제미니 3.1 잡은 OCR부터 Qwen 4B급 임베딩까지 — Schift가 공개한 미니 모델 성적표

낮 12시 44분, 에이전트코리아 방에 짧고 단호한 한 줄이 올라왔다. 한 참여자(Schift 대표)가 자신이 만들고 있는 미니 모델의 근황을 공개하며 남긴 말이었다. 며칠째 사용량 불만과 이미지 생성 잡담이 오가던 방 분위기가, 이 한마디로 순식간에 바뀌었다. 이후 12분 남짓 이어진 문답 속에서 그는 준비 중인 모델들의 근황을 하나씩 풀어놓았다.

"제미니 이겼다"

공개된 수치는 구체적이었다. 전체 파라미터 4.6B, 그중 실제로 작동하는 액티브 파라미터는 1.14B에 불과한 OCR 모델이 제미나이 3.1을 넘어섰다는 것이다. 아직 이름이 붙지 않은 이 아키텍처를 정식 프로포절로 정리해 arXiv에 올릴지 고민 중이라는 말("arxiv 올릴까 고민중")도 뒤따랐다. 소규모 팀이 자체 성과를 학계 논문 형태로 공식화할지를 저울질하는 태도가 읽혔다.

모델 자체가 완전한 오픈소스로 풀릴 가능성은 낮지만, 서빙(실사용 접근)은 공개할 계획이라고 밝혔다. 그가 특히 강조한 건 "스탑 코돈"이라는 새 시스템이다. 딥식(DeepSeek) 계열 OCR 모델들이 공통으로 물려받은 할루시네이션 문제를 유전병에 비유하며 "딥식 OCR 계열의 할루시 유전병을 고쳤습니다"라고 설명했다. 생물학에서 스탑 코돈이 단백질 합성을 멈추는 신호로 쓰이듯, 잘못된 출력이 끝없이 이어지는 지점을 강제로 끊어내는 장치로 이 시스템을 설계한 것으로 보인다.

OCR에 이어 임베딩 모델 근황도 이어졌다. MoE(전문가 혼합) 구조를 적용한 0.8B 규모 임베딩 모델이 Qwen 4B급 성능에 근접하고 있다는 설명이었다. "0.8B인데 Qwen 4B 성능 가깝게 나오는 중"이라는 말에서 드러나듯, 절대적인 파라미터 크기보다 구조 효율을 앞세운 방향성이 두 모델에서 일관되게 나타났다. 큰 모델을 그대로 좇기보다 작은 크기 안에서 성능을 짜내는 쪽에 무게를 두고 있다는 인상이었다.

게임 자동화용 VLM '카피바라'도 화제에 올랐다. 메이플스토리 사냥 자동화를 목표로 설계된 모델이지만, 다른 작업에 우선순위가 밀려 아직 손대지 못했다는 근황이 짧게 곁들여졌다. 완성된 성과만 늘어놓지 않고 진행 중인 계획까지 가감 없이 공유하는 모습이었다.

한 사람이 하루 사이에 OCR·임베딩·VLM 세 계열 모델의 근황을 한꺼번에 풀어놓을 수 있다는 사실 자체가, 이 커뮤니티 안에서 오가는 개발 밀도를 시사한다. 프런티어 모델인 제미니와 중형 오픈모델인 Qwen을 나란히 벤치마크 기준으로 삼아 스스로의 위치를 가늠하는 방식은, 소규모 팀이 대형 랩과 같은 좌표계 위에서 자신의 성과를 설명하려는 시도로 보인다. 완성 발표가 아니라 진행형 근황 공유였다는 점도, 이 방이 결과보다 과정을 나누는 자리에 가깝다는 인상을 남겼다.