국내 의료 AI 파운데이션 모델 경쟁 — 루닛 vs 딥노이드, 32B 고도화 레이스

❗중요

> 두 기업 공통 기준점: 구글 메드젬마(MedGemma)

• 2025년 5월 공개, 4B 멀티모달 / 27B 텍스트 전용 / 27B 멀티모달 3개 버전
• MedQA 벤치마크에서 27B 모델이 87.7% 기록 (50B 미만 오픈 모델 최고)
• 2026년 1월 CT·MRI 지원 강화한 v1.5 업데이트
• 단, 구글도 임상 적용 가능 수준은 아니라고 인정

---

기술 맥락

루닛과 딥노이드가 같은 32B 규모를 목표로 하지만 접근법이 완전히 다른 게 흥미로워요. 루닛은 텍스트 기반으로 먼저 16B를 검증하고 올라가는 방식이고, 딥노이드는 처음부터 영상 멀티모달 32B를 바로 찍겠다는 거거든요.

GPU 할당 구조도 핵심 차이예요. 루닛 컨소시엄은 B200 256장을 23개 기관이 나눠 쓰는 구조라 실질적으로 모델 학습에 쓸 수 있는 컴퓨트가 제한적이에요. 반면 딥노이드는 H200 256장을 단독으로 쓸 수 있어서 학습 속도 면에서는 확실히 유리하거든요. 클라우드 비용 100억원 이상이라는 건 꽤 의미 있는 규모예요.

모델 아키텍처 선택도 중요해요. 루닛은 텍스트 중심 + RAG + 에이전트 조합으로 임상 현장에서 바로 쓸 수 있는 실용성을 먼저 확보하는 전략이에요. 딥노이드의 MedZero-32B는 1PB 규모 영상 데이터를 학습하는 멀티모달 모델이라 학습 난이도 자체가 훨씬 높거든요. 자체 개발한 RadZero 인코더가 얼마나 잘 작동하느냐가 관건이에요.

메드젬마가 기준점이 된 건 당연한 수순이에요. MedQA 87.7%는 50B 미만에서 꽤 높은 숫자고, 구글이 오픈소스로 풀었기 때문에 벤치마크 비교가 투명하게 가능하거든요. 다만 구글 스스로도 임상 적용은 아직이라고 하니, 결국 모델 성능보다는 실제 병원에서의 임상 실증 데이터가 진짜 차별화 포인트가 될 거예요.

루닛이 이미 일산병원에서 ADR 분석, 응급실 분류 같은 실제 임상 태스크를 검증했다는 건 상당히 의미 있어요. 딥노이드는 모델 완성 후에야 이런 검증을 시작할 수 있으니, 속도전에서 이기더라도 임상 데이터 확보에서는 루닛이 선행 우위를 가질 수 있거든요. 의료 AI는 결국 규제 승인과 현장 채택이 최종 관문이라서, 모델 크기보다 실증 결과가 더 중요해질 가능성이 높아요.