You think faster than you type. Which means every typed prompt leaves out the constraints, examples, and edge cases that would have made the output actually useful.

Wispr Flow turns your voice into paste-ready text inside any AI tool. Speak naturally — include "um"s, tangents, half-finished thoughts — and Flow cleans everything up. You get detailed, structured prompts without touching a keyboard.

89% of messages sent with zero edits. Used by teams at OpenAI, Vercel, and Clay. Free on Mac, Windows, and iPhone.

Try Wispr Flow free

2026년 4월 2일, 구글 딥마인드(Google DeepMind)가 Gemma 4를 출시했습니다.

2B에서 31B 파라미터까지의 네 가지 모델로 구성된 제품군이고, 오픈소스의 스택을 한창 확장하는 모델들입니다. 돌이켜 보면 Gemma는 언제나 훌륭한 모델이었지만, 처음 출시되었을 때는 지금처럼 OpenClaw나 다른 오픈 소스 에이전트 같은 활용 사례가 많지는 않았습니다. 그런 의미에서, 튜링포스트에서 이번에 Gemma 4를 OpenClaw와 함께 사용하는 법을 다뤄서, 이 Gemma 모델을 좀 더 실용적으로 활용할 수 있게 해 드릴 가이드를 준비해 봤습니다.

Gemma 4에서 가장 주목할 점이 있다면, 그건 바로 ‘인공지능 발전의 축이 근본적으로 바뀌었다’는 것이 아닐까 합니다 - 무슨 말이냐 하면, 이제 성능의 척도가 단순히 높은 점수가 아니라 '파라미터당 지능'과 '연산 단위당 효율'이라는 새로운 기준, ‘효율’을 향하고 있다는 겁니다.

이전의 오픈 모델들이 특정한 규모 내에서 성능을 쥐어짜는 데 몰두했다면, Gemma 4는 하드웨어가 가진 잠재력을 극대화하는 데 초점을 맞췄습니다. 희소 활성화(Sparse Activation), 효율적인 어텐션 매커니즘, 멀티모달 처리와 같은 핵심 기술들이 스마트폰부터 워크스테이션까지 각 디바이스 환경에 최적화된 형태로 구현되어 있습니다. 결국 딥마인드는 하드웨어의 제약이 없이 누구나 고성능의 지능을 누릴 수 있는 시대를 열려고 하고 있다는 뜻이고, 이런 노력이 바로 로컬 개발자와 일반 사용자들 사이에서 강력한 AI 생태계를 구축하는 기폭제가 될 것으로 봅니다.

바로 이런 이유 때문에, Gemma 4는 출시되자마자 OpenClaw 유저들 사이에서 빠르게 인기를 얻으면서 로컬 환경에서 가장 먼저 시도해 봐야 할 기본 모델로 자리 잡고 있습니다. 오늘 에피소드에서는, Gemma 4가 어떤 아키텍처적인 선택을 해서 훨씬 적은 연산 비용으로도 프론티어급 성능을 내는지, 그리고 왜 OpenClaw 유저들이 이 모델로 갈아타고(혹은 적어도 갈아타려고 시도하고) 있는지 그 이유를 알아봅니다.

자, 그럼 당신의 하드웨어가 감당할 수 있는 가장 강력한 모델일지도 모를 Gemma 4에 대한 가이드, 지금 시작합니다.

오늘 에피소드에서는 아래와 같은 내용을 다룹니다:

Gemma 4는 Gemini 3와 동일한 연구 및 기술 스택을 기반으로 구축된 ‘오픈 모델 제품군’입니다.

물론 이것보다 더 흥미로운 지점은, 바로 ‘구글이 무엇을 최적화하고 있는가’라는 것이겠죠. 위에서도 이야기했다시피, 그 답은 바로 '파라미터당 지능'과 '연산 단위당 지능'이고요, 이건 더 낮은 하드웨어 스펙을 가지고도 더 뛰어난 추론, 코딩, 멀티모달 역량을 발휘할 수 있도록 모델을 설계했다는 뜻입니다.

Gemma 4는 배포 환경을 고려해서 ‘하드웨어 타겟’과 ‘추론 예산’에 따라서 두 개의 그룹으로 나뉘어 설계되었습니다:

Gemma 4는 지금 AI 모델의 개발 트렌드에 맞게 에이전트 워크플로우를 중심으로 구조화된 모델입니다. Gemma 4 패밀리의 모델들은 네이티브 함수 호출과 구조화된 JSON 데이터 출력, 정교한 지시 이행 능력을 바탕으로 해서 140개 이상의 언어를 처리하고, 멀티모달 기능까지 기본으로 갖춘 강력한 범용 추론 엔진으로 진화했습니다.

Gemma 4의 경쟁력, 상당합니다:

작은 사이즈의 모델들도 그 크기에 대비하면 아주 경쟁력이 높습니다. E4B는 코딩 작업에서 약 52%의 성능을 보여주고, E2B 역시 기본적인 추론과 멀티모달 작업을 충분히 수행해 냅니다. 바로 이런 결과가 ‘모델 크기를 무작정 키우지 않고도 프론티어급 성능에 근접할 수 있다’는 이번 모델 개발의 핵심 아이디어를 입증하는 것이겠죠 - 그리고 Gemma 4 모델의 설계 방식에서도 이런 방향을 명확하게 확인할 수 있습니다.

Gemma 4의 아키텍처를 좀 더 깊이 파고들어 보죠. Gemma 4 패밀리 중에서 규모가 큰 두 가지 모델은 서로 다르면서도 명확히 구분되는 아키텍처로 만들어져 있습니다.

거대 모델의 반대편에는, 유효 파라미터가 2B와 4B인 소형 밀집 모델, E2B와 E4B가 있죠. 이 모델들은 '성능 대 활성 연산량'이라는 문제를 조금 다른 각도에서 접근합니다. 소형 Gemma 모델들은 '레이어별 임베딩(Per-layer embeddings)'을 사용해서 네트워크 전반에 걸쳐서 정보가 훨씬 더 압축적으로 저장되게끔 하고, 그래서, 단순한 스케일링 모델보다 훨씬 메모리 점유율이 작고, 엣지 디바이스에서도 무리 없이 구동할 수 있습니다. (이 모델들의 특징은 조금 있다가 더 자세히 다루겠습니다.)

Gemma 4의 모든 모델은 각각 다른 하드웨어 환경을 타겟으로 하지만, 효율성을 정의하는 공통적인 아키텍처 백본과 구성 요소를 공유하고 있습니다.

Maarten Grootendorst가 작성한 가이드에서 Gemma 4 아키텍처의 다양한 측면을 분석해 준 덕분에 비교적 쉽게 자세한 정보를 얻을 수 있습니다. 여기서는, Gemma 4의 워크플로우를 독특하고 효율적으로 만들어 주는 핵심적인 요점만 간략히 짚어보겠습니다.

우선, 모든 모델은 로컬 어텐션과 글로벌 어텐션을 교차 배치해서, 효율성을 챙기면서도 긴 문맥을 추론할 수 있는 능력을 유지합니다. 이런 혼합 방식은 이전의 Gemma 3에서도 사용되었지만, Gemma 4는 그 구조를 조금 다르게 짠 걸로 보입니다.

대부분의 레이어는 슬라이딩 윈도우 어텐션(Sliding Window Attention)을 사용해요 - 즉, 윈도우 크기 내에 있는 일정 수의 이전 토큰들만 참조한다는 겁니다. Gemma 4의 경우에는 소형 모델은 512개, 대형 모델은 1024개의 윈도우 크기를 가집니다. 이 방식을 쓰는 이유는, 전체 시퀀스 길이를 $n$, 윈도우 크기를 $w$라고 할 때, 어텐션 비용을 $O(n^2)$에서 $O(n \cdot w)$로 드라마틱하게 줄여주기 때문입니다.

하지만, 정보가 히든 스테이트(Hidden States)를 통해서 전달되면서 점점 희석될 수 있어서, 로컬 어텐션만으로는 장거리 의존성을 안정적으로 캡처하기 어렵죠.

이걸 보완하기 위해서 Gemma 4는 전체 문맥을 참조할 수 있는 글로벌 어텐션 레이어를 혼합하는 겁니다. 가장 작은 E2B 모델은 4:1 비율(로컬 4개 레이어당 글로벌 1개)로, 나머지 모델들은 5:1 비율을 사용한다고 해요. 특히 마지막 레이어는 반드시 글로벌 어텐션으로 배치했는데, 마지막에 로컬 레이어를 두면 모델이 최종 단계에서 전체 맥락을 통합하는 능력이 제한되기 때문이라고 하구요. Gemma 3 때와 비교하면 이건 의미 있는 변화라고 할 수 있습니다.

어쨌든, 그 결과로, Gemma 4 모델에서는 ‘적은 비용이 드는 로컬 처리’, 그리고 가끔 발생하는 ‘글로벌 동기화’ 단계가 번갈아 일어나게 됩니다 - 대부분의 시간은 좁은 토큰 차에서 효율적으로 작동하다가, 주기적으로 전체 시퀀스와 맥락을 다시 맞추는 식으로 작동하죠.

하지만 여기서 더 추가적으로 고안된 기술적 장치가 없으면, 글로벌 어텐션은 여전히 긴 문맥에서 연산량 조절과 안정성 유지를 하기 힘들어요 - 그래서, 구글 딥마인드에서는 이 문제를 해결하기 위한 방법들을 제안했습니다:

결국, 목표는 글로벌 어텐션이 저장하고 처리해야 할 정보량을 압축하는 겁니다. Gemma 4의 글로벌 어텐션 레이어가 표준 트랜스포머 레이어와 다르게 작동하게끔 해 주는 다섯 가지 기법, 다음과 같습니다:

이런 5가지 최적화 기법을 조합해서 글로벌 어텐션의 비용을 크게 줄여서, Gemma 4가 추론을 효율적으로 하면서도 긴 컨텍스트 윈도우를 잘 다룰 수 있게 된다는 겁니다. 여기서의 핵심은, 비싼 구성 요소를 아예 없애는 것이 아니라, 더 빡빡한 연산 예산 안에서 작동하게끔 그 형태를 재설계한 겁니다.

Gemma 4 제품군의 모든 모델은 이미지를 처리할 수 있는 멀티모달 능력을 갖추고 있습니다. 이미지는 텍스트처럼 구조화된 토큰으로 변환되는데, Gemma 4는 다양한 이미지 형태에 잘 적응하고 연산량에 따라서 해상도를 조절하기도 하고, 또 시각 정보를 텍스트 파이프라인과 직접 통합하는 더 정교한 방식을 사용합니다.

비전 파이프라인의 전체 과정을 요약하면 이렇습니다:

이 모든 과정이 합쳐져서, 이미지의 형태, 해상도, 연산 예산 및 일반적인 정밀도에 훨씬 더 민감하게 이미지를 처리할 수 있게 되었습니다.

Gemma 4 패밀리의 소형 모델들은 네이티브 오디오 입력 기능을 갖추고 있어서, 멀티모달의 영역을 한층 더 확장해 주는데, 이 모델들에는 좀 더 흥미로운 아키텍처적인 반전(Architectural Twist)이 하나 더 숨어 있습니다.

앞서 언급했듯이, 엣지에 최적화된 밀집 모델인 E2B와 E4B는, 효율성을 높이기 위해서 '레이어별 임베딩(Per-layer embeddings)'에 의존합니다. 왜 이런 특별한 변화가 필요했을까요?

온디바이스 환경에서는, 많은 경우에 연산 능력보다 메모리가 더 중요한 제약 사항이 되기 쉽고, 그래서 이에 맞춘 정교한 조정을 해야 하죠. 표준 트랜스포머에서는 토큰 임베딩이 입력 단계에서 한 번 생성된 후에 네트워크를 통과하면서 변환되지만, Gemma 4의 소형 모델들은 각 레이어마다 별도의 작은 임베딩 세트를 추가로 도입했습니다. 모델은 매 토큰마다 각 레이어에 하나씩 대응하는 임베딩 세트를 가져옵니다.

이 레이어별 임베딩은 메인 임베딩보다 훨씬 작고 비용도 싸게 드는 메모리에 별도로 저장되고, 추론 중에 한 번 호출되어서 각 레이어에서 모델에 주입됩니다. 사용 전에는 신호의 세기를 조절하는 작은 게이팅 메커니즘을 통과한 뒤에, 모델의 내부 차원에 맞춰 투영되어서 기존의 표현과 결합하게 됩니다.

이런 방식은 소형 Gemma 4 모델에 두 가지 중요한 효과를 주는데요:

결과적으로, E2B와 E4B는 텍스트, 이미지, 심지어 오디오와 같은 멀티모달 입력을 가볍게 지원할 수 있게 되고, 스마트폰, 노트북 및 임베디드 시스템에서 완전히 오프라인으로 구동할 수 있게 됩니다.

또, 소형 모델에는 음성을 텍스트 및 이미지와 함께 처리할 수 있는 오디오 인코더가 포함되어 있습니다. 오디오 파이프라인은 원시 오디오를 스펙트로그램 특징, 컨볼루션 레이어, 트랜스포머 기반 인코더(Conformer)를 결합해서 임베딩으로 변환합니다. 이후에 이 임베딩들은 텍스트 및 이미지와 동일한 공간으로 투영되어서, 모델이 모든 모달리티를 한꺼번에 처리할 수 있게 해 줍니다.

Gemma 4 제품군 중에 소형 모델들만 오디오 데이터를 처리한다는 것 자체가, 이 패밀리에 속하는 각각의 모델이 목표로 하는게 서로 다른다는 걸 보여주죠. 2B와 4B는 ‘오디오가 자연스럽게 어울리는 연속적인 입력 처리가 필요한 실시간 작업’을 위해서 설계한 것인 반면에, 26B와 31B는 ‘복잡한 생성 작업과 계획 작업’을 목표로 만들어진, 무거운 추론 엔진입니다. 소형 모델이 이미 잘하는 일을 대형 모델에 중복해서 넣어서 더 무겁게 만들 이유가 없다고 판단한 것으로 보입니다. 결국, 특정한 유즈케이스와 하드웨어, 작업에 따른 모델의 전문화가 이번 Gemma 4 릴리스의 최우선 과제였다고 이해하는게 좋을 것 같습니다.

자, 그럼 이제 ‘왜 여러분이 이 Gemma 4 모델을 사용할지 검토해 볼만한지’, 그 질문을 해 볼 차례죠.

모델의 인기를 가늠하는 가장 확실한 신호는, 특히 지금은, 아마 OpenClaw 유저들이 뭘 선택하느냐일 겁니다. 실제로 OpenClaw 유저들이 꽤 많이 Gemma 4 모델을 활발하게 테스트하고, 자기들의 워크플로우 일부를 이 모델로 전환하고 있는 걸로 보입니다. 이유야 물론 Gemma 4가 로컬/OpenClaw 스택의 쓸모를 훨씬 늘려주었기 때문이죠. 무료에 가까운 추론 비용, 더 나은 개인정보 보호, 크기 대비 강력한 품질, Apache 2.0 라이선스, 멀티모달 기능, 긴 문맥 지원, 그리고 Ollama/NVIDIA/로컬 런타임에서 즉시 사용 가능하다는 점 등이 먹힌 거죠. 이건 단순히 벤치마크 점수의 이야기가 아니라 사용성, 경제성, 편리함의 승리라고 하겠습니다.

사람들이 Gemma 4로 이동하려는 이유를 좀 정리해서 살펴보면:

이 모든 기술적 측면을 종합해 볼 때, Gemma 4로의 이동, 그리고 전환은 아래와 같은 제약 사항들을 한꺼번에 해결하는 과정으로 인식될 수 밖에 없습니다:

OpenClaw를 넘어선 Gemma 4의 생태계 모멘텀은 아주 인상적이고도 실질적인 의미가 있는 상태로 진입하고 있는 걸로 보입니다. 지금 Hugging Face에서 가장 인기 있는 모델 1위를 차지하고 있고, Gemma 제품군은 이미 4억 회 이상 다운로드, 10만 개 이상의 커뮤니티 변형 모델을 보유한 모델이 되었습니다.

하지만 모두가 환호하는 건 아니죠. 일부 OpenClaw 및 LocalLLaMA 유저들은 Gemma 4가 도구 사용(Tool use)이나 에이전트 문맥을 유지하는 측면에서 여전히 Qwen3.5 같은 모델보다 뒤처진다고 이야기하기도 해요 - 한마디로 "무슨 일이 벌어지고 있는지 금방 잊어버린다"는 건데요.

OpenClaw 공식 문서에도 보면, 로컬 모델은 큰 컨텍스트 윈도우와 강력한 프롬프트 인젝션 방어 능력이 필요하고, 지나치게 양자화되었거나 너무 작은 체크포인트는 위험할 수 있다고 경고합니다. inferrs 문서에 따르면, 일부 Gemma 조합은 복잡한 에이전트 턴에서 실패할 수 있고, supportsTools: false 설정이 필요할 수도 있다고 적혀 있기도 하구요.

Reddit의 한 트러블슈팅 게시물을 보면, OpenClaw의 방대한 시스템 프롬프트, 하드코딩된 타임아웃 동작, 로컬 백엔드의 특성 때문에, 세밀하게 튜닝하지 않으면 Gemma 4가 제대로 작동하지 않는 것처럼 보일 수도 있다고 지적합니다. 즉, 매력적인 모델이라서 시도는 많이 하지만, 통합 과정이 아직 미성숙한 이유로 포기하는 유저들도 있다는 뜻입니다.

그래서, 전반적인 현재의 패턴은 이해하기 쉬운 편입니다. 유저들은 '충분히 좋고 저렴한' 곳에는 Gemma 4를 쓰기 시작했지만, 더 어려운 에이전트 작업에는 여전히 Qwen이나 MiniMax를 예비 모델로 남겨두고 있다는 거죠. 물론, 출시된지 얼마 안 된 시점의 이야기니까, 앞으로는 이 상황이 어떻게 전개될지 흥미롭게 지켜봐야겠죠.

반복해서 말씀드리지만, Gemma 4는 가장 거대한 모델이 되는 방식으로 승부에서 이기려고 하는 모델이 아닙니다. 대신에, 현실적인 제약 조건 하에서 높은 수준의 모델의 능력을 누구나, 어디에서나 활용할 수 있게 만드는데 집중한 모델 패밀리예요:

언뜻 생각하기에는 거의 뭐 ‘따뜻한 아이스 아메리카노’처럼 들리는데요 ^.^;

Gemma 4의 모든 기법은, 현실에서 이 모델을 사용할 실제 사용자의 니즈를 상상하고 거기에 맞춰서 적용된 것들입니다. 구글 딥마인드의 팀은, 사람들이 OpenClaw 같은 에이전트에 열광하고 있다는 점에 주목하고, 거기서 가장 먼저 테스트해 보고 싶어할 만한, 그 곳의 기본 모델이 될 만한 결과물을 내놓았습니다.

Gemma 4는 강력한 로컬 성능, 실용적인 모델 크기, 에이전트 친화적 기능, 멀티모달, Apache 2.0 라이선스, 폭넓은 하드웨어 지원, 그리고 "API 비용 없는 프라이버시"라는 매력적인 스토리를 모두 갖춘 오픈 모델이고, 이런 장점들은 OpenClaw 유저를 비롯한 일반 AI 사용자 층에 아주 잘 맞아떨어집니다.

기술적인 관점에서, Gemma 4 제품군의 설계는 단순히 하나의 아키텍처를 키우거나 줄이는 게 아니라, 아키텍처 자체를 각기 다른 제약 조건에 맞춰 적응시키는 과정이었던 걸로 보입니다. 각 모델이 하드웨어 효율성과 사용자 편의성에 초점을 맞춘 만큼, 지금 겪고 있는 도입 초기의 문제들은 조만간 해결될 시간 문제일 뿐이라는 생각도 들 정도입니다. 머지않아 구글 딥마인드의 이 오픈 모델, Gemma가 더 성숙해진, 더 거대한 생태계를 만들어가는 모습을 보게 되지 않을까 기대해 볼 만 합니다.

읽어주셔서 감사합니다. 친구와 동료 분들에게도 뉴스레터 추천해 주세요!