구글 TranslateGemma, 55개 언어를 ‘노트북·폰’에 쑤셔 넣었다

출근길 지하철에서 와이파이도 안 잡히는데, 갑자기 해외 고객에게서 장문의 메시지가 온다면 어떨까요?
이제 굳이 “번역 좀만 기다려 주세요”라고 할 필요가 점점 줄어들고 있습니다. 구글이 아예 고급 번역 모델을 노트북과 스마트폰 안으로 들여보냈기 때문이죠.

오늘 소개할 주인공은 구글의 새 오픈 번역 모델 패밀리, TranslateGemma입니다.
이 모델은 한 줄로 요약하면 이렇게 부를 수 있습니다.

“클라우드에 의존하지 않고, 내 기기에서 돌아가는 구글급 번역 엔진”

이 글에서는 다음 내용을 차례로 살펴봅니다.

• TranslateGemma가 무엇이고, 기존 번역 모델과 뭐가 다른지

• 4B·12B·27B, 세 가지 크기 모델이 각각 어디에 쓰이는지

• 두 단계 학습(SFT + RL)으로 어떻게 ‘작은데 더 똑똑한’ 모델을 만들었는지

• 이미지 속 글까지 번역하는 멀티모달 능력과 실제 활용 아이디어

• 오픈 웨이트(Open Weights) 라이선스로 개발자와 기업이 누릴 수 있는 이점

TranslateGemma란? 구글이 푼 ‘노트북·폰용 번역 괴물’

TranslateGemma는 구글이 2026년 공개한 오픈 번역 모델 모음으로, 최신 개방형 LLM 계열인 Gemma 3 위에 얹어 만든 특화 모델입니다¹.

가장 큰 특징은 세 가지입니다.

첫째, 55개 언어 지원
스페인어·프랑스어 같은 메이저 언어는 물론, 아이슬란드어·스와힐리어 등 상대적으로 데이터가 적은 언어까지 아우릅니다¹².
구글은 여기에 더해 추가로 약 500개 언어쌍도 훈련에 사용했는데, 이들은 아직 공식 벤치마크에 전부 실린 건 아니지만 “실전에서 쓸 만한 수준까지”를 목표로 설계했습니다³.

둘째, 모바일부터 클라우드까지 커버하는 3종 세트

• 4B(40억 파라미터): 스마트폰·엣지 디바이스용

• 12B(120억 파라미터): 일반 소비자 노트북, 로컬 개발 환경용

• 27B(270억 파라미터): H100 GPU 한 장이나 TPU 한 장으로 돌리는 클라우드 서버용²⁴

심플하게 말하면, “폰·노트북·서버 각각에 맞는 번역 엔진이 따로 있다”는 개념입니다.

셋째, ‘오픈 웨이트(Open Weights)’ 공개
모델 가중치를 구글이 Kaggle, Hugging Face 등에 올려두었고, 기업이 수정·상용 서비스 적용·재배포까지 할 수 있게 열어두었습니다. 다만 위험한 사용은 금지하는 등 별도 이용 약관이 붙어 있어, 전통적인 오픈소스 라이선스와는 구분해 “오픈 웨이트”라 부릅니다²⁵.

흥미로운 점은, 이 모든 것을 하면서도 단순 번역 엔진에 머물지 않고 챗봇처럼 대화도 가능한 범용 모델이라는 점입니다². 번역 특화지만, 여전히 “LLM”의 성격을 유지하고 있는 셈이죠.

작은데 더 똑똑하다? 12B가 27B를 이긴 이유

일반적으로는 파라미터 수가 많을수록 더 잘한다고 생각하기 쉽습니다. 그런데 TranslateGemma는 그 통념을 정면으로 뒤집습니다.

구글이 번역 품질을 MetricX라는 척도로 평가했는데, 이 수치는 “낮을수록 오류가 적다”는 뜻입니다².

• Gemma 3 27B 기준 모델: MetricX 4.04

• Gemma 3 12B 기준 모델: MetricX 4.86

• TranslateGemma 12B: MetricX 3.60

숫자만 보면 잘 안 와 닿지만, 같은 12B 기준 모델 대비 약 26% 정도 오류율이 감소했고², 심지어 두 배 더 큰 27B 기준 모델보다도 더 적은 오류를 냈습니다.

이 말은 곧, “무식하게 크게 만드는 것보다, 제대로 갈고 닦은 작은 모델이 더 정확할 수 있다”는 실증 사례가 된 셈입니다.

언어별로는 어떤 변화가 있었을까요?

• 영어 ↔ 아이슬란드어: 오류율 30% 이상 감소

• 영어 ↔ 스와힐리어: 약 25% 개선²

특히 데이터가 적은 저자원 언어에서 개선 폭이 더 크게 나타난 것이 인상적입니다. 글로벌 서비스를 하는 스타트업 입장에서는 “메이저 언어 + 롱테일 언어”를 함께 공략할 수 있는 도구가 된 셈이죠.

다만 모든 언어쌍에서 장점만 있는 것은 아닙니다.
전문 번역가가 참여한 인간 평가에서는 대부분 자동 평가와 비슷한 결과가 나왔지만, 일본어 → 영어 번역에서 고유명사 처리 문제가 발견되며 품질이 떨어진 사례도 보고되었습니다². 이 부분은 후속 버전에서 보정될 가능성이 크지만, 중요한 이름·지명·회사명 등이 많은 문서라면 사람이 마지막 검수를 보는 게 안전한 상황입니다.

어떻게 이렇게 좋아졌나? 두 단계 학습의 비밀

TranslateGemma의 핵심은, 구글의 거대 모델인 Gemini의 ‘직감’을 작은 모델 안에 증류(distillation) 한 데 있습니다¹.

훈련 과정은 크게 두 단계로 나뉩니다.

1단계: 감독 학습(SFT) – “사람과 Gemini가 함께 만든 평행 말뭉치”

먼저, 기본 Gemma 3 모델에 평행 데이터(parallel data)를 대량으로 먹입니다. 여기에는 두 가지가 섞여 있습니다.

• 전문 번역가가 직접 만든 인간 번역 데이터

• 구글의 최신 Gemini 모델이 생성한 고품질 인공 번역 데이터¹

이 조합 덕분에, 저자원 언어에서도 어느 정도 수준 이상 품질을 확보할 수 있었습니다. 사람이 일일이 번역하기 어려운 방대한 언어쌍을, Gemini가 일종의 “선생님 역할”을 하며 메워준 셈입니다.

2단계: 강화학습(RL) – “사람처럼 자연스럽게 말하게 만들기”

그 다음 단계가 흥미롭습니다. 단순히 정답 문장을 따라 쓰게 하는 걸 넘어, “더 자연스러운 번역”을 위해 강화학습을 적용했습니다¹².

여기서 사용된 보상 모델(reward model)이 포인트입니다.

• MetricX-QE, AutoMQM 같은 고급 평가 지표를 포함한 여러 개의 자동 평가 모델 앙상블

• 별도 모델이 “이 문장이 원어민이 쓴 것처럼 자연스러운지”까지 평가²

즉, 번역 문장을 여러 모델이 동시에 심사위원처럼 평가하고, 그 피드백을 바탕으로 RL을 돌리면서 점점 나은 번역 스타일로 수렴하게 만든 것입니다.

또 한 가지 중요한 설정이 있습니다. 훈련 데이터의 약 30%를 일반적인 지시문 응답(instruction) 데이터로 채웠다는 점입니다². 덕분에 TranslateGemma는 번역 특화 모델이면서도,

• “이 문장을 더 캐주얼하게 바꿔줘”

• “이메일 형식에 맞게 다듬어 줘”

• “이 번역 결과를 요약해 줘”

같은 챗봇형 요청에도 대응할 수 있는, 다재다능한 모델이 되었습니다.

멀티모달 유지: 이미지 속 글까지 번역하는 AI

TranslateGemma는 Gemma 3의 멀티모달 능력을 그대로 이어받았습니다¹²³.
즉, 단순한 텍스트 번역을 넘어서 이미지 안의 텍스트도 읽고 번역할 수 있습니다.

흥미로운 점은, 구글이 이 작업을 위해 이미지 번역 전용 학습을 따로 하지 않았는데도 성능이 잘 나온다는 겁니다³. 텍스트 번역 품질을 올려놨더니, 그 개선 효과가 Vistra 같은 이미지-텍스트 번역 벤치마크에도 자연스럽게 전이된 것으로 보입니다²³.

실제 활용을 상상해 보면 더 재밌습니다.

• 여행 중, 식당 메뉴판을 찍으면 바로 내 언어로 번역

• 해외 전시회에서 부스 포스터를 찍고, 중요 포인트만 요약 번역

• 외국어로 된 종이 계약서를 촬영해서 텍스트 추출 + 번역 + 요약까지 한 번에

특히 4B 모델이 폰에서도 돌아간다는 점을 감안하면, “네트워크 끊긴 상태에서도 이미지 번역이 되는 여행·비즈니스용 앱”이 충분히 가능해집니다.

어디에 어떻게 쓸까? 개발자·창업자 시점 활용 아이디어

TranslateGemma는 단순히 “구글이 또 모델 하나 내놨구나” 수준으로 끝내기엔 아까운 자산입니다. 오픈 웨이트 + 55개 언어 + 모바일·노트북 호환이라는 조합은 꽤 강력한 그림을 그려줍니다.

1. 완전 로컬 번역 앱·서비스

클라우드 API를 안 쓰고, 사용자 기기에서 직접 번역이 돌아가는 앱을 만들 수 있습니다.

• 개인정보가 민감한 문서 번역(의료, 법률, 내부 문서)

• 오프라인 환경이 잦은 현장 업무(건설, 공장, 군·재난 현장 등)

• 구독형 번역 앱(초기 설치 후, 추가 트래픽 비용 최소화)

노트북 기준으로는 12B 모델이 가장 현실적인 선택지가 될 것이고, 모바일은 4B 모델을 적용해 “가벼운 실시간 번역”을 노릴 수 있습니다²⁴.

2. 글로벌 서비스 ‘다국어 UX’ 자동화

글로벌 SaaS나 커머스 서비스를 운영한다면, TranslateGemma를 로컬 혹은 프라이빗 클라우드에 올려두고,

• 고객 지원 티켓 자동 번역·요약

• 다국어 FAQ·헬프센터 자동 생성

• 유저 리뷰를 영어/한국어 중심으로 통합 분석

과 같은 워크플로우를 꾸밀 수 있습니다.
특히 저자원 언어에서 크게 개선된 점을 감안하면², 특정 국가의 사용자가 적더라도 초기부터 그들의 언어를 지원하는 “과감한 현지화 전략”을 시도해 볼 수 있습니다.

3. 멀티모달 기반 실용 앱

멀티모달 능력을 활용하면, 단순 번역을 넘어 현실 세계를 이해하는 도우미를 만들 수 있습니다.

• 길거리 표지판·지하철 노선도·공공 서류를 인식하고 번역해주는 여행 도우미

• 외국어 교과서·연구 논문 PDF를 사진 찍고, 번역 + 개념 설명까지 해주는 학습 앱

• 수출입 업무에서 외국어 포장지·라벨·매뉴얼을 읽고 요약해 주는 B2B 도구

모바일에서 돌아가는 4B 모델을 붙이면, 카메라 라이브뷰 + 온디바이스 번역 같은 경험도 충분히 현실적입니다¹³.

4. 기업 내부 특화 번역 엔진

TranslateGemma의 또 다른 장점은 수정·파인튜닝이 가능한 오픈 웨이트라는 점입니다²⁵.

이를 활용하면,

• 특정 업계 용어(의학·반도체·법률 등)에 최적화된 사내 번역 모델

• 특정 브랜드 톤·스타일을 일관되게 유지하는 마케팅 번역 모델

• 회사 내부 문서 포맷에 맞춰 번역과 동시에 레이아웃까지 맞춰주는 자동 문서 파이프라인

같이 회사만의 “커스텀 번역 AI”를 구축할 수 있습니다.
다만, 구글의 Gemma 이용 약관과 금지 용도 정책을 반드시 확인하고, 법무 검토와 함께 도입하는 게 안전합니다²⁵.

시사점 정리: 번역은 점점 ‘기능’이 아니라 ‘인프라’가 된다

TranslateGemma가 흥미로운 이유는, 단순히 “번역 품질이 좋아졌다”가 아닙니다.

• 클라우드 의존에서, 기기 자체로 번역이 이동하는 전환점

• 작지만 똑똑한 특화 모델이, 큰 범용 모델을 능가하는 사례

• 오픈 웨이트 전략으로, 구글이 중국·미국 경쟁사와 다른 길을 택했다는 신호²⁵

앞으로 번역은, 별도의 서비스가 아니라 모든 앱과 서비스 안에 자연스럽게 깔려 있는 ‘공기 같은 기능’이 될 가능성이 큽니다.
특히 모바일과 노트북에서 직접 돌아가는 수준까지 왔다는 것은, “언어 장벽”이 점점 ‘속도와 UX 문제’로만 남아가고 있다는 뜻이기도 합니다.

개인 사용자 입장에서는,

• 해외 정보 탐색,

• 외국인 친구와의 대화,

• 해외 취업·이직 준비

등에서 점점 더 자연스러운 도움을 받게 될 것이고,

개발자·창업자 입장에서는,

• 글로벌 서비스를 빠르게 현지화하고,

• 개인정보를 외부로 보내지 않으면서,

• 번역을 자사 인프라에 깊게 녹여 넣는

전략을 고민할 때, TranslateGemma는 상당히 매력적인 선택지가 될 것입니다.

이제 번역은 “외주를 주는 기능”에서 “내 서비스 안에 심는 인프라”가 되는 단계로 넘어가고 있습니다.
TranslateGemma는 그 변화를 본격적으로 여는, 꽤 의미 있는 한 수라고 봐도 무방합니다.

참고

¹TranslateGemma: A new suite of open translation models

²Google's new open TranslateGemma models bring translation for 55 languages to laptops and phones

³Google launches TranslateGemma, open translation models supporting 55 languages