--- title: "Gemma (Google) (KO)" source: "https://systems-analysis.info/int/Gemma_(Google)_(KO)" wiki: "systems-analysis.info/int" article: "Gemma_(Google)_(KO)" language: "ko" categories: - "Category:Google" - "Category:Korean" - "Category:Large language models" - "Category:LLM families" - "Category:Machine learning" revision_id: 2559 wiki_created_at: 2026-09-06T23:06:08Z wiki_modified_at: 2026-09-06T23:06:08Z downloaded_at: 2026-09-07T22:52:08Z --- # Gemma (Google) (KO) **Gemma** — 구글(Google DeepMind 부서)이 개발하고 출시한 자유롭게 이용 가능한 언어 모델 패밀리입니다. Gemma 모델은 플래그십 Gemini 패밀리와 동일한 연구 및 기술 기반 위에 구축되었으며, 그것의 경량화되고 고성능인 버전으로 포지셔닝됩니다^{[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-ibm-what-is-gemma-1)}. 이름은 라틴어 *gemma*에서 유래하며, '보석'을 의미합니다^{[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-google-blog-intro-2)}. Gemma는 *open models*(오픈 모델) 범주에 속합니다. Google은 모델의 가중치를 공개하여 연구자와 개발자가 책임있는 사용 조건을 준수하는 한 상업적 프로젝트를 포함하여 자유롭게 사용, 미세 조정 및 배포할 수 있도록 합니다^{[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-google-blog-intro-2)}. 이는 클라우드 API를 통해서만 접근할 수 있는 Gemini 모델과의 핵심적인 차이점입니다. Gemma 모델은 데이터 센터뿐만 아니라 소비자용 하드웨어(노트북, GPU가 탑재된 데스크탑 컴퓨터)에서도 로컬로 실행될 수 있습니다^{[\[3\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-verge-gemma-gemini-3)}. ## 개발 및 릴리스 Gemma 패밀리는 여러 세대의 모델로 구성되며, 각 세대는 아키텍처, 성능 및 기능 면에서 개선 사항을 도입했습니다. ### 1세대: Gemma 1 Gemma의 첫 번째 버전은 **2024년 2월 21일**에 출시되었습니다^{[\[4\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-techcrunch-launch-4)}. 디코더 transformer 아키텍처를 기반으로 한 두 가지 텍스트 모델이 포함되었습니다: - **Gemma 2B** (매개변수 20억 개) - **Gemma 7B** (매개변수 70억 개) 출시 당시 Google은 이 모델들이 핵심 benchmark에서 훨씬 더 큰 유사 모델들을 능가한다고 발표했습니다^{[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-google-blog-intro-2)}. 초기 모델은 주로 영어 기반이었지만 웹 문서, 프로그램 코드, 수학 문제 등 다양한 데이터로 훈련되었습니다^{[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-ibm-what-is-gemma-1)}. 두 모델 모두 기본(*pre-trained*) 버전과 사용자 명령을 더 잘 따르도록 하는 지시 미세 조정(*instruction-tuned*) 버전의 두 가지 형태로 출시되었습니다^{[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-google-blog-intro-2)}. ### 2세대: Gemma 2 Gemma 2는 **2024년 6월 27일**에 발표되었으며 상당한 개선 사항을 가져왔습니다^{[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-ibm-what-is-gemma-1)}. - **모델 크기**: **90억 및 270억 매개변수** 모델이 출시되었습니다. 더 작은 변형은 품질 향상을 위해 더 큰 모델로부터 지식 증류(knowledge distillation) 기법을 적용하여 훈련되었습니다^{[\[5\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-gemma2-report-5)}. - **컨텍스트 윈도우**: **80,000 token**으로 대폭 확장되었습니다(첫 번째 버전의 8,192 대비)^{[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-venturebeat-gemma3-6)[\[7\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-gemma-arch-overview-7)}. - **아키텍처 개선**: *grouped-query attention* 메커니즘과 긴 컨텍스트를 효율적으로 처리하기 위한 로컬 및 글로벌 attention의 교번 방식이 도입되었습니다^{[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-ibm-what-is-gemma-1)}. ### 3세대: Gemma 3 Gemma 3는 **2025년 3월**에 멀티모달리티와 확장된 작업 범위에 중점을 두며 패밀리의 다음 단계로 소개되었습니다^{[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-venturebeat-gemma3-6)}. - **멀티모달리티**: 모델은 텍스트와 함께 이미지 및 동영상을 입력으로 지원하게 되었습니다. - **크기 및 언어**: 모델 라인업은 네 가지 크기(1B, 4B, 12B, 27B)를 포함하며 최대 140개 언어를 지원합니다^{[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-venturebeat-gemma3-6)}. - **컨텍스트 윈도우**: **128,000 token**으로 확장되었습니다^{[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-venturebeat-gemma3-6)}. Google에 따르면 Gemma 3 27B는 당시 최고의 오픈 모델 수준의 결과를 달성했으며, DeepSeek-R1과 같은 특화 모델에만 순위에서 뒤졌습니다^{[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-venturebeat-gemma3-6)}. ## 아키텍처 및 기술적 특성 Gemma 모델은 GPT 모델과 유사한 **"디코더 전용"**(*decoder-only*) 구성의 transformer 아키텍처를 기반으로 합니다^{[\[7\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-gemma-arch-overview-7)}. 이는 모델이 이전의 모든 token을 기반으로 다음 token을 예측하는 자기회귀(autoregressive) 방식으로 텍스트를 생성함을 의미합니다. 주요 기술적 솔루션은 다음과 같습니다: - **회전 위치 임베딩 (RoPE)**: 절대 위치 임베딩 대신 RoPE를 사용하여 위치 정보를 효율적으로 인코딩합니다. - **Multi-query 및 Grouped-query attention**: 더 작은 모델(예: Gemma 2B)에서 속도 향상과 메모리 절약을 위해 *multi-query attention*(모든 attention 헤드에 대한 단일 키/값)이 사용됩니다. Gemma 2에서는 쿼리를 그룹으로 나누는 *grouped-query attention* 메커니즘이 도입되어 속도와 품질 사이의 절충점을 제공합니다^{[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-ibm-what-is-gemma-1)[\[7\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-gemma-arch-overview-7)}. - **교번 attention 방식**: Gemma 2에서는 글로벌 self-attention 레이어와 제한적인 "슬라이딩 윈도우" 레이어가 교번하는 방식이 구현되어 긴 컨텍스트를 효율적으로 처리할 수 있습니다^{[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-ibm-what-is-gemma-1)}. ## 모델 패밀리 및 변형 범용 기본 모델 외에도 Google은 특정 작업에 최적화된 여러 Gemma 파생 버전을 출시했습니다. - **CodeGemma**: C++, C#, Go, Java, JavaScript, Python, Rust 및 기타 언어를 지원하는 프로그램 코드 생성 및 보완을 위한 모델^{[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-ibm-what-is-gemma-1)}. - **DataGemma**: RAG 기법을 사용하여 외부 데이터와의 통합을 위해 미세 조정된 모델 패밀리. 이 모델은 사실적 답변의 정확도를 높이기 위해 데이터베이스(예: Google Data Commons)에 검색 쿼리를 실행할 수 있습니다^{[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-ibm-what-is-gemma-1)}. - **PaliGemma**: 이미지와 텍스트를 입력으로 받을 수 있는 멀티모달 모델. 이미지 설명 및 객체 인식과 같은 시각적 질의응답 작업을 위해 설계되었습니다^{[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-ibm-what-is-gemma-1)}. - **RecurrentGemma**: 로컬 attention과 선형 순환 연결을 결합한 하이브리드 *Griffin* 아키텍처를 사용하는 실험적 변형. 이를 통해 긴 시퀀스 생성을 크게 가속화할 수 있습니다^{[\[7\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-gemma-arch-overview-7)}. - **MedGemma**: 의료 분야를 위한 Gemma 3의 특화 버전. 의료 이미지(X선, 단층 촬영) 및 임상 문서 분석을 위한 멀티모달(4B) 및 텍스트(27B) 모델을 포함합니다. 모델은 오픈 모델로 배포되지만 추가 검증 없이 직접적인 임상 사용을 위한 것이 아닙니다^{[\[8\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-infoq-medgemma-8)}. - **DolphinGemma**: 돌고래의 의사소통을 해독하기 위해 Gemma 기술을 적용하는 연구 프로젝트. 모델은 수년간의 오디오 녹음으로 훈련되었으며 동물 언어의 패턴을 식별하는 데 사용됩니다^{[\[9\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-smithsonian-dolphin-9)}. ## 이용 가능성 및 적용 Gemma 모델은 **Kaggle** 및 **Hugging Face** 플랫폼에서 이용 가능하며, **Google Colab** 및 **Vertex AI Model Garden** 서비스에도 통합되어 있습니다^{[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-google-blog-intro-2)}. 추론 가속화를 위해 Google은 NVIDIA와 협력하여 TensorRT에 대한 모델 적응을 수행했습니다. Gemma의 라이선스 조건은 모델의 **상업적 사용** 및 수정을 허용하며, 이는 일부 다른 오픈 프로젝트와 구별됩니다. 배포는 **Responsible AI License**에 의해 규제되며, 특정 분야(예: 무기 개발)에서의 사용을 제한하고 파생 제품이 안전하고 윤리적인 AI 사용 원칙을 준수하도록 요구합니다^{[\[3\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-verge-gemma-gemini-3)}. ## 안전성 및 책임 개발자들은 모델의 오픈 특성을 고려하여 안전성 문제에 많은 주의를 기울였습니다. - **데이터 필터링**: 훈련 dataset 준비 시 개인 데이터 및 기타 민감한 정보가 유출 위험을 줄이기 위해 자동으로 필터링되었습니다^{[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-google-blog-intro-2)}. - **정렬 (Alignment)**: 모델의 지시 버전은 선호하는 응답 스타일을 강화하기 위해 *Supervised Fine-Tuning (SFT)* 및 RLHF(인간 피드백 기반 강화 학습) 기법을 사용한 다단계 정렬 과정을 거쳤습니다^{[\[1\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-ibm-what-is-gemma-1)}. - **레드 팀 (Red Teaming)**: 출시 전 모델은 악의적인 요청에 대한 내성을 검증하기 위한 심층 테스트를 받았습니다. 전문가들이 취약점 식별을 위해 위험하거나 바람직하지 않은 콘텐츠 생성을 유발하려 시도했습니다^{[\[3\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-verge-gemma-gemini-3)}. - **Responsible AI Toolkit 도구 모음**: 모델과 함께 Google은 모델의 내부 상태를 분석하는 **Gemma Debugger** 유틸리티와 바람직하지 않은 콘텐츠 분류기를 포함한 안전한 배포를 용이하게 하는 도구 모음을 출시했습니다^{[\[2\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-google-blog-intro-2)}. - **ShieldGemma**: Gemma의 멀티모달 버전에서 안전하지 않은 콘텐츠 생성을 방지하기 위해 설계된 특화 필터 모델^{[\[6\]](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_note-venturebeat-gemma3-6)}. ## 외부 링크 - Google AI 사이트의 Gemma 공식 페이지 - Hugging Face의 Gemma 모델 ## 참고 문헌 - Mesnard, T. et al. (2024). *Gemma: Open Models Based on Gemini Research and Technology*. arXiv:2403.08295. - Rivière, M. et al. (2024). *Gemma 2: Improving Open Language Models at a Practical Size*. arXiv:2408.00118. - Kamath, A. et al. (2025). *Gemma 3 Technical Report*. arXiv:2503.19786. - Zhao, H. et al. (2024). *CodeGemma: Open Code Models Based on Gemma*. arXiv:2406.11409. - Beyer, L. et al. (2024). *PaliGemma: A Versatile 3B VLM for Transfer*. arXiv:2407.07726. - Steiner, A. et al. (2024). *PaliGemma 2: A Family of Versatile VLMs for Transfer*. arXiv:2412.03555. - Botev, A. et al. (2024). *RecurrentGemma: Moving Past Transformers for Efficient Open Language Models*. arXiv:2404.07839. - Ainslie, J. et al. (2023). *GQA: Training Generalized Multi‑Query Transformer Models from Multi‑Head Checkpoints*. arXiv:2305.13245. - Chinnakonduru, S. S. & Mohapatra, A. (2024). *Weighted Grouped Query Attention in Transformers*. arXiv:2407.10855. - Su, J. et al. (2021). *RoFormer: Enhanced Transformer with Rotary Position Embedding*. arXiv:2104.09864. - Radhakrishnan, P. et al. (2024). *Knowing When to Ask — Bridging Large Language Models and Data*. arXiv:2409.13741. ## 주석 1. ↑ ^{[1.00](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-ibm-what-is-gemma_1-0)} ^{[1.01](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-ibm-what-is-gemma_1-1)} ^{[1.02](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-ibm-what-is-gemma_1-2)} ^{[1.03](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-ibm-what-is-gemma_1-3)} ^{[1.04](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-ibm-what-is-gemma_1-4)} ^{[1.05](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-ibm-what-is-gemma_1-5)} ^{[1.06](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-ibm-what-is-gemma_1-6)} ^{[1.07](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-ibm-what-is-gemma_1-7)} ^{[1.08](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-ibm-what-is-gemma_1-8)} ^{[1.09](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-ibm-what-is-gemma_1-9)} «What Is Google Gemma?». *IBM*. [1] 2. ↑ ^{[2.0](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-google-blog-intro_2-0)} ^{[2.1](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-google-blog-intro_2-1)} ^{[2.2](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-google-blog-intro_2-2)} ^{[2.3](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-google-blog-intro_2-3)} ^{[2.4](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-google-blog-intro_2-4)} ^{[2.5](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-google-blog-intro_2-5)} ^{[2.6](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-google-blog-intro_2-6)} «Gemma: Google introduces new state-of-the-art open models». *Google Developers Blog*. [2] 3. ↑ ^{[3.0](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-verge-gemma-gemini_3-0)} ^{[3.1](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-verge-gemma-gemini_3-1)} ^{[3.2](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-verge-gemma-gemini_3-2)} «Google's open-source Gemma AI models draw from the research behind Gemini». *The Verge*. [3] 4. [↑](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-techcrunch-launch_4-0) «Google launches two new open LLMs». *TechCrunch*. [4] 5. [↑](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-gemma2-report_5-0) «Gemma 2: Improving Open Language Models at a Practical Size». *Google*. 6. ↑ ^{[6.0](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-venturebeat-gemma3_6-0)} ^{[6.1](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-venturebeat-gemma3_6-1)} ^{[6.2](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-venturebeat-gemma3_6-2)} ^{[6.3](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-venturebeat-gemma3_6-3)} ^{[6.4](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-venturebeat-gemma3_6-4)} ^{[6.5](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-venturebeat-gemma3_6-5)} «Google unveils open source Gemma 3 model with 128k context window». *VentureBeat*. [5] 7. ↑ ^{[7.0](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-gemma-arch-overview_7-0)} ^{[7.1](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-gemma-arch-overview_7-1)} ^{[7.2](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-gemma-arch-overview_7-2)} ^{[7.3](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-gemma-arch-overview_7-3)} «Gemma explained: An overview of Gemma model family architectures». *Google Developers Blog*. [6] 8. [↑](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-infoq-medgemma_8-0) «Google Releases MedGemma: Open AI Models for Medical Text and Image Analysis». *InfoQ*. [7] 9. [↑](https://systems-analysis.info/int/Gemma_(Google)_(KO)#cite_ref-smithsonian-dolphin_9-0) «Google Is Training a New A.I. Model to Decode Dolphin Chatter—and Potentially Talk Back». *Smithsonian Magazine*. [8]