통상 매개변수 개수가 1000억개 이상이면 LLM, 그 이하면 sLLM으로 구분한다. 매개변수는 정보를 학습하고 기억하는 뇌의 시냅스와 역할이 유사하다. 일반적으로 매개변수 개수가 많을수록 언어모델 성능이 좋다고 평가한다. 그래서 과거엔 어느 회사의 언어모델이 더 많은 매개변수를 갖고 있느냐가 핵심이었다.

하지만 기업이 AI 언어모델을 활용할 때 LLM보다 sLLM이 더 적합하다는 점이 알려지면서 전세가 바뀌었다. LLM은 매개변수 수만큼이나 뒤따르는 비용과 컴퓨터 자원이 만만치 않다. 반면 sLLM은 매개변수 규모가 수십억이나 수백억에 불과한 만큼 비용이 더 저렴하다.

sLLM이 특정 산업에 특화할 수 있다는 것도 이점이다. 사실 기업은 모든 분야에 답하는 범용 AI보단 특정 산업군에 특화한 답변을 할 수 있는 AI가 더 필요하다. LLM보다 sLLM을 미세조정(파인튜닝)해 선별 학습시키는 것이 기업의 비즈니스 환경에 효율적이라는 것이다. 

높은 보안 안정성도 주목받는다. sLLM은 규모가 작아 클라우드 방식이 아니라 사내 시스템에 직접 설치해 사용할 수 있다. 업계 한 관계자는 "기업이 챗GPT를 활용하면 내부 정보가 오픈AI사로 흘러갈 수 있지만, sLLM을 설치한다면 관련 정보가 외부로 빠져나갈 염려를 할 필요가 없다"고 말했다.