Gemma와 Qwen, 혈통이 다르면 쓰임새도 다르다

Gemma 4와 Qwen3.6-Plus, 숫자 너머의 전략

같은 주에 두 개의 오픈 AI 모델이 공개됐다. 구글 딥마인드의 Gemma 4와 알리바바의 Qwen3.6-Plus다. 대부분의 보도는 벤치마크 수치를 나열하는 데 그쳤다. 두 모델을 제대로 읽으려면 숫자보다 먼저 볼 것이 있다. 왜 만들었는가, 그리고 누구를 위해 만들었는 지다.

Gemma 4: Gemini의 그림자가 아닌 동생

Gemma를 두고 "구글 딥마인드가 독립적으로 키운 모델"이라고 설명하는 경우가 있다. 절반만 맞다. Gemma는 구글 딥마인드가 개발한 오픈소스 경량 모델이지만, 기술 기반은 Gemini와 같다. Gemma 4는 Gemini 3 연구에서 직접 도출됐다고 구글이 명시한다. 형제 모델이다.

차이는 용도에 있다. Gemini는 클라우드에서 돌아가는 상용 폐쇄 모델이다. Gemma는 개발자가 자신의 하드웨어에서 직접 실행하도록 설계된 오픈소스 모델이다. 아파치 2.0 라이선스로 배포돼 상업 이용도 자유롭다. Gemma 4의 에지 모델은 스마트폰과 라즈베리파이에서 인터넷 없이 실행되고, 31B 모델은 GPU 한 장으로 구동된다. 140개 이상의 언어를 지원하며, 멀티스텝 계획과 코드 생성을 오프라인 환경에서 처리한다.

구글의 전략은 분명하다. 에지 디바이스(종단 기기: 스마트폰 등)에 AI를 심겠다는 것이다. 데이터를 외부 서버로 보낼 수 없는 핀테크, 의료, 제조 현장이 주요 타깃이다. 출시 이후 개발자 다운로드 수는 4억 회를 넘었고, 파생 모델은 10만 개를 돌파했다.

Qwen3.6-Plus: 글로벌 이커머스가 키운 언어 감각

Qwen은 알리바바 클라우드 산하 AI 팀이 개발한 모델 패밀리다. 알리바바는 수십 개국 셀러와 바이어가 동시에 접속하는 이커머스 플랫폼을 운영한다. 언어가 다른 사용자를 하나의 시스템으로 연결해야 했고, 그 과정이 다국어 처리 역량으로 쌓였다. Qwen3가 119개 언어와 방언을 지원하는 배경이다. 번역 모델 Qwen-MT는 92개 언어 간 번역을 강화학습 기반으로 처리한다. 이 다국어 역량은 설계 철학이지, 부가 기능이 아니다.

Qwen3.6-Plus는 2026년 4월 2일 출시됐다. 기업용 에이전틱 AI에 초점을 맞췄다. 기본으로 100만 토큰 콘텍스트 창을 제공하고, 코드를 작성·테스트·반복 수정하는 작업을 자율적으로 처리한다. SWE-bench Verified 기준 78.8점으로, Claude Opus 4.5의 80.9점과 1.2점 차이다. 알리바바 클라우드의 기업 플랫폼 우쿵(Wukong)과 통합돼 실제 업무 자동화에 투입된다.

주목할 점은 Qwen3.6-Plus가 오픈소스로 공개되지 않았다는 사실이다. 상위 모델은 클라우드 API로만 제공한다. 개발자 생태계를 넓히는 전략에서 기업 수익 모델로 방향을 전환하는 신호다.

벤치마크가 말하지 않는 것

두 모델을 나란히 놓고 점수만 비교하면 놓치는 것이 있다. Gemma 4는 오프라인 에지 환경을 겨냥한 모델이고, Qwen3.6-Plus는 클라우드 기반 기업 워크플로우를 겨냥한 모델이다. 경기장이 다르다.

네트워크 없이 현장에서 AI를 돌려야 한다면 Gemma 4가 설계 의도에 맞는다. GPU 한 장, 인터넷 없음, 데이터 외부 유출 없음이라는 조건을 충족한다. 반면 다국어 고객 응대, 계약서 분석, 코드 자동화처럼 클라우드 연결이 전제된 기업 업무라면 Qwen3.6-Plus 쪽이 맞다.

두 모델 모두 한때 오픈소스 생태계를 주도하겠다는 의지를 내세웠다. 그런데 흐름이 바뀌고 있다. 모델이 커질수록 로컬 실행이 어려워지고, 개발사는 API 과금으로 수익화를 시도한다. 알리바바가 이번에 상위 모델을 비공개로 전환한 것은 그 흐름의 한 단면이다.

AI 모델을 고를 때 "어느 쪽이 더 좋은가"는 틀린 질문이다. "어떤 환경에서, 어떤 문제를 처리할 것인가"가 먼저다. Gemma 4와 Qwen3.6-Plus는 같은 주에 등장했지만, 다른 문제를 풀기 위해 만들어졌다. 혈통이 다르면 쓰임새도 다르다. 벤치마크는 그다음에 봐도 늦지 않는다.

#AI #LLM #언어모델 #Gemma #Qwen #

관련글 : 로컬 LLM 8B 모델과 20B 모델의 차이

관련글 : 로컬 LLM의 성패는 정확도·속도·예산이 결정한다

관련글 : 로컬 LLM, 하드웨어부터 사면 실패한다