구글이 문을 열고, 넷플릭스가 사람을 지웠다 [정원훈의 AI 트렌드]

인공지능(AI) 트렌드를 가장 빠르게 알 수 있는 허깅페이스를 분석하는 정원훈의 AI 트렌드입니다. 이번 주 허깅페이스는 한마디로 '구글이 왕좌를 되찾고, 중국이 코딩 최강을 선언하고, 넷플릭스가 마술을 부린' 한 주였습니다.

구글 딥마인드의 젬마 4(Gemma 4)가 오픈소스 진영에 화려하게 복귀하며 모델·스페이스를 동시에 휩쓸었습니다. 중국 지에이아이(Z.ai, 구 지푸 AI)의 GLM-5.1이 754B MoE 괴물로 SWE 벤치 프로(SWE-Bench Pro) 정상에 올랐고, 넷플릭스가 영상 속 사람을 지우면 기타가 바닥에 떨어지는 '물리 인식형 비디오 인페인팅' 모델을 오픈소스로 풀었습니다.

이번 주의 키워드는 세 가지입니다. '아파치 2.0으로 돌아온 구글의 멀티모달 강자 젬마 4', 'SWE 벤치 프로 1위를 차지한 Z.ai의 에이전틱 코딩 모델 GLM-5.1', '600개 이상 언어를 복제하는 옴니보이스(OmniVoice)의 제로샷 음성 합성'입니다. 이번 주도 퀴즈로 시작하겠습니다.

구글 딥마인드가 만든 이 오픈소스 모델 패밀리는 E2B, E4B, 26B A4B, 31B 네 가지 크기로 출시됐습니다. 텍스트·이미지·비디오·오디오를 모두 처리하는 멀티모달 모델로, 최대 256K 토큰 컨텍스트 윈도우를 지원합니다. 아레나 AI(Arena AI) 텍스트 리더보드에서 자기보다 20배 큰 모델을 이기며 세계 3위에 올랐고, 아파치 2.0 라이선스로 상업적 이용도 자유로운 이 모델의 이름은?

Z.ai가 발표한 이 차세대 플래그십 모델은 754B 파라미터의 MoE 아키텍처를 사용합니다. SWE 벤치 프로에서 58.4%로 클로드 오퍼스 4.6(57.3%)을 제치고 1위를 기록했으며, 수백 라운드에 걸쳐 전략을 수정하며 장기간 에이전틱 코딩 작업을 수행하는 것이 특징인 이 모델의 이름은?

정답은 '젬마 4'와 'GLM-5.1'입니다. 그럼 이번 주에는 어떤 혁신이 등장했는지 함께 살펴보겠습니다.

허깅페이스 4월 둘째주 모델과 스페이스 톱3. / 정원훈 제공

AI 모델 톱3

1위: google/gemma-4-31B-it | Image-Text-to-Text

"구글이 아파치 2.0 깃발을 꽂다… 오픈소스 멀티모달의 새 기준점"

구글 딥마인드가 발표한 젬마 4는 E2B, E4B, 26B A4B(MoE), 31B(Dense) 네 가지 크기로 출시됐습니다. 이름부터 '4세대'의 각오가 느껴지는 이 모델이 허깅페이스 모델 랭킹 정상을 차지했습니다. 젬마 패밀리 사상 처음으로 아파치 2.0 라이선스를 적용해 이전 젬마 라이선스가 제한했던 상업적 활용이 완전히 자유로워졌습니다.

쉽게 말하면, 스마트폰부터 워크스테이션까지 어디서든 돌릴 수 있는 '크기별 맞춤 AI'를 구글이 무료로 풀어놓은 것입니다. 텍스트, 이미지, 비디오를 모두 처리하는 멀티모달 모델로, 최대 256K 토큰의 긴 컨텍스트 윈도우를 지원합니다. 특히 내장된 씽킹 모드로 단계별 추론이 가능하며, 코딩, 에이전틱 워크플로우, 멀티모달 이해 등에 최적화되어 있습니다.

핵심 구조를 살펴보면, 하이브리드 어텐션 메커니즘이 핵심입니다. 로컬 슬라이딩 윈도우 어텐션과 글로벌 풀 컨텍스트 어텐션을 번갈아 배치해, 가벼운 모델의 처리 속도와 복잡한 장문 맥락 이해를 동시에 잡았습니다. 26B A4B MoE 모델은 총 260억 파라미터 중 실제 추론 시에는 40억만 활성화되어, 4B급 속도로 26B급 품질을 뽑아냅니다. 마치 260명의 전문가 팀에서 가장 적합한 4명만 골라 투입하는 '선발 시스템'이라고 보면 됩니다.

아레나 AI 텍스트 리더보드에서 31B 모델이 세계 3위, 26B MoE가 6위를 기록하며 자기보다 20배 큰 모델들을 이겼습니다. 허깅페이스 블로그 팀도 "사전 테스트에서 너무 뛰어나 파인튜닝 예제를 찾기 어려웠다"고 고백할 정도입니다.

어디에 활용할 수 있을까요? 멀티모달 챗봇, 문서·이미지·비디오 분석, 코드 생성 및 디버깅, 에이전틱 워크플로우 구축, 온디바이스 AI 앱(E2B/E4B) 개발 등 사실상 AI 응용의 전 영역에 적합합니다.

2위: dealignai/Gemma-4-31B-JANG_4M-CRACK | Text Generation

"젬마 4의 쌍둥이? 18GB로 31B를 돌리는 혼합정밀도의 마술"

1위를 차지한 젬마 4-31B의 '경량화 변환 버전'이 바로 뒤를 이었습니다. JANG이라 불리는 혼합정밀도 양자화 기법을 적용해, 31B Dense 모델을 18GB까지 압축한 것이 핵심입니다. 원래 31B 모델을 구동하려면 수십 기가바이트의 그래픽처리장치(GPU) 메모리가 필요한데, 이 모델은 그 절반도 안 되는 용량에 담아냈습니다.

비결은 '계층별 차등 양자화'입니다. 어텐션 레이어(Q/K/V/O)처럼 품질에 민감한 핵심 부분은 8비트 정밀도로 보호하고, MLP 레이어처럼 양자화에 강한 부분만 4비트로 압축합니다. 마치 고급 식재료는 냉장 보관하고, 건조 식품만 진공 압축하는 것과 같은 원리입니다. 평균 비트 수 5.1비트로 실질적인 품질 손실은 MMLU 기준 2% 수준에 그칩니다.

다만 이 모델은 'CRACK'이라는 이름에서 짐작할 수 있듯, 안전 정렬(safety alignment)을 제거한 '에이블리터레이티드(abliterated)' 버전입니다. 보안 관련 코딩 프롬프트에서는 높은 응답률을 보이지만, 커뮤니티에서는 일반적인 질문에서 여전히 거부율이 높다는 보고도 있어 아직 논란이 있는 상태입니다. 연구·실험 목적으로는 흥미로운 시도이지만, 실무 적용 시에는 주의가 필요합니다.

어디에 활용할 수 있을까요? 맥북 등 제한된 GPU 환경에서의 로컬 AI 실행, 보안 연구·침투 테스트 학습, AI 안전성 연구, 경량 추론 엔진 개발 등에 적합합니다.

3위: zai-org/GLM-5.1 | Text Generation

"코딩 에이전트의 새 왕… 754B MoE 괴물이 SWE 벤치 프로를 접수하다"

Z.ai가 발표한 GLM-5.1은 에이전틱 엔지니어링을 위한 차세대 플래그십 모델입니다. SWE 벤치 프로에서 최고 성능을 기록했으며, NL2Repo와 터미널 벤치 2.0(Terminal-Bench 2.0)에서도 전작 GLM-5를 큰 차이로 앞섰습니다.

이 모델의 진짜 강점은 '장기전'에 있습니다. 기존 모델들은 익숙한 기법을 빠르게 적용한 후 곧 정체기에 빠지는 반면, GLM-5.1은 수백 라운드에 걸쳐 전략을 수정하고 실험하며 점점 더 나은 결과를 만들어냅니다. 쉽게 말해, 다른 AI가 '시험 15분 만에 포기'한다면 GLM-5.1은 '시험 끝날 때까지 풀이를 고치며 답을 개선하는' 학생입니다.

벤치마크에서는 SWE 벤치 프로 58.4%로 클로드 오퍼스 4.6(57.3%), GPT-5.4(57.7%)을 모두 제쳤고, 사이버짐(CyberGym)에서도 68.7%로 1위를 차지했습니다. 754B 파라미터의 MoE 아키텍처로 모델 크기는 1.51TB에 달하지만, MIT 라이선스로 상업적 이용이 자유롭고 SGLang, vLLM, 트랜스포머(Transformers)등 주요 프레임워크를 모두 지원합니다.

어디에 활용할 수 있을까요? 대규모 코드베이스 자동 리팩토링, 보안 취약점 탐지, 복잡한 터미널 작업 자동화, 장시간 에이전틱 코딩 세션, 연구용 논리 추론 등 고난도 코딩·엔지니어링 작업 전반에 적합합니다.

AI 응용프로그램(Spaces) 톱3

허깅페이스 스페이스는 AI 모델을 웹 브라우저에서 바로 체험할 수 있는 플레이그라운드입니다. 코드 한 줄 없이 최신 AI 기술을 만져볼 수 있죠. 이번 주 가장 뜨거운 스페이스 3곳을 소개합니다.

1위: Gemma 4 WebGPU | webml-community

"구글의 최강 AI가 내 브라우저 안에서 돌아간다… 설치 없는 멀티모달의 시대"

젬마 4 모델을 웹GPU와 Transformers.js를 활용해 브라우저에서 로컬로 구동하는 데모입니다. 텍스트를 입력하거나 이미지를 첨부하면 서버 없이 내 기기의 GPU만으로 AI가 답변을 생성합니다. 지난주 코히어 트랜스크라이브 웹GPU가 '음성 인식'의 로컬화를 보여줬다면, 이번 주는 '멀티모달 대화형 AI'의 로컬화를 증명한 셈입니다.

별도 앱 설치도, API 키도, 클라우드 서버도 필요 없습니다. 크롬 브라우저 하나면 충분합니다. 문서 분석, 이미지 설명, 코드 작성 등을 오프라인에서도 수행할 수 있어 보안이 민감한 환경에서의 활용 가능성이 큽니다.

2위: Cohere Multilingual ASR | CohereLabs

"8.3B 파라미터가 브라우저 탭 안에서 숨 쉰다… 리퀴드 AI의 하이브리드 마술"

리퀴드 AI의 LFM2-MoE는 총 83억 파라미터 중 토큰당 15억만 활성화하는 MoE 모델로, 이 스페이스에서는 모델 로딩, 양자화, 텍스트 생성을 모두 브라우저 안에서 처리합니다.

핵심은 '하이브리드 컨볼루션-어텐션 아키텍처'입니다. 대부분의 AI 모델이 '어텐션'이라는 단일 엔진에만 의존하는 반면, LFM2는 여기에 '컨볼루션'이라는 보조 엔진을 함께 탑재했습니다. 쉽게 비유하면, 어텐션은 '전체 회의록을 처음부터 끝까지 훑어보며 핵심을 찾는 비서'이고, 컨볼루션은 '바로 앞뒤 문장만 빠르게 훑어 패턴을 잡아내는 속기사'입니다. 이 둘을 한 팀으로 묶었기 때문에 깊은 맥락 이해와 빠른 처리 속도를 동시에 잡을 수 있습니다. 에지 AI와 온디바이스 배포를 위해 설계된 LFM2는 품질, 속도, 메모리 효율성 세 마리 토끼를 동시에 잡았습니다. 양자화 버전은 스마트폰, 태블릿, 노트북에서도 편안하게 구동합니다. 프롬프트를 입력하면 30초 안에 모델이 GPU 메모리에 로드되어 토큰이 생성되기 시작하는, 서버 없는 AI의 미래를 눈앞에서 체험할 수 있습니다.

3위: OmniVoice | k2-fsa

"600개 언어로 목소리를 복제한다… 제로샷 TTS의 궁극기"

옴니보이스는 600개 이상의 언어를 지원하는 제로샷 텍스트-음성 변환(TTS) 모델로, 디퓨전 언어 모델 아키텍처 기반으로 고품질 음성을 빠르게 생성합니다. 짧은 참조 오디오만 있으면 그 목소리를 즉석에서 복제하는 '보이스 클로닝'과, 성별·나이·음높이·억양 등 속성을 지정해 새 목소리를 디자인하는 '보이스 디자인' 두 가지 모드를 제공합니다.

RTF(실시간 대비 처리 시간)가 0.025, 즉 실시간의 40배 빠른 추론 속도를 달성했습니다. '[laughter]' 같은 비언어적 표현 태그까지 지원해, 단순히 글을 읽어주는 수준을 넘어 감정 표현이 가능한 음성을 생성합니다. 다국어 오디오북 제작, 소수 언어 음성 콘텐츠 생산, 성우 시범 제작 등에 즉시 활용할 수 있습니다.

주목: 넷플릭스가 오픈소스로 풀어놓은 '물리 인식형 비디오 마술사' VOID

이번 주 모델·스페이스 톱3 외에 반드시 짚어야 할 혁신이 하나 더 있습니다. 넷플릭스 연구팀이 4월 3일 공개한 VOID(Video Object and Interaction Deletion)는 영상 속 객체를 제거하면서 그 객체가 만들어냈던 물리적 상호작용까지 함께 처리하는 비디오 인페인팅 모델입니다.

기존 도구들은 사람을 지우면 그 사람이 들고 있던 기타가 허공에 둥둥 뜨는 어색한 결과를 낳았습니다. VOID는 사람을 지우면 기타가 중력에 의해 자연스럽게 떨어지는 장면까지 생성합니다. 그림자와 반사뿐 아니라 물리적 상호작용까지 이해하는 것입니다. CogVideoX 위에 구축된 5B 파라미터 모델로, 인간 선호도 테스트에서 런웨이(Runway) 대비 64.8% 대 18.4%로 압도적 우위를 보였습니다. 아파치 2.0 라이선스로 상업적 이용도 가능합니다.

영화·드라마 후반 작업, 광고 영상 편집, 유튜브 콘텐츠 제작 등 영상 편집이 필요한 모든 분야에서 VFX 비용을 획기적으로 줄일 수 있는 잠재력을 가진 모델입니다.

또 하나 주목: 파이널 벤치 리더보드,  AI 평가의 '메타인지'를 측정하다

칼럼에서 소개한 바 있는 리더보드로, 최근에도 주목을 받고 있어 다시 한 번 소개합니다. FINAL Bench(Frontier Intelligence Nexus for AGI-Level Verification)의 올 벤치 리더보드(ALL Bench Leaderboard)는 91개 AI 모델을 6개 모달리티(언어, 비전, 에이전트, 이미지 생성, 비디오 생성, 음악 생성)에 걸쳐 통합 평가하는 리더보드입니다. 이 벤치마크를 만든 곳은 AI 스타트업 비드래프트(VIDraft)입니다. 한국의 AI 연구진이 주도해 만든 이 프로젝트는 허깅페이스 데이터셋 글로벌 5위, 리더보드 '금주의 스페이스'에 동시 선정되며 국제적 주목을 받았습니다.

특히 '메타인지(Metacognition)' 벤치마크가 눈길을 끕니다. AI가 "내가 이걸 아는지 모르는지를 아는 능력", 즉 자기 인식 능력을 측정하는 것입니다. 기존 벤치마크들이 "정답을 맞혔는가?"만 물었다면, 파이널 벤치는 "틀렸을 때 어떻게 했는가?"를 묻습니다. 9개 최신 AI 모델을 1800건 평가한 결과 AI 성능 향상의 핵심 병목이 '자기교정(Error Recovery)' 능력에 있다는 사실을 데이터로 입증했습니다. 흥미로운 점은 클로드 오퍼스 4.6이 기본 점수에서는 9위였지만, 메타인지 보정 후 5위까지 뛰어올랐다는 것입니다. '똑똑한 AI'와 '자기 실수를 고칠 줄 아는 AI'는 다르다는 것을 보여주는 AI 평가 패러다임의 진화를 보여주는 사례입니다. 한국 스타트업이 글로벌 AI 평가 기준을 제시했다는 점에서도 의미가 큽니다.

시사점 & 인사이트

이번 주 트렌드를 한마디로 요약하면 '구글의 귀환, 그리고 AI가 브라우저 안으로 들어오다'입니다.

첫째, 구글이 '진짜 오픈'으로 돌아왔다.

젬마 4의 아파치 2.0 라이선스 전환은 단순한 라이선스 변경이 아닙니다. 이전 젬마 라이선스는 상업적 이용에 일부 제한이 있었습니다. 이번에 완전한 오픈소스 라이선스를 채택한 것은 구글이 오픈소스 AI 경쟁에서 본격적으로 승부하겠다는 선언입니다. 라마 4, 큐원 3.5, 딥시크 V3 등 경쟁 모델들이 즐비한 2026년, 구글은 '모든 크기에서 최고 성능+완전한 자유'라는 카드를 꺼내 들었습니다.

둘째, '브라우저가 곧 AI 서버'인 시대가 열리고 있다.

이번 주 스페이스 톱3 중 2개가 웹GPU 기반 로컬 실행 데모입니다. 지난주 코히어 트랜스크라이브 웹GPU에 이어, 젬마 4 웹GPU, LFM2 MoE 웹GPU까지 등장하며 '서버 없는 AI'가 하나의 트렌드로 확실히 자리 잡고 있습니다. 설치도, API 키도, 인터넷 연결도 필요 없는 이 기술은 데이터 보안이 중요한 의료·법률·국방 분야는 물론, AI 접근성이 낮은 오프라인 환경에서도 혁신을 일으킬 수 있습니다.

셋째, 중국 AI의 '에이전틱 코딩' 역습이 거세다.

GLM-5.1이 SWE 벤치 프로에서 클로드 오퍼스 4.6과 GPT-5.4를 모두 제친 것은 상징적입니다. 단순히 벤치마크 숫자를 넘어, '장시간 에이전틱 작업에서 포기하지 않는 끈기'라는 새로운 경쟁 축을 제시했기 때문입니다. 코딩 에이전트 시장의 경쟁이 '한 번에 잘 하기'에서 '오래 잘 하기'로 전환되고 있음을 보여주는 신호입니다.

토막상식: MoE(Mixture of Experts)란?

이번 주 톱3에 유독 자주 등장한 용어가 있습니다. 바로 'MoE', 한국어로 '전문가 혼합' 모델입니다. 2025년부터 올 해 2026년까지 가장 주목받은 기술이기에 칼럼에서도 설명한 바 있습니다. 다시 한 번 강조를 위해 소개합니다.

일반적인 AI 모델(Dense 모델)은 질문이 입력되면 수백억 개의 파라미터를 모두 동원해서 답을 내놓습니다. 수학 문제든 요리 레시피든, 모든 '전문가'가 달려드는 셈이죠. 반면 MoE 모델은 마치 대형 병원의 진료 시스템과 비슷합니다. 환자가 오면 먼저 접수대(라우터)에서 증상을 파악하고, 가장 적합한 전문의(전문가 네트워크) 몇 명만 호출합니다. 나머지 의사들은 대기실에서 쉬고 있으니 병원 전체 운영 비용이 크게 줄어듭니다.

예를 들어 젬마 4의 26B A4B 모델은 총 260억 개의 파라미터를 갖고 있지만, 실제로 한 번의 추론에는 40억 개만 활성화됩니다. 그래서 4B급 속도로 26B급 품질을 뽑아내는 것입니다. GLM-5.1은 이 원리를 754B라는 초대형 규모에 적용해, 엄청난 수의 전문가 중 최적의 조합을 골라냅니다.

MoE가 주목받는 이유는 명확합니다. 같은 품질의 AI를 훨씬 적은 컴퓨팅 자원으로 구동할 수 있으니까요. 특히 온디바이스·엣지 환경에서 '큰 모델의 지능을 작은 비용으로' 실현하는 핵심 기술로 자리 잡고 있습니다.

마무리

이번 주 허깅페이스를 한 문장으로 요약하면 이렇습니다. "AI의 크기는 작아지고, 무대는 브라우저로 옮겨가고, 눈은 영상까지 뚫기 시작했다." 구글이 아파치 2.0이라는 열쇠로 젬마 4의 문을 활짝 열어젖히는 동안, Z.ai는 '포기하지 않는 코딩 AI'로 새로운 경쟁의 기준을 세웠고, 넷플릭스는 물리 법칙을 이해하는 비디오 마술사를 세상에 내놨습니다. AI가 서버에서 내 손안으로, 텍스트에서 영상으로, 한 번의 시도에서 끝없는 반복으로 진화하는 현장, 그 한가운데에 우리가 서 있습니다.

※ 외부필자의 원고는 IT조선의 편집방향과 일치하지 않을 수 있습니다.

정원훈 텐에이아이 대표는 한국인공지능진흥협회 이사와 한국디지털자산포럼(KODIA Forum) 정책기획실장을 맡고 있다. 법률AI 서울로봇과 블록ESG 프로젝트를 총괄하며 한국지식재산교육연구학회 이사 겸 기술가치평가위원장과 한국벤처창업학회 이사로도 활동한다. 아시아경제신문사 뉴미디어본부, 매일경제인터넷 금융센터 팀장을 거쳐, SNS 개발과 대안신용평가 시스템, AI 기반 법률 서비스 등 혁신 프로젝트를 주도해 온 IT·금융 전문가다.