Gemini Omni 1.2 Flash vs InternLumina-U2: 빌려 쓰는 초 대 다운로드한 가중치

Gemini Omni 1.2 Flash를 InternLumina-U2 옆에 놓으면 눈에 띄는 비교—이미지 품질, 생성 속도, 벤치마크 점수—는 가능한 비교 중 가장 흥미롭지 않은 것입니다. 두 모델이 같은 예산 항목을 두고 경쟁하는 것이 아니기 때문입니다. Gemini Omni 1.2 Flash는 720p 영상 1초당 약 0.07달러를 청구하는 종량제 API로, 2026년 11월 5일 정식 출시되었으며, 사용 권한은 있지만 가중치는 결코 없는 파일을 반환합니다. InternLumina-U2는 상하이 AI 연구소의 160억 매개변수 희소 확산 언어 모델로, Apache-2.0이며 하드웨어 트리당 7개 샤드로 구성되어 있고, 디스크 공간만 있으면 누구나 다운로드할 수 있는 Hugging Face에 있습니다. 하나는 서비스입니다. 다른 하나는 자산입니다. 유용한 질문은 어느 쪽이 더 나은 그림을 생성하는가가 아니라, 이 두 가지 중 무엇을 당신의 프로젝트가 실제로 흡수할 수 있는가입니다.

그러한 틀이 중요한 이유는, 뻔한 질문인 "어느 쪽이 이미지 생성에서 더 나은가"에 대한 답이 오해를 부를 수 있기 때문입니다. InternLumina-U2는 실제로 이미지를 생성하며, 자사 공급업체가 보고한 벤치마크에서도 경쟁력 있게 해냅니다. 그러나 동일한 백본에서 비디오와 3D까지 이해하는데, 이는 Gemini Omni에 전혀 없는 능력이며, Gemini Omni는 동기화된 오디오와 함께 비디오를 생성하는데, 이는 InternLumina-U2가 할 수 없습니다. 겹치는 부분으로 판단하면 둘 다 이미지와 비디오에 인접한 시스템입니다. 합집합으로 판단하면 둘은 거의 맞닿지 않습니다.

겹치는 부분, 정확히 말하자면

InternLumina-U2는 텍스트 QA, 텍스트-이미지 생성, 이미지 이해, 이미지 편집, 비디오 이해, 3D 이해를 하나의 모델 안에서 처리합니다. 그 목록에서 "이해"라는 수식어는 실제로 중요한 역할을 합니다. 즉, 비디오를 읽고 3D를 읽지만, 둘 중 어느 것도 생성하지는 않습니다. 그것이 생성하는 것은 이미지와 텍스트입니다.

Gemini Omni 1.2 Flash는 영상을 생성합니다. 텍스트, 이미지, 영상을 입력받아 네이티브 오디오가 포함된 영상을 반환하며, 길이는 3초에서 15초, 프레임 레이트는 초당 24프레임, 해상도는 360p부터 4K까지이고 상위 두 등급은 업스케일됩니다. 결과물로 이미지를 생성하지는 않습니다. 모든 프레임은 클립의 한 프레임일 뿐이며, 디자이너가 말하는 의미의 정지 이미지 편집은 지원하지 않습니다.

그래서 겹치는 부분은 정확히 한 가지입니다: 프롬프트로 이미지를 생성하는 것입니다. InternLumina-U2는 여섯 가지 작업 중 하나로 이를 수행합니다. Gemini Omni 1.2 Flash는 이를 모션의 첫 프레임으로만 수행합니다. 이것이 당신의 전체 사용 사례라면, 그 비교는 유효합니다. 그렇지 않다면, 당신은 정지 이미지 연구자의 툴킷과 비디오 제작 엔드포인트 중에서 선택하는 것입니다.

• 입력 모달리티 — {{1}}InternLumina-U2{{/1}}는 텍스트, 이미지, 비디오, 3D를 처리하고, {{2}}Gemini Omni 1.2 Flash{{/2}}는 텍스트, 이미지, 비디오를 처리합니다.

• 출력 모달리티 — InternLumina-U2는 텍스트와 이미지를 반환하고, Gemini Omni 1.2 Flash는 동기화된 오디오가 포함된 비디오를 반환합니다.

• 아키텍처 — InternLumina-U2는 LLaDA-2.0 백본에 Apple AToken 8-코드북 이산 시각 토큰을 결합한, 총 16B 규모에 활성 파라미터 약 1B인 MoE 확산 언어 모델입니다. Gemini Omni 1.2 Flash의 아키텍처는 공개되지 않았습니다.

• 접근성 — Hugging Face에서 Apache-2.0 라이선스 가중치를 제공하며, Ascend와 NVIDIA용 트리가 별도로 존재하고, 폐쇄형 호스팅 API도 제공됩니다.

• {{1}}가격{{/1}} — 호출당 가격은 없습니다. 호스팅된 엔드포인트가 없기 때문입니다. 720p 비디오 출력 1초당 약 $0.07이며, 무료 티어는 없습니다.

• 컨텍스트 — Omni 측에서는 입력 131,072 토큰, 출력 65,536 토큰이며, InternLumina 카드는 이에 상응하는 윈도우를 공개하지 않습니다.

벤치마크가 말하는 것과 말하지 않는 것

InternLumina-U2의 수치는 자체 논문과 프로젝트 페이지(arXiv 2610.20818, 2026년 10월 14일 제출)에서 나온 것이며, 아무도 이를 재현하지 못했다. 대표적인 생성 지표는 저자들 자체의 PHV 샘플링 프로토콜에서 나온 GenEval 점수 89.3이며, 함께 DPG-Bench 87.79, UniGenBench 86.11, TIIF-Bench는 짧은 프롬프트에서 88.57, 긴 프롬프트에서 87.08을 기록했다. 논문은 이 모델이 시각 이해, 이미지 생성, 이미지 편집 전반에서 통합 모델 중 선도적인 성능을 낸다고 주장하며, GenEval, UniGenBench, TIIF에서 FLUX.1-dev를 능가하고 Qwen-Image를 근소하게 앞서면서도 활성화되는 파라미터 수는 약 14분의 1에 불과하다고 말한다.

인용하기 전에 알아둘 만한 불일치가 있습니다. 프로젝트 페이지의 결과 표에는 InternLumina-U2가 GenEval 0.81로, LLaDA2.0-Uni가 0.89, InternVL-U가 0.85로 나와 있습니다 — 이는 해당 행에서 더 새로운 모델이 자신의 이전 모델보다 뒤처진다는 뜻입니다. 89.3이라는 수치는 기본 평가가 아니라 논문에 설명된 최적화된 샘플링 프로토콜에 해당합니다. 두 개의 수치, 두 개의 프로토콜, 같은 모델입니다. 논문은 더 유리한 해석이고 프로젝트 페이지는 더 보수적인 해석이며, 어느 쪽도 독립적으로 검증되지 않았습니다.

Gemini Omni 1.2 Flash는 Google이 공개한 벤치마크 점수가 전혀 없습니다. 11월 5일 출시 게시물은 전적으로 정성적 설명으로, 더 긴 클립, 더 나은 참조 준수, 더 자연스러운 대화, 더 적은 점프 컷을 언급하며 "빠른 스포츠 동작, 빠른 대본 변경, 복잡한 물리"에 대한 작업이 계속되고 있다고 명시합니다. 이는 이례적으로 솔직한 알려진 약점 목록이며, Google이 품질에 관해 내놓은 유일한 언급입니다. 서드파티 수치도 세상에 존재하지만 대부분 이전 Omni 버전을 설명합니다. Megaton의 비교 페이지는 제목이 "Gemini Omni Flash"인데 링크는 프리뷰 슬러그를 가리키고, 오디오 출력을 "No"로 표시하며(1.2에는 틀린 내용으로, 1.2는 기본적으로 오디오를 생성함), 점수 뒤에 평가된 비디오 0개와 측정치 0개를 보고합니다. 한 실사용 리뷰어인 Segmind의 Rohit Rao는 실제로 1.2를 20회 생성에 걸쳐 직접 테스트했으며 비용은 $16.17였고, 그의 결론은 이용 가능한 가장 유용한 독립 데이터 포인트입니다. 호출은 28초에서 136초가 걸렸고 대부분 40~90초대였으며, 해당 모델은 그가 테스트한 것 중 지시를 가장 정확히 따르는 모델이었고 지시 네 개 중 약 하나는 누락됐습니다. 그는 또한 이 모델이 영화 같은 실사 인물 모델은 아니라는 점도 발견했습니다.

그래서 솔직히 따져 보면, InternLumina-U2는 상세하지만 재현되지 않고 내부적으로 일관성 없는 벤더 수치를 내세우고 있고, Gemini Omni 1.2 Flash는 수치가 거의 없이 작은 독립 테스트 하나만 있습니다. 어느 쪽도 확신 있는 품질 판정의 근거가 되지 못합니다.

사람들이 잘못 이해하는 비용 비교

InternLumina-U2에는 가격이 없으며, 그것은 무료라는 것과 같지 않습니다.

가중치는 7개 샤드로 이루어진 두 트리에 걸쳐 67.6GB이고, 각각 약 33.8GB이므로, 하나의 하드웨어 변형을 다운로드하려면 작업 환경을 갖추기 전에 34GB를 내려받아야 합니다. 이 저장소는 AToken 경로에 FlashAttention이 필요하고, 3D 파이프라인에는 Blender 4.5가 필요합니다. 훈련은 1.05조 개 토큰에 걸쳐 1,024개의 Ascend 910B NPU에서 실행되었습니다. 이는 추론이 훨씬 가벼움에도 불구하고 이 모델이 클러스터용으로 구축되었음을 보여줍니다. 활성 파라미터 10억 개는 적당한 서빙 부하이며, 논문의 PHV 샘플링 전략은 네이티브 1024×1024에서 종단 간 지연 시간을 4.45배 줄인다고 주장합니다.

실제로 지출하는 것은 GPU 한 대, 환경을 제대로 갖추는 데 드는 엔지니어 1주, 그리고 스토리지 및 이그레스 비용입니다. 얻는 것은 한계비용 제로의 무제한 생성, 미세 조정할 수 있는 모델, 그리고 당신 모르게 엔드포인트를 지원 중단할 수 있는 벤더가 없다는 점입니다.

Omni의 비용은 센트 단위까지 명확합니다. 15초 720p 클립은 출력 토큰 기준 약 $1.05입니다. 360p 초안은 약 $0.35입니다. 그 15초를 4K로 업스케일하면 약 $3.14입니다. 출력 초당 비용을 지불하고, 재시도할 때마다 다시 지불하며, 대화형 편집에서는 재시도가 예외가 아니라 일반적인 워크플로입니다. 샷 10개짜리 광고에 샷당 편집 3회면 15달러짜리 작업이 아니라 60달러에 가깝습니다.

그 두 비용 구조는 서로 환산할 수 없습니다. "자본 투입 후 무료"와 "초당 7센트"를 비교하면 전적으로 활용률에 달려 있는 숫자가 나옵니다. 물량이 적을 때 자체 호스팅 모델은 이미지당 비용이 훨씬 더 비쌉니다. 물량이 많을 때는 훨씬 더 저렴합니다. 전환점은 자신의 GPU 가격으로 직접 계산해야 하는 산수이지, 누가 대신 알려줄 수 있는 사실이 아닙니다.

둘 중 어느 쪽에서도 얻을 수 없는 것

립싱크된 대사가 포함된 토킹헤드 클립이 필요하다면 InternLumina-U2는 도움이 될 수 없으며, 별도의 비디오 생성기를 쓰지 않고는 우회 방법이 없습니다. 메시나 장면 설명을 이미지와 함께 읽어 들이는 3D 에셋 이해 파이프라인이 필요하다면 Gemini Omni 1.2 Flash는 도움이 될 수 없으며, 별도의 비전 모델을 쓰지 않고는 우회 방법이 없습니다.

또한 들리는 것보다 더 중요한 서류상 차이가 있습니다. InternLumina-U2는 Apache-2.0이므로 저작자 표시를 조건으로 상업적 사용, 수정 및 재배포가 가능하며, 라이선스 전문은 저장소에 있습니다. Gemini Omni 1.2 Flash는 호스팅 서비스로, 약관이 출력물로 할 수 있는 일을 규정하며, 모든 클립에는 원하든 원하지 않든 SynthID 워터마크가 포함되고, 업로드한 영상의 편집 또는 연장은 EEA, 스위스, 영국에서 사용할 수 없습니다. 대화형 영상 편집을 기반으로 제품을 만드는 런던의 팀에게 그 지역 제한은 어떤 벤치마크 비교로도 드러나지 않을 만큼 결정적인 결격 사유입니다.

솔직히, OrcaRouter는 어디에 위치하는가

두 모델 모두 우리 카탈로그에 없습니다. google/gemini-omni-1.2-flash는 OrcaRouter의 모델 페이지에서 404를 반환하고, InternLumina-U2는 어디에도 호스팅된 엔드포인트가 없습니다 — 모델 카드에도 그렇게 적혀 있으며, 커뮤니티 Space 하나만 이를 사용하고 있습니다. 따라서 우리 API로 하는 어떤 호출도 이 둘 중 어디에도 닿지 않으며, 이 글은 우리가 갖지 않은 호스트를 암시하기보다는 그 사실을 그대로 밝히는 편을 택합니다.

게이트웨이가 실제로 담당하는 것은 두 워크로드가 모두 속해 있는 계층입니다. 자체 호스팅 InternLumina-U2 파이프라인에도 프롬프트를 작성하고 출력을 평가하며 실패를 라우팅할 텍스트 모델이 여전히 필요하며, 그것은 저희가 200개 이상의 모델에 걸쳐 하나의 키로 자동 페일오버와 함께 제공하는 호출입니다. Omni 측에서는 OrcaRouter가 제공업체의 정가를 0% 마크업으로 그대로 전달하기 때문에 Google의 가격 인하가 다음 청구 주기가 아니라 같은 날 저희 쪽에 반영됩니다. 그리고 Omni 라인은 올해 이미 비디오 요금을 출력 토큰 100만 개당 $17.50에서 $12.00로 한 차례 변경했습니다. 자체 호스팅 구축과 임대 구축을 비교하고 있다면, 이용 중에 임대 측 가격이 움직인다는 점이 바로 패스스루 청구서가 드러내는 변수입니다.

결정하는 방법

이미지가 필요하고, 같은 모델에서 3D 또는 비디오 이해가 필요하며, 이미 비용을 지불하고 있는 GPU 용량이 있고, 라이선스 조건이 제품에 중요하다면 InternLumina-U2를 기반으로 구축하세요. 연구 산출물을 실행하고 있다는 점을 받아들이세요: 벤치마크는 저자들 자체의 것이고, GenEval 표는 자체적으로 모순되며, 툴링은 특정 스택을 전제로 합니다.

사운드가 포함된 모션가 필요하고, 오늘 바로 작동하는 엔드포인트가 필요하며, 사용량이 적어 초당 과금이 유휴 GPU보다 저렴할 정도라면 Gemini Omni 1.2 Flash를 구매하세요. 품질 벤치마크가 없고, 텍스트 출력 모드가 없고, 네거티브 프롬프트를 지원하지 않으며, 편집 기능에 지역 제한이 있고, 모든 프레임에 워터마크가 표시된다는 점을 감수하세요.

피해야 할 실수는 이것을 비교 품평회로 취급하는 것이다. 이는 다운로드와 미터기 중 하나를 선택하는 조달 결정이며, 두 공급업체 모두 당신이 논쟁하기를 바라는 모델 품질 문제야말로 양쪽 모두에서 근거가 가장 부족한 문제다.