다운로드 10억은 홍보 문구야. 그 옆의 숫자를 봐야 해

구글 딥마인드가 8월 20일 공식 블로그에 젬마(Gemma) 오픈 모델 패밀리의 누적 다운로드가 10억 회를 넘었다고 올렸어. 젬마 담당 부사장 **클레망 파라베(Clement Farabet)**와 제품 총괄 **올리비에 라콤브(Olivier Lacombe)**가 발표를 맡았고, 첫 공개로부터 약 2년 만이야.

다운로드 10억이라는 숫자 자체는 사실 해석이 어려워. 오픈 모델의 다운로드는 CI 파이프라인이 매번 새로 받거나, 도커 이미지를 다시 빌드하거나, 같은 사람이 여러 양자화 버전을 시험해보는 것만으로도 부풀어. 절대 수치를 두고 "젬마 사용자가 10억 명"이라고 읽으면 완전히 틀린 해석이야.

같은 발표에 붙어 있는 다른 숫자가 훨씬 정직해. 파생 모델 10만 개야.

외부 개발자가 젬마 가중치를 받아서 파인튜닝하거나 개조해 다시 공개한 모델이 10만 개를 넘었다는 뜻이야. 이건 다운로드와 성격이 완전히 달라. 파생 모델을 하나 만들려면 누군가 데이터를 준비하고, GPU 시간을 쓰고, 결과를 평가하고, 다시 업로드하는 과정을 거쳐야 해. 자동화된 재다운로드로는 절대 늘어나지 않는 숫자야.

그리고 구글은 같은 날 **'어썸 젬마(Awesome Gemma)'**라는 깃허브 저장소를 새로 열었어. 커뮤니티가 만든 프로젝트·파인튜닝·튜토리얼·도구를 큐레이션해 모아두는 공식 색인이야. 구글은 이걸 '젬마버스(Gemmaverse)'의 공식 디렉터리라고 부르고 있어. 캐글에서 진행 중인 젬마 챌린지에는 1,600건 넘는 프로젝트가 출품됐고 수상작 발표를 앞두고 있어.

등장인물 정리 — 젬마, 젬마버스, 그리고 구글의 두 갈래 전략

젬마는 구글의 오픈웨이트 모델 계열이야. 여기서 '오픈웨이트'라는 말을 정확히 짚고 가자. 가중치 파일을 내려받아 자기 컴퓨터나 자기 서버에서 돌릴 수 있다는 뜻이야. 학습 데이터나 학습 코드까지 다 공개된 '완전 오픈소스'와는 달라. 라이선스에도 사용 제한 조항이 붙어 있고. 그래도 API를 통해서만 접근 가능한 제미나이와 비교하면 자유도가 압도적으로 커.

구글이 왜 두 개를 동시에 돌리는지가 이 뉴스의 배경이야. 제미나이는 폐쇄형 프론티어 모델로 성능 경쟁의 최전선을 맡고, 젬마는 개발자가 손에 쥐고 만질 수 있는 쪽을 맡아. 이 구조가 노리는 건 명확해. 개발자가 젬마로 처음 프로토타입을 만들고, 규모가 커지면 제미나이 API나 구글 클라우드로 넘어오는 경로야. 오픈 모델은 그 자체로 매출을 만들지 않지만, 유입 깔때기의 가장 넓은 입구 역할을 해.

모델 크기 전략도 봐야 해. 젬마 계열의 특징은 작은 모델을 진지하게 만든다는 거야. 수십억 파라미터 이하 구간에서 실용적인 품질을 뽑아내는 데 공을 들였고, 그래서 노트북·휴대폰·엣지 기기에서 돌리려는 사람들이 젬마를 먼저 집어. 프론티어 성능 경쟁에서는 앞설 수 없지만, **"이 하드웨어에서 돌아가는 것 중 가장 좋은 것"**이라는 자리는 확보할 수 있어.

젬마라는 이름의 유래도 전략을 드러내. 제미나이(Gemini)와 어원을 공유하는 작명인데, 구글은 젬마가 제미나이를 만들 때 쓰인 연구와 기술을 공유한다고 설명해왔어. 즉 젬마는 별도 프로젝트가 아니라 프론티어 모델 연구의 축소 배포판에 가까워. 이 구조 덕분에 구글은 제미나이에 들어간 개선을 시차를 두고 젬마에 반영할 수 있고, 그만큼 릴리스 비용이 낮아져. 경쟁사가 오픈 모델을 별도 조직에서 따로 만드는 것과는 원가 구조가 달라.

우주에서 돌아가는 사례도 이번 발표에 등장했어. NASA, 위성 스타트업 새틀리트(Satlyt), 궤도 컴퓨팅 회사 스타클라우드(Starcloud)가 젬마 모델을 우주 환경에서 돌리고 있다고 소개됐어. 홍보성 사례처럼 보이지만 기술적 함의가 있어. 궤도상 장비는 지상과의 통신 지연과 대역폭이 제한되고 전력 예산이 빡빡해. API 호출이 아예 불가능한 환경이라는 뜻이야. 그런 곳에서 쓸 수 있는 모델은 가중치를 들고 갈 수 있는 모델뿐이야.

커뮤니티 큐레이션이라는 조치도 뜯어볼 만해. 어썸 젬마는 기술적으로는 그냥 링크 모음 저장소야. 새 모델도 아니고 새 도구도 아니야. 그런데 오픈 모델 생태계에서 가장 자주 발생하는 실패가 "좋은 파생 모델이 있는데 아무도 못 찾는 것"이거든. 허깅페이스에 10만 개가 올라가 있어도 검색과 정렬이 안 되면 대부분은 존재하지 않는 것과 같아. 공식 색인은 그 발견 비용을 낮추는 장치고, 동시에 구글이 어떤 파생 모델을 승인하는지를 정하는 권한이기도 해. 큐레이션은 중립적인 행위가 아니야.

숫자를 정리하면

지표 수치 성격
누적 다운로드 10억 회 이상 재다운로드 포함, 해석 주의
외부 파생·파인튜닝 모델 10만 개 이상 실제 제작 활동 지표
공개 이후 기간 약 2년 첫 공개부터
캐글 젬마 챌린지 출품 1,600건 이상 수상작 발표 예정
직전 마일스톤 9억 회 10억 달성 직전 기록

이 표에서 가장 중요한 행은 10억과 10만의 비율이야. 대략 다운로드 1만 회당 파생 모델 1개가 나온 셈이야. 이게 높은 건지 낮은 건지 판단할 기준은 아직 업계에 없지만, 절대 수치로 10만 개는 상당한 규모야.

두 번째로 볼 건 9억에서 10억까지 걸린 시간이야. 오픈 모델의 채택은 보통 초반에 급격히 튀었다가 완만해지는데, 마일스톤 사이 간격이 짧아지고 있다면 아직 성장 국면이라는 뜻이고, 길어지고 있다면 정체 신호야. 구글은 이번 발표에서 그 구간별 속도를 공개하지 않았어. 누적 수치만 발표하고 증가율을 안 밝히는 건 흔한 화법이니까 감안하고 읽는 게 좋아.

세 번째로 짚을 건 캐글 챌린지 1,600건이라는 숫자야. 이건 다운로드나 파생 모델보다 훨씬 좁은 지표인데, 대신 참여 강도가 높아. 챌린지에 프로젝트를 내려면 아이디어를 정하고 구현하고 문서를 쓰는 과정을 다 거쳐야 하거든. 구글이 이 숫자를 같이 발표한 건 "다운로드만 많은 게 아니라 진지하게 쓰는 사람이 있다"는 걸 보이려는 의도로 읽혀.

각자의 이득 — 이 생태계에서 누가 뭘 가져가나

구글이 얻는 건 기본값 자리야. 개발자가 "작은 모델 하나 필요한데"라고 생각했을 때 가장 먼저 떠오르는 이름이 되는 것. 이 자리는 광고로 살 수 없고, 벤치마크 1위로도 못 사. 실제로 써본 사람이 많아야만 생겨. 파생 모델 10만 개는 그 자리를 확보했다는 증거에 가까워.

여기에 더해 구글은 학습 데이터를 얻지 않고도 피드백을 얻어. 어떤 도메인에서 파인튜닝이 많이 일어나는지, 어떤 크기가 실제로 쓰이는지, 어떤 언어로 개조되는지 — 이건 다음 모델을 설계할 때 직접적인 입력이 돼.

개발자가 얻는 건 통제권이야. 가중치를 갖고 있으면 데이터가 외부로 안 나가고, 모델이 갑자기 폐기되거나 가격이 오르는 일을 겪지 않아. 프론티어 랩들이 구형 모델을 주기적으로 종료해온 걸 겪어본 팀이라면 이 가치를 알아. API 모델은 빌린 것이고, 오픈웨이트 모델은 가진 것이야.

기업 입장의 이득은 규제 대응이야. 금융·의료·공공처럼 데이터 반출이 까다로운 영역에서는 성능이 조금 떨어져도 자체 인프라에서 돌아가는 모델이 유일한 선택지인 경우가 많아. 젬마 계열의 작은 모델들이 이 시장을 파고든 이유가 여기 있어.

연구자들에게는 실험 기반이야. 이번 주 해커뉴스에서 화제가 된 디퓨전젬마(DiffusionGemma) 기술보고서가 좋은 예야. 이미지 생성에 쓰이던 디퓨전 방식을 텍스트 생성에 적용한 모델인데, 이런 구조 실험은 가중치와 아키텍처에 접근할 수 있어야만 가능해. 폐쇄형 모델 위에서는 애초에 시도할 수 없는 종류의 연구야.

하드웨어 벤더들도 수혜자야. 오픈웨이트 모델이 많이 쓰일수록 온디바이스·엣지 추론 칩의 수요가 생겨. 퀄컴·미디어텍·애플처럼 단말에 NPU를 넣는 회사들에게 젬마 같은 소형 모델은 자기 칩의 존재 이유를 증명해주는 소프트웨어야. 국내 NPU 기업들도 마찬가지로, 벤치마크를 돌릴 표준 모델이 있어야 성능을 비교 가능한 숫자로 제시할 수 있어. 이 생태계는 모델 제작사와 칩 제작사가 서로를 필요로 하는 구조야.

다만 비대칭도 분명해. 젬마 라이선스에는 사용 제한 조항이 있고, 구글은 언제든 다음 버전의 조건을 바꿀 수 있어. 커뮤니티가 젬마 위에 쌓은 10만 개의 파생 모델은 그 조건 변화에 그대로 노출돼 있어. 생태계가 커질수록 플랫폼 소유자의 협상력이 커지는 구조는 오픈소스 역사에서 반복돼온 패턴이야.

과거 유사 사례 — 오픈 모델 배포전의 승패

**메타의 라마(Llama)**가 이 전략의 원형이야. 2023년 라마 가중치가 풀리면서 오픈 모델 생태계가 사실상 시작됐고, 한동안 파인튜닝의 기본값이었어. 메타가 얻은 건 매출이 아니라 표준 지위였어. 그런데 이 자리는 영구적이지 않았어.

**알리바바의 큐원(Qwen)**이 그 자리를 상당 부분 가져갔어. 다국어 성능, 크기 라인업의 촘촘함, 릴리스 주기 — 세 가지에서 앞서면서 파인튜닝 커뮤니티의 기본 선택지가 이동했어. 이 사례가 보여주는 건 오픈 모델의 점유율은 생각보다 빨리 뒤집힌다는 거야. 전환 비용이 낮거든. 더 좋은 가중치가 나오면 다음 프로젝트부터 바꾸면 그만이야.

미스트랄은 다른 경로를 보여줘. 초기에 오픈웨이트로 주목받았지만 이후 상업 모델 비중을 늘리면서 커뮤니티의 열기가 식었어. 오픈 배포와 수익화 사이의 균형을 잘못 잡으면 양쪽 모두 놓칠 수 있다는 사례로 자주 인용돼.

실패 사례로 자주 언급되는 건 '가중치만 던지고 끝'인 릴리스야. 성능 좋은 모델을 공개했는데 문서·툴체인·양자화 버전·추론 예제가 없으면 커뮤니티가 붙지 않아. 어썸 젬마 저장소는 정확히 이 문제를 겨냥한 조치야. 흩어진 커뮤니티 산출물에 공식 색인을 붙이는 건 가중치 공개 이후의 두 번째 단계에 해당해.

한국 사례로는 오픈 모델 공개가 실제로 생태계를 만든 경우와 그렇지 못한 경우가 갈려. 국내 기업들도 오픈웨이트 모델을 여러 차례 공개했는데, 지속적인 후속 릴리스와 도구 지원이 붙은 쪽만 파생 모델이 쌓였어. 한 번의 공개보다 릴리스 주기의 일관성이 채택을 결정한다는 게 공통된 교훈이야.

성공과 실패를 가른 공통 요인을 정리하면 세 가지야. 첫째, 크기 라인업이 촘촘한가. 개발자는 자기 하드웨어에 맞는 크기를 고르는데, 선택지가 두어 개뿐이면 다른 계열로 가. 둘째, 릴리스가 예측 가능한가. 다음 버전이 언제 나올지 모르면 프로덕션에 넣기 어려워. 셋째, 도구가 따라오는가. 양자화 버전, 추론 서버 지원, 파인튜닝 레시피가 함께 나와야 실제 사용으로 이어져. 젬마는 세 가지 모두에서 무난한 점수를 받아왔고, 이번 어썸 젬마는 세 번째 항목을 보강하는 조치야.

경쟁자 카운터 플레이

알리바바 큐원은 릴리스 속도로 대응해왔어. 모델 크기 라인업을 촘촘히 채우고 짧은 주기로 갱신하는 전략인데, 이건 다운로드 마일스톤 발표보다 실질적인 압박이야. 개발자는 "가장 최근에 나온 괜찮은 모델"을 고르는 경향이 강하거든.

메타의 대응은 지켜볼 필요가 있어. 최근 메타는 개인용 초지능이라는 방향을 전면에 내세우면서 오픈 배포에 대한 태도가 예전만큼 선명하지 않아. 라마가 만든 자리를 젬마와 큐원이 나눠 가져가는 구도가 굳어지는 중이야.

허깅페이스 같은 배포 플랫폼은 이 경쟁에서 중립적인 심판이자 최대 수혜자야. 어떤 계열이 이기든 파생 모델이 쌓이는 곳은 결국 플랫폼이거든. 구글이 어썸 젬마라는 자체 색인을 만든 건 그 의존도를 조금 낮추려는 움직임으로도 읽혀. 생태계 데이터가 플랫폼에만 쌓이면 모델 제작사는 자기 사용자를 직접 볼 수 없어.

오픈AI와 앤스로픽은 이 경쟁의 바깥에 있어. 둘 다 프론티어 성능과 API 매출에 집중하고 있고, 오픈웨이트 배포는 부수적으로만 다뤄. 이들의 카운터는 오픈 모델을 내는 게 아니라 API 가격을 낮춰서 "직접 돌릴 이유"를 줄이는 쪽이야. 실제로 소형 모델 API 가격은 계속 내려가고 있어.

엔비디아도 이 판의 플레이어야. 네모트론 계열을 오픈웨이트로 내고 있고, 어제 나온 풀사이드 모델 팩토리 라이선스 거래를 보면 모델 제작 역량을 더 키울 계획이 분명해. 칩 회사가 좋은 오픈 모델을 뿌리는 건 자기 하드웨어에서 가장 잘 도는 모델을 표준으로 만드는 전략이야.

그래서 뭐가 달라지는데

개발자라면 당장의 실무적 함의는 어썸 젬마 저장소야. 지금까지 젬마 관련 자료는 허깅페이스·깃허브·블로그에 흩어져 있어서 "이 크기에 이 용도면 어떤 파인튜닝을 쓰지"라는 질문에 답하기 어려웠어. 공식 색인이 생겼다는 건 탐색 비용이 줄어든다는 뜻이야. 다만 큐레이션의 품질은 저장소가 얼마나 관리되는지에 달렸어.

작은 팀이나 1인 개발자라면 젬마 계열의 소형 모델은 여전히 가성비 좋은 출발점이야. 특히 데이터를 외부로 보낼 수 없는 프로젝트에서는 선택지가 많지 않아. 다만 모델을 고를 때 다운로드 수를 기준으로 삼지 마. 파생 모델이 실제로 있는지, 최근 릴리스가 언제인지, 양자화 버전과 추론 예제가 갖춰졌는지가 훨씬 실용적인 기준이야.

기업 IT 담당자라면 이 발표는 조달 논의의 근거로 쓸 수 있어. "오픈 모델은 실험용"이라는 인식이 아직 남아 있는데, 파생 모델 10만 개와 대형 기관의 실사용 사례는 그 인식을 바꾸는 자료야. 다만 라이선스 조항은 직접 읽어봐야 해. 오픈웨이트가 무제한 허용을 뜻하지는 않아.

투자자라면 젬마의 성장은 구글 실적에 직접 잡히지 않는다는 점을 기억해. 오픈 모델은 매출이 아니라 유입 경로야. 확인할 지표는 다운로드가 아니라 구글 클라우드의 AI 관련 매출이 이 유입과 함께 움직이는지야.

연구자나 대학원생이라면 젬마 계열은 여전히 가장 접근성 좋은 실험 대상 중 하나야. 논문 재현이나 구조 변형 실험을 하려면 가중치와 아키텍처가 열려 있어야 하고, 계산 자원이 제한된 환경에서는 소형 모델이 사실상 유일한 선택지야. 디퓨전젬마처럼 기존 계열을 다른 생성 방식으로 바꿔보는 연구가 나오는 것도 이 접근성 덕분이야. 다만 논문에 쓸 때는 라이선스 조항과 사용 제한을 확인해두는 게 좋아. 오픈웨이트라고 해서 모든 용도가 허용되는 건 아니야.

AI 정책을 보는 사람이라면 우주 사례가 흥미로운 논점을 만들어. 궤도나 오프라인 환경에서 돌아가는 모델은 API 기반 감독 장치가 작동하지 않아. 오픈웨이트 배포가 늘어날수록 모델 배포 이후의 통제 수단이 사라진다는 구조적 문제가 커지는데, 이건 아직 규제 논의가 따라잡지 못한 영역이야.

국내 개발 환경에서는 한국어 처리 품질이 관건이야. 젬마 계열은 다국어를 지원하지만 한국어 특화 파인튜닝이 필요한 경우가 많고, 실제로 국내 커뮤니티가 만든 한국어 파인튜닝 버전들이 여러 개 공개돼 있어. 어썸 젬마 저장소가 언어별 파생 모델까지 색인해준다면 국내 팀들의 탐색 비용도 줄어들 텐데, 초기 큐레이션이 영어권 프로젝트 위주로 채워질 가능성도 있어. 이 부분은 저장소가 채워지는 걸 몇 주 지켜봐야 판단할 수 있어.

🥄 남은 궁금증 세 가지

— 다운로드 10억이면 젬마가 제일 많이 쓰이는 오픈 모델이야? 그렇게 단정하긴 어려워. 다운로드 집계 기준이 회사마다 다르고, 재다운로드와 미러 배포가 섞여 있어. 큐원 계열도 비슷한 규모의 수치를 발표해왔고. 순위를 따지기보다 파생 모델 수, 릴리스 주기, 툴체인 지원 같은 지표를 같이 보는 게 실제 사용량에 더 가까워.

— 그럼 제미나이 대신 젬마를 쓰면 되는 거야? 용도가 달라. 젬마는 크기가 작고 자기 인프라에서 돌릴 수 있는 대신 프론티어 성능은 아니야. 복잡한 추론이나 긴 맥락 작업은 여전히 제미나이 같은 대형 모델 쪽이 낫고, 분류·요약·추출처럼 정형화된 작업이나 데이터를 밖으로 못 보내는 상황에서는 젬마가 맞아. 둘 중 하나를 고르는 문제가 아니라 어디에 뭘 쓸지의 문제야.

— 구글이 언제까지 이걸 공짜로 풀까? 단정하긴 일러. 다만 구조를 보면 젬마는 자선 사업이 아니라 유입 전략이야. 개발자가 젬마로 시작해 구글 클라우드로 넘어오는 경로가 실제로 작동하는 한 계속될 가능성이 높아. 반대로 그 전환이 확인되지 않으면 릴리스 주기나 라이선스 조건이 조정될 수 있어. 지켜볼 지점은 다음 젬마 버전의 라이선스 문구야.

참고 자료

수치는 발표 시점 기준이라 바뀔 수 있어.