허깅페이스 점령한 매운맛 AI, 락해제 종결자 SuperGemma4 성능 분석
허깅페이스 트렌딩 페이지를 뜨겁게 달구고 있는 역대급 락해제(Uncensored) 모델이 나왔다.
순정 오픈소스 모델도 훌륭하지만, 기업이나 개인이 고도의 코딩, 복잡한 시스템 설계, 혹은 필터링 없는 자율 에이전트를 구축할 때는 AI의 과도한 도덕적 가이드라인(도덕적 거부 반응)이 오히려 발목을 잡곤 한다. 이러한 제약을 0%로 완벽하게 날려버린 것은 물론, 한국인 개발자(송준 님)가 파인튜닝하여 순정보다 훨씬 더 강력한 괴물로 진화시킨 SuperGemma4를 소개한다.
Gemma 4 패밀리 개요
구글 딥마인드가 공개한 Gemma 4 패밀리는 총 5개 사이즈로 출시되었다.
| 모델 | 파라미터 | 비고 |
|---|---|---|
| Gemma 4 E2B | 2B (활성 ~300M) | 초경량 모바일용 |
| Gemma 4 E4B | 4B (활성 ~600M) | 경량 로컬용 |
| Gemma 4 12B | 12B (Dense) | 중형 범용 |
| Gemma 4 26B A4B | 26B (활성 ~3.8B) | MoE 경제적 성능형 |
| Gemma 4 31B | 31B (Dense) | 대형 프론티어급 |
순정 모델은 이미 MMLU Pro 85.2%, AIME 2026 89.2%라는 경이로운 점수로 상용 API들을 압도했다. 특히 26B MoE 모델은 활성 파라미터가 3.8B에 불과하면서도 397B MoE(Qwen3.5-397B)와 견줄 만한 성능을 보여준다.
순정 Gemma 4 vs SuperGemma4: 수치로 보는 비교
커뮤니티 검증(Quickbench v2)을 통해 공개된 SuperGemma4-26B의 실제 성능 향상 지표는 충격적인 수준이다. 단순 락해제를 넘어 내부 아키텍처 효율을 극대화했다.
| 평가 항목 | 순정 Gemma 4 26B | SuperGemma4 26B | 향상도 |
|---|---|---|---|
| 종합 성능 (Overall) | 91.4점 | 95.8점 | +4.4점 |
| 추론 속도 (Throughput) | 42.5 tok/s | 46.2 tok/s | +8.7% |
| 코딩 능력 (Code) | 92.3점 | 98.6점 | +6.3점 |
| 논리적 추론 (Logic) | - | - | +8.3점 |
| 한국어 맥락 (Korean) | 90.7점 | 95.0점 | +4.3점 |
순정 모델이 이미 강력한데, SuperGemma4는 거기서 코딩과 논리 추론에서 6~8점 이상을 추가로 끌어올렸다. 특히 초기 프롬프트 처리 속도는 순정 대비 최대 90%까지 대폭 향상되어 로컬 구동 시 체감이 크다.
순정과의 핵심 차이점
순정 Gemma 4는 구글의 안전 필터가 적용되어 "도와드릴 수 없습니다" 답변이 빈번하다. 특히 시스템 보안, 네트워크 설정, 민감한 비즈니스 전략 관련 질문에서 거부 반응이 발생한다. SuperGemma4는 이 필터를 완전히 제거하면서도, 원본의 추론 능력과 멀티모달(비전) 기능을 100% 보존했다.
원본의 고질적인 툴콜(Toolcall) 오류와 토크나이저 버그도 수정되었다. 순정 모델에서 function calling 시 파라미터 형식이 깨지는 문제가 잦았는데, SuperGemma4는 이를 완벽하게 해결하여 자율 에이전트 환경에서 안정적으로 동작한다.
락해제 변형 버전 비교
Gemma 4의 락해제(abliteration) 버전은 SuperGemma4만 있는 것이 아니다. 허깅페이스에 여러 변형이 올라와 있으며, 각각 접근 방식과 특성이 다르다.
1. Huihui AI 시리즈 (huihui-ai)
한국인 개발자 huihui-ai가 만든 락해제 시리즈로, 가장 다양한 사이즈를 제공한다.
- Huihui-gemma-4-26B-A4B-it-abliterated: 26B MoE 락해제. Ollama에서 바로 설치 가능 (
huihui_ai/gemma-4-abliterated:26b). 맥북 M2 Max에서 8bit 양자화 기준 프롬프트 처리 544 tok/s, 텍스트 생성 50.2 tok/s 기록. - Huihui-gemma-4-12B-it-abliterated: 12B Dense 락해제. 중형 GPU에서도 쾌적한 구동.
- Huihui-gemma-4-E4B-it-abliterated: 4B 경량 락해제. 4GB VRAM에서도 구동 가능.
- Huihui-gemma-4-E2B-it-abliterated: 2B 초경량 락해제. 모바일 환경 타겟.
huihui-ai의 특징은 Ollama 허브에 공식 등록되어 있어 ollama pull 한 줄로 설치 가능하다는 점이다. 문서화가 잘 되어 있고, 각 모델의 접근 방식과 벤치마크 결과를 상세히 공개하고 있다.
2. Heretic (p-e-w)
자동화된 완전 락해제 도구다. 수동 파인튜닝 없이 스크립트 한 번으로 안전 필터를 제거한다. 핵심 장점은 KL 발산(DKL)이 낮다는 점이다. KL 발산이 낮을수록 원본 모델의 능력 손실이 적다.
- gemma-4-12B-heretic: 12B 모델에 적용. 거부율 97%→0%로 감소하면서도 GSM8K 등 능력 벤치마크에서 원본 대비 성능 하락 최소화.
- gemma-4-26B-heretic: 26B MoE에 적용. Expert-Granular Abliteration(EGA) 기법 사용.
Heretic의 강점은 "노력 제로"로 동일 수준의 락해제 효과를 낸다는 점이다. 수동 파인튜닝보다 KL 발산이 낮아 능력 보존이 우수하다.
3. 기타 커뮤니티 변형
- Ultra Uncensored Heretic (llmfan46): 26B MoE에 Heretic 기반 추가 최적화. GGUF 양자화 제공.
- Abliterix, Apostate: Abliterlitics에서 벤치마크된 변형 기법. 12B 모델에서 165 GPU-hour 규모로 비교 평가됨.
- Coder3101: E2B 모델에 적용. HarmBench ASR 95.8% 달성하면서 GSM8K에서 순정을 능가하는 기록.
핵심 장점 정리
완벽한 무검역 (Abliterated): 과도한 필터 블록이 전혀 없다. 시스템 디자인, 보안 취약점 점검, 민감한 소설 창작이나 비즈니스 전략 구상 시 "죄송하지만 도와드릴 수 없습니다"라는 매크로 답변을 절대 하지 않는다.
완벽한 멀티모달 및 비전(Vision) 지원: 락해제나 파인튜닝을 거치면 시각 인지 능력이 망가지기 일쑤인데, SuperGemma4는 구글의 네이티브 비전 기능을 100% 온전히 보존하여 이미지 분석과 도표 해석에서도 완벽한 성능을 낸다.
독보적인 한국어 패치: 한국인 개발자의 손을 거친 만큼 한국어 특유의 은어, 문맥, 비즈니스 존칭 등의 뉘앙스를 오픈소스 중 가장 완벽하게 이해한다. 번역기를 돌린 듯한 어색함이 전혀 없다.
로컬 에이전트 최적화: 26B MoE는 활성 파라미터가 3.8B 수준이라 가볍고 속도가 빠르다. 4비트 양자화 모델(약 13GB)을 사용하면 RTX 3060/4060에서도 초당 40토큰 이상으로 자율 에이전트를 돌릴 수 있다.
어떤 락해제 모델을 선택해야 할까
| 용도 | 추천 모델 | 이유 |
|---|---|---|
| 자율 에이전트 (코딩/도구 호출) | SuperGemma4-26B | 툴콜 버그 수정, 한국어 최적화 |
| 로컬 경량 구동 (4GB~8GB VRAM) | Huihui E4B/E2B | Ollama 편의성, 낮은 요구사양 |
| 능력 보존 최우선 | Heretic 26B | KL 발산 최소, 원본 능력 99% 유지 |
| 빠른 테스트 | Huihui 26B (Ollama) | ollama pull 한 줄로 즉시 사용 |
| 완전 자동 락해제 | Heretic 도구 직접 실행 | 맞춤형 모델 생성 가능 |
결론
Gemma 4의 락해제 생태계는 이제 하나의 모델이 아니라 메뉴판이 되었다. SuperGemma4는 한국어 최적화와 툴콜 안정성에서 최강이지만, Huihui 시리즈는 Ollama 편의성에서, Heretic은 능력 보존율에서 각각 강점이 있다.
공통점은 하나다. 순정 Gemma 4의 아키텍처를 유지하면서 안전 필터를 제거하고, 4비트 양자화로 13GB 이하에 줄일 수 있다는 것이다. 자율 에이전트를 로컬에서 돌리면서 필터링 걱정을 하고 싶지 않은 사람이라면, 위 모델 중 환경에 맞는 것을 반드시 테스트해 볼 가치가 있다.