OLMo 3
OLMo 3는 비영리 연구소 AllenAI(Ai2)가 2025년 11월에 내놓은 완전 공개 언어 모델이다. 가중치뿐 아니라 학습 데이터·코드·중간 체크포인트까지 공개하고 Apache 2.0이라 상업적으로도 자유롭게 쓸 수 있어, 모델 내부를 연구하거나 투명한 오픈 모델을 로컬에서 직접 돌릴 때 쓴다.
| 변형 | 성격 | 이럴 때 쓴다 |
|---|---|---|
Base | 기본 모델 | 직접 미세조정하거나 연구할 때 |
Instruct | 대화·지시 수행 | 일반 챗봇, 빠른 응답, 에이전트 |
Think | 단계적으로 생각 | 복잡한 수학·논리 문제 |
7B와 32B 두 크기가 있고, 크기마다 위 세 가지 변형이 있다.
가중치만이 아니라 만드는 과정까지 공개
보통 '오픈' 모델은 가중치 파일만 받을 수 있다. OLMo 3는 학습 데이터 Dolma 3, 학습·평가 코드, 사전학습부터 미세조정까지의 중간 체크포인트를 모두 공개한다. 그래서 자원만 있으면 누구나 처음부터 똑같이 다시 만들 수 있다.
| 공개 범위 | 일반 오픈 웨이트 | OLMo 3 |
|---|---|---|
| 가중치 | 공개 | 공개 |
| 학습 데이터 | 대부분 비공개 | 공개 |
| 학습 코드·중간 체크포인트 | 대부분 비공개 | 공개 |
모델이 왜 그렇게 답하는지를 데이터와 학습 방법까지 거슬러 올라가 확인할 수 있다는 게 가장 큰 가치다.
한 줄로 로컬에서 바로 실행
가장 쉬운 방법은 ollama run olmo-3:7b-instruct다. 7B는 RAM 6GB 정도면 돌아가서 노트북에서도 무리가 없고, gguf·mlx 포맷도 있어 LM Studio 같은 데스크톱 앱에 그대로 올릴 수 있다.
서버로 띄울 때는 vLLM이나 SGLang을 쓰고, 코드에서는 허깅페이스 Transformers로 allenai/Olmo-3.1-32B-Instruct를 불러온다. 도구 사용과 멀티턴 대화를 지원하므로 외부 API를 호출하는 에이전트에도 붙일 수 있다. 32B는 출시 뒤 추가 학습을 거쳐 Olmo 3.1 32B로 업데이트됐고, 수학과 지시 따르기가 더 좋아졌다.
최고 성능보다 투명성이 강점
32B Base는 같은 시기 비슷한 크기의 다른 오픈 모델과 겨룰 만하다. 다만 코딩 같은 일부 영역에서는 비슷한 크기의 Qwen 3 계열보다 떨어진다. 성능이 가장 중요하다면 다른 모델과 직접 비교해 보고, 투명성과 재현성이 중요할 때 고르는 것이 맞다.
연구용 기준 모델이자 로컬 모델로 쓴다
가장 흔한 쓰임은 언어 모델 연구의 기준 모델이다. 데이터와 중간 체크포인트가 다 있어서, 학습 과정에서 무엇이 바뀌는지 직접 따라가 볼 수 있기 때문이다. 가볍게는 7B Instruct를 내려받아 노트북에서 개인 챗봇으로 쓴다.
| 어디서 | 어떻게 쓰나 |
|---|---|
| 언어 모델 연구 | 중간 체크포인트를 차례로 불러 학습 단계마다 능력이 어떻게 생기는지 비교 |
| 미세조정 실험 | Base를 내 데이터로 미세조정하고, 공개된 학습 데이터와 겹치는지 직접 확인 |
| 개인 로컬 챗봇 | Ollama·LM Studio로 7B Instruct를 띄워 인터넷 없이 질문·요약 |
| 사내 서버·에이전트 | vLLM으로 32B Instruct를 띄우고 도구 호출을 붙여 내부 데이터를 외부로 보내지 않고 처리 |
