라마 (Llama)

라마(Llama)는 메타(Meta)가 만들어 가중치를 공개한 대규모 언어 모델(LLM) 계열입니다. API로만 접근할 수 있는 모델과 달리, 누구나 모델 파일을 내려받아 자기 서버나 노트북에서 직접 돌릴 수 있습니다. 2023년 첫 공개 이후 개인 개발자와 기업이 가장 많이 뜯어본 모델 가운데 하나이고, 지금은 오픈소스 AI 생태계의 기준선 역할을 합니다.

라마가 처음 나왔을 때 업계의 반응은 성능 점수보다 '가중치를 공개했다'는 사실에 쏠렸습니다. 그전까지 쓸 만한 성능의 LLM은 사실상 몇몇 회사의 API 안에만 있었기 때문입니다. 라마 공개 이후 연구자들이 자유롭게 모델 내부를 열어 보고 개선판을 내놓으면서 양자화, 어댑터 학습, 로컬 추론 도구가 빠르게 자리 잡았습니다. 오늘날 공개 가중치 모델을 다루는 기술 상당수가 이 시기에 라마를 실험 대상으로 삼아 다듬어졌습니다.

오픈소스가 아니라 open-weight

메타는 라마를 '오픈소스'가 아니라 open-weight(공개 가중치)로 표기합니다. 학습에 쓴 데이터와 코드까지 전부 공개하는 것이 아니라 완성된 모델 가중치만 내려받게 하고, Llama 4 Community License라는 자체 라이선스로 사용 조건을 붙이기 때문입니다. Apache 2.0 같은 표준 오픈소스 라이선스를 쓰는 모델과는 구분해서 읽어야 하고, 사내 서비스에 넣을 계획이라면 라이선스 문구를 먼저 확인하는 편이 안전합니다. 특히 사용자 규모나 파생 모델 명명 규칙에 조건이 붙는 경우가 있어, 법무 검토를 건너뛰면 나중에 되돌리기 어려운 문제가 됩니다.

라마 4 계열의 구성

라마 4는 MoE 구조를 씁니다. 전체 파라미터 가운데 일부 전문가만 골라 켜는 방식이라 모델 덩치에 비해 실제 추론 비용이 낮습니다. Llama 4 Maverick은 활성 파라미터 17B에 라우팅 전문가 128개를 두고 100만 토큰 컨텍스트 윈도우를 지원합니다. Llama 4 Scout은 활성 17B에 전문가 16개 구성으로 1,000만 토큰까지 다루는데, H100 한 장으로 돌리려면 INT4 양자화가 전제입니다. 가장 큰 Behemoth는 프리뷰만 공개됐고 정식 출시되지 않았습니다.

가중치를 직접 쥔다는 것

가중치를 손에 쥐면 실무에서 선택지가 늘어납니다. 의료 기록이나 계약서처럼 외부로 내보낼 수 없는 데이터는 사내 GPU에 올린 라마로 처리합니다. 호출량이 많아지면 토큰당 요금 대신 서버 비용만 부담하면 되니 비용 구조도 달라집니다. 도메인 데이터로 파인튜닝하거나 LoRA로 가벼운 어댑터만 붙여 말투와 출력 형식을 고정하는 것도 자유롭습니다. 모델 버전을 회사가 직접 고정할 수 있다는 점도 큽니다. 외부 API는 제공사 사정으로 모델이 바뀌거나 종료될 수 있지만, 내려받은 가중치는 그대로 남습니다.

실행 방법은 목적에 따라 갈립니다. 개인 PC에서 한 사람이 써 보는 정도라면 Ollama가 가장 간편하고, 여러 사용자의 요청을 동시에 받아야 하면 vLLM 같은 서빙 엔진을 얹습니다. 모델 파일과 커뮤니티가 만든 파생 버전은 대부분 Hugging Face에 올라오기 때문에, 원하는 크기와 양자화 형식을 골라 받는 식으로 시작하면 됩니다.

라마와 비슷한 자리에 있는 모델로는 알리바바의 Qwen, DeepSeek, 미스트랄 계열이 있습니다. 가중치를 공개한다는 점은 같지만 라이선스 조건과 언어별 강점이 제각각입니다. 메타는 라마와 별개로 Muse 계열의 비공개 제품용 모델도 발표했는데, 이를 공개 가중치 라마의 후속작이라고 밝힌 적은 없으므로 같은 줄기로 묶어 읽지 않는 편이 정확합니다.

다만 벤치마크 점수만 보고 폐쇄형 최상위 모델과 동급이라고 단정하기는 어렵습니다. 긴 추론 과제나 복잡한 도구 사용에서는 여전히 차이가 나는 경우가 많고, 직접 서빙하는 순간 모델 성능 외에 GPU 확보와 대기 시간, 장애 대응까지 팀이 떠안게 됩니다. 그래서 라마를 고르는 결정은 성능 비교라기보다 데이터 통제권과 운영 부담을 맞바꾸는 선택에 가깝습니다.