Gemma 4: Google 오픈 웨이트 제품군의 모든 크기 완전 해설

찾아볼 수 있는 단일한 Gemma 4란 없다. DeepMind의 현재 오픈 웨이트 라인업은 다섯 개의 개별 모델 — Gemma 4 E2B, Gemma 4 E4B, Gemma 4 12B, Gemma 4 26B A4B, Gemma 4 31B — 로, 두 가지 아키텍처와 두 가지 컨텍스트 윈도 계층에 걸쳐 흩어져 있으며, 대부분의 독자가 처음에 품는 바로 그 질문에 대해 서로 엇갈린 답을 내놓는다. 다섯 중 셋은 오디오를 받아들인다. 둘은 그렇지 않다. 다섯 중 둘은 API로 호출하는 종류의 모델이고, 12B는 다운로드하는 종류다. 크기를 잘못 고르는 것은 이 패밀리에서 주말을 허비하는 가장 흔한 방식이며, 벤더 자체 허브 어디에도 그 구분이 한눈에 드러나지 않는다.

그 격차는 측정 가능하며, 바로 이것이 이 페이지가 존재하는 이유입니다. 2026-09-15부터 2026-10-12까지의 자체 Search Console 데이터를 보면, Gemma 4 패싯은 47개 쿼리에서 499회 노출과 5회 클릭을 기록했습니다. 맨 용어 — 누군가 그냥 "gemma 4"만 입력한 경우 — 는 두 개의 쿼리에서 24회 노출과 0회 클릭을 차지했습니다. 이 전체 영역에서 가장 큰 여섯 개 쿼리는 모두 비교형이며, 하나도 빠짐없이 Qwen 3.8 모델을 상대로 합니다: gemma 4 vs qwen 3.8 (99회 노출), gemma 4 vs qwen3.8 (40), gemma 4 vs qwen 3.8 27b (29). 그리고 라이브 블로그는 이미 12B의 대결들을 길게 다루고 있습니다 — 세 개의 gemma-4-12b-vs-* 비교가 해당 모델을 앞세우고, 또 마흔 개가 versus 반대편에 그 모델을 담고 있습니다. 그중 모든 글이 동일한 인코더 없는 Gemma 4 12B를 서로 다른 상대와 맞붙입니다. 독자들은 Gemma 4가 무엇인지 묻고 있지 않습니다. 그들이 묻는 것은 이것이 무언가를 이기는지입니다. 그 질문은 비교 페이지에 속합니다. 비교 페이지에 필요한 것 — 그리고 아직 쓰이지 않은 것 — 은 Gemma 4가 정확히 무엇이고 어떤 크기들이 존재하는지를 말해 주는 단 하나의 장소입니다.

Gemma 4는 실제로 무엇인가

Gemma 4는 DeepMind의 오픈 웨이트 모델 패밀리로, 사전 학습 및 명령 튜닝된 형태로 공개되었으며, 명령 튜닝된 체크포인트는 -it 접미사를 가집니다. 이 패밀리는 dense 및 mixture-of-experts 설계, 다섯 가지 크기, 그리고 공유된 아키텍처 선택 세트를 아우릅니다: 로컬 슬라이딩 윈도우 어텐션과 전체 글로벌 어텐션을 교차하는 하이브리드 어텐션(최종 레이어는 항상 글로벌); 글로벌 레이어의 통합된 키와 값에 더해 장문맥 메모리를 억제하기 위한 비례 RoPE; 262,000 토큰 어휘; 구성 가능한 사고 모드; 네이티브 함수 호출; 그리고 네이티브 지원(시스템 역할). 모델 카드에 따르면 이 모델들은 140개 이상의 언어로 사전 학습되었으며, 35개 이상이 기본적으로 지원됩니다.

성능이 화제에 오르기 전에, 가족에 관한 두 가지가 대부분의 독자의 판단을 좌우한다.

첫 번째는 라이선스입니다. 패밀리의 모든 Gemma 4 크기는 Apache 2.0에 따라 배포됩니다. 이는 입장의 변화입니다: Gemma 2와 Gemma 3 릴리스는 맞춤형 Gemma 이용 약관을 따랐고, Hugging Face의 해당 모델 카드에는 여전히 license: gemma라고 적혀 있습니다. 대신 Gemma 4 카드들은 Apache 2.0 라이선스 텍스트를 가리키며, 출시 게시물은 이 패밀리를 "상업적 사용을 허용하는 Apache 2.0 라이선스에 따라 릴리스됨"이라고 설명합니다. 이전에 Gemma 이용 약관을 따져봐야 했던 사람이라면, 이것이 이 페이지의 핵심 사실입니다. 이는 크기별로 적용되며, 패밀리 수준의 주장에서 추론된 것이 아니라 각 크기 자체의 모델 카드에 명시되어 있습니다.

두 번째는 "Gemma 4"가 하나의 모델이 아니며, 각 크기가 서로의 확대·축소 복사본이 아니라는 점입니다. E2B와 E4B는 Per-Layer Embeddings라는 기법을 사용하는데, 여기서 각 디코더 계층은 토큰마다 자체적인 작은 임베딩 테이블을 갖습니다. 이 테이블들은 크지만 오직 조회로만 읽히기 때문에, 모델 카드에는 임베딩을 포함한 총계(5.1B, 8B)보다 훨씬 낮은 유효 파라미터 수(2.3B, 4.5B)가 적혀 있습니다. 12B는 아키텍처상 유일하게 다른 모델입니다 — 인코더가 없으며, 전용 비전 및 오디오 인코더가 아니라 경량 선형 계층을 통해 원시 이미지 패치와 오디오 파형을 트랜스포머에 곧바로 투영합니다. 31B는 전통적인 덴스 모델입니다. 26B A4B는 희소 모델입니다. 네 가지 서로 다른 머신 프로필, 하나의 패밀리 이름.

사이즈 맵

다음은 자체 모델 카드에서 설명하는 이 제품군의 모습입니다. 아래의 매개변수, 레이어 수, 컨텍스트 윈도우는 Gemma 4 모델 카드의 Dense 및 MoE 사양 표에서 읽어온 값입니다.

Gemma 4 E2B. 가장 작은 모델입니다. 유효 파라미터 2.3B, 임베딩 포함 5.1B, 35개 레이어, 512토큰 슬라이딩 윈도, 128K 컨텍스트를 갖추고 있습니다. 텍스트, 이미지, 오디오를 처리하며, 비전 인코더 파라미터는 약 150M, 오디오는 약 300M입니다. 휴대폰과 IoT 기기를 위해 만들어졌으며, 이번 배치에서 벤더가 별도 페이지를 제공한 세 가지 크기 중 하나는 아닙니다 — E2B를 특별히 보러 오셨다면, 이 섹션이 전부입니다.

Gemma 4 E4B. 한 단계 더 올라간 동일한 설계: 유효 파라미터 4.5B, 임베딩 포함 8B, 42개 레이어, 512토큰 슬라이딩 윈도우, 128K 컨텍스트, 그리고 동일한 인코더 크기로 텍스트, 이미지, 오디오를 똑같이 지원합니다. 역시 엣지 모델이며, 여기에도 전용 페이지는 없습니다.

Gemma 4 12B. 가족의 통합형, 인코더 없는 중간 모델: 11.95B 파라미터, 48개 레이어, 1,024토큰 슬라이딩 윈도, 256K 컨텍스트, 그리고 텍스트와 이미지에 더해 네이티브 오디오 — 2026년 6월 3일 출시 게시물에서는 오디오를 지원하는 최초의 중형 Gemma라고 부릅니다. 로컬 배포에 대한 벤더 자체 설명은 16GB VRAM 또는 통합 메모리입니다. 이 배치에서 자체 페이지를 갖고 있으며, 오늘 이 패밀리의 전체 라이브 검색 존재는 세 개의 gemma-4-12b-vs-* 비교뿐이므로, 그 페이지가 큰 비중을 차지합니다.

Gemma 4 26B A4B. 희소 모델이자, 아래 이 페이지의 표기법 섹션에서 다루는 모델입니다: 총 25.2B 파라미터, 30개 레이어, 1,024토큰 슬라이딩 윈도, 256K 컨텍스트, 텍스트와 이미지만 지원 — 오디오 없음 — 128개 중 8개의 활성 전문가에 공유 전문가 1개. 이 배치에서 자체 페이지를 가지고 있습니다.

Gemma 4 31B. 이 라인업의 최상위 덴스 모델: 30.7B 파라미터, 60개 레이어, 1,024토큰 슬라이딩 윈도, 256K 컨텍스트, 약 550M 비전 인코더를 갖춘 텍스트 및 이미지 지원이며 오디오는 전혀 없습니다. 이 배치에서 자체 페이지를 가지고 있습니다.

다섯 개를 나란히 놓고 보면, 등급 구분은 한 측면에서는 깔끔하고 다른 측면에서는 엉망이다. 컨텍스트 윈도는 크기를 정확히 따라간다 — 12B 미만은 128K, 12B 이상은 256K다. 오디오는 그렇지 않다. 가장 작은 두 크기와 12B에서는 사용할 수 있고, 가장 큰 두 크기에서는 빠져 있다. 음성 입력이 필요하다면, 하드웨어에 얼마를 기꺼이 쓰든 31B는 잘못된 선택이다.

26B A4B에서 "A4B"를 해독하다

이 이름에는 두 개의 숫자가 있으며, 그중 메모리 계획에 사용할 파라미터 수는 하나뿐입니다. 26B는 총계입니다: 25.2B 파라미터가 체크포인트에 들어 있습니다. A4B는 활성 파라미터 수입니다 — 추론 중 토큰당 약 3.8B 파라미터가 사용됩니다. 그 이유는 전문가 혼합 라우터가 각 토큰마다 128개의 전문가 중 8개(공유 전문가 1개 추가)를 선택하기 때문입니다. 모델 카드에는 "A"가 명시적으로 나와 있습니다: "26B A4B의 'A'는 모델이 포함하는 총 파라미터 수와 대조적으로 '활성 파라미터'를 의미합니다."

그것을 통해 얻는 것은 26B 모델보다 4B 모델에 더 가까운 추론 속도이고, 품질은 dense 31B에 더 가깝다 — 카드 자체의 설명이며, 26B A4B가 애초에 하나의 등급으로 존재하는 이유이기도 하다. 그것으로 얻을 수 없는 것은 작은 다운로드다. 25.2B 파라미터를 전부 로드한다; 다만 그 모두에 대해 곱셈을 하지는 않을 뿐이다.

오픈 웨이트, 사이즈별, 그리고 라이선스가 허용하는 범위

다섯 가지 크기 모두 오픈 웨이트 릴리스이며, 다섯 모델 카드 모두 Apache 2.0을 명시합니다 — E2B, E4B, 12B, 26B A4B, 31B 모두 마찬가지입니다. 출시 게시물은 이 제품군을 개발자에게 데이터, 인프라, 모델에 대한 통제권을 부여하는 "상업적으로 허용적인 Apache 2.0 라이선스로 릴리스"된 것으로 설명하며, 12B 게시물은 해당 크기에 대해 Apache 2.0 문구를 되풀이합니다.

Apache 2.0이 여기서 라이선스에 관한 전부입니다. 하지만 그것이 무엇을 의미하는지는 정확히 짚을 가치가 있습니다. 왜냐하면 그것은 특정 호스팅 서비스에 관한 진술이라기보다 라이선스가 답하는 질문이기 때문입니다. Apache 2.0은 영구적이고 전 세계적이며 비독점적이고 로열티 없는 저작권 라이선스와 이에 상응하는 특허 허여를 부여하고, 재배포와 수정을 허용하며, 라이선스 원문이 저작물과 함께 전달될 것과 변경된 파일이 표시될 것을 요구합니다. 특허 허여는 해당 저작물에 관해 특허 소송을 제기하면 종료됩니다. 관례적인 서술적 사용을 넘어서는 상표권은 부여하지 않으며, 보증을 부인합니다. Gemma 2 및 3 이용약관과 대조해 읽으면, 실질적인 차이는 Apache 2.0이 가중치에 별도의 허용 사용 부속서가 첨부되지 않은 표준 허용형 라이선스라는 점입니다.

따라서 해당 라이선스는 이 가중치의 재배포, 상업적 사용, 수정 및 파인튜닝을 허용하며, 가중치 자체도 공개되어 있습니다. 이것이 라이선스 텍스트가 말하는 전부입니다. 특정 서비스가 프로덕션 환경에서 모델로 생성하는 것은 별개의 문제이며, Apache 2.0 부여가 아니라 해당 서비스 자체 약관의 적용을 받습니다.

다운로드 형식: "QAT"와 GGUF 리포지토리가 여러분에게 의미하는 것

이것은 실제 트래픽이 걸린 독자 질문이므로, 다른 곳으로 안내하는 대신 여기서 답한다. 벤더는 전체 제품군에 대해 양자화 인식 학습(QAT) 체크포인트를 제공하며, 당신의 기기에 너무 커 보이는 크기가 실제로는 그렇지 않은 경우가 많은 이유가 바로 이것이다.

• QAT 체크포인트는 모든 크기에 대해 게시되며, 두 가지 이상의 형식으로 제공됩니다: qat-q4_0-gguf는 llama.cpp 스타일 로컬 런타임용이고, qat-w4a16-ct는 4비트 가중치 / 16비트 활성화 서빙용이며, qat-q4_0-unquantized 변형은 패킹 없이 QAT로 학습된 가중치를 담고 있어 직접 양자화할 수 있습니다.

• Gemma 페이지는 QAT를 "모바일 및 노트북 효율성을 위한 모델 압축"이라고 설명하며, 날짜는 2026년 6월 — 12B가 등장한 바로 그 달이다.

• 포맷을 크기에 맞춰 의도적으로 선택하세요. E2B, E4B, 12B에는 qat-q4_0-gguf 빌드가 있어 휴대폰, 노트북, 단일 소비자용 GPU를 대상으로 합니다. 26B A4B와 31B에도 4비트 빌드가 있지만, 이는 실제 메모리를 갖춘 머신을 위한 서빙 측 양자화이며 휴대폰 대상이 아닙니다.

또한 -assistant 변형들이 있는데, 이는 벤더가 모델과 함께 제공하는 멀티 토큰 예측 드래프터입니다. deepmind.com의 Gemma 페이지는 이 드래프터 작업을 2026년 5월로 기록하고 있습니다. 이들은 추측적 디코딩을 위한 속도 기법이지 다른 모델이 아닙니다 — 여전히 메인 체크포인트가 필요합니다.

하드웨어에서 크기가 어디에 위치하는지, 그리고 그 비용은 얼마인지

이 패밀리의 출시 게시물은 두 개의 더 큰 모델을 양자화되지 않은 bfloat16 가중치로 설명하며, "단일 80GB NVIDIA H100 GPU에 효율적으로 적합합니다"라고 합니다. 30.7B 매개변수에서 31B는 bfloat16으로 60GB를 약간 넘는데, 이는 그 문장을 합당하게 해석한 것입니다. 26B A4B는 총 25.2B 매개변수로 bfloat16에서 약 50GB에 달하지만, 3.8B 활성 매개변수 수가 시사하는 속도로 실행됩니다.

12B는 공급업체가 로컬 사용을 위해 명시적으로 내세우는 크기다. 2026년 6월 출시 게시물에 따르면 “단 16GB의 VRAM 또는 통합 메모리만으로 로컬에서 실행할 수 있을 만큼 작다”며, 4비트 QAT GGUF 빌드가 그 예산에 들어가는 확실한 경로다. 이는 특정 구성에 대한 공급업체의 주장이지, 모든 양자화 수준에 대한 일반적인 약속은 아니다.

가격에 관해 솔직하게 말하자면, 이 모델군은 동시에 두 가지 비용 모델로 갈린다. 직접 호스팅한다면 비용은 GPU와 전기 요금이다. 호스팅된 엔드포인트를 호출한다면 토큰당 가격은 이를 서비스하는 주체가 정하며, 이 모델군의 대부분에서 그 숫자는 제공업체에 따라 달라진다. 독립 평가 기관인 Artificial Analysis는 Gemma 4 12B (Reasoning)를 백만 입력 토큰당 $0.10, 백만 출력 토큰당 $0.30으로 기재하며, 같은 페이지에 해당 변형에는 "공개적으로 사용 가능한 API가 없음"이라는 주석을 달아 표시한다. 이는 이 모델군의 어떤 크기들이 실제 환경에서 호스팅된 엔드포인트를 갖고 있는지에 관한 유용한 독립적 신호다.

레이블이 첨부된 공급업체 벤치마크

아래 수치는 벤더가 자체적으로 공개한 수치로, Gemma 4 모델 카드에 게시되어 있으며, 여기서는 재현되지 않았습니다. 이 수치들은 인스트럭션 튜닝된 모델들을 비교한 것으로, Gemma 3 27B(no think)를 이전 세대 베이스라인으로 사용합니다.

• 추론 — MMLU Pro: 31B 85.2%, 26B A4B 82.6%, 12B 77.2%, E4B 69.4%, E2B 60.0%, Gemma 3 27B의 67.6% 대비.

• 경시 수학 — 도구 없이 AIME 2026: 89.2% / 88.3% / 77.5% / 42.5% / 37.5%, 기준선 20.8%.

• 코드 — LiveCodeBench v6: 80.0% / 77.1% / 72.0% / 52.0% / 44.0%, 베이스라인 29.1%. Codeforces ELO: 2150 / 1718 / 1659 / 940 / 633, 베이스라인 110.

• 과학 — GPQA Diamond: 84.3% / 82.3% / 78.8% / 58.6% / 43.4%, 기준선 42.4%.

• 에이전트형 작업 — Tau2, 세 번의 실행 평균: 76.9% / 68.2% / 69.0% / 42.2% / 24.5%, 기준선 16.2%.

• 긴 컨텍스트 — MRCR v2, 128k에서 8-needle: 66.4% / 44.1% / 43.4% / 25.4% / 19.1%, 기준선 13.5%. 이 행은 31B를 형제 모델들과 가장 뚜렷하게 구분하는 항목입니다.

• 비전 — MMMU Pro: 76.9% / 73.8% / 69.1% / 52.6% / 44.2%. MATH-Vision: 85.6% / 82.4% / 79.7% / 59.5% / 52.4%.

• 문서 파싱 — 평균 편집 거리 기준 OmniDocBench 1.5, 낮을수록 좋음: 0.131 / 0.149 / 0.164 / 0.181 / 0.290.

출시 게시물에 있는 두 가지 벤더 주장은 측정값이 아니라 순위이므로 표와 별도로 두는 것이 좋다. 벤더는 31B를 "세계에서 #3 오픈 모델"이라고 설명하고, 26B A4B는 "#6 자리"를 차지한다고 설명한다. 이는 벤더가 선택한 모델 집합을 기준으로 한 벤더의 순위 배치이다. 모델 카드에는 또한 12B의 오디오 점수가 중국어를 제외한다고 기록되어 있다. 그리고 벤치마크도 가격도 아닌 수치가 하나 있다. 2026년 6월 12B 게시물은 Gemma가 "4천만 다운로드를 돌파했다"고 밝힌다. 이는 독립적인 감사가 첨부되지 않은, 벤더가 보고한 수치이다.

이 제품군에 대해 독립적인 점수는 단 하나만 확인되었습니다. Artificial Analysis는 Gemma 4 12B (Reasoning)를 자사의 Intelligence Index에서 14로 기재하고 있으며, 이는 추정치라고 명시적으로 표시되어 있고 독립적 평가는 아직 남아 있으며, 141개 중 #20위입니다. 여기에는 초당 출력 토큰 110.9개와 첫 토큰까지 2.49초가 함께 제시됩니다. 해당 인덱스 페이지에는 더 큰 크기의 Gemma 4에 대해 측정된 점수가 없습니다. 위의 전체 표는 벤더 자체의 것으로, 12B의 14는 지금까지 이 제품군에서 유일하게 측정된 데이터 포인트이며, 그 자체로 잠정적인 것으로 간주하십시오.

우리가 서비스하는 Gemma 4 멤버

OrcaRouter는세 개의 Gemma 4 항목, 이들은 오늘 라이브 목록에 올라 있습니다:

• google/gemma-4-26b-a4b-it — 인스트럭션 튜닝된 희소 26B A4B 모델로, 저희 카탈로그에는 총 파라미터 25.2B, 토큰당 3.8B 활성화, 262,144토큰 컨텍스트로 설명되어 있으며 텍스트, 이미지, 비디오 입력을 지원합니다. 정가는 백만 입력 토큰당 $0.06, 백만 출력 토큰당 $0.33이며, 캐시된 입력 읽기는 백만당 $0.0075입니다.

• google/gemma-4-31b-it — 명령어(인스트럭션) 튜닝된 덴스 31B 모델로, 매개변수는 30.7B개입니다. 정가는 백만 입력 토큰당 $0.13, 백만 출력 토큰당 $0.38입니다.

• obsidian/gemma-4-26B-A4B — 동일한 희소 26B A4B 모델을 Obsidian에서 호스팅한 빌드로, 262K 토큰 컨텍스트와 텍스트 및 이미지 입력을 지원하며, 제공사가 창작 글쓰기, 역할극, 장문 컨텍스트 어시스턴트 작업에 적합하도록 포지셔닝했습니다. 가격은 입력 토큰 100만 개당 $0.25, 출력 토큰 100만 개당 $2.90입니다.

세 개 중 두 개는 서로 다른 제공자가 서비스하는 동일한 기본 모델로, 이는 호기심거리라기보다 라우팅 계층에 유용한 사례입니다. 제공자의 성능이 저하되면 코드 변경 없이 동일한 요청이 다른 ID로 장애 조치되며, 저희는 제공자 정가를 0% 마크업으로 그대로 전달하기 때문에 이 세 가지 중 어느 하나에 대한 호스팅 가격 인하는 재가격 주기를 거친 뒤가 아니라 인하가 적용되는 당일 여러분에게 도달합니다. 두 개의 26B A4B 항목은 또한 하나를 기본값으로 선택하기 전에 가격 차이를 살펴볼 가치가 있는 이유를 가장 명확하게 보여줍니다. 동일한 아키텍처를 실행하는 두 항목 간에 입력에서 4배, 출력에서 8.8배의 차이는 모델 결정이 아니라 라우팅 결정입니다.

한 가지가 빠져 있는데, 이는 암시하기보다 분명히 말할 가치가 있습니다. 우리 목록에는 어떤 표기로도 12B id가 없습니다. 이 계열에서 가장 많은 라이브 페이지와 가장 많은 비교 수요를 가진 크기가 바로 우리가 제공하지 않는 크기입니다. 따라서 호스팅 엔드포인트를 통해 12B를 원하신다면, 여기서 얻을 곳은 아닙니다. 그리고 이 계열에서 인코더가 필요 없고 오디오를 지원하는 16GB급 구성원을 원하신다면, 오픈 가중치를 자체 호스팅하는 것이 계획해야 할 경로입니다.

무엇이 아직 해결되지 않았나요?

독자가 결론이 난 것으로 여겨서는 안 될 세 가지가 있다. 첫째, 벤치마크 표는 전적으로 벤더 보고치이며, 이 패밀리에 대해 구할 수 있는 유일한 독립 수치는 한 가지 크기에 대한 단일 추정 Intelligence Index 점수뿐이다. 둘째, 이 패밀리에 대한 수요는 거의 전적으로 단독이 아니라 비교 중심이다 — 우리 데이터에서 Gemma 4 패밀리 노출의 73%가 적격 쿼리에서 발생하고, 가장 큰 여섯 개는 모두 Qwen 비교다 — 이는 독자가 실제로 원하는 답변이 아직 측정 중인 맞대결에 달려 있음을 뜻한다. 셋째, 벤더 자체 허브에는 그 뒤 이 패밀리와 이름이 가까운 이웃들이 생겨났다: Gemma 4를 기반으로 한 DiffusionGemma, 멀티 토큰 예측 드래프터, 그리고 EmbeddingGemma 2다. 이것들은 별도 모델이며 Gemma 4의 크기가 아니므로, 크기 비교에 섞으면 말이 안 되는 결과가 나온다.

가용성

다섯 가지 크기 — E2B, E4B, 12B, 26B A4B, 31B — 의 가중치는 Apache 2.0에 따라 공개적으로 게시되어 있으며, 사전 학습 및 인스트럭션 튜닝 형태로, QAT 및 GGUF 빌드와 함께, 벤더 자체 배포 채널과 일반적인 모델 저장소를 통해 제공됩니다. 호스팅 엔드포인트에서는 제공되는 라인업이 플랫폼마다 다르며, 이 제품군의 경우 그 차이가 평소보다 큽니다. 다섯 가지 크기 중 세 가지는 저희 라이브 목록에 나타나고, 12B는 저희 목록에는 나타나지 않으며, 최소 한 곳의 독립 평가자는 해당 모델에 대해 공개적으로 사용 가능한 API가 전혀 없다고 기록합니다. 필요한 특정 크기를 위해 제품군 이름이 해당 크기를 포함한다고 가정하지 말고, 사용 중인 플랫폼의 라이브 카탈로그를 확인하십시오.