기대와 현실 사이, 'Llama 4'라는 이름의 존재감
AI 업계에서 메타(Meta)의 발표는 언제나 무게감이 다릅니다.
그들이 내놓은 새로운 LLM(대형 언어 모델) 시리즈 ‘Llama 4’ 역시 예외는 아니었습니다.
4천억 파라미터의 Maverick, 1090억 파라미터의 Scout, 그리고 2조 파라미터의 Behemoth.
이름부터가 군사작전에서 튀어나온 듯 전략적이고 강인한 뉘앙스를 품고 있죠.
하지만 최근 등장한 익명의 폭로성 게시물이 이들 모델을 둘러싼 흥분과 기대에 의문부호를 던졌습니다.
출처 - META 라마 블로그
모델 소개 : 세가지 라마, 세 가지 성격
- Llama 4 Maverick
- 파라미터 수: 400B
- 컨텍스트 길이: 1M 토큰 (~1,500페이지)
- 특징: 고속 추론, 멀티모달 처리, 상대적으로 저렴한 비용
- Llama 4 Scout
- 파라미터 수: 109B
- 컨텍스트 길이: 10M 토큰 (~15,000페이지)
- 특징: 장문 정보의 요약·해석에 최적화
- Llama 4 Behemoth
- 파라미터 수: 2T
- 성능: GPT-4.5·Claude Sonnet 3.7보다 우수 (일부 벤치마크 기준)
- 상태: 아직 훈련 중
세계를 읽는 AI, 그러나 어떤 방법으로?
Llama 4 시리즈의 가장 큰 혁신은 멀티모달 처리 능력입니다.
텍스트뿐 아니라 이미지, 비디오까지 소화하며,
Scout의 경우 무려 1천만 토큰을 처리할 수 있어
학계, 의료, 법률 분야의 초장문 문서 분석에도 유리합니다.
기술적 핵심은 MoE (Mixture of Experts) 구조.
128개의 전문가 모듈 중 필요한 몇 개만 선택해 작동시키는 방식은
비용과 효율성을 모두 잡으려는 메타의 전략적 선택이라 볼 수 있지요.
가격 경쟁력: 더 똑똑한 AI가 더 싸졌다
- Maverick: 100만 토큰당 $0.19~$0.49
- Scout (Groq 기준): $0.13
- 참고: GPT-4o는 약 $4.38
이 수치를 보면, Llama 4는 LLM 대중화를 위한 진정한 기폭제가 될 수 있습니다.
특히 중소규모 기업이나 개인 개발자에겐 문턱이 낮아졌다는 점에서 실질적인 혜택을 제공합니다.
성능, 그 믿을 수 없는 수치들?
공식 발표에 따르면,
Maverick는 GPT-4o와 Gemini 2.0 Flash를
멀티모달 추론 분야(ChartQA, DocVQA 등)에서 능가한다고 합니다.
Scout 역시 Mistral 3.1, Gemma 3, Gemini 2.0 Flash-Lite와 대등한 수준.
그러나 익명의 내부자 주장에 비추어볼 때,
이런 수치들에 대해 잠정적 유보의 태도가 필요합니다.
벤치마크 결과는 기술적 신뢰의 척도이자, 산업적 방향타이기에
향후 제3자 검증이 필수적이겠죠.
추천 대상:
- AI 스타트업과 연구자
- 고성능 LLM을 오픈소스로 안정적으로 활용하고자 하는 분들
- 긴 문서 분석이 필요한 분야 종사자
- 법률, 의료, 과학 논문 등
- 멀티모달 응용 프로그램 개발자
- 텍스트+이미지+비디오를 통합하는 서비스 기획자
“Llama 4는 거대한 잠재력과 함께, 그 자체로 검증받아야 할 하나의 질문이 되었다.”