메타, Llama 4 공개…효율 앞세운 대형 AI 모델 경쟁 본격화

메타 플랫폼스가 2025년 4월 차세대 AI 모델 묶음인 Llama 4를 공개했다. 이번에 발표된 모델은 Llama 4 Scout와 Llama 4 Maverick 두 종이며 Llama 4 Behemoth는 아직 학습 단계에 있다. 

메타는 이번 세대를 두고 자사 AI 생태계의 새로운 출발점이라고 표현했다. Llama 4는 텍스트뿐 아니라 이미지와 영상 데이터를 함께 학습한 멀티모달 모델로 시각적 이해 능력을 넓힌 것이 특징이다. 메타는 이 모델들이 대규모 비정형 데이터로 훈련돼 폭넓은 문맥 이해와 응답이 가능하다고 설명했다. 

이번 공개는 중국 AI 연구소 딥시크의 오픈 모델이 메타의 기존 Llama 성능을 따라잡거나 일부 영역에서 앞섰다는 평가가 나온 이후 이뤄졌다는 점에서 시장의 관심을 모았다. 외신 보도에 따르면 메타 내부에서는 딥시크가 모델 운용 비용을 낮춘 방식을 분석하기 위해 전담 조직을 꾸릴 정도로 대응 속도를 끌어올린 것으로 전해졌다. 

Llama 4의 기술적 핵심은 Mixture of Experts 구조다. 이는 여러 개의 소형 전문 모델 가운데 일부만 선택해 문제를 푸는 구조다. 이를 통해 학습과 추론에 필요한 계산량을 줄이고 비용 효율을 높일 수 있다는 설명이다. 

예를 들어 Maverick은 전체 파라미터 수가 약 4000억 개에 달하지만 실제로 한 번의 응답에 사용되는 활성 파라미터는 약 170억 개 수준이다. 파라미터는 모델이 학습을 통해 얻은 정보의 양을 의미하는데 활성 파라미터는 그중 실제 답변 생성에 동원되는 부분이다. 

Scout 역시 활성 파라미터 170억 개 구조를 유지하면서 총 파라미터 수는 약 1090억 개로 줄였다. Scout는 긴 문서 요약과 대규모 코드 분석에 적합한 모델로 소개됐다. 

특히 최대 1000만 토큰까지 입력을 처리할 수 있는 컨텍스트 길이를 지원한다고 밝혔는데 토큰은 문장을 잘게 나눈 단위로 수백만 단어 분량의 텍스트를 한 번에 다룰 수 있다는 의미다. 이는 방대한 계약서 묶음이나 대규모 소프트웨어 코드베이스를 분석하는 용도에 적합하다는 평가다. 

하드웨어 요구 사항도 공개됐다. Scout는 엔비디아 H100 GPU 한 장에서 구동 가능하도록 설계됐으며 Maverick은 H100 DGX 시스템이나 이에 준하는 장비가 필요하다고 메타는 설명했다. Behemoth는 훨씬 더 큰 연산 자원을 요구한다. 

메타에 따르면 Behemoth는 활성 파라미터 2880억 개에 총 파라미터 수가 2조 개에 달하는 초대형 모델이다. 내부 벤치마크에서는 수학과 과학 문제 해결 같은 STEM 평가에서 오픈AI의 GPT-4.5와 앤트로픽의 Claude 3.7 Sonnet, 구글의 Gemini 2.0 Pro를 앞선다고 주장했지만 Gemini 2.5 Pro에는 미치지 못했다고 밝혔다. 

다만 Llama 4 계열은 단계별 검증을 수행하는 추론 특화 모델은 아니다. 이는 답변 속도와 비용 측면에서는 유리하지만 고난도 논리 문제에서의 신뢰성은 별도의 평가가 필요하다는 의미다. 

배포 방식도 주목받고 있다. Scout와 Maverick은 메타의 공식 사이트와 개발자 플랫폼을 통해 가중치가 공개됐다. 그러나 라이선스 조건은 제한적이다. 유럽연합에 소재하거나 주요 사업장이 있는 개인과 기업은 모델 사용과 배포가 금지된다. 

또한 월간 활성 이용자 수가 7억 명을 넘는 대형 서비스는 메타에 별도 사용 허가를 요청해야 하며 승인 여부는 메타의 재량에 달려 있다. 이로 인해 완전한 오픈소스 모델로 보기는 어렵다는 지적도 나온다. 메타는 자사 서비스 전반에 Llama 4를 적용했다고 밝혔다. 

왓츠앱과 인스타그램 메신저 등에서 제공되는 메타 AI가 40개국에서 Llama 4 기반으로 업데이트됐으며 이미지 처리 등 일부 멀티모달 기능은 미국 영어 환경부터 제한적으로 제공된다. 또 하나의 변화는 응답 정책이다. 

메타는 Llama 4가 정치 사회적으로 논쟁적인 질문을 이전보다 덜 회피하도록 조정됐다고 설명했다. 특정 관점에 치우치지 않고 더 많은 질문에 응답하도록 설계했다는 주장이다. 이는 미국 정치권 일각에서 AI가 특정 이념에 편향돼 있다는 비판이 제기된 흐름과 맞물린 조치로 해석된다. 

다만 AI 편향 문제는 기술적으로 해결하기 어려운 과제로 남아 있으며 경쟁사들 역시 비슷한 논란을 겪고 있다. Llama 4 공개는 대형 AI 모델 경쟁이 이제는 비용 효율과 배포 전략 규제 대응까지 포함한 복합 구도로 진입했음을 보여준다. 메타가 효율성과 생태계 확장을 앞세워 어떤 위치를 확보할지에 업계의 시선이 쏠리고 있다.