젠슨 황, 오픈 모델 시장에 깃발을 꽂다
많은 이들이 엔비디아는 GPU만 판다고 생각했지만, 엔비디아는 조용히 네모트론 3 전 제품군을 공개했다. 모델 가중치뿐만 아니라 3조 토큰 규모의 사전 학습 데이터셋, 강화 학습 워크플로, 평가 도구까지 모두 오픈소스로 풀었다.
이 움직임의 신호는 명확하다. 엔비디아는 더 이상 '삽 파는 회사'에 머물지 않고 오픈 AI 생태계에서 자리를 잡으려 한다는 것이다.
세 가지 크기, 모두 MoE 아키텍처
네모트론 3 시리즈는 Hybrid Latent MoE 아키텍처를 채택했으며, 세 가지 버전으로 제공된다.
| 모델 | 총 파라미터 | 추론당 활성화 파라미터 | 상태 |
|---|---|---|---|
| Nano | 300억 | 약 30억 | 공개 완료 |
| Super | 약 1000억 | 약 100억 | 2026년 상반기 |
| Ultra | 약 5000억 | 약 500억 | 2026년 상반기 |
MoE의 핵심 장점은 총 파라미터 수는 크지만 추론 시마다 일부만 활성화되므로 실제 계산 비용을 통제할 수 있다는 점이다. DeepSeek V3와 Llama 4도 같은 방식을 사용하고 있으며, 엔비디아도 이에 합류했다.
Nano의 벤치마크 결과가 흥미롭다
공개된 Nano 버전의 공식 데이터는 다음과 같다.
- 추론 속도가 이전 세대 대비 4배
- 추론 토큰 생성량 60% 감소 (결론 도출에 필요한 중간 단계 감소)
- 컨텍스트 윈도우 100만 토큰
제3자 평가 기관인 Artificial Analysis는 "동일 크기 모델 중 가장 개방적이고 효율적이며 정확도도 앞선다"고 평가했다.
이 '효율적 추론' 방향은 DeepSeek V3.2의 희소 어텐션 접근 방식과 유사하며, 두 경우 모두 품질 저하 없이 계산량을 줄이는 것을 목표로 한다.
완전 개방형 툴체인
엔비디아는 동시에 다음과 같은 지원 도구 모음도 오픈소스로 공개했다.
- NeMo Gym: 에이전트 강화 학습 훈련 프레임워크
- NeMo RL: 강화 학습 워크플로 라이브러리
- NeMo Evaluator: 평가 도구
모델 가중치, 학습 데이터, 툴체인은 모두 Hugging Face와 GitHub에서 완전 오픈 라이선스로 공개되어 누구나 다운로드, 미세 조정, 배포할 수 있다.
엔비디아가 이 일을 하는 이유
몇 가지 가능한 논리가 있다.
소프트웨어로 하드웨어 잠그기. 엔비디아의 오픈 모델 툴체인을 사용하면 자연스럽게 엔비디아 GPU에서 실행하게 된다. 이는 CUDA 전략과 동일한 논리로, 생태계를 통해 컴퓨팅 인프라를 고정시키는 것이다.
오픈소스 경쟁 압력에 대한 헤지. DeepSeek, Llama 4, Qwen 같은 오픈 모델이 점점 강력해지고 있다. 엔비디아가 하드웨어 계층에만 머무르면 AI 생태계에서의 영향력이 희석된다. 오픈 모델을 만드는 것은 직접 경쟁에 뛰어드는 것이다.
기업 조달 번들링. 많은 대기업이 엔비디아 GPU와 서비스 패키지를 구매한다. 신뢰할 수 있는 오픈 모델이 내장되어 있으면 판매 포인트가 되고 영업 자료의 일부가 된다.
물론 오픈소스화는 엔비디아에게도 비용이다. 하지만 현재 엔비디아의 재정 상황을 고려하면 문제가 되지 않는다.
기다릴 가치가 있는 것은 Super와 Ultra
현재 공개된 Nano는 비교적 보수적인 규모다. 진정으로 기대되는 것은 2026년 상반기에 예정된 Super(1000억 파라미터)와 Ultra(5000억 파라미터)다. 네모트론 3 Ultra가 충분히 좋은 벤치마크를 기록한다면, 이는 단순히 "엔비디아도 모델을 만들었다"는 차원을 넘어 오픈 모델 순위에서 진정한 경쟁력을 가진 플레이어가 등장했음을 의미한다.
출처: CocoLoop, NVIDIA Debuts Nemotron 3 Family of Open Models (NVIDIA Newsroom)