모델 개요
Google DeepMind의 Gemma 4 E2B용 경량 다중 토큰 예측(Multi-Token Prediction, MTP) 초안 모델이다. 독립형 대화 모델이 아니라 대상 모델 google/gemma-4-E2B-it과 함께 추론 속도를 높이도록 설계된 4층 보조 모델이다. 가중치는 Apache 2.0 라이선스로 공개되어 있다. (ai.google.dev)
- 출시일: 2026년 5월 5일. Google의 해당 날짜 공식 발표에서 Gemma 4 MTP 초안 모델의 출시를 공지했다. (blog.google)
- 가중치 저장소 식별자:
google/gemma-4-E2B-it-assistant. 이는 저장소 식별자이며, 별도의 API 모델 ID는 확인되지 않았다. (huggingface.co)
능력과 용도
보조 모델이 여러 후보 토큰을 미리 제안하면 대상 모델이 이를 병렬 검증하는 투기적 디코딩에 사용된다. Google은 Gemma 4 MTP 계열에 대해 출력 품질 저하 없이 최대 3배의 속도 향상을 발표했지만, 이는 모든 하드웨어와 작업에서 보장되는 수치가 아니다. 낮은 지연시간이 중요한 온디바이스 추론 등에 활용할 수 있다. (blog.google)
대상 모델인 Gemma 4 E2B는 텍스트·이미지·오디오를 입력받아 텍스트를 출력한다. 이 입출력 능력은 보조 모델 단독이 아니라 대상 모델과 함께 사용하는 구성에 관한 것이다. (docs.cloud.google.com)
제한
- 호환되는 대상 모델과 MTP 지원 추론 환경이 필요하다. 속도 향상은 하드웨어와 작업에 따라 달라진다. (ai.google.dev)
- Google의 LiteRT-LM 안내에 따르면 E2B를 CPU에서 사용할 때 MTP는 재작성·요약·코딩에 유용하지만, 자유 형식 프롬프트나 생성 작업에서는 다소 느려질 수 있어 선택적으로 켜는 것이 권장된다. (developers.google.com)
가격
2026년 11월 16일 조회 기준, 이 보조 모델 자체의 공식 호스팅 API 입력·출력 토큰 요금과 적용 통화는 확인되지 않았다. Google Cloud의 공식 가격표에 있는 다른 Gemma 모델의 요금을 이 모델에 적용할 수는 없다. 자체 배포 시 컴퓨팅 등 인프라 비용은 별도로 발생할 수 있다. (cloud.google.com)