구글 젬마
젬마(Gemma)는 구글 딥마인드(Google DeepMind)와 구글이 개발한 경량·개방형 인공지능 모델군으로, 제미나이(Gemini) 계열 연구와 기술을 바탕으로 만들어진 오픈 가중치 생성형 AI 모델이다.
젬마는 구글이 개발자와 연구자가 자체 애플리케이션, 로컬 장치, 클라우드 환경에서 생성형 AI를 구축할 수 있도록 공개한 모델군이다. 구글은 젬마를 “제미나이 모델을 만드는 데 사용된 연구와 기술을 바탕으로 한 경량 오픈 모델”로 설명하며, 이름은 라틴어 gemma, 즉 보석을 뜻하는 단어에서 왔다고 밝히고 있다.[1]
젬마는 구글의 폐쇄형 상용 모델인 제미나이와 달리 모델 가중치를 내려받아 직접 실행·미세조정할 수 있는 개방형 모델군이다. 다만 전체 제품군을 일반적인 의미의 완전한 오픈소스 소프트웨어로 단정하기보다는, 모델별 라이선스와 이용 조건이 적용되는 “오픈 가중치(open weights)” 모델군으로 이해하는 것이 정확하다.
구글은 2024년 2월 21일 첫 젬마 모델을 발표하면서 20억 매개변수 규모의 Gemma 2B와 70억 매개변수 규모의 Gemma 7B를 공개했다. 각 크기는 사전학습 모델과 지시 조정 모델 형태로 제공되었으며, JAX, PyTorch, TensorFlow/Keras 기반 추론과 미세조정 도구가 함께 제공되었다.[2]
2024년 6월에는 Gemma 2가 9B와 27B 크기로 공개되었고, 이후 2B 모델도 추가되었다. Gemma 2는 실용적인 규모에서 성능과 추론 효율을 높이는 것을 목표로 설계되었으며, 논문에서는 로컬-글로벌 어텐션, 그룹 쿼리 어텐션, 지식 증류 등 여러 기법이 적용되었다고 설명한다.[3]
2025년 3월에는 Gemma 3가 공개되었다. Gemma 3는 1B, 4B, 12B, 27B 크기로 제공되었고, 이미지-언어 입력과 텍스트 출력을 지원하는 멀티모달 기능, 최대 128K 토큰 문맥창, 140개 이상 언어 지원, 구조화 출력 및 함수 호출 기능을 특징으로 했다.[4]
2026년 3월에는 Gemma 4가 공개되었다. Gemma 4는 고급 추론, 코딩, 에이전트형 워크플로, 온디바이스 실행을 주요 목표로 한 모델군이며, E2B, E4B, 12B, 26B A4B, 31B 등 여러 크기로 제공된다. 구글의 공개 자료에 따르면 2026년 6월 3일에는 Gemma 4 12B Unified가 추가 공개되었다.[5]
| 세대 | 공개 시기 | 주요 크기 | 주요 특징 |
|---|---|---|---|
| Gemma 1 | 2024년 2월 | 2B, 7B | 젬마의 첫 공개 모델군, 사전학습 및 지시 조정 모델 제공 |
| Gemma 2 | 2024년 6월 | 2B, 9B, 27B | 실용적 규모에서의 성능·추론 효율 개선 |
| Gemma 3 | 2025년 3월 | 1B, 4B, 12B, 27B | 멀티모달 입력, 최대 128K 문맥창, 140개 이상 언어 지원 |
| Gemma 3n | 2025년 5월 프리뷰 | E2B, E4B 계열 | 모바일·엣지 장치 중심의 효율적 온디바이스 AI 모델 |
| Gemma 4 | 2026년 3월 이후 | E2B, E4B, 12B, 26B A4B, 31B | 고급 추론, 에이전트형 워크플로, 코딩, 멀티모달 처리, 온디바이스 실행 |
Gemma 4 모델 카드에 따르면 Gemma 4는 텍스트와 이미지 입력을 처리하고 텍스트를 출력하는 멀티모달 모델군이며, 일부 모델은 오디오도 지원한다. 또한 Dense 구조와 Mixture-of-Experts(MoE) 구조를 함께 포함하고, 모델 크기에 따라 최대 128K 또는 256K 토큰 문맥창을 지원한다.[6]
젬마 생태계에는 범용 언어 모델 외에도 특정 목적을 위한 파생 모델이 포함된다.
| 모델 | 목적 |
|---|---|
| CodeGemma | 코드 생성, 코드 완성, 코드 관련 자연어 작업 |
| PaliGemma | 이미지와 텍스트를 함께 처리하는 비전-언어 모델 |
| RecurrentGemma | 순환 구조를 활용한 효율적 언어 모델 |
| ShieldGemma | 생성형 AI 입력·출력의 안전성 분류 및 정책 위반 탐지 |
| Gemma Scope | 젬마 모델 해석 가능성 연구를 위한 희소 오토인코더 도구 |
| MedGemma | 의료 텍스트 및 의료 이미지 이해를 위한 헬스케어 AI 모델 |
| EmbeddingGemma | 검색, 유사도 계산, 분류, 클러스터링 등에 쓰이는 임베딩 모델 |
| T5Gemma | 인코더-디코더 구조 기반의 텍스트 처리 모델 |
| TranslateGemma | 번역 작업에 특화된 모델 |
구글 딥마인드의 젬마 소개 페이지는 MedGemma, T5Gemma, ShieldGemma 2 등을 공식 변형 모델로 제시하고 있으며, Gemmaverse라는 이름으로 커뮤니티 기반 변형 모델과 활용 사례를 함께 소개한다.[7]
젬마의 핵심 특징은 비교적 작은 모델 크기에서도 높은 성능을 제공하고, 개발자가 모델을 직접 실행하거나 미세조정할 수 있도록 하는 데 있다. 구글은 젬마 모델이 노트북, 워크스테이션, 클라우드 서버, 모바일·엣지 장치 등 다양한 환경에서 실행될 수 있도록 설계되었다고 설명한다.[8]
주요 특징은 다음과 같다.
- 오픈 가중치 제공: 모델 가중치를 내려받아 로컬 또는 자체 인프라에서 실행할 수 있다.
- 미세조정 가능: 특정 도메인, 언어, 업무에 맞게 파인튜닝할 수 있다.
- 온디바이스 실행: 작은 크기의 모델은 모바일, 브라우저, 엣지 장치 배포를 고려해 설계되었다.
- 멀티모달 처리: Gemma 3 이후 이미지 입력을 포함한 멀티모달 기능이 강화되었고, Gemma 4에서는 일부 모델이 오디오 처리까지 지원한다.
- 개발자 생태계 연계: Kaggle, Hugging Face, Google AI Studio, Google AI Edge, Keras, JAX 등 여러 도구와 배포 경로를 지원한다.
젬마는 다음과 같은 작업에 활용될 수 있다.
- 질의응답, 요약, 번역, 문서 작성 보조
- 코드 생성, 코드 완성, 개발자 도구 보조
- 검색 증강 생성(RAG) 시스템의 로컬 모델 또는 임베딩 모델
- 모바일 앱·브라우저·엣지 장치에서의 온디바이스 AI
- 의료, 번역, 안전성 분류 등 특정 도메인용 모델 개발
- 연구용 모델 해석, 안전성 평가, 파인튜닝 실험
특히 Gemma 4는 고급 추론과 에이전트형 워크플로를 강조하며, 함수 호출과 구조화 출력 등 도구 사용형 애플리케이션에 필요한 기능을 포함한다. 구글은 Gemma 4를 모바일 장치부터 개인용 워크스테이션, 클라우드 서버까지 다양한 하드웨어에서 사용할 수 있는 모델군으로 설명한다.[9]
Gemma 모델군은 모델별로 공개 방식과 라이선스가 다를 수 있으므로 사용 전 해당 모델 카드와 배포 페이지의 이용 조건을 확인해야 한다. 구글 AI 문서는 젬마 모델이 오픈 가중치로 제공되며 책임 있는 상업적 사용을 허용한다고 설명한다.[10]
Gemma 4의 경우 구글은 Apache 2.0 라이선스로 제공된다고 발표했다. 이는 이전 세대의 젬마 라이선스와 구분되는 중요한 변화로, Gemma 4 계열 모델을 사용할 때는 해당 Apache 2.0 라이선스 조건과 모델 카드의 안전성·사용 제한 관련 설명을 함께 검토하는 것이 필요하다.[11]
젬마는 공개 가중치 모델이므로 개발자와 조직이 자체적으로 배포, 미세조정, 통합할 수 있다는 장점이 있지만, 동시에 부적절한 출력, 편향, 환각, 악용 가능성에 대한 관리가 필요하다. 구글은 첫 젬마 공개 당시 Responsible Generative AI Toolkit을 함께 제공하여 안전한 애플리케이션 개발을 지원한다고 밝혔다.[12]
또한 개방형 모델은 모델 성능과 안전성이 배포 환경, 프롬프트 설계, 파인튜닝 데이터, 후처리 정책에 따라 크게 달라질 수 있다. 따라서 실제 서비스에 적용할 때는 모델 카드의 권고사항을 확인하고, 민감 분야에서는 별도의 평가, 로그 점검, 오용 방지 장치, 인간 검토 절차를 마련하는 것이 바람직하다.
- ↑ Google AI for Developers, “Gemma models overview”, https://ai.google.dev/gemma/docs, 확인일: 2026년 6월 8일.
- ↑ Google Blog, “Gemma: Introducing new state-of-the-art open models”, https://blog.google/innovation-and-ai/technology/developers-tools/gemma-open-models/, 확인일: 2026년 6월 8일.
- ↑ Gemma Team, “Gemma 2: Improving Open Language Models at a Practical Size”, arXiv, https://arxiv.org/abs/2408.00118, 확인일: 2026년 6월 8일.
- ↑ Google Developers Blog, “Introducing Gemma 3: The Developer Guide”, https://developers.googleblog.com/en/introducing-gemma3/, 확인일: 2026년 6월 8일.
- ↑ Google AI for Developers, “Gemma releases”, https://ai.google.dev/gemma/docs/releases, 확인일: 2026년 6월 8일.
- ↑ Google AI for Developers, “Gemma 4 model card”, https://ai.google.dev/gemma/docs/core/model_card_4, 확인일: 2026년 6월 8일.
- ↑ Google DeepMind, “Gemma”, https://deepmind.google/models/gemma/, 확인일: 2026년 6월 8일.
- ↑ Google AI for Developers, “Gemma 4 model overview”, https://ai.google.dev/gemma/docs/core, 확인일: 2026년 6월 8일.
- ↑ Google Developers Blog, “Bring state-of-the-art agentic skills to the edge with Gemma 4”, https://developers.googleblog.com/bring-state-of-the-art-agentic-skills-to-the-edge-with-gemma-4/, 확인일: 2026년 6월 8일.
- ↑ Google AI for Developers, “Get started with Gemma models”, https://ai.google.dev/gemma/docs/get_started, 확인일: 2026년 6월 8일.
- ↑ Google Korea Blog, “용량 대비(Byte for byte) 가장 강력한 성능의 오픈 모델 ‘젬마 4(Gemma 4)’를 소개합니다”, https://blog.google/intl/ko-kr/company-news/technology/gemma-4-kr/, 확인일: 2026년 6월 8일.
- ↑ Google Blog, “Gemma: Introducing new state-of-the-art open models”, https://blog.google/innovation-and-ai/technology/developers-tools/gemma-open-models/, 확인일: 2026년 6월 8일.
