스위스발 개방형 AI 모델 'Apertus' 등장

커뮤니티에서는 Apertus 모델의 개방성을 높이 평가하면서도, 이미 OLMo 3.1, K2 Think V2, Nvidia Nemotron 등 경쟁력 있는 개방형 모델들이 존재함을 지적한다. 특히 Nemotron 모델이 더 높은 성능을 보인다는 벤치마크 결과가 언급되며, Apertus가 실질적인 성능 경쟁력을 확보할 수 있을지에 대한 의문이 제기된다. 데이터셋의 중복성 및 필터링 방식에 대한 논의도 이어지고 있다.

일부 사용자는 Apertus 프로젝트의 느린 개발 속도를 우려하며, 현재 시장의 최신 모델과 경쟁하기 어려울 것이라는 비판을 제기한다. 과거 모델의 성능 미달 및 규제 준수 불확실성에 대한 경험을 근거로, 실질적인 성능 향상과 빠른 시장 대응이 부족하다는 의견이 지배적이다. 이는 기술 주권 확보라는 목표 달성에 걸림돌이 될 수 있다는 지적이다.

1000개 이상의 언어를 지원한다는 Apertus 모델의 주장에 대해, 실제 사용 경험상 단순 언어 관련 질문에 대한 답변 신뢰도가 낮다는 비판이 나온다. 특히 AI 환각(Hallucination) 현상으로 존재하지 않는 단어를 생성하거나 잘못된 정보를 제공하는 사례가 보고되었다. 이는 다국어 지원이라는 핵심 기능의 실효성에 대한 의문을 제기한다.

Apertus는 EU AI Act 규제 준수를 강조하며 PII 제거 및 옵트아웃(Opt-out) 기능을 내장했다고 밝혔다. 하지만 사용자는 개인 데이터 처리의 독립적 통제자로서 책임져야 하며, 제공되는 해시 파일 기반의 출력 필터(Output Filter)를 주기적으로 적용해야 한다. 이러한 데이터 격리 아키텍처(Data Isolation Architecture)와 필터링 방식의 실효성 및 복잡성에 대한 질문이 제기된다.

미국 외 국가들의 기술 주권 확보 필요성이 강조되는 가운데, Apertus와 같은 개방형 모델의 등장은 주목받고 있다. 그러나 Mistral과 같은 다른 유럽 기반 모델과의 비교, 그리고 데이터센터 인프라(Data Center Infrastructure) 없이 클라우드 서비스에 의존하는 Cohere와 같은 기업의 가치 제안에 대한 의문이 제기된다. 궁극적으로는 로컬 AI(Local AI) vs 서비스형 AI(Service LLMs)의 경쟁 구도에서 UX의 중요성이 부각된다.

Apertus 프로젝트 팀의 경험 부족이 모델 성능에 영향을 미칠 수 있다는 의견이 있다. 다른 LLM 제공업체와 달리 여러 번의 모델 개발 경험이 없다는 점을 지적하며, 팀의 경험 축적이 더 나은 결과를 가져올 수 있다고 언급한다. 또한, 향후 모델 개발 시 비용 효율성(Cost Efficiency) 개선 가능성에 대한 기대도 나타난다.