 자료
- Gemma: Google introduces new state-of-the-art open models — 공식 블로그·Google·2024 — https://blog.google/innovation-and-ai/technology/developers-tools/gemma-open-models/
- Gemma Terms of Use — 라이선스 문서·Google AI for Developers·2026 — https://ai.google.dev/gemma/terms
- Gemma 4: Byte for byte, the most capable open models — 공식 블로그·Google·2026 — https://blog.google/innovation-and-ai/technology/developers-tools/gemma-4/
- Gemma 4: Expanding the Gemmaverse with Apache 2.0 — 공식 블로그·Google Open Source·2026 — https://opensource.googleblog.com/2026/03/gemma-4-expanding-the-gemmaverse-with-apache-20.html
- Adaptive ML trains Gemma 3 for exceptional multilingual results — 사례 문서·Google DeepMind·2025 — https://deepmind.google/models/gemma/gemmaverse/adaptiveml/
- SEA-LION v4 — 사례 문서·Google DeepMind·2025 — https://deepmind.google/models/gemma/gemmaverse/sea-lion-v4/
- Lettria — 사례 문서·Google DeepMind·2025 — https://deepmind.google/models/gemma/gemmaverse/lettria/
- MedGemma: Our most capable open models for health AI development — 리서치 블로그·Google Research·2025 — https://research.google/blog/medgemma-our-most-capable-open-models-for-health-ai-development/
대표 출처
공식 블로그 (2026) · Google Open Source, Gemma 4: Expanding the Gemmaverse with Apache 2.0이 페이지에 대한 의견을 남겨주세요
여러분의 의견은 다음 갱신에 반영됩니다.