Dessa vs Gemma 4 12B: 두 가지 노트북 모델, 다운로드할 수 있는 것은 단 하나

사이의 가장 유용한 비교는Dessa와 Gemma 4 12B 벤치마크 점수가 아닙니다. 그것은 파일입니다. Gemma 4 12B — Google DeepMind의 119억 5천만 개 매개변수 오픈 웨이트 모델이며, 공개 명칭은 Gemma 4 12B Unified이고 2026년 6월 3일 Apache 2.0에 따라 공개되었습니다 — 는 오늘 오후에 다운로드하고, 16GB 노트북에서 실행하고, 누구에게도 묻지 않고 미세 조정할 수 있는 체크포인트입니다. Block이 2026년 10월 23일에 발표한 Dessa는 제조사에 따르면 MacBook Pro M4 Max에서 실행되는 전이중 음성 모델이지만, 다운로드하거나 호출하거나 검사할 수는 없습니다. 대기자 명단 뒤에 있으며 가중치도, API도, 가격도, 공개된 매개변수 수치도 없습니다.

둘 다 로컬 모델로 판매됩니다. 그러나 실제로 배포되는 것은 그중 하나뿐입니다. 이 구분이 나머지 모든 것을 규정합니다. 무엇을 만들 수 있는지, 무엇을 측정할 수 있는지, 그리고 "노트북에서 실행된다"는 말이 도대체 무엇을 뜻하는지까지 말입니다.

짧은 답, 그리고 그것이 짧은 이유

이번 분기에 텍스트, 이미지, 오디오, 비디오를 처리하는 무언가를 출시하는 것이 목표라면, Gemma 4 12B는 둘 중 실제로 사용할 수 있는 제품인 유일한 모델입니다. 전이중(full-duplex) 음성 — 말하면서 동시에 듣고, 끼어들고, 방해를 받아도 흐름을 놓치지 않는 모델 — 을 연구하는 것이 목표라면, Dessa는 더 흥미로운 결과물이지만 아직 사용할 수는 없습니다.

그건 폄하처럼 들린다. 그것은 오히려 성숙의 서로 다른 두 단계에 대한 설명에 가깝다. Gemma 4 12B는 라이선스와 모델 카드, 벤치마크 표를 갖춘 완성된 오픈 릴리스다. Dessa는 데모 릴이 있는 연구 프리뷰다. 두 모델을 성능으로 비교하는 것은 출시된 카메라를 실험실 프로토타입과 비교하는 것과 같다. 프로토타입이 더 좋은 센서를 가졌을 수는 있지만, 간직할 수 있는 사진을 찍는 쪽은 둘 중 하나뿐이다.

"local"의 두 가지 의미

Gemma 4 12B의 로컬 활용 스토리는 구체적입니다. 이 모델은 인코더가 없는 통합 아키텍처를 갖춘 밀집 디코더 전용 모델로, 48개 레이어를 갖추고 이미지 패치는 직접 투영되며 오디오는 별도의 인코더 없이 처리됩니다. Google은 이 모델을 약 16GB의 통합 메모리 환경에 맞춰 포지셔닝하고 있으며, 가중치는 BF16으로 Hugging Face에 공개되어 있고 GGUF, MLX 및 기타 커뮤니티 빌드가 뒤를 잇고 있습니다. 계정 없이, 비행기 안에서도 오프라인으로 실행할 수 있습니다.

Dessa의 로컬 이야기는 한 페이지에 담긴 한 문장입니다. MacBook Pro M4 Max 이상에서 추론이 실시간보다 빠르게 실행된다는 것입니다. 메모리 수치도, 양자화도, 파일 크기도, 다운로드도 없습니다. 그 주장은 전적으로 사실일 수 있습니다. 하지만 외부에서는 반증할 수 없습니다. 공급업체의 글에서 "로컬에서 실행된다"는 말은 "귀하의 기기에서 실행하게 될 것"이라기보다 "우리 연구진이 노트북에서 시연했다"는 뜻일 수 있기 때문입니다. 가중치 파일이나 설치 프로그램이 나오기 전까지는 첫 번째 해석이 정직한 읽기입니다.

듣기도 하고, 대화하기도 한다

구조적 차이는 파라미터 격차보다 더 뚜렷하다. Gemma 4 12B는 멀티모달 리더다. 텍스트, 이미지, 오디오, 비디오가 입력되고 텍스트가 출력된다. 오디오 입력은 클립당 30초로 제한되며, 비디오 입력은 초당 한 프레임 기준 약 60초로 제한된다. 그 한도 안에서 전사, 번역, 설명, 녹음에 대한 질문 답변, 구조화된 데이터 추출을 할 수 있다. 다시 말해, 세계의 한정된 조각을 텍스트로 바꾸는 데 매우 뛰어나다.

Dessa는 대화형 스트림입니다. 오디오 입력, 오디오 출력이며 텍스트 단계가 전혀 없습니다. 검사할 전사본도, 토큰 경계도, 별도의 합성 단계도 없습니다. Block의 주장은 이것이 음성-텍스트-음성 파이프라인이 평평하게 만들어 버리는 운율, 웃음, 한숨, 타이밍을 보존한다는 것입니다. 데모에서는 모델이 문장 중간에 웃고, 볼륨을 맞추고, 화자가 잊은 영화 제목을 마저 말하는 모습을 보여줍니다.

실질적인 결과는 두 모델이 API 수준에서 서로 대체할 수 없다는 것입니다. Dessa에는 PDF를 보낼 수 없습니다. Gemma 4 12B에게 답변 도중 중단을 요청할 수 없습니다. 중단할 오디오 스트림을 생성하지 않기 때문입니다. Gemma로 구축한 음성 제품에는 최소 두 개의 구성 요소가 더 필요합니다. Dessa로 구축한 문서 제품은 아예 불가능합니다.

양면이 같은 줄에 있는 사양서

아래 수치는 별도로 표시되지 않은 한 벤더가 보고한 것입니다. Gemma의 수치는 Google의 모델 카드에서, Dessa의 수치는 Block의 발표 페이지에서 나왔으며, 그 페이지는 훨씬 적은 정보를 공개합니다.

• 매개변수 — Gemma 4 12B 11.95B dense 대 Dessa 미공개.

• 가중치 — Gemma 4 12B Apache 2.0 다운로드 대비 Dessa는 공개된 것 없음.

• 컨텍스트 — Gemma 4 12B 262,144 토큰 vs Dessa는 명시되지 않았으며, 이를 기준으로 측정할 토큰 인터페이스도 없습니다.

• 입력 — Gemma 4 12B: 텍스트, 이미지, 최대 30초 오디오, 최대 약 60초 비디오 vs Dessa: 라이브 오디오 스트림.

• 출력 — Gemma 4 12B 텍스트 vs Dessa 오디오.

• 상호작용 — Gemma 4 12B의 턴 기반 요청 및 응답 vs Dessa의 전이중(끼어들기와 백채널 포함).

• 하드웨어 — Gemma 4 12B는 통합 메모리 약 16GB, Dessa는 MacBook Pro M4 Max 이상, Block에 따르면.

• 가격 — Gemma 4 12B는 무료로 다운로드 가능하며, 제3자 제공업체의 호스팅 요금은 백만 토큰당 입력 약 $0.10, 출력 약 $0.30에 몰려 있는 반면 Dessa는 가격이 없습니다.

• 벤치마크 — Gemma 4 12B는 공개된 벤더 표가 있는 반면 Dessa는 없음.

• 이용 가능성 — Gemma 4 12B는 2026년 6월부터 일반 제공되는 반면, Dessa는 대기자 명단과 소규모 안전 연구자 대상 프리뷰만 제공합니다.

Gemma 4 12B가 기본적으로 우위를 점하는 부분

Google이 발표한 수치부터 시작하겠습니다. 모두 공급업체가 보고한 값이며 여기서는 재현되지 않았습니다: MMLU-Pro 77.2, GPQA Diamond 78.8, 도구 없이 AIME 2026 77.5, LiveCodeBench v6 72.0, Codeforces Elo 1659, Tau2 69.0, MMMU-Pro 69.1, HLE 5.2. 패턴은 중간 규모 모델로서 추론과 비전에서 동급 대비 강하고, 가장 어려운 프런티어 질문에서는 약하며, 도구 사용에는 유능하다는 것입니다. 256K 컨텍스트 창과 네이티브 함수 호출은 긴 문서를 읽은 뒤 행동하는 에이전트의 그럴듯한 백본이 됩니다.

구글과 무관한 Artificial Analysis는 추론 변형을 자사의 Intelligence Index에서 14로 추정한다 — 이는 측정된 실행이 아니라 추정치로 표시된 수치이며, 비교 가능한 오픈 모델의 중앙값 8을 크게 웃도는 값이다. 이는 공급업체 표에 대한 유용한 교정이다: 중간 규모 모델이 제3자에 의해 중위권으로 평가된 것이다.

오디오 수치는 더 낮은 편이며 이 비교에 더 적합합니다. CoVoST는 38.5, FLEURS는 0.069(낮을수록 좋음)이며, 둘 다 공급업체가 보고한 수치이고 CoVoST 수치에서는 중국어가 제외됩니다. 이는 대화 품질이 아니라 음성 번역 및 인식 지표입니다. Gemma는 30초 클립을 듣고 무슨 말이었는지 알려줄 수 있습니다. 실시간 통화를 할 수는 없습니다.

라이선스는 대부분의 상업적 문제를 결정하는 부분입니다. Apache 2.0은 매출 기준선도, 허용 사용에 대한 협상도, 파인튜닝을 위한 공급업체의 허가도 요구하지 않습니다. 자사의 추론 경로를 직접 소유하고자 하는 팀에게 이는 더 나은 데모보다 더 가치 있는 일입니다.

데사의 데모들이 가리키는 곳, 그것들이 견고하다면

흥미로운 주장은 Dessa가 사람처럼 들린다는 것이 아니다. 텍스트 병목을 제거하면 한 가지 실패 범주가 사라진다는 것이다. 먼저 전사하는 파이프라인은 당신이 말을 마쳤을 때를 판단해야 하고, 응답하기 전에 전사문을 확정하며, 한숨을 놓친다. 듀플렉스 모델은 그런 확정을 결코 하지 않는다. Block의 클립이 대표적이라면, 그 결과는 겹말을 견디는 대화다. 당신은 그것이 말하는 동안 말할 수 있고, 그것 역시 당신이 말하는 동안 말할 수 있다.

빠진 것은 해당 클립들이 대표성을 지니는지 알 방법이다. Block은 아무도 모델을 조종하지 않으며 자막은 나중에 추가되었다고 말하는데, 이는 가장 조잡한 연출 가능성을 배제한다. 하지만 Block은 홀드아웃 세트, 지연 시간 분포, 중단 복구율, 소음 속 명료도 점수를 공개하지 않는다. The Verge는 같은 데모들이 "조금 어색하고 기묘하다"고 평가했으며, 모델이 파트너를 "Ronaldo"라고 부르는 클립도 그중 하나였다. 큐레이션된 릴은 그 정도를 견딜 수 있지만, 제품은 견뎌야 한다.

오늘 Gemma를 중심으로 음성 루프 구축하기

지금 음성 에이전트를 만들고 싶다면, 아키텍처는 음성 인식, 그다음 Gemma 4 12B, 그다음 음성 합성입니다. 모델은 이해, 추론, 응답 텍스트를 담당하고, 주변 서비스는 오디오를 담당합니다. 지연 예산은 중간이 아니라 양 끝단에 의해 좌우됩니다. 엔드포인트 감지와 합성은 보통 언어 모델의 첫 토큰보다 더 많은 실제 경과 시간을 소비합니다.

OrcaRouter는 그 루프의 중간에서 다른 이유로 유용합니다. 200개 이상의 모델 앞에 놓인 하나의 API는 애플리케이션을 다시 작성하지 않고도 추론 단계를 교체할 수 있다는 뜻이며, 자동 페일오버 덕분에 제공업체에 일시적인 문제가 생겨도 호출이 중단되지 않습니다. 0% 마크업 모델 — 제공업체의 정가를 그대로 전달 — 은 벤더가 가격을 인하할 때 중요합니다. 인하가 당사 쪽에서도 같은 날 바로 적용되기 때문입니다. 한 가지 솔직한 단서를 붙이자면, 저희는 Gemma 4 26B A4B와 Gemma 4 31B를 라우팅하며 12B는 라우팅하지 않습니다. 12B는 직접 다운로드해 호스팅하는 모델이기 때문입니다. 12B를 API 뒤에 두고 싶다면 그것은 제3자 호스팅에 관한 결정이며, 저희 결정이 아닙니다.

제약 조건으로 선택하기

• 지금 텍스트 또는 멀티모달 출력을 제공해야 합니다 — Gemma 4 12B, 이 조합에서는 진지한 대안이 없습니다.

• 직접 제어하는 하드웨어에서 오프라인 추론이 필요하다면 — 가중치가 존재하므로 Gemma 4 12B입니다.

• 문서, 이미지 또는 30초 분량의 녹음 내용을 이해해야 할 때 — Gemma 4 12B.

• 중단할 수 있는 실시간 음성이 필요합니다 — Dessa는 둘 중 그 목적을 겨냥한 유일한 제품인데, 그것도 사용할 수 없습니다.

출력 오디오에 감정 표현력이 필요합니다. Dessa의 데모가 그 증거이며, 이는 벤더가 직접 선정한 것입니다.

• 조달 절차를 통과할 수 있는 라이선스가 필요하다면, 지금 거론되는 선택지는 Gemma 4 12B의 Apache 2.0뿐입니다.

이것을 진짜 비교로 만들려면 무엇이 필요할까요?

세 가지가 있으면 답이 달라졌을 것이다. Dessa API가 있다면 두 모델을 동일한 대화에서 측정할 수 있었을 것이다. 공개된 파라미터 수와 지연 시간 수치가 있다면 노트북 관련 주장을 재현할 수 있었을 것이다. 또는 다른 누군가의 오픈 웨이트 음성 네이티브 모델이 있다면 "Dessa 대 Gemma"가 가용성 비교가 아니라 아키텍처 비교가 되었을 것이다.

그때까지 공정한 요약은 이렇다. Gemma 4 12B는 스스로 제거할 수 없는 텍스트 병목을 지닌 유능한 로컬 멀티모달 모델이고, Dessa는 그 병목을 제거하려는 유망한 시도이지만 결과를 확인할 공개된 방법이 없다. 첫 번째는 도구다. 두 번째는 뛰어난 완성도를 갖춘 가설이다.