2026년 8월 20일 Google DeepMind는 오픈 모델 계열인 Gemma의 누적 다운로드가 10억 건을 넘었다고 발표했다. 같은 발표에는 개발자들이 만든 변형 모델이 10만 개를 넘었다는 수치도 담겼다. 10억이라는 숫자는 오픈 모델이 더 이상 소수 연구자의 실험물이 아니라는 강한 신호다. 그러나 이것을 곧바로 10억 명의 사용자, 10억 번의 실제 서비스 배치, 혹은 시장점유율로 읽어서는 안 된다.
중요한 질문은 “얼마나 많이 내려받았는가”보다 “내려받은 뒤 어디에서, 어떤 책임 아래 작동하는가”다. 오픈 모델의 성장은 모델 성능표만의 이야기가 아니다. 데이터가 외부 서버로 나가는지, 현장 장비에서 실행할 수 있는지, 수정과 검증이 가능한지, 운영비와 책임을 누가 감당하는지에 관한 산업 구조의 변화다.
10억 다운로드가 말하는 것과 말하지 않는 것
Google의 공식 발표에 따르면 Gemma 계열은 2024년 첫 공개 뒤 2년여 만에 누적 10억 다운로드를 넘겼고, 커뮤니티에는 10만 개가 넘는 변형 모델이 만들어졌다. 위성의 영상 분석, 인도의 보건 데이터 처리, 생명과학 연구 같은 활용 사례도 제시됐다. 이 사례들은 하나의 모델 계열이 노트북과 엣지 장치, 연구용 인프라까지 여러 환경으로 이동할 수 있음을 보여준다. 다만 배치 규모와 효과에 관한 설명은 당사자인 Google이 선정한 사례라는 점을 함께 읽어야 한다.
다운로드는 설치나 자동화된 호출 때 반복 집계될 수 있으며, 고유 사용자 수를 뜻하지 않는다. API로만 쓰는 경우나 기업 내부 배치, 다른 유통 경로도 빠진다. 따라서 10억 건은 정확한 시장점유율이라기보다 생태계의 활동량과 유통 범위를 보여주는 지표에 가깝다.
관심과 채택은 서로 다른 숫자다
Hugging Face가 2026년 1~7월 허브 활동을 분석한 자료는 이 차이를 선명하게 보여준다. 해당 기간 다운로드 상위 25개 저장소와 ‘좋아요’ 상위 25개 저장소에 동시에 들어간 것은 단 하나였다. 좋아요가 새 모델에 대한 관심을 보여준다면, 다운로드는 오래되고 안정적인 모델이 실제 파이프라인에 반복 연결됐을 가능성을 더 잘 포착한다.
같은 분석에서 파라미터 수를 공개한 모델 가운데 10억 개 미만의 소형 모델이 누적 다운로드의 83%를 차지했고, 1,000억 개를 넘는 모델은 1%에 그쳤다. 이는 가장 거대한 모델보다 개발자가 실제 보유한 하드웨어에서 돌아가는 작은 모델이 실용층을 형성하고 있음을 시사한다. 다만 Hugging Face도 이 수치가 자사 허브 안의 활동만 측정하며 품질, 상업적 채택, 전체 시장점유율을 직접 뜻하지 않는다고 명시한다.
흥미로운 대목은 파생 생태계다. Hugging Face 집계에서 Google 계열 파생 모델은 8만2천여 개로 큰 규모지만, Qwen 계열은 15만1천여 개로 더 많았다. 로컬 실행용 GGUF 형식의 월간 다운로드도 Qwen이 3,960만 건, Gemma가 2,080만 건으로 나타났다. Gemma의 10억 기록은 분명 크지만, 오픈 모델 시장 전체를 단독으로 지배한다는 증거는 아니다.
오픈 모델이 바꾸는 것은 ‘성능’보다 배치 방식이다
오픈 가중치 모델은 학습된 수치값을 내려받아 자체 환경에서 실행하고 목적에 맞게 조정할 수 있게 한다. 민감한 문서를 외부 API로 보내기 어려운 조직, 통신이 불안정한 현장, 요청량이 많아 호출 비용이 커지는 서비스에는 실제 선택지가 된다. 그러나 가중치가 공개됐다고 학습 데이터와 제작 과정까지 모두 공개되는 것은 아니다. ‘오픈 모델’과 ‘완전히 공개된 오픈소스’를 같은 말로 쓰지 않아야 하는 이유다.
성능의 교환관계도 남는다. 독립 연구기관 Epoch AI는 2026년 1월 이후 최상위 오픈 가중치 모델이 종합 역량 지표에서 최상위 폐쇄 모델보다 평균 약 4개월, 8점 뒤처졌다고 분석했다. 평균값이 모든 업무를 설명하지는 않지만, 공개 여부가 곧 최고 성능을 보장하지 않는다는 경고로는 유효하다. 반대로 모든 업무가 최고 성능을 필요로 하는 것도 아니다. 문서 분류, 요약, 내부 검색처럼 범위가 명확한 작업에서는 작은 모델의 비용과 통제 가능성이 더 중요할 수 있다.
결국 가치가 쌓이는 장소가 바뀐다. 모델 자체의 이용료뿐 아니라 최적화 도구, 로컬 실행 형식, 칩, 클라우드, 유지보수와 안전 평가가 경쟁력이 된다. 앞서 이 블로그가 Mojo와 AI 컴파일러 주권을 살펴본 이유도 여기에 있다. 누구의 모델을 쓰는가만큼, 어떤 도구와 하드웨어 위에서 실행하고 바꿀 수 있는가가 AI 주도권을 결정한다.
기업과 개인이 확인할 다섯 가지 기준
- 업무 범위: 최고 수준의 추론이 필요한가, 반복적이고 범위가 좁은 작업인가.
- 데이터 경로: 입력이 외부 서버로 나가도 되는가, 로컬·사내 실행이 필요한가.
- 전체 비용: API 요금뿐 아니라 GPU, 전력, 운영 인력, 업데이트 비용까지 계산했는가.
- 라이선스와 투명성: 수정·재배포·상업 이용 조건, 모델 카드와 안전 제한을 확인했는가.
- 검증 책임: 실제 업무 데이터로 정확도·편향·보안을 평가하고 실패 시 중단할 사람이 정해져 있는가.
Stanford HAI의 2026 AI Index는 오픈소스 개발이 참여 지역과 언어의 다양성을 넓히는 한편, 주목할 만한 모델 생산은 여전히 미국과 중국에 집중돼 있다고 지적한다. 오픈 모델은 권력을 자동으로 분산하지 않는다. 다만 조직과 개인이 모델을 내려받고, 검사하고, 자신이 통제하는 환경에 배치할 수 있는 협상력을 넓힌다.
Gemma의 10억 다운로드는 오픈 모델이 주류의 문턱에 도달했다는 신호다. 하지만 주류가 됐는지를 결정하는 것은 숫자의 크기가 아니라 지속적인 사용, 파생 생태계, 운영비, 검증 가능성, 그리고 인간이 멈출 수 있는 통제 구조다. 이제 질문은 “어떤 AI가 가장 유명한가”에서 “우리의 데이터와 판단을 어떤 조건 아래 맡길 것인가”로 옮겨가야 한다.
핵심 자료
- Google DeepMind, 「Inside the Gemmaverse: Celebrating one billion Gemma downloads」, 2026년 8월 20일.
- Hugging Face, 「State of Open Models: Summer 2026 Observations」, 2026년 8월 14일.
- Epoch AI, 「Open models lag state-of-the-art closed models by 4 months」, 2026년.
- Stanford HAI, 「The 2026 AI Index Report」, 2026년.
- Google AI for Developers, 「Gemma 4 model card」, 2026년.
댓글
댓글 쓰기