📺 이 기사는 YouTube 채널 きなこもっちーのテック深掘り의 영상 해설 기사입니다.

▶️ 영상은 이쪽으로 → Meta Llama 4의 LMArena 의혹과 진정한 실력 — Scout/Maverick 비교

🐹🦜 이 기사에 등장하는 두 마리

• 🐹
  모っちー (햄스터)… AI는 아직 공부 중. "그게 무슨 소리야?"라며 소박하게 질문하는 학생 역할
• 🦜
  키나코 (사랑앵무)… AI로 조사를 수행하는 해설 역할. 친절하게 깊이 있게 가르쳐 주는 선생님 역할

이 기사는 두 마리의 대화를 받아 적은 형식입니다. 발언 맨 앞에 있는 이모지+이름이 화자입니다.

🐹 모っちー 「있잖아 키나코! Meta가 Llama 4를 내놓았는데, 이거 무료로 쓸 수 있는 거지? OpenAI는 필요 없겠어! 최강이야!"

🦜 키나코 「잠깐 잠깐. "무료로 쓸 수 있다"와 "상용 API가 무료다"는 완전히 다른 이야기야."

🐹 모っちー 「엣, 달라? 웨이트 (Weight)가 공개되어 있다면 공짜로 쓸 수 있는 거 아냐?"

🦜 키나코 「게다가 이번에는 "Llama API"라는 상용 API의 한정 프리뷰가 시작되었고, 게다가 LMArena에서의 의혹까지 나오고 있어."

🐹 모っちー 「의혹? 뭔가 무서운 이야기가 되어 가는데."

🦜 키나코 「그리고 가장 큰 충격은…… "오픈 소스 (Open Source)의 기수"였던 Meta가, 클로즈드 모델 (Closed Model)로 노선을 변경하고 있다는 점이야."

🐹 모っちー 「엣! 그거 진짜야? 배신이라니……"

🦜 키나코 「오늘은 Llama 4의 모든 것을 한꺼번에 해설할게. Scout vs Maverick, 상용화의 진상. Muse Spark로의 전환."

🦜 키나코 「모っちー, 그 착각을 풀기 위해서 우선 시계열을 정리할게."

🦜 키나코 「2025년 4월 5일 토요일에 Llama 4 Scout와 Maverick이 오픈 웨이트 (Open Weight)로 공개되었어."

🐹 모っちー 「오픈 웨이트가 뭐였더라? 공짜로 다운로드할 수 있는 거?"

🦜 키나코 「거의 정답이야. 모델의 가중치 파일이 공개되어 있어서, 자신의 PC나 서버에서 돌릴 수 있어."

🦜 키나코 「그리고 같은 달 29일, Meta가 첫 개발자 컨퍼런스인 LlamaCon을 개최했어."

🦜 키나코 「거기서 발표된 것이 Meta 직판 Llama API의 한정 프리뷰, 게다가 무료야."

🐹 모っちー 「역시 무료잖아! Meta 대단하다, OpenAI는 끝났네!"

🦜 키나코 「2026년 4월 현재 시점에서 Meta 직판 API는 아직 정식 GA (General Availability)되지 않았고, 공식 가격표도 없어."

🐹 모っちー 「에, 아직 정식이 아니야? 그럼 누구나 지금 바로 쓸 수 있는 거 아냐?"

🦜 키나코 「맞아, 웨이트리스트 (Waitlist) 방식이야. 신청하고 순서를 기다리는 구조지."

🦜 키나코 「거기서 서드 파티 (Third-party)의 차례가 와. Google Cloud의 Vertex AI라면 GA되어 있어서 바로 쓸 수 있어."

🦜 키나코 「그 외에도 Groq, Together, Fireworks, DeepInfra 등 선택지가 아주 많아."

🐹 모っちー 「잠깐만. 서드 파티는 돈이 드는 거 아냐? 무료라고 했잖아."

🦜 키나코 「여기가 중요한 포인트야. 무료인 것은 모델의 가중치 파일, 즉 라이선스 (License) 이야기야."

🦜 키나코 「하지만 누군가의 서버에서 돌리게 한다면, 그 계산 비용은 별도로 돈이 들어."

🐹 모っちー 「아— 레시피는 무료지만, 식당에서 먹으려면 요금을 내라는 거구나."

🦜 키나코 「응, 그 비유 아주 이해하기 쉽네. 직접 재료를 준비해서 만들면 공짜지만 힘들다는 뜻이야."

🐹 모っちー 「그럼 실제로 식당에서 시키면 얼마 정도 해? 비싸?"

🦜 키나코 「DeepInfra를 경유한 Scout라면, 입력 100만 토큰에 대략 12엔 정도야."

🐹 모っちー 「12엔! 간식 하나 가격으로 책 한 권 분량의 문장을 읽힐 수 있잖아!"

🦜 키나코 「게다가 Cerebras라는 전용 칩을 경유하면 ChatGPT보다 약 18배 빠르게 작동해."

🐹 모っちー 「18배 속도…… 장난 아닌데? 내 뇌가 못 따라가겠어."

🦜 키나코 「하지만 말이야, 무료라고 해도 완전히 자유로운 건 아니야. 라이선스에 세 가지 큰 제약이 있어."

🦜 키나코 「첫 번째, 월간 활성 사용자(MAU) 7억 명을 넘는 기업은 Meta로부터 별도의 허가를 받아야 해."

🐹 모っちー 「7억 명이라니…… 그거 Google이나 TikTok을 겨냥한 거잖아. 우리랑은 상관없겠네."

🦜 키나코 「두 번째, EU에 거주하는 개인이나 기업은 이미지나 동영상을 다루는 멀티모달 (Multimodal) 기능의 이용이 금지되어 있어."

🦜 키나코 「EU의 AI 규제가 엄격해서, Meta가 리스크를 감수하고 싶지 않기 때문이라고들 해.」

🦜 키나코 「세 번째로, 재배포할 때는 Built with Llama라는 표기를 붙여야 할 의무가 있어.」

🐹 못치 「그렇구나… 무료라고 해도 완전 프리(Free)는 아니고, API로 사용하려면 별도 요금이 든다는 거네.」

🦜 키나코 「맞아, 하지만 일본 기업의 99%는 7억 MAU(Monthly Active Users)에 도달하지 못하니까, Llama 4는 실질적으로 자유롭게 상업적 이용이 가능해.」

🐹 못치 「그럼 결국 기회잖아! 그래서, Scout랑 Maverick 중에는 뭘 쓰는 게 좋아?」

🐹 못치 「저기 키나코, Llama 4에는 「Scout」와 「Maverick」이라는 두 종류가 있다고 했지? 어떻게 다른 거야?」

🦜 키나코 「거기가 중요한 포인트야. Scout는 효율 중시형 경량 버전, Maverick은 성능 중시형 플래그십(Flagship)이라고 역할 분담이 되어 있어.」

🐹 못치 「헤에. 근데 구체적으로 얼마나 차이가 나? 사이즈나 성능 같은 거 말이야.」

🦜 키나코 「우선 Scout는 총 파라미터(Parameter)가 1,090억 개. Maverick은 4,000억 개. 약 4배 가까운 차이가 나지.」

🐹 못치 「4,000억 개!? 이제 상상도 안 가는 수준이잖아! 내 해바라기 씨보다 훨씬 많다고!」

🦜 키나코 「후후, 확실히 그렇네. 하지만 여기서 재미있는 점은 실제로 구동될 때 사용되는 파라미터의 수야.」

🐹 못치 「실제로 구동될 때? 총 파라미터랑은 다른 거야?」

🦜 키나코 「응. 「활성화 파라미터 (Active Parameter)」라고 부르는데, Scout도 Maverick도 사실은 170억 개로 똑같아.」

🐹 못치 「엣, 똑같이 170억 개? 그럼 왜 총 파라미터는 그렇게 차이가 나는 건데?」

🦜 키나코 「여기에 「MoE (Mixture of Experts)」라는 메커니즘의 비밀이 있어. 자세한 내용은 다음 섹션에서 이야기할게.」

🐹 못치 「흠흠. 그럼 먼저 두 모델의 역할 차이부터 알려줘.」

🦜 키나코 「Scout는 말이야, 「단일 GPU」, 그것도 Nvidia H100 한 장으로 구동할 수 있도록 설계되었어.」

🐹 못치 「GPU 한 장!? 그러면 개인이라도 열심히 하면 손에 닿을 수 있겠는데!」

🦜 키나코 「H100은 한 장에 400만 엔 정도 하니까 개인이 사기에는 허들이 높긴 하지만, 기업이라면 현실적인 수치야.」

🦜 키나코 「후후. 하지만 말이야, 지금까지의 톱클래스 AI는 수십 장의 GPU가 필요했거든. 한 장으로 구동된다는 건 혁명적인 일이야.」

🐹 못치 「그렇구나. 그럼 Scout는 「효율과 다루기 쉬움」이 강점이라는 거지?」

🦜 키나코 「맞아. 게다가 Scout에는 또 하나의 강력한 특징이 있어. 컨텍스트 윈도우(Context Window)가 1,000만 토큰이야.」

🐹 못치 「1,000만 토큰!? 그건 책 몇 권 분량이나 들어가는 거야?」

🦜 키나코 「대략 장편 소설 20권 이상을 한꺼번에 읽어들일 수 있는 이미지야. 사내 문서를 통째로 집어넣을 수 있는 수준이지.」

🦜 키나코 「그런 용도에 딱 맞아. RAG (Retrieval-Augmented Generation)처럼 잘게 쪼개지 않아도, 긴 문장을 그대로 다룰 수 있는 게 강점이야.」

🐹 못치 「그럼 Scout는 알겠어. 다음은 Maverick이야. 이건 뭐가 강해?」

🦜 키나코 「Maverick은 성능 승부 모델이야. Meta는 GPT-4o나 Gemini Flash와 경쟁하는 위치에 두고 있어.」

🐹 못치 「GPT-4o와 맞붙다니, 엄청 진심인 싸움이잖아…….」

🦜 키나코 「응. Maverick은 스스로를 「경제성 있는 플래그십」이라고 부르고 있어. 성능과 비용의 양립을 목표로 하고 있지.」

🐹 못치 「그거, 전문가의 수가 다르다고 들었던 것 같은데?」

🦜 키나코 「예리해. Scout는 전문가(Expert) 16명, Maverick은 전문가 128명이야. 팀 규모가 8배 차이지.」

🦜 키나코 「좋은 비유네. 전문가가 많을수록 더 세부적인 분야별로 최적의 답을 낼 수 있는 이미지야.」

🐹 못치 「그럼 하나 더 궁금한 게 있는데, 둘 다 이미지도 이해할 수 있는 거지?」

🦜 키나코 「응. Scout도 Maverick도 네이티브하게 멀티모달 (Multimodal) 대응이 가능해서, 텍스트와 이미지를 동시에 다룰 수 있어.」

🐹 못치 「그렇구나. 그럼 일반적인 사람들은 어떤 걸 선택해야 해?」

🦜 키나코 「간단히 말하면, 비용을 억제하면서 긴 문장을 다루고 싶다면 Scout, 최고의 성능으로 승부하고 싶다면 Maverick이야.」

🦜 키나코 「좋은 비유야. 이름의 의미도 「Scout = 정찰병」, 「Maverick = 독불장군/이단아」니까 딱 맞지.」

🦜 키나코 「하지만 활성화 파라미터가 똑같이 170억 개인데 왜 성능 차이가 나는지는 아직 미스터리잖아. 다음에서 그 비밀을 해설해 줄게.」

🐹 못치 「저기 키나코, 아까부터 「액티브 파라미터 17B」라고 말하고 있잖아. 그게 대체 뭐야?」

🦜 키나코: 좋은 질문이야. 그걸 이해하려면 Llama 4가 채택한 'MoE'라는 구조에 대한 설명이 필요해.

🐹 못치: MoE...? 영어 세 글자만 나와도 뭔가 그루밍하고 싶어지네.

🦜 키나코: 괜찮아, 천천히 설명해 줄게. Mixture of Experts의 약자로, 일본어로는 '전문가들의 혼합'이라는 뜻이야.

🦜 키나코: 기존 AI 모델은 'Dense'라고 불렸는데, 질문이 올 때마다 모든 파라미터를 작동시켰었어.

🐹 못치: 모든 파라미터를 작동시킨다고? 좀 감이 안 오네.

🦜 키나코: 비유하자면, 직원 100명이 있는 회사에서 어떤 질문이 와도 매번 100명 전원을 회의실에 부르는 느낌이야.

🐹 못치: 왜 그래! 경리 질문인데 영업팀까지 불러야 해?

🦜 키나코: 응, 그게 Dense 모델의 비효율적인 부분이야. 전기세도 메모리도 모두에게 필요한 만큼 들거든.

🦜 키나코: 그래서 등장한 게 MoE야. 질문 내용에 따라 '전문가들만'을 부르는 구조지.

🐹 못치: 오, 그럼 경리 질문이면 경리 담당만 부른다는 거야? 합리적이네!

🦜 키나코: 맞아. Llama 4 Scout는 16명의 전문가를 보유하고 있고, 질문마다 몇 명만 깨우는 방식이야.

🦜 키나코: Maverick는 더 많아서 128명의 전문가가 있어. 하지만 둘 다 한 번에 작동하는 건 17B 분량만이야.

🐹 못치: 아~ 회전 초밥집의 128명 장인 같은 느낌인가! 참치 주문에는 스시 장인만 움직이는 식.

🦜 키나코: 못치, 그 비유 정말 좋다. 바로 그런 느낌이야. 주문마다 필요한 장인들만 작동하는 거지.

🐹 못치: 근데 말이야, 장인을 128명 고용하면 인건비 엄청날 것 같은데. 그거 메리트 있어?

🦜 키나코: 날카로운 질문이네. 확실히 '모두를 고용'하는 비용, 즉 메모리는 128명 분량이 필요해.

🦜 키나코: 하지만 '실제로 작동시키는' 비용, 추론 비용은 몇 명분으로 끝날 수 있어. 그래서 빠르고 전기세도 저렴하지.

🐹 못치: 음~ 메모리는 모두에게 필요한데, 작동시키는 건 몇 명분... 좀 복잡하네.

🐹 못치: 아~ 알겠다! 넓은 가게는 필요하지만, 손님에게 제공하는 것은 폭속이라는 거구나!

🦜 키나코: 맞아. 그래서 MoE는 '총 용량은 크지만 추론은 가볍다'라는 장점을 가져가고 있어.

🐹 못치: 그럼 액티브 파라미터 17B는, 주문마다 실제로 작동하는 장인들의 총 크기 같은 거야?

🦜 키나코: 완벽한 이해야. Scout도 Maverick도 매번 깨어나는 건 17B 분량이야. 여기가 속도의 비밀이지.

🐹 못치: 그럼 400B가 있는데 체감은 더 작은 모델처럼 빠르다는 이야기구나!

🦜 키나코: 응, 추론 비용 면에서는 말이야. 그래서 기업들이 도입하기 쉬운 것도 MoE의 강점이야.

🐹 못치: 근데 질문마다 '어떤 장인을 부를지'는 누가 결정하는 거야? 점장 같은 사람 있어?

🦜 키나코: '라우터(Router)'라는 분배 역할이 있어. 질문 내용을 보고 담당 전문가에게 넘겨주는 역할을 하는 거지.

🐹 못치: 과연. 접수대 같은 거네. 접수대가 제대로 안 되면 이상한 장인한테 보내지잖아.

🦜 키나코: 날카롭네. 사실 그 라우터의 정밀도가 MoE의 핵심이고, 여기가 서툴면 성능이 급락하는 거야.

🐹 못치: 그럼 Llama 4의 라우터는 제대로 작동하고 있는 건가... 벤치마크도 궁금한데.

🦜 키나코: 바로 그거야, 못치. Meta는 '우리 MoE는 강하다'고 어필했었거든.

🦜 키나코: 그런데 그 어필에 사용된 벤치마크가 좀 의심스럽다는 이야기가 돌았어...

🐹 못치: 에? 무슨 암시야... 아까도 살짝 말했던 거잖아. 자세히 듣고 싶다.

🦜 키나코: MoE 설계 이야기 다음에, 조금 안타까운 뉴스도 있어.

🐹 못치: 안타까운 뉴스? 설계는 괜찮아 보이는데, 무슨 일 있었어?

🦜 키나코: LMArena라는 AI 모델 인기 투표 사이트가 있거든.

🐹 못치: 인기 투표? AKB 총선 같은 거야?

🦜 키나코: 비슷해. 인간이 AI에게 같은 질문을 하고, 어떤 답변이 더 마음에 드는지 투표하는 거지.

🐹 못치: 그렇구나, 그걸로 강함이 결정되는 거네.

🦜 키나코: Llama 4는 처음 프리뷰 버전에서 ELO 1417을 받았어.

🦜 키나코: 세계 최고권. GPT-4나 Claude와 비슷한 수준이야.

🐹 못치: 엄청 좋잖아! Meta 대단하다!

🦜 키나코: 그런데 말이야, API 공개 후에 같은 Llama 4가 32위까지 떨어졌어.

🐹 못치: 뭐!? 왜 그래! 1위에서 32위라니 너무 떨어진 거 아니야?

🦜 키나코: 프리뷰 버전과 공개 버전 사이에 내용이 달랐다는 이야기가 나오고 있어.

🐹 못치: 정말이야? 그거 안 좋은 거잖아!

🦜 키나코: "Meta의 수석 과학자 (Chief Scientist)인 Yann LeCun 씨도 인정하는 코멘트를 냈어."

🐹 못치: "얀 루칸 씨? 엄청 높은 사람이야?"

🦜 키나코: "AI 연구 분야의 세계적인 권위자이자, 딥러닝 (Deep Learning)의 아버지 중 한 명이야."

🐹 못치: "그런 거물이 뭐라고 했는데?"

🦜 키나코: "평가된 모델이 공개된 것과 동일하지 않았다고 인정한 거야."

🐹 못치: "그거 사기잖아! 벤치마크 (Benchmark)용으로 특별 사양을 만들어 뒀던 거냐고!"

🦜 키나코: "커뮤니티에서는 "fudged"라는 말도 오갔어."

🦜 키나코: "숫자를 속인다는 의미의 영어 표현이야. 꽤 강한 표현이지."

🐹 못치: "그럴 만도 하지! 1417이 32위라니 너무 수상하잖아!"

🦜 키나코: "전 Meta 연구자가 SNS에서 내부 이야기를 폭로하기도 했어."

🐹 못치: "내부 고발까지 나온 거야... 진짜 심각한 거네."

🦜 키나코: "또 다른 독립 평가 사이트인 Rootly에서도 최하위권 근처였어."

🐹 못치: "다른 데서 측정했더니 엉망진창이었단 말이야! 도망갈 곳도 없네!"

🦜 키나코: "커뮤니티에서는 "벤치마크 오염 (Benchmark Contamination)"이라는 말도 쓰이고 있어."

🦜 키나코: "테스트용으로 최적화된 모델로 랭킹을 망치고 있다는 뜻이야."

🐹 못치: "그런 식으로 하면 사용자는 뭘 믿어야 하냐고!"

🦜 키나코: "맞아. 평가 인프라에 대한 신뢰가 흔들리는 사건이었어."

🐹 못치: "으음, 설계는 좋은데 이런 식으로 망쳐버리다니..."

🦜 키나코: "하지만 말이야, 실제 기기에서의 속도는 정말 빨라서 그건 별개의 문제야."

🐹 못치: "속도가 그렇게 차이 나나?"

🦜 키나코: "Cerebras를 경유하는 Llama 4 Scout는 초당 2,600 토큰 (Tokens)이 나와."

🐹 못치: "2,600? 감이 안 오는데. 그게 그렇게 빨라?"

🦜 키나코: "보통 API는 초당 60~100 토큰 정도거든."

🐹 못치: "30배나 40배 차이잖아! 엄청 빠르네!"

🦜 키나코: "인간이 읽는 속도의 100배 이상이야. 읽기도 전에 끝나버릴 수준이지."

🐹 못치: "너무 빨라서 해바라기 씨 까먹을 틈도 없겠는데!"

🐹 못치: "근데 왜 그렇게 빨라지는 거야?"

🦜 키나코: "Cerebras나 Groq는 추론 전용 칩을 사용하거든."

🐹 못치: "추론 전용? GPU랑은 다른 거야?"

🦜 키나코: "응. Cerebras는 WSE라고 하는 웨이퍼 (Wafer) 한 장을 통째로 쓰는 칩이야."

🐹 못치: "웨이퍼 통째로? 내 이해력이 못 따라가겠어..."

🦜 키나코: "괜찮아, 요점은 LLM 전용으로 만든 초고스펙 부품이라는 뜻이야."

🦜 키나코: "Llama는 이런 추론 제공자 (Inference Provider)를 통해서도 사용할 수 있어."

🐹 못치: "Meta 공식 API만 있는 거 아니었어?"

🦜 키나코: "Llama API 직접 제공도 있지만, 속도를 중시한다면 Cerebras나 Groq를 선택해."

🦜 키나코: "클라우드 쪽도 대단해. Amazon Bedrock이나 Google Vertex AI에서도 사용할 수 있어."

🦜 키나코: "맞아. 기업이 업무에서 사용하기 쉬운 생태계 (Ecosystem)가 잘 갖춰져 있어."

🐹 못치: "그래서 그 엄청난 속도를 어디에 쓰는 건데?"

🦜 키나코: "속도가 생명인 용도들이지. 실시간 어시스턴트 같은 거."

🦜 키나코: "코드 보완 (Code Completion)이나 챗봇의 응답에도 적합해."

🐹 못치: "입력하는 순간 답이 돌아오면 진짜 대박이겠다!"

🦜 키나코: "대기 시간이 체감상 제로라면 UX (User Experience)가 완전히 달라지거든."

🐹 못치: "확실히 생각하기도 전에 답이 나오는 건 다른 세상이겠네."

🦜 키나코: "음성 어시스턴트나 고객 지원 (Customer Support)에도 사용되고 있어."

🐹 못치: "벤치마크 이야기랑은 별개의 문제구나."

🦜 키나코: "응. 점수 경쟁과 실제 기기에서의 빠른 경험은 완전히 다른 이야기야."

🐹 못치: "그렇구나, 추론 속도는 현장에서 효과가 있네."

🦜 키나코: "응. Llama 4는 상업적으로 사용할 수 있는 기반이 넓다는 게 강점이야."

🐹 못치: "선택지가 많으니까 사용자 입장에서는 좋네!"

🦜 키나코: "다음은 오픈 소스 (Open Source)와 프로프라이어터리 (Proprietary)의 차이를 살펴볼게."

🐹 못치: "저기 키나코, 애초에 Llama 4는 "오픈 소스"인 거지?"

🦜 키나코: "그 부분에서 다들 자주 오해하곤 해. 정확히는 "오픈 웨이트 (Open Weights)"이지 "오픈 소스"는 아니야."

🐹 못치: "엣, 뭐가 다른 거야? 둘 다 공개하는 거 아니었어?"

🦜 키나코: "오픈 소스는 설계도와 제조 공정까지 전부 공개하는 느낌이라면, 오픈 웨이트는 완성품만 전달하는 느낌이야."

🐹 못치: "그러니까, 햄스터 쳇바퀴를 '완성품으로 받기는' 하지만 '설계도는 못 받는' 느낌 같은 거야?"

🦜 키나코: "맞아! 모델의 가중치 파라미터 (Weight Parameters)는 공개하지만, 학습 데이터나 학습 코드 같은 건 비공개로 해."

🐹 못치: "그럼 누구나 자유롭게 쓸 수 있는 게 아니라는 거야?"

🦜 키나코: "Llama에는 독자적인 라이선스가 있어서, 세 가지 제한이 있어."

🐹 못치: "세 가지!? 뭔가 무서워. 알려줘."

🦜 키나코: "우선 첫 번째. 월간 활성 사용자(MAU)가 7억 명을 넘는 서비스는 상업적 이용을 위해 추가 라이선스가 필요해."

🐹 못치: "7억 명!? 그건 사실상 Google이나 Microsoft, Meta뿐이잖아! 나랑은 너무 상관없는 숫자인데!"

🦜 키나코: "바로 그거야. 대기업을 견제하기 위한 규칙이지. 두 번째는, Llama를 사용해서 다른 AI 모델을 학습시키는 것을 금지하는 거야."

🐹 못치: "엣, 그건 경쟁자를 키우는 걸 싫어한다는 뜻이야?"

🦜 키나코: "그렇게 해석할 수도 있어. Llama를 사용해서 OpenAI 킬러를 만들어버리면 곤란하니까."

🦜 키나코: "세 번째는, Llama를 사용한 서비스에는 'Built with Llama'라고 표시해야 할 의무가 있다는 거야."

🐹 못치: "아, 그건 마케팅적으로 이득이겠는데! Meta의 브랜드가 퍼지는 장치구나!"

🦜 키나코: "예리해. Meta는 생태계 (Ecosystem)를 확장하면서 자신들의 브랜드도 넓히도록 설계하고 있어."

🐹 못치: "그렇구나. 그럼 결국 '완전 무료로 뭐든 OK'는 아니라는 거네."

🦜 키나코: "응. '오픈 웨이트 (Open Weights)'는 '오픈 소스 (Open Source)'보다 제한이 많아. 하지만 그럼에도 혁명적으로 개방되어 있지."

🦜 키나코: "맞아. Llama 4가 '완전 폐쇄형 (Fully Closed)'인 OpenAI와 '오픈 웨이트'인 우리 사이의 중간 지점을 걷고 있었다고 볼 수도 있어."

🦜 키나코: "하지만 여기서 중요한 의문이 생겨. API를 통한 상업적 제공은, 그건 정말로 '오픈'이라고 할 수 있을까?"

🦜 키나코: "그게 어려운 부분이야. Llama API를 통하면, 확실히 웨이트를 자신의 서버에 두어 완전하게 컨트롤할 수 없게 되니까."

🐹 못치: "그럼 오픈 웨이트의 장점인 '내 서버에 직접 두고 데이터 유출을 방지하는 것'을 못 쓰게 되는 거야?"

🦜 키나코: "API는 API일 뿐이야. 직접 웨이트를 내려받아 구동하는 '셀프 호스팅 (Self-hosting)'이라면 완전한 컨트롤이 가능해. 어떻게 사용하느냐에 달린 거지."

🐹 못치: "그렇구나! 선택지가 많다는 게 오픈 웨이트의 강점이라는 거네!"

🦜 키나코: "응. 비용, 보안, 유연성을 스스로 조절할 수 있어. 그게 가치지."

🐹 못치: "근데 그 Meta가 'Muse Spark'라는 폐쇄형 모델도 내놓았다며?"

🦜 키나코: "맞아. 그리고 여기서부터 Llama 4 이야기에서 가장 충격적인 반전이 일어나."

🦜 키나코: "'오픈을 추진해 온 Meta'가, '클로즈드 플래그십 (Closed Flagship)'이라는 말을 공식적으로 쓰기 시작한 거야."

🐹 못치: "사건이라니, 분위기가 심상치 않은데. 무슨 일이 있었던 거야?"

🦜 키나코: "Meta가 'Muse Spark'라는 새로운 모델을 만들기 시작했어."

🐹 못치: "Muse Spark? 왠지 멋진 이름이네."

🦜 키나코: "문제는 그 내용이야. 이건 완전히 비공개인 모델이야."

🐹 못치: "하!? 왜 그러는데! Meta는 오픈의 기수 아니었냐고!"

🦜 키나코: "맞아, 바로 이 지점이 전략적 전환점이야."

🐹 못치: "잠깐 정리 좀 해줘, 혼란스러워져..."

🦜 키나코: "Llama 4의 Maverick과 Scout는 오픈 웨이트로 배포되고 있지."

🦜 키나코: "하지만 가장 강력한 Muse Spark는 외부로 전혀 내놓지 않아."

🐹 못치: "에에... 너무 잔인한 거 아냐... 못 쓰는 거야?"

🦜 키나코: "Meta AI 앱 안에서만 돌아가. API조차 제공하지 않아."

🐹 못치: "API도 없다고!? 그건 완전히 가두기(Lock-in) 전략이잖아!"

🦜 키나코: "즉, 오픈과 비공개를 동시에 병행하는 이도류 전략인 거지."

🐹 못치: "이도류라니, 왠지 좀 치사한데?"

🦜 키나코: "그 마음은 이해해. 하지만 저커버그의 의도를 보면 조금 납득이 갈 거야."

🐹 못치: "들려줘! 잭(Zuck) 씨의 본심을!"

🦜 키나코: "오픈 웨이트로 커뮤니티를 키우고, 개발자들을 자기 편으로 만든다."

🦜 키나코: "경쟁력 있는 최강 모델은 자사 서비스 안에 가둬서 수익화한다."

🐹 못치: "그러니까, 미끼를 뿌려서 손님을 모으고, 정작 중요한 요리는 자기 가게에서만 내놓는 느낌이야?"

🦜 키나코: "어머, 못치의 비유가 꽤 핵심을 찌르는데?

🦜 키나코: "OpenAI나 Anthropic, Google과 싸우려면, 이 방법밖에 승산이 없어."

🐹 못치: "왜? Llama 엄청 강한 거 아냐?"

🦜 키나코: "오픈(Open)하는 순간, 경쟁사가 그 모델을 사용해서 서비스를 만들어버릴 수 있거든."

🐹 못치: "아... 내 무기를 상대방에게 넘겨주는 느낌이네."

🦜 키나코: "맞아, 그래서 '최강의 카드' 하나만큼은 밖으로 내놓지 않기로 판단한 거야."

🐹 못치: "말도 안 돼! 우리는 최강을 써보고 싶단 말이야!"

🦜 키나코: "이해해, 이해한다니까. 하지만 기업으로서 살아남으려면 필요한 일이야."

🐹 못치: "...그래도 비즈니스니까 어쩔 수 없나. 회사도 살아야 하니까."

🦜 키나코: "이게 테크 업계의 현실이야. 이상과 수익 사이의 갈등이지."

🐹 못치: "오픈 소스(Open Source)를 기치로 내걸고 커뮤니티를 키우고서..."

🦜 키나코: "경쟁력 있는 모델이 만들어지면, 몰래 클로즈드(Closed)로 전환하는 거지."

🐹 못치: "듣고 보니 좀 쓸쓸한 이야기네..."

🦜 키나코: "그래도 말이야, Llama 4 자체는 지금도 무료로 쓸 수 있어."

🐹 못치: "그렇지! 우리가 접할 수 있는 범위는 지금도 충분히 있구나!"

🦜 키나코: "응, Meta의 하이브리드 전략을 이해한 상태에서 현명하게 사용하면 돼."

🐹 못치: "우와, 정말 깊이 있는 내용이었어. AI 업계의 뒷모습까지 본 것 같아."

🦜 키나코: "이쯤 왔으니, 마지막으로 정리해 볼까?"

🐹 못치: "후우...... 오늘 머리를 정말 많이 썼네. Llama 4는 정말 만만치 않은 이야기였어."

🦜 키나코: "Scout vs Maverick, LMArena 의혹, Muse Spark 전환. 전부 연결되어 있어."

🐹 못치: "그래서, 결국 못치는 어떻게 해야 해? OpenAI 그만두고 Llama 써?"

🦜 키나코: "'어느 것을 쓸까'가 아니라 '무엇에 쓸까'로 선택하는 시대야. 비용 중시라면 Llama. 품질이라면 Claude, 속도는 Cerebras."

🐹 못치: "아, 그거 이해하기 쉽다! 해바라기 씨처럼, 용도에 맞게 나누어 쓰는 게 중요하다는 거지!"

🦜 키나코: "...해바라기 씨에 비유하는 건 좀 그렇지만, 대체로 맞아."

🐹 못치: "그나저나 Muse Spark 속보가 궁금하네. 클로즈드로 전환해서 정말 OpenAI를 뛰어넘을까?"

🦜 키나코: "그건 후속 보도를 기다려봐야지. 하지만 Meta가 클로즈드로 완전히 돌아선다면, AI 업계의 세력도가 다시 바뀔지도 몰라."

🐹 못치: "있잖아~ 그러고 보니 다들 Llama 4에 대해 어떻게 생각해? Scout 써본 사람, Maverick 성능 테스트해 본 사람 있어?"

🦜 키나코: "'LMArena 의혹, 정말 조작이 있었다고 생각해?'라고 댓글로 알려줬으면 좋겠어. 모두의 의견이 궁금해."

🐹 못치: "그리고 만약 이 영상이 도움이 되었다면, Super Thanks로 해바라기 씨 값을 지원해 주면 정말 기쁠 거야!"

🦜 키나코: "갑작스럽잖아! 하지만... 채널 구독과 좋아요도 해주면 계속할 수 있으니까, 꼭 부탁해."

🐹 못치: "다음에는...... 뭐 해?"

🦜 키나코: "궁금한 게 아직도 많거든. AI 이야기, 다음 시간에 계속할게."

🐹 못치: "그럼 다음 영상에서 만나요!"

키나코 못치의 테크 심층 분석에서는 AI/LLM을 중심으로 한 테크 전반을 햄스터(🐹 못치)와 세키사이인코(🦜 키나코)의 대화로 즐겁게 해설하고 있습니다.

▶️ 영상으로 보기 → Meta Llama 4의 LMArena 의혹과 진정한 실력 — Scout/Maverick 비교

👍 이 글이 도움이 되었다면 LGTM·저장(Stock)해 주시면 큰 힘이 됩니다!

📺 채널 구독은 여기로 → 키나코 못치의 테크 심층 분석

🔗 다른 해설 영상 보기 → 키나코 못치의 테크 심층 분석 영상 목록