PC와 브라우저에서 AI 모델을 직접 돌리는 법, 생성 속도는 메모리 대역폭이 좌우한다(zenn.dev)
작성 언어: 한국어작성 언어로 보기
쉬운 요약
- 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.
발견한 곳
Zenn ↗ / 매체 발행 글
비슷한 일을 겪어 본 적이 있나요? 그때 어떻게 했는지 한두 줄로 들려주세요. 제품을 잘 몰라도 괜찮습니다.