Humanizer 12B: 로컬에서 도는 AI 문장 리라이터, 공개된 수치가 실제로 말하는 것

타임라인

1. 2026년 9월 11일

   humanizer 저장소가 Hugging Face에 나타난다. 카드 설명에 따르면 google/gemma-4-12B를 파인튜닝해 Apache 2.0으로 공개한 12B 모델로, AI가 쓴 영어·중국어 초안을 사람이 쓴 것처럼 읽히게 고쳐 쓰되 모든 숫자, 단위, 날짜, 이름, 인용을 그대로 유지한다.

   jialinyyzz/humanizer model card

2. 2026년 10월 2일

   작성자가 bf16 가중치로 만든 영어 리라이트 210건에 Originality.ai를 가장 엄격한 설정으로 돌린다. AI로 지적된 것은 11건이며 이전 릴리스는 26건이었다. 카드는 학습 어디에서도 AI 탐지기를 쓰지 않았다고 강조한다.

   humanizer model card, Evaluation details

3. 2026년 10월 4일

   이 날짜부터 모든 GGUF 파일이 메타데이터에 권장 샘플링 설정을 담고, 마지막 사용자 메시지로 모델 프롬프트를 만드는 채팅 템플릿을 갖춘다. 그래서 llama-server의 채팅 엔드포인트 같은 채팅 프런트엔드로, 실제로는 텍스트 완성 도구인 이 모델을 구동할 수 있다.

   humanizer model card, Prompt format

무엇이고, 무엇이 아닌가

‘AI 휴머나이저’로 팔리는 도구 대부분은 웹 양식이다. 이것은 내려받아 쓰는 모델이다. 카드는 언어 모델이 쓴 초안을 받아 영어와 중국어로 사람이 쓴 것처럼 읽히게 고쳐 쓰는 12B 파라미터 리라이터라고 설명한다. 설계 목표는 제약 하나로 요약된다. 모든 숫자, 단위, 날짜, 이름, 인용을 유지하고 아무것도 더하지 않는다는 것이다. 로컬에서 실행되며 Apple 실리콘 Mac과 Windows용 앱이 있고, 카드에는 llama.cpp, MLX, transformers, vLLM, Ollama 경로도 적혀 있다. 모델은 google/gemma-4-12B를 파인튜닝한 것이고, 가중치와 코드 모두 Apache 2.0이다.

챗봇이 아니다. 카드는 시스템 프롬프트도 턴 구분자도 없는 텍스트 완성이라고 못 박는다. 고정된 지시문, 빈 줄, 초안, 구분선, ‘Rewritten:’이라는 단어를 보내고 모델이 이어 쓰게 한다. 중단은 시퀀스 끝에서만 하고 중단 문자열은 쓰지 말며, temperature는 1.0, top-p는 0.95로 하고 top-k와 min-p는 꺼야 한다고 안내한다. 그렇지 않으면 llama.cpp 기본값과 번들 생성 설정이 간섭하기 때문이다. 이렇게 까다로운 것은 한 가지 일을 위해 만든 도구라는 신호다.

작성자 설명으로 본 제작 과정

카드에 적힌 학습 과정은 검증할 수 있을 만큼 상세한데, 이는 드문 일이다. 첫 단계는 28,598쌍으로 한 지도 미세조정이었다. 각 쌍은 언어 모델이 쓴 초안과 실제 사람이 쓴 원문으로 이루어지며, 사람 쪽 출처는 논문 초록, 정부 보고서, 학생 에세이, 회사·메일링 리스트 이메일, Reddit, Hacker News, 즈후라고 설명한다. 두 번째 단계는 3,918쌍으로 한 선호 학습으로, 사실 충실도와 베끼기 여부만 기준으로 골랐고 LLM이 판정했다. 세 번째는 모두 500스텝, 3라운드의 강화학습이다. 처음 200스텝은 엄격한 단일 투표 사실 심사자를 썼고 이후 150스텝씩 두 라운드를 진행했다. 각 스텝은 초안 16개를 쓰고 초안마다 8번 샘플링했다.

보상은 두 부분으로 이루어졌다. 하나는 LLM 심사자로, 각 리라이트를 초안과 대조해 읽고 심각한 오류, 지어낸 내용, 달라진 의미, 빠진 서식을 감점한다. 다른 하나는 초안의 5-gram과 문장 골격을 베끼는 것에 대한 감점이다. 카드에 따르면 두 번째 릴리스에 쓰인 모든 행의 데이터는 동반 데이터셋으로 공개돼 있다. 헤드라인을 읽는 방식에 영향을 주는 주장도 있다. AI 탐지기는 보상, 필터, 체크포인트 선택 어디에도 쓰지 않았다는 것이다.

헤드라인: 95%가 사람으로 판정

카드의 헤드라인은 10월 2일 Originality.ai가 가장 엄격한 설정에서 영어 리라이트 210건의 95%를 사람이 쓴 것으로 판정했다는 것이다. AI로 지적된 것은 11건이고 이전 릴리스는 26건이었으며, 카드는 이 차이가 쌍 데이터에서 통계적으로 유의하다고 보고한다. 공개된 기준선과의 비교도 있다. GitHub 스타가 약 5.3만 개인 humanizer 스킬을 Claude Sonnet에 적용해 같은 초안 60건을 처리하게 했더니 60건 모두 AI로 지적됐다. 같은 60건에서 새 모델은 4건이었다.

이 숫자를 느슨하게 받아들여야 할 이유가 세 가지 있고, 모두 카드 스스로 제공한다. 첫째, 한 탐지기가 한 날짜에 낸 결과다. 카드는 탐지기가 바뀌며 어떤 탐지 결과도 보장되지 않는다고 말한다. 둘째, 평가용 초안은 작성자의 보류 데이터에서 나왔고 최첨단 모델 세 개가 비슷한 비율로 썼다. 그래서 사람이 쓰기 시작하고 AI가 다듬은 블로그 글 같은 경우에 대해서는 알려 주는 것이 거의 없다. 셋째, 가장 정형화된 장르가 여전히 가장 어렵다. 카드의 분류에 따르면 이모지와 해시태그가 붙은 소셜 게시물은 16건 중 3건, 공식 정책 메모는 13건 중 2건이 지적됐고, 이메일, 블로그 글, Reddit 게시물, 제품 리뷰는 지적된 것이 없었다.

카드가 공개한 숫자

더 쓸모 있는 수치는 사실에 관한 것이다. 엄격한 LLM 심사자는 영어 리라이트 420건 중 376건에서 사실 문제를 찾지 못했다. 나머지 44건은 지적됐고 문제는 모두 135개였으며 그중 125개는 단어나 구 하나였다. 카드의 예는 초안의 “The remaining 37 complaints”가 “The other 37% of complaints”로 나온 경우다. 중국어는 더 약해서 204건 중 149건에서 사실 문제가 없었다. 이전 릴리스는 영어 420건 중 369건, 중국어 204건 중 135건이었으니 방향은 좋지만 절대 수준이 완벽한 것은 아니다.

카드는 사실과 무관한 실패 유형도 나열한다. 영어 출력 420건 중 28건에서 목록이나 제목 같은 서식 요소가 빠졌다. 전문 용어가 섞인 짧고 격의 없는 영어 초안은 가끔 전부 중국어로 돌아오는데, 앱과 명령줄 도구가 이를 감지해 다시 시도한다. 캐주얼한 장르에서는 초안에 없던 속어나 욕설을 더하기도 한다. 또 카드에 실린 전후 비교 예시는 골라낸 것이다. 사실 심사를 통과한 것 가운데 8번 샘플링 중 가장 좋은 결과다.

심사자 자체에 대한 감사까지 있다. 첫 심사자가 심각하다고 지적한 150건을 두 번째 심사자가 다시 읽었더니, 99건은 심각하다는 데 동의했고 41건은 경미하다고 평가했으며 10건은 사실이 바뀌지 않았다고 판단했다. 작성자들의 결론은 일부 지적은 무해한 말바꿈이라는 것이다. 그러면서도 보내기 전에 숫자, 날짜, 이름을 읽어 보라고 당부한다.

95%보다 이것이 중요한 이유

숫자를 대체로 맞게 다루는 도구라도 문서가 충분히 많아지면 어디선가 하나는 바꾼다. 카드도 그렇게 말한다. 보내기 전에 결과를 읽으라는 것이다. 그것이 사용에 드는 진짜 비용이며, 명령줄 도구가 숫자가 빠진 조각을 표시하는 습관이 탐지기 점수 몇 점보다 값진 이유다. 속도 수치는 기대치를 잡는 데 도움이 된다. M5 Max에서 앱의 llama.cpp 구성은 초당 약 36~38토큰으로 돌아가므로, 100단어 이메일은 약 3.6초, 300자 안팎의 중국어 이메일은 약 8.5초가 걸린다.

카드는 윤리에 대해서도 분명하다. 자신의 초안을 위한 글쓰기 도구라고 규정하고, 학교·고용주·출판물에 AI 보조 규칙이 있으면 따르라고 말한다. 우리도 동의하며 한마디 덧붙인다. 탐지기를 피하기만 하는 고쳐 쓰기는 초안 자체를 낫게 하지 않는다. 바랄 만한 도구는 뻣뻣한 초안을, 사실을 지키면서 내 컴퓨터에서 사람이 쓴 것처럼 읽히게 만드는 쪽이다.

호스팅 방식만 원한다면

우리 디렉터리에는 의미를 유지한 채 AI 문장을 자연스러운 글로 바꿔 주는 무료 호스팅 도구 Grammarly AI Humanizer가 올라 있다. 거래 조건이 다르다. 설치도 로컬 하드웨어도 필요 없지만 글이 서비스로 전송된다. 이 모델의 어느 파일이 내 컴퓨터에 맞는지는 8, 16, 32 GB에 맞는 humanizer 파일을 참고하면 된다.

우리의 판단

문서화가 잘된 릴리스지만 이 장르의 약점을 안고 있다. 사람들이 가장 많이 되풀이할 주장이 정작 중요한 품질과 가장 덜 이어져 있다. 내 작업에 맞는지 가릴 때는 탐지기 수치가 아니라 사실 검증 수치를 기준으로 삼자. 숫자가 가득한 문서를 쓴다면 리라이트마다 교정할 시간을 잡아 두자. 확정된 사실이 적은 에세이나 이메일이라면 위험은 낮고, 얻는 것은 더 자연스러운 말투다.

이어서 읽기

모든 글은 최신순으로 Front 블로그 목록에 있습니다.

• Humanizer 12B: 내 메모리에 맞는 GGUF는: 같은 모델의 GGUF 파일별 필요 메모리.
• Ling 3.1 Flash: 돌리려면 무엇이 필요한가: Ling 3.1 Flash를 돌리는 데 필요한 하드웨어.
• Grok 4.8: xAI가 실제로 밝힌 것: xAI의 Grok 4.5~4.7 출시와 4.8에 관한 발언.
• Google Argon 타임라인: Google의 Gemini 4 Argon 출시를 날짜순으로 기록.

자주 묻는 질문

업데이트 기록

• 2026년 10월 17일 — 최초 게시.

출처

• jialinyyzz/humanizer model card
• Grammarly AI Humanizer