AI 모델의 성능 발표는 이제 일주일이 멀다 하고 나온다. 그 사이에서 주목할 만한 변화는 사실 모델 능력보다 라이선스에서 나오는 경우가 있다. 4월 2일 Google이 Gemma 4를 공개하면서 함께 발표한 한 줄이 그렇다. 이번 공개부터 라이선스가 Apache 2.0이다. 이전 Gemma 시리즈가 들고 있던 자체 라이선스의 조건들이 통째로 사라졌다는 뜻이다. 모델 능력은 그 다음 이야기다.
왜 라이선스 변경이 더 큰 뉴스인가
Gemma 1·2·3은 Google 자체 Gemma Terms of Use 라이선스를 따랐다. 연구·비상업 목적에는 관대했지만 상업 서비스에 적용할 때는 별도 조건 충족이 필요했고, “월간 활성 사용자 1억 명 이상 서비스는 Google과 별도 협의” 같은 조항이 기업 법무팀의 검토 부담을 만들었다. 이 한 줄 때문에 한국 기업이 Gemma를 도입할 때마다 몇 주짜리 검토 절차가 생기곤 했다.
Apache 2.0은 OSI 공식 승인 라이선스다. 수정·배포·상업 이용 모두 자유롭고, 특허 사용권까지 포함돼 법적 리스크가 낮다. 소스코드 공개 의무도 없다(GPL과 가장 큰 차이). 한 마디로 정리하면 — Gemma 4를 자사 서비스에 탑재해 수익을 내도 Google에 따로 허락을 구하거나 비용을 낼 필요가 없다. Google Open Source Blog는 “개발자 커뮤니티의 오랜 요청을 반영했다”고 설명했지만, 사실 이건 Llama·Mistral 계열에 비해 Gemma가 가지고 있던 가장 큰 약점 하나를 없앤 결정에 가깝다.
Gemma 4 라인업 — 4가지 사이즈
모델 자체도 검토해 둘 만하다. Google DeepMind는 Gemma 4를 Gemini 3와 동일한 연구·기술 기반 위에서 만들었고, 네 가지 크기로 나눠 공개했다.
- E2B (Effective 2B): 스마트폰·엣지 디바이스 수준. 추론 시 활성 파라미터 약 2B
- E4B (Effective 4B): 노트북·소형 서버 수준. 활성 파라미터 약 4B
- 26B-A4B (MoE): 전체 26B 중 추론 시 3.8B만 활성. 속도는 4B급, 품질은 26B급
- 31B Dense: 전 파라미터 상시 활성. 일관된 고품질 응답, 파인튜닝 베이스로 최적
주목할 수치는 두 가지다. 31B 모델이 Chatbot Arena 글로벌 랭킹에서 전체 3위(오픈모델만이 아니라 유료 상용 모델 포함)에 올랐고, 26B MoE도 6위에 안착했다. 사이즈 대비 성능 효율이 매우 높다. 멀티모달 기능도 강화됐다 — 텍스트·이미지·음성·영상 입력을 네이티브로 처리하고 한국어 포함 140개 이상 언어를 지원하며, 컨텍스트 윈도우는 최대 256K 토큰이다.
받는 곳 세 군데
Hugging Face에서 google/gemma-4-31b-it, google/gemma-4-26b-a4b-it, google/gemma-4-e4b-it, google/gemma-4-e2b-it로 검색하면 된다. 계정 로그인 후 라이선스(Apache 2.0) 동의만 하면 즉시 다운로드된다. Kaggle Models에서도 Google 계정 연동으로 노트북에서 바로 활용할 수 있다. 가장 가벼운 진입은 Ollama다. 터미널에서 한 줄.
ollama run gemma4Mac(Apple Silicon), Linux, Windows를 모두 지원한다. 로컬 실행 최소 사양은 E2B 기준 RAM 6GB, 31B Dense는 VRAM 20GB 이상의 GPU를 권장한다. RTX 4090이나 M3 Max 이상의 MacBook Pro면 31B를 실용 속도로 굴릴 수 있다. VRAM이 부족하면 GGUF 양자화 버전이 별도로 제공된다.
한국 시장에 떨어지는 세 가지 변화
Gemma 4 공개가 한국 시장에 주는 실질 변화는 라이선스 한 줄에서 나온다. 내용은 단순하다.
첫째, 스타트업의 AI 서비스 출시 비용이 거의 0원이다. 챗봇, 고객 응대, 문서 요약 같은 기능을 만들 때 OpenAI API 비용 없이 충분한 성능의 모델을 확보할 수 있다. Apache 2.0이라 법무 검토 부담도 없다. E4B나 26B MoE 모델이면 웬만한 비즈니스 태스크는 충분히 소화한다.
둘째, 데이터 보안이 필수인 금융·의료·공공 분야의 온프레미스 AI 도입이 현실화된다. 지금까지 규제 산업에서 외부 API 사용은 데이터 주권 문제로 기피 대상이었다. Gemma 4를 내부 서버에 직접 올리면 데이터가 외부로 나갈 일이 없고, 상업적 제약도 없으니 서비스 운영도 자유롭다.
셋째, 한국어 특화 파인튜닝 모델 제작과 상업 배포가 합법이다. 이전 라이선스 하에서는 파생 모델의 상업 배포에 제약이 있었다. Apache 2.0에서는 그 제약이 사라진다. 한국어 도메인 데이터로 파인튜닝한 모델을 만들어 SaaS로 판매하는 것까지 자유롭다.
지금 할 일
가장 빠른 경험은 ollama.com에서 Ollama를 설치하고 ollama run gemma4:e4b 한 줄로 E4B 모델을 띄우는 것이다. 8GB RAM 환경에서도 돌고, 평소 자주 던지는 질문 몇 개를 그대로 던져 보면 본인 작업에 맞는지 한 시간 안에 감이 잡힌다. 파인튜닝까지 가 보고 싶다면 Hugging Face 계정을 만들고 Google Colab이나 Kaggle 노트북에서 샘플 코드를 굴려 보는 게 다음 단계다. 이미 OpenAI API를 쓰는 프로젝트가 있다면 어떤 태스크가 Gemma 4 E4B나 26B MoE로 대체 가능한지 한 번 점검해 ROI를 계산해 보자. Apache 2.0이라는 라이선스가 그 결정을 훨씬 가볍게 만든다.
관련 글
- Gemma 4로 로컬 바이브 코딩하는 법: API 비용 없이 AI 코딩 에이전트 구축 가이드
- Gemini Code Assist 무료 공개 — Cursor vs Windsurf vs Gemini 3파전
- AI 가격 전쟁: Gemini 3.1 Flash-Lite $0.25/1M, 모델별 비용 비교
출처
- Google Blog — Gemma 4: Byte for byte, the most capable open models
- Google Open Source Blog — Apache 2.0 라이선스 변경
- Hugging Face Blog — Welcome Gemma 4
대표이미지 출처: Google Blog
