Sakana Namazu vs Gemma 4 12B: 주권 API 또는 직접 소유하는 가중치

Sakana Namazu와 Gemma 4 12B는 정반대 방향에서 같은 질문에 답합니다. 진정으로 유용한 일본어 모델 동작을 얻는 가장 저렴한 방법은 무엇일까요? Sakana Namazu는 호스팅 API로, 일본 비즈니스 문화에 맞게 사후 학습된 Kimi K2.6을 기반으로 하며, 토큰 100만 개당 $0.95 / $4.00, 웹 검색과 코드 실행이 내장되어 있습니다. Gemma 4 12B는 Goog​le의 오픈 가중치 120억 파라미터 멀티모달 모델로, Apache 2.0 라이선스이며, 16GB 머신에서 실행할 수 있을 만큼 작고 무료로 다운로드할 수 있습니다. 하나는 벤더의 콘솔을 신뢰하라고 요구하고, 다른 하나는 자신의 하드웨어를 신뢰하라고 요구합니다.

'이것은 어디에서 실행되나요?'에 대한 두 가지 다른 답변

Sakana Namazu는 제품입니다. 가입하고 base_url만 바꾸면 튜닝과 서빙, 도구 지원이 모두 갖춰진 모델이 준비됩니다. Gemma 4 12B는 원자재입니다. 가중치를 내려받으면 그다음부터는 전부 당신의 몫입니다. 추론 엔진(vLLM, llama.cpp, Ollama, MLX, SGLang 모두 사용 가능)부터 GPU까지 말이죠. 이 차이는 각주 수준의 문제가 아닙니다. 비교의 결론을 좌우합니다. 12B 밀집(dense) 모델은 노트북 영역입니다. Google은 이 모델을 약 16GB 메모리에서 실행되도록 설계했습니다. 따라서 Gemma 4 12B는 이 둘 중 오프라인, 에어갭(air-gapped) 머신, 또는 외부와 통신하지 않는 기기에서 작동하는 유일한 모델입니다.

스펙 대비

• 가격 — Sakana Namazu 1M 토큰당 $0.95 / $4.00 vs Gemma 4 12B 다운로드 $0, 호스팅을 임대하면 1M당 약 $0.10 / $0.30

• 가중치 — Namazu 비공개·벤더 제공, 반면 Gemma 4 12B는 오픈(Apache 2.0)으로 자체 호스팅 및 파인튜닝 가능.

• 컨텍스트 — Namazu 미공개 vs Gemma 4 12B 256K 토큰(262,144), 최대 262K 출력

• 모달리티 — Namazu 텍스트 + 이미지 vs Gemma 4 12B 텍스트, 이미지, 오디오, 프레임 기반 비디오(네이티브 오디오 입력)

• 일본어 — 경어와 비즈니스 문화에 맞춰 튜닝된 Namazu vs 다국어 범용 모델 Gemma 4 12B

• 검증 — Namazu 공급업체 보고 수치만 vs Gemma 4 12B 독립 측정 수치 (BenchLM 기준 77.2 MMLU-Pro, 78.8 GPQA Diamond, 2026년 8월)

게이고는 벤치마크가 아니다

언어적 측면에서 두 모델은 확연히 갈라집니다. Gemma 4 12B는 강력한 다국어 모델로, 구글이 140개 이상의 언어로 학습시켰지만, 다국어 지원이 곧 일본 문화에 특화된 것과는 다릅니다. Sakana Namazu의 튜닝은 특히 문체(register)에 집중합니다. 격식 있는 이메일에서도 자연스러운 존댓말, 정확하게 구현되는 업계 전문 용어, 그리고 다른 국가의 관점이 담기지 않은 정치적으로 민감한 역사에 대한 답변 등이 그 예입니다(Sakana의 내부 FairPoliticsQA 점수는 34.10%에서 56.30%로 급상승했습니다). 일본어 고객 대상 텍스트 작업이 업무라면 이는 사양 차이가 아니라 제품 차이입니다. 반면 요약, 분류, 추출, 오디오 전사 같은 일반적인 목적의 작업이라면 Gemma 4 12B의 네이티브 오디오 지원과 더 큰 컨텍스트가 Namazu가 주장하지 않는 폭넓은 활용성을 제공합니다.

누가 데이터를 보나요?

개인정보 보호 비교는 Gemma 4 12B에 압도적으로 유리합니다. 로컬로 실행하면 아무것도 머신을 떠나지 않습니다. 텔레메트리도, 학습에 사용한다는 주장도, 관할권 문제도 없습니다. 반면 Sakana Namazu는 기본적으로 사용자 입력을 학습에 사용하며(콘솔에서 옵트아웃 가능), 일본 내 처리만을 보장하지 않으며, EU/EEA, 영국, 스위스에서는 전혀 제공되지 않습니다. 고객 PII를 취급하는 일본 기업에게 '모델이 우리 노트북에 있다'는 것은 현재 어떤 호스팅 API도 따라올 수 없는 규정 준수 스토리입니다. 자체 추론을 실행하거나 유지할 수 없는 기업에게는 그 반대가 사실입니다. 도구가 내장된 호스팅 API만이 현실적인 유일한 옵션입니다.

천장 질문

Gemma 4 12B의 자체 보유 이점에 대한 정직한 균형추는 성능이다. 12B 모델은 주니어처럼 성실하다. LiveCodeBench v6에서 72.0점, Humanity's Last Exam에서는 낮은 상한선, 조밀한 레이아웃의 문서에서는 OCR 신뢰성 문제가 있다. 일벌레이지 두뇌가 아니다. Sakana Namazu는 Kimi K2.6의 추론 하한선을 이어받았다. Kimi K2.6은 1T 파라미터 규모의 프런티어급 베이스 모델로, Artificial Analysis가 오픈웨이트 분야 최상위로 평가한다. 단, Namazu 자체의 포스트트레이닝 델타는 전적으로 공급업체 보고에만 의존한다는 전제가 붙는다. 수행할 작업이 어려운 추론이나 장기 과업 에이전트라면 12B 모델은 제약이다. 작업이 대량이고 범위가 명확하다면 12B 모델은 가성비다.

전화

{{1}}경계 조건이 최고 성능보다 더 중요할 때는 Gemma 4 12B를 선택하세요: 네트워크 외부로 절대 나가면 안 되는 데이터, 예산 하한이 0인 경우, 오프라인 운영, 또는 오디오를 원하는 멀티모달 워크로드가 있는 경우입니다.{{/1}} {{2}}작업이 특히 일본어 비즈니스 언어와 관련된 경우, 또는 도구가 내장된 에이전트 동작이 필요하고 자체 추론 스택을 운영할 수 없는 경우에는 Sakana Namazu를 선택하세요.{{/2}} {{3}}그리고 둘 다 단일 선택이 아니라는 점을 주목하세요: Gemma 4 12B는 직접 서빙하는 오픈 가중치 모델이고, Sakana Namazu는 Sakana 자체 콘솔에서 실행됩니다 — 따라서 둘 다 원하는 스택은 이미 멀티모델 스택이며, 이때 200개 이상의 모델을 하나의 OpenAI 호환 엔드포인트 뒤에서 라우팅하고 자동으로 장애 조치하는 라우터는 있어도 그만인 기능이 아니라 아키텍처의 필수 요소가 됩니다.{{/3}}