LBS-27B vs Gemma 4 26B A4B: 빈 저장소가 이겨야 할 것

워크로드에 이미지, 스캔한 페이지 또는 스크린샷이 포함된다면, LBS-27B와 Gemma 4 26B A4B 사이의 비교는 이미 끝난 것입니다. Gemma 4 26B A4B는 이미지와 비디오 프레임을 입력받아 텍스트를 반환합니다. LBS-27B는 아직 실행 가능한 어떤 형태로도 존재하지 않으므로 아무것도 입력받지 못합니다. 이 대결에서 나머지 모든 것은 inclusionAI의 빈 저장소가 무엇이 될 수 있는지에 대한 질문이며, 그것에 정직하게 답하는 방식은 두 모델이 서로 비교 측정되었다고 가정하는 대신 Gemma가 이미 세운 기준을 설명하는 것입니다.

그 비대칭성이 바로 핵심이다. 이 모델 중 하나는 2026년 3월부터 Hugging Face에 있었고, 다운로드 수 810만 회, 전체 평가 표와 공개된 가격을 갖추고 있다. 다른 하나는 2026년 10월 26일 05:36 UTC에 생성되었으며 라이선스 헤더 외에는 아무것도 들어 있지 않다. 이들을 동등한 대상으로 다루는 나란히 비교는 허구일 것이다. LBS-27B가 넘어야 할 것이 무엇인지 알려 주는 나란히 비교는 유용하며, 다음은 바로 그런 비교다.

장부에서 알려진 쪽

Gemma 4 26B A4B는 총 파라미터 252억 개, 토큰당 활성 파라미터 38억 개를 갖춘 전문가 혼합(MoE) 모델로, 128개의 전문가 중 8개 활성 전문가와 1개 공유 전문가로 구성됩니다. 30개 레이어, 262,144개 토큰의 어휘, 256K 컨텍스트 창을 갖추고 있습니다. 어텐션 스택은 1,024개 토큰의 슬라이딩 윈도 레이어 5개와 전체 어텐션 레이어 1개를 번갈아 배치하며, 이는 Google이 긴 창을 비용 효율적으로 유지하는 방식입니다.

이것은 특정하고 제한된 방식으로 멀티모달입니다. 약 5억 5천만 개 파라미터의 비전 인코더가 있으며, 이미지 및 비디오 프레임 입력과 텍스트 출력을 지원합니다. 이 모델에서는 오디오가 지원되지 않습니다 — 오디오는 더 작은 E2B, E4B, 12B 변형에서 지원됩니다. 모델 카드에서는 140개 이상의 언어를 지원한다고 주장하며, 그중 약 35개는 별도 설정 없이 바로 작동합니다. 라이선스는 Apache-2.0이고, 학습 컷오프는 2025년 1월입니다.

Google 모델 카드의 벤치마크 표는 — 벤더가 보고한 것이며 독립적으로 재현된 것은 아니다 — 다음과 같다: MMLU Pro 82.6, GPQA Diamond 82.3, 도구 없이 AIME 2026 88.3, LiveCodeBench v6 77.1, Codeforces ELO 1718, 세 개 스위트 평균 tau2 68.2, MMMU Pro 73.8, MATH-Vision 82.4. 약한 행들도 강한 행들만큼 많은 것을 알려준다: Humanity's Last Exam은 도구 없이 8.7, 검색 사용 시 17.2이며, 128K에서 8개의 니들을 사용한 MRCR v2는 평균 44.1이다. 256K 창이라고 해서 모델이 256K 전반에서 검색을 잘한다는 뜻은 아니다.

알려지지 않은 면, 분명히 말하자면

LBS-27B는 저장소이자 라이선스이며 이름입니다. 이 저장소는 2026년 10월 26일에 생성되었고 두 개의 파일을 포함합니다: 표준 .gitattributes 및 전체 내용이 다음 한 줄뿐인 28바이트 README: license: apache-2.0. 다음 항목이 없습니다: config.json, 가중치 샤드, 토크나이저 및 모델 카드. 다운로드 기록도 없고 좋아요도 0입니다. 어디에서도 공지, 논문 또는 소셜 게시물을 찾을 수 없었습니다.

이 비교에서 그것이 의미하는 바는 간단합니다. 라이선스 외의 모든 행은 비어 있습니다. "27B"는 저장소 이름에 들어 있는 문자열일 뿐, 검증된 파라미터 수가 아닙니다. 아키텍처는 dense일 수도 sparse일 수도 있습니다. 컨텍스트 길이는 무엇이든 될 수 있습니다. 비전 인코더가 있을 수도, 없을 수도 있습니다. 설정 파일이 나타나기 전까지는 그 어떤 질문에도 답이 없으며, 이를 채워 넣는 어떤 기사든 지어내는 것입니다.

이 맞대결의 승부가 실제로 갈릴 곳

LBS-27B가 27B급 모델로 출시된다면, Gemma 4 26B A4B와 이를 구별할 항목은 다음과 같습니다. 각 줄은 양쪽을 모두 담고 있으며, 알 수 없는 값은 빈칸으로 두지 않고 unknown으로 표시합니다.

• 총 파라미터 및 활성 파라미터 — Gemma 4 26B A4B는 총 25.2B, 활성 3.8B로 벤더 보고 기준이며, LBS-27B는 검증되지 않은 27B로 활성 파라미터 수치는 없습니다.

• 아키텍처 — Gemma는 top-8 라우팅을 사용하는 128개의 전문가를 사용한다; LBS는 알려져 있지 않으며, 밀집형 대 희소형 여부는 서빙 비용에 있어 가장 중대한 단일 미지수다.

• 컨텍스트 윈도우 — Gemma의 경우 262,144 토큰, LBS는 알 수 없음.

• 모달리티 — Gemma의 경우 텍스트, 이미지, 비디오 프레임 입력과 텍스트 출력; LBS는 미확인이며, 비전 타워가 등장하기 전까지는 텍스트 전용이 기본 사례입니다.

• 라이선스 — Gemma는 Apache-2.0, LBS는 Apache-2.0으로 선언되어 있으나, 가중치가 배포되기 전에 라이선스가 바뀔 수 있음.

• 가격 — OrcaRouter의 Gemma 기준 입력 토큰 100만 개당 $0.06, 출력 토큰 100만 개당 $0.33이며 컨텍스트는 262,144토큰입니다. LBS는 제공할 대상이 없으므로 가격이 존재하지 않습니다.

• 공개된 평가 — Gemma의 경우 벤더 전체 표가 제공되나, LBS의 경우 없습니다.

경제성을 결정하는 숫자: 38억

Gemma 이름에 있는 A4B는 이 모델에서 가장 중요한 부분입니다. 토큰당 약 38억 개의 활성 파라미터로, 이 모델은 작은 모델의 연산을 수행하면서도 25B 모델의 지식을 보유합니다. 그렇기 때문에 백만 입력 토큰당 6센트로 책정되고도 상업적으로 서비스될 수 있으며, dense 25B 모델이 힘겨워할 하드웨어에서 이 모델이 실행되는 이유이기도 합니다.

Dense 27B는 전혀 다른 제품입니다. 모든 토큰에 대해 모든 파라미터를 읽기 때문에 디코드 비용이 전체 가중치 수에 비례합니다. LBS-27B가 Dense로 밝혀지면 동일 품질 기준에서 Gemma 4 26B A4B와 가격으로 경쟁하지 못하고, 더 높은 가격에 품질로 경쟁하게 될 것입니다. 이는 2026년에는 훨씬 설득하기 어려운 주장입니다. 반대로 활성 파라미터 수가 적은 Sparse 모델로 밝혀지면 그 비교는 현실적이고 흥미로운 것이 됩니다.

그래서 가장 먼저 주목해야 할 신뢰할 만한 단서는 벤치마크 점수가 아니라, 설정 파일에 적힌 전문가 수입니다. LBS-27B의 상업적 형태에 관한 모든 것은 그 단 하나의 필드에서 비롯됩니다.

비전은 기능이 아니라 워크로드 클래스입니다

Gemma의 이미지 입력을 단순한 체크박스처럼 여기기 쉽다. 하지만 실제로는 모델이 아예 맡을 수 있는 작업 자체를 바꾼다. 문서 추출, 스크린샷 분류, 차트 판독, UI 회귀 검사, 인보이스 처리, OCR 인접 파이프라인은 그림이 덧붙은 텍스트 작업이 아니라 그림이 입력인 작업이다. 텍스트 전용 모델은 어떤 벤치마크 점수로도 이런 작업에 진입할 수 없다.

Gemma의 비전 성능 수치는 압도적이라기보다는 준수한 수준입니다. MMMU Pro 73.8, MATH-Vision 82.4, OmniDocBench 1.5 평균 편집 거리 0.149로, 모두 Google의 카드에서 나온 수치입니다. 시각 토큰 예산은 이미지당 70, 140, 280, 560 또는 1,120 토큰 중에서 선택할 수 있어 해상도와 요청당 비용을 맞바꿀 수 있습니다. 이는 리더보드 점수 하나보다 실제 운영 환경에서 더 중요한 실용적인 세부 사항입니다.

LBS-27B의 경우, 질문은 이분법적입니다. inclusionAI가 비전 타워를 출시한다면 이 모델은 동일한 워크로드 등급에 속하게 되고, 비교는 품질과 가격의 경쟁이 됩니다. 그렇지 않다면 LBS-27B는 Gemma가 맡은 일의 텍스트 절반만 담당할 수 있으며, 결정은 대체 문제가 아니라 라우팅 문제가 됩니다.

LBS-27B가 무엇을 통과해야 하는지

논의를 위해, 가중치가 공개되고 그 모델이 유능한 27B라고 가정해 보자. 텍스트 작업에서 Gemma 4 26B A4B에서 전환할 가치가 있으려면, 한 번에 세 가지를 해내야 할 것이다.

먼저, 하네스 차이에도 살아남는 격차로 Gemma의 벤더 보고 수치를 앞서야 한다. MMLU Pro 82.6, GPQA Diamond 82.3, AIME 2026 88.3은 활성 파라미터 3.8B 모델로서 강한 수치이며, 다른 하네스 버전에서의 2점 우위는 우위가 아니다. 둘째, 비슷한 혼합 가격에서 이를 달성해야 한다. Gemma의 출력 가격인 100만 토큰당 $0.33이 핵심 제약이다. 그 출력 단가의 3~5배인 dense 27B는 스스로를 정당화하려면 훨씬 더 큰 품질 격차가 필요하다. 셋째, Gemma가 눈에 띄게 약한 부분에서 앞서야 한다. 128K에서 MRCR v2 44.1이라는 Gemma의 점수가 실질적인 여지를 남기는 장문맥 검색, 또는 tau2 평균 68.2가 좋지만 예외적이지는 않은 도구 사용에서 말이다.

새로운 27B 모델이 승리할 수 있는 가장 그럴듯한 길은 모든 면에서 Gemma를 앞서는 것이 아니다. 비용이 많이 드는 한 가지 작업 — 장문 문서 분석, 에이전트형 도구 체인, 또는 Gemma의 지원이 빈약한 비영어 언어 — 에서 확실히 더 뛰어나면서, 다른 영역에서는 그저 경쟁력 있는 수준에 머무는 것이다.

가격, 가용성 및 실질적인 답

Gemma 4 26B A4B는 오늘부터 OrcaRouter에서 google/gemma-4-26b-a4b-it(으)로 제공되며, 262,144 토큰 컨텍스트와 입력 토큰 백만 개당 $0.06, 출력 토큰 백만 개당 $0.33의 가격으로 이용할 수 있습니다. OrcaRouter는 제공업체 정가를 0% 마크업으로 그대로 전달하기 때문에 Google이나 호스팅 파트너가 가격을 변경하면 다음 청구 주기가 아니라 같은 날 바로 저희 쪽에도 반영됩니다. 또한 플랫폼에는 더 높은 요율로 책정된 두 번째 Gemma 4 26B A4B 리스팅도 있는데, 가장 저렴한 항목이 유일한 선택지라고 가정하기 전에 알아두실 만합니다.

LBS-27B는 OrcaRouter에 없으며, 있는 척하지 않겠습니다. 서빙할 가중치도 없습니다. 상황이 바뀐다면, 이를 평가하는 합리적인 방법은 전면 마이그레이션이 아니라 분할입니다: 동일한 API 키를 통해 트래픽의 일부를 새 모델로 라우팅하고, Gemma를 폴백으로 유지한 뒤, 자체 입력으로 비교하세요. 자동 장애 조치는 직접 통합과 달리 이를 안전하게 만듭니다. 왜냐하면 문제가 있거나 사용할 수 없는 모델은 요청을 중단시키는 대신 알려진 모델로 저하되기 때문입니다.

누가 행동해야 하고, 누가 기다려야 하는가

이번 주에 긴 컨텍스트와 관대한 라이선스를 갖춘 저렴한 멀티모달 모델이 필요하다면, 답은 Gemma 4 26B A4B이고 LBS-27B는 논외다. 이는 inclusionAI를 깎아내리려는 말이 아니라, 빈 저장소가 무엇을 의미하는지를 말하는 것이다.

텍스트 전용 주력 모델로 27B급을 지켜보고 있고 기다릴 여유가 있다면, 주목할 것은 설정 파일이다. 활성 파라미터 수가 적은 희소 아키텍처라면 LBS-27B는 Gemma의 진정한 가격 경쟁자가 될 것이다. 밀집 아키텍처라면 더 높은 비용을 감수한 품질 중심 전략이 될 것이다. 그리고 저장소에 비전 타워가 포함된다면 비교 구도는 하룻밤 사이에 "텍스트 대안"에서 "직접 경쟁자"로 바뀔 것이다.

그중 하나가 등장하기 전까지, 이 페이지가 할 수 있는 가장 유용한 말은 가장 흥미롭지 않은 말이다. Gemma에게는 측정된 스펙 시트와 실시간 가격이 있고, LBS에게는 라이선스 문구 한 줄이 있으며, 그 둘 사이의 간격은 품질의 간격이 아니라 증거의 간격이다.