{"id":1408,"kind":"story","title":"PC와 브라우저에서 AI 모델을 직접 돌리는 법, 생성 속도는 메모리 대역폭이 좌우한다","url":"https://zenn.dev/port_inc/articles/ff974c7456f4db","host":"zenn.dev","by":"startupxo","score":0,"comments":0,"time":"2026-11-17T12:28:20.676Z","origin":"curated","language":{"source":"ko","reading":"ko","translated":false},"summary":["AI 모델의 실체는 가중치라는 대량의 숫자를 담은 파일이다. 클라우드, 사내 서버, 개인 단말 중 어디서 돌릴지 고를 수 있고, 단말에서 돌리면 입력이 기기 밖으로 나가지 않는다. 첫 다운로드 후에는 통신 없이도 쓸 수 있다.","글자를 하나씩 만들 때의 속도는 연산 성능보다 메모리 대역폭이 좌우한다. 필자 계산으로 대역폭을 모델 크기로 나눈 이론 상한의 6~8할이 llama.cpp 벤치마크 실측에 나왔다. 긴 문서를 넣으면 KV 캐시(앞선 계산 결과 저장 공간)가 커져 속도가 떨어진다.","4비트 양자화(숫자를 거칠게 줄여 용량을 줄이는 방법) 기준으로 GPU 메모리 8GB급에서 Qwen3.5-4B, 24GB급에서 Qwen3.6-27B 등이 소개됐다. Epoch AI는 RTX 5090 1장에서 도는 최고 모델이 최상위 모델보다 평균 6~12개월 뒤처진다고 비교했다.","브라우저에서는 WebGPU 기반 WebLLM과 llama.cpp 브라우저판 wllama로 모델을 돌릴 수 있다. 작은 모델은 글을 쓰지 않고 선택지의 확률만 읽는 분류에 쓰거나, 증류와 LoRA(일부 가중치만 추가 학습하는 방법)로 용도에 맞게 다듬을 수 있다고 필자는 설명한다."],"discussion":"https://startupxo.com/ko/1408/","markdown":"https://startupxo.com/ko/1408.md","api":"https://startupxo.com/api/v1/item.json?id=1408&lang=ko","text":null,"edited":null,"sources":[{"site":"rss","name":"Zenn","url":"https://zenn.dev/port_inc/articles/ff974c7456f4db","score":null,"comments":null,"observed_at":"2026-11-17T18:25:01Z"}],"thread":[]}