Gretel은 기업과 개발자를 위한 합성 데이터 생성 플랫폼으로, 구조화된 표 데이터, 시계열 데이터 및 텍스트 데이터에 대한 차등 개인정보 보호 합성 기능을 제공합니다. 오픈 소스 gretel-synthetics 라이브러리(PyPI 0.22.20)는 ACTGAN, Timeseries DGAN 및 기타 모델을 지원합니다. NVIDIA에 인수되어 Nemotron/NeMo 생태계에 통합되었습니다. 원래 SaaS 플랫폼은 독립적으로 작동하지 않습니다.

Gretel의 심층 리뷰: 합성 데이터 생성 플랫폼의 파노라마와 최종 게임

핵심 매개변수 및 통계

치수	사양
제품 포지셔닝	차등 개인정보 보호 합성 데이터 생성 플랫폼(구조화/순차/텍스트)
현황	NVIDIA가 인수하여 통합한 독립 SaaS는 운영을 중단했습니다
오픈소스 라이선스	Gretel 소스 사용 가능 라이선스(메인 라이브러리) / Apache-2.0(클라이언트 등)
지원되는 플랫폼	Web(서비스 중단), API(서비스 중단), Python SDK(오픈소스 제공)
프로그래밍 언어	Python(99.7%), Shell로 보완, Jupyter Notebook
GitHub 스타	685(gretel-synthetics 메인 저장소)
GitHub 포크	101
조직 창고 수	30개(모두 보관됨)
마지막 버전	v0.22.20 (2025-06-25)
출원일	2026-02-18
PyPI 다운로드	공개적으로 사용 가능
핵심 모델	ACTGAN, 시계열 DGAN, LSTM(더 이상 사용되지 않음)

Gretel의 독립적인 운영 수명 주기는 약 7년(2018~2025)에 걸쳐 NVIDIA에 인수되어 Nemotron/NeMo 생태계에 통합되었습니다. 오픈 소스 자산(특히 'gretel-synthetics' 라이브러리)은 여전히 ​​독립적으로 사용할 수 있지만 SaaS 제어 플레인과 클라우드 API는 인수로 인해 오프라인 상태가 되었습니다. 합성 데이터 도구를 평가하는 기술 팀에게 Gretel의 오픈 소스 라이브러리는 여전히 차등 개인 정보 보호 합성 데이터 구현을 위한 매우 귀중한 참고 자료입니다.

사용자 및 시장 인지도

GitHub Community Base: 'gretel-synthetics' 메인 라이브러리는 아카이빙 전 685개의 Stars와 101개의 Fork를 축적했으며, 29명의 기여자가 코드 제출에 참여하여 합성 데이터 분야 개발자들의 관심을 프로젝트에 반영했습니다. 조직 아래에는 'gretel-blueprints'(85 Stars), 'gretel-python-client'(64 Stars) 등의 보조 창고도 있습니다.

업계 통합 신호: 2026년 초 Gretel은 NVIDIA에 인수되었으며 도메인 이름 'gretel.ai'는 이제 NVIDIA 합성 데이터 솔루션 페이지로 리디렉션됩니다. 이는 NVIDIA가 Gretel의 합성 데이터 기능을 AI 에이전트 데이터 인프라의 핵심 퍼즐 조각으로 간주하여 Nemotron 모델 NeMo 미세 조정 플랫폼과 완전한 데이터 링크를 형성한다는 것을 의미합니다. 이번 인수는 그레텔의 기술 가치를 가장 높게 평가한 것입니다.

기업 고객 및 금융: Gretel은 독립적인 운영 기간 동안 많은 금융, 의료 및 기술 회사의 합성 데이터 요구 사항을 충족했지만 구체적인 고객 목록과 자금 조달 금액은 완전히 공개되지 않았습니다. 인수 후 기업 고객은 NVIDIA 생태계로 마이그레이션했습니다.

비용 이점

C 측/개인 사용자: Gretel의 오픈 소스 Python 라이브러리 'gretel-synthetics'는 PyPI에서 계속 공개적으로 제공되며 개별 개발자는 이를 무료로 설치하고 사용할 수 있습니다. 원래 SaaS 플랫폼의 무료 할당량(예: 매달 생성되는 무료 기록 수)은 플랫폼이 오프라인 상태가 되면서 종료되었습니다.

개발자/API 사용자: 원래 Gretel REST API(gretel-python-client를 통해 호출됨)는 더 이상 독립형으로 사용할 수 없습니다. API를 통해 합성 데이터 기능을 사용하려는 개발자의 경우 NVIDIA Nemotron 플랫폼의 합성 데이터 서비스(NeMo Data Designer)로 전환해야 합니다. 가격 모델은 NVIDIA 공식 가격 페이지를 기반으로 합니다.

기업/개인 배포: 오픈 소스 라이브러리는 네트워크 연결 없이도 자체 인프라에서 합성 데이터 생성을 실행할 수 있도록 지역화된 배포를 지원합니다. 기업은 'gretel-synthetics'를 기반으로 자체 파이프라인을 구축할 수 있으며, 비용은 하드웨어 리소스(GPU 권장)와 운영 및 유지 관리 인력으로 제한됩니다. NVIDIA Enterprise의 합성 데이터 솔루션에는 NVIDIA 상용 채널을 통한 라이선스가 필요합니다.

주요 기능

• 구조화된 표 형식 데이터 합성: ACTGAN(Anyway CTGAN) 모델을 기반으로 실제 표 형식 데이터로부터 열 분포 및 상관 관계를 학습하고 통계적 충실도가 높은 합성 데이터 세트를 생성할 수 있습니다. 자동 열 유형 감지, 메모리 최적화 NaN 프록시 처리 등과 같은 엔터프라이즈 수준 기능을 지원합니다. 데이터베이스 둔감화, 테스트 데이터 생성, 데이터 향상 및 기타 시나리오에 적합합니다.

• 시계열 데이터 합성: 시계열 DGAN(DoppelGANger의 PyTorch 구현)을 기반으로 스마트 홈 센서 판독값 및 금융 시계열 IoT 장치 로그와 같은 시간 종속 데이터를 위해 특별히 설계되었습니다. 시계열 데이터의 자기 상관 및 기능 간 종속성을 유지합니다.

• 차등 개인 정보 보호: 핵심 차별화 기능 - "실제 데이터처럼 보일" 뿐만 아니라 차등 개인 정보 보호(차등 개인 정보 보호) 메커니즘을 통해 수량화 가능한 개인 정보 보호 보장을 제공합니다. 사용자는 매개변수를 통해 개인 정보 보호 예산을 제어하고 데이터 유용성과 개인 정보 보호 강도 사이에서 절충을 할 수 있습니다.

• 데이터 품질 및 개인 정보 보호 보고서: Gretel은 합성 데이터를 생성한 후 자동으로 데이터 품질 보고서(열 분포 비교, 상관 행렬, 필드 누락 비율 포함) 및 개인 정보 보호 평가 보고서(개인 정보 보호 위험 점수, 회원 추론 위험 평가)를 생성하여 합성 데이터가 예상 효과를 달성하는지 여부를 사용자가 확인할 수 있도록 돕습니다.

• Code Synth(코드 데이터 합성): 실험 방향 - 코드 합성을 통해 AI 프로그래밍 모델에 대한 훈련 데이터를 확장합니다. gretel-code-synth 저장소는 이 방향을 탐색했지만 프로토타입 단계에서만 가능합니다.

전문가의 견해: Gretel의 핵심 가치는 "데이터 생성"이라는 단일 기능에 있는 것이 아니라 "개인정보 보호 + 데이터 효용성 평가"의 조합에 있습니다. 이는 합성 데이터를 생성할 뿐만 아니라 개인정보 유출 위험에 대한 합성 데이터의 성능을 정량화합니다. 이 "세대 평가" 협업 메커니즘은 재무 규정 준수 및 의료 데이터 공유와 같은 강력한 규제 시나리오에서 실용적인 엔지니어링 중요성을 갖습니다. NVIDIA에 의해 통합된 후 이 기능은 Nemotron 플랫폼의 Safe Synthesizer 모듈에 통합되었으며 NeMo Data Designer의 시각적 디자인 도구와 협력하여 합성 데이터 사용에 대한 임계값을 낮췄습니다.

모델 및 버전의 진화

오픈소스 라이브러리 개발 단계(2019~2025)

Gretel의 핵심 오픈 소스 라이브러리인 'gretel-synthetics'는 초기 TensorFlow 기반 LSTM 모델에서 여러 세대 아키텍처를 지원하는 포괄적인 라이브러리로 진화하면서 완전한 반복 주기를 거쳤습니다.

초기 버전(v0.1–v0.17): 주로 TensorFlow 기반 LSTM 모델을 기반으로 하며 구조화된 텍스트 합성을 지원하고 인프라의 기반을 마련합니다.

임시 버전(v0.18–v0.21): 표 형식 데이터를 지원하기 위해 ACTGAN(SDV 기반 CTGAN 확장)을 도입합니다. 시계열 시나리오를 다루기 위해 시계열 DGAN(DoppelGANger 기반)을 추가합니다. 이 단계에서는 단일 LSTM에서 다중 모델 전략으로의 전환을 목격했습니다.

최신 버전(v0.22.x, 2024~2025): 유지 관리 기간, 종속성 보안 업데이트(jinja2, axios, TensorFlow 호환성), Python 버전 업그레이드(3.11.9로) 및 더 이상 사용되지 않는 LSTM 런타임 제거에 중점을 둡니다. v0.22.20이 최종 버전입니다.

버전 타임라인

버전	날짜	중요한 변경 사항
v0.22.20	2025-06-25	Python 3.11.9, TensorFlow 종속성 제거, 보안 업데이트에 따라 다름
v0.22.19	2025-02-26	LSTM 런타임 제거, 낮은 타이밍 테스트 어설션 임계값
v0.22.17	2025-01-29	문서 빌드 종속성 수정
v0.22.16	2024-12-11	종속성 및 호환성 유지 관리
v0.22.15	2024-12-05	TensorFlow/protobuf 종속성 수정
v0.22.14	2024-10-30	Slack 알림 통합 제거
v0.22.13	2024-10-09	TensorFlow 2.12.1 업데이트
v0.22.12	2024-09-11	일반 수정
v0.22.11	2024-06-27	일반 수정
v0.22.10	2024-05-15	상관관계 계산을 위한 NaN 프록시

인수 후 단계(2026~현재)

2026년 2월 18일에 Gretel의 GitHub 조직은 관리자에 의해 보관처리된 것으로 표시되었으며 모든 저장소는 읽기 전용이 되었습니다. 'gretel.ai' 도메인이 NVIDIA로 리디렉션되기 시작했습니다. Gretel의 기술적 기능, 특히 차등 비공개 합성 데이터 생성 기능은 NVIDIA Nemotron 플랫폼의 NeMo 데이터 디자이너 및 안전 합성기 구성 요소에 통합되어 있습니다. 기존 SaaS 사용자는 NVIDIA 생태계로 마이그레이션되었습니다.

기술적인 장점

개인 정보 보호의 이론적 기반: Gretel의 핵심 기술 차이점은 차등 개인 정보 보호(Differential Privacy) 이론을 합성 데이터 생성 프로세스에 엔지니어링 통합하는 것입니다. 훈련 과정에 통제된 노이즈를 주입함으로써 합성 데이터에서 원본 개인 기록을 추론하는 어려움을 이론적으로 정량화할 수 있습니다. 이는 데이터 과학자가 "이 합성 데이터 세트가 사용자에 대한 실제 정보를 유출할 확률은 얼마나 됩니까?"에 정확하게 답할 수 있음을 의미합니다.

역학 → 효과 → 시나리오:

• 메커니즘: 생성 후 후처리 둔감화 대신 모델 훈련 단계에서 기울기 또는 손실 함수에 차등 프라이버시 섭동(DP-SGD와 같은 알고리즘을 통해)을 적용합니다.
• 효과: 합성데이터는 통계적 수준에서는 원래의 데이터 분포특성(평균, 분산, 상관관계)을 유지하지만, 개인기록 수준에서는 개인정보 보호를 보장합니다.
• 시나리오: 의료 연구 기관이 환자 데이터를 공유할 때 Gretel을 사용하여 외부 파트너가 사용할 개인정보 보호 데이터 세트를 생성할 수 있습니다. 금융 기관은 합성 데이터를 사용하여 모델 개발 시 민감한 거래 기록을 대체할 수 있습니다.

다중 모델 전략을 위한 엔지니어링 지혜: Gretel은 단일 생성 알고리즘에 의존하지 않지만 ACTGAN(표 형식 데이터), Timeseries DGAN(시계열 데이터) 및 LSTM(텍스트, 더 이상 사용되지 않음)의 세 가지 모델을 제공합니다. "데이터 유형별 모델 선택" 설계는 "보편적 모델"로 인한 성능 저하를 방지합니다. 실제 사용에서는 데이터 형식에 따라 적절한 모델을 선택하는 것이 필요합니다.

차등 개인 정보 보호 비용: 차등 개인 정보 보호를 추가하면 합성 데이터의 통계적 충실도가 필연적으로 감소합니다. 개인 정보 보호 예산 $\epsilon$이 작을수록(보호가 강력할수록) 데이터 유틸리티 손실은 커집니다. Gretel을 사용하면 사용자가 개인 정보 보호-효용 곡선에서 균형점을 선택할 수 있지만 엔지니어링 팀은 특정 비즈니스 시나리오에 대한 데이터 정확성 허용 범위를 평가해야 합니다.

사용방법

방법 1: 오픈 소스 Python 라이브러리 사용(현재 사용 가능)

``배쉬

gretel-synthetics 설치

pip 설치 gretel-synthetics

참고: 종속성은 수동으로 설치해야 합니다.

pip install torch==2.0 # 시계열 DGAN 또는 ACTGAN용(SDV를 통해)

또는

pip install sdv<0.18 # ACTGAN용

기본 사용 프로세스:
1. 훈련 데이터 준비(Pandas DataFrame)
2. 훈련 매개변수 구성(모델 선택, 개인 정보 보호 예산 등)
3. 합성 모델 훈련
4. 종합 레코드 생성
5. 합성 데이터 품질 평가

자세한 튜토리얼은 Jupyter Notebook 예제가 포함된 GitHub 저장소의 `examples/` 디렉토리에서 찾거나 Google Colab을 통해 온라인으로 실행할 수 있습니다.

### 방법 2: NVIDIA Nemotron 생태계(현재 권장)

Gretel의 기능은 NVIDIA NeMo 데이터 디자이너에 통합되어 있습니다.
1. `https://build.nvidia.com/nemo/data-designer`를 방문하세요.
2. 시드 데이터 세트 및 합성 열 구성
3. 개인정보보호 수준 선택
4. 미리보기 및 일괄 생성

이 방법은 엔터프라이즈 수준의 SLA, 시각적 운영 인터페이스 및 대규모 생산이 필요한 기업 사용자에게 적합합니다.

### 방법 3: NVIDIA Safe Synthesizer(개인정보 보호 규정 준수 시나리오)

HIPAA/GDPR 준수가 필요한 데이터 생성 시나리오의 경우 Gretel의 차등 개인 정보 보호 기능을 상속하고 확장하는 NVIDIA Nemotron 플랫폼의 Safe Synthesizer 구성 요소를 사용하세요.

## 제품 가격

| 계층 | 가격 모델 | 설명 |
|---|---|---|
| 오픈 소스 라이브러리(자체 호스팅) | 무료 | `gretel-synthetics` PyPI 패키지, 완전 무료, 사용 제한 없음 |
| NVIDIA NeMo 데이터 디자이너 | NVIDIA 공식 가격이 적용됩니다 | 비주얼 디자이너, 대규모 생성, 전사적 지원 제공 |
| NVIDIA 엔터프라이즈 라이센스 | NVIDIA 비즈니스에 문의 | SLA, 규정 준수 인증, 개인 배포 옵션 포함 |

Gretel의 원래 SaaS 가격(레코드 수 구독 기준)은 플랫폼과 함께 오프라인으로 전환되었으며 더 이상 사용할 수 없습니다. 현재 합성 데이터 기능은 NVIDIA 생태계를 통해 제공됩니다. **구체적인 가격은 NVIDIA 공식 가격 페이지의 실시간 정보에 따라 달라질 수 있습니다**. 기업 사용자는 NVIDIA 영업팀과 비즈니스 조건을 확인하는 것이 좋습니다.

## 애플리케이션 시나리오

- **데이터 둔감화 및 규정 준수 공유**: 금융 기관은 외부 위험 통제 모델 개발자와 거래 데이터를 공유해야 하지만 GDPR/CCPA와 같은 개인 정보 보호 규정이 적용됩니다. Gretel의 ACTGAN을 사용하여 유사한 통계 특성을 가진 합성 거래 데이터를 생성하고 차등 개인 정보 보호 기능을 결합하면 모델 개발 요구 사항을 충족할 수 있을 뿐만 아니라 규정 준수 감사도 통과할 수 있습니다. 검증 초점: 개인 정보 보호 예산 $\epsilon$이 법적 요구 사항을 충족하도록 설정되었는지 여부, 합성 데이터가 주요 지표(예: 사기율 분포)의 원래 특성을 유지하는지 여부.

- **AI 에이전트 훈련 데이터 생성**: 대화형 AI 에이전트를 구축할 때 실제 대화 데이터가 부족하고 민감한 경우가 많습니다. Gretel(현 NVIDIA Nemotron)의 합성 데이터 기능은 소수의 시드 대화에서 엣지 시나리오와 의도 변화를 다루는 대규모의 다양한 대화 데이터세트를 생성할 수 있습니다. 검증 포인트 : 합성 대사의 다양성과 자연성이 실제 대사에서 롱테일 분포를 커버하기에 충분한지 여부.

- **머신러닝 테스트 및 CI/CD**: 지속적인 통합 파이프라인에는 데이터 처리 로직의 정확성을 확인하기 위해 많은 양의 테스트 데이터가 필요합니다. Gretel은 단위 테스트 및 통합 테스트를 위해 프로덕션 데이터베이스의 스키마에서 구조적으로 일관된 합성 데이터 세트를 생성하여 프로덕션 데이터가 개발 환경에 복사되는 것을 방지할 수 있습니다. 검증 핵심 포인트: 합성 데이터가 데이터 제약 조건(고유 키, 외래 키, 열거 값 범위 등)을 완전히 포함하는지 여부.

- **의료 데이터 연구**: 병원이 연구 기관과 협력하는 경우 환자 데이터는 HIPAA에 의해 엄격하게 보호됩니다. Gretel의 차등 비공개 합성 데이터는 개별 환자 정보를 노출하지 않고 일관된 통계 특성을 갖춘 합성 환자 기록을 생성할 수 있어 역학 연구 및 치료 효과 분석과 같은 시나리오를 지원할 수 있습니다. 검증 초점: 차등적 개인정보 보호를 추가하면 희귀질환 특성이 상실되고 연구 결론의 타당성에 영향을 미치는지 여부.

## 해당자

- **데이터 개인 정보 보호 및 규정 준수 엔지니어**: 개인 정보 보호 규정을 위반하지 않고 "사용 가능하지만 추적할 수 없는" 데이터 세트를 제3자에게 제공해야 합니다. Gretel의 차별적 개인정보 보호 보고서 및 개인정보 보호 점수는 규정 준수에 대한 감사 가능한 증거를 제공합니다. 그러나 차등 개인 정보 보호는 재식별 위험을 완전히 제거할 수 없으며 규정 준수 팀은 여전히 ​​법률 전문가와 협력하여 특정 시나리오를 평가해야 합니다.

- **데이터 과학자 및 ML 엔지니어**: 훈련 데이터가 부족하거나 데이터 분포가 불균형한 경우 데이터 향상을 위해 합성 데이터를 사용합니다. Gretel의 다중 모델 전략을 통해 데이터 과학자는 데이터 유형(표/시계열/텍스트)을 기반으로 가장 적절한 생성 알고리즘을 선택할 수 있습니다. 부적합한 시나리오: 합성 데이터의 신뢰성이 매우 높은 시나리오(예: 합성 데이터를 직접 사용하여 생산 모델 교육)에서는 먼저 소규모 실험을 사용하여 합성 데이터의 모델 효과 개선을 확인하는 것이 좋습니다.

- **DevOps/QA 엔지니어**: 데이터 처리 파이프라인의 정확성과 경계 조건을 검증하려면 대량의 테스트 데이터가 필요합니다. Gretel의 오픈 소스 라이브러리는 CI/CD 파이프라인에 내장되어 요청 시 테스트 데이터를 생성할 수 있습니다. 하지만 참고하세요: 오픈 소스 라이브러리는 데이터 제약 조건 무결성 보장(예: 외래 키 일관성)을 제공하지 않으며 복잡한 스키마를 합성하려면 추가 엔지니어링 작업이 필요합니다.

- **엔터프라이즈 기술 선택 의사 결정자**: 합성 데이터 도구를 평가할 때 Gretel의 오픈 소스 레거시(`gretel-synthetics`)는 기술 검증을 위해 선택되는 참조 구현입니다. 그러나 생산 중심의 대규모 합성 데이터 솔루션은 NVIDIA Nemotron 플랫폼의 전체 기능을 직접 평가해야 합니다. **경계에 적합하지 않음**: NVIDIA 생태계에 의존하지 않는 순수하게 관리되는 SaaS 서비스가 필요한 경우 Gretel은 더 이상 적합하지 않습니다. 원래 SaaS는 오프라인 상태였으며 다른 독립적인 합성 데이터 공급업체에 문의해야 합니다.

## 요약 및 전망

합성 데이터 생성 분야의 선구자로서 Gretel의 핵심 기여는 차등 개인정보 보호 이론과 엔지니어링 실무를 결합하여 "생성-평가-준수"의 완전한 데이터 합성 워크플로우를 만드는 데 있습니다. 오픈 소스 라이브러리 'gretel-synthetics'는 개인 정보를 보호하는 합성 데이터의 검증 가능한 기본 구현을 업계에 제공합니다.

NVIDIA가 인수하여 Nemotron/NeMo 생태계에 통합된 이 제품은 독립적인 도구에서 플랫폼 인프라로 이동하는 합성 데이터의 업계 동향을 나타냅니다. Gretel의 기술 DNA는 이제 NVIDIA의 AI 데이터 전략의 일부가 되어 Nemotron 모델 NeMo 미세 조정 플랫폼 LangChain Agent 프레임워크와 심층적인 시너지 효과를 형성합니다.

**현재 제한 사항 및 불확실성**:
- 독립된 SaaS는 오프라인 상태이며, 원래의 사용자 경험(웹 UI, API Key 관리, 팀 협업)을 재현할 수 없습니다.
- 오픈소스 라이브러리가 제공되지만 장기적인 유지 관리 상태는 알 수 없습니다(웨어하우스는 보관되어 있으며, 활발한 커뮤니티 포크 인수에 대한 뚜렷한 신호는 없습니다).
- NVIDIA 생태계 내에서는 Gretel의 차별화된 차별화 기능이 NVIDIA의 원래 제품 라인(예: NeMo Safe Synthesizer)과 완전히 통합되는지 여부와 독립 브랜드가 유지되는지 여부에 대한 공개 로드맵이 없습니다.

**조달/채택 위험 평가**:
- 기술적 검증: 'gretel-synthetics'의 오픈소스 라이브러리는 차등 프라이버시 합성 데이터의 기술적 개념 증명에 적합하며, 비용 없이 시작할 수 있습니다.
- 프로덕션 용도: NVIDIA Nemotron 플랫폼의 합성 데이터 서비스(NeMo Data Designer + Safe Synthesizer)를 직접 평가하여 개인 정보 보호 준수 및 데이터 규모 SLA 요구 사항을 충족하는지 확인하는 것이 좋습니다.
- 마이그레이션 비용: Gretel SaaS에 이미 기존 자산이 있는 경우 NVIDIA에 문의하여 마이그레이션 계획을 확인해야 합니다. 새 프로젝트를 시작하는 경우 기본적으로 NVIDIA 생태계를 평가 시작점으로 사용하는 것이 좋습니다.
- 공급업체 종속: NVIDIA 생태계를 선택한다는 것은 플랫폼 종속성을 수용한다는 의미이며, PoC 단계에서는 오픈 소스 대안(SDV, YData Synthetic 등)도 대안으로 평가하는 것이 좋습니다.

버전 정보

• 그레텔 합성 v0.22.20 ：axios 및 jinja2 종속성을 업데이트하고, TensorFlow 종속성을 제거하고, Python을 3.11.9로 업그레이드하고, 타이밍 DGAN 테스트 어설션 임계값을 낮췄습니다. 이는 독립적으로 운영되는 Gretel의 마지막 공개 버전이며, 2026년 2월 18일에 GitHub 저장소에 보관되었습니다. （2025-06-25）
• 그레텔 합성 v0.22.19 ：setuptools_scm을 다운그레이드하고, LSTM 런타임을 제거하고, MM 보고서를 수정하세요. 아직 공식적인 정확한 날짜는 없습니다. （2025-02-26）
• 그레텔 합성 v0.22.17 ：문서 빌드를 수정하고 jinja2를 3.1.5로 업데이트하세요. 아직 공식적인 정확한 날짜는 없습니다. （2025-01-29）
• 그레텔 합성 v0.22.10 ：상관관계 계산을 위해 NaN 프록시를 대체하고 jinja2 종속성을 업데이트했습니다. 아직 공식적인 정확한 날짜는 없습니다. （2024-05-15）