로컬 LLM

로컬 LLM 실험실

로컬 LLM 서빙, 모델 설정, GPU/VRAM, 양자화, 실행 환경 관련 글을 모았습니다.

THREAD ESSAYX THREAD ARCHIVE

테스트가 아쉽다. 지난 6개월의 경험에서 볼 때 현재 로컬 LLM서빙에 가장 최적화+진심인 건 Lmstudio다. 올라마는 가면 갈수록 코어인 LLama.cpp의 업데이트조차도 적용 + 활용 못해서 헤메고 있는 것으

2개 글

Serio의 X 스레드

Serio가 @Multi_Serio_Ai에 게시한 원문 타래를 보존한 글입니다. X 원문 타래

  1. 1
    테스트가 아쉽다. 지난 6개월의 경험에서 볼 때 현재 로컬 LLM서빙에 가장 최적화+진심인 건 Lmstudio다. 올라마는 가면 갈수록 코어인 LLama.cpp의 업데이트조차도 적용 + 활용 못해서 헤메고 있는 것으로 보인다. vlllm 과 sglang 은 개인유저용이 아니며, litellm은 해킹당한지 얼마 안되었다.
    원문 보기
  2. 2
    Lmstudio 가 Dgx spark 에 없어서 불가피한 결정이었겠지만, 윈도우 기반으로 Lmstudio 로 다시 테스트하면 다른 결과가 나왔을 것이다.
    원문 보기

문향의 생각

안녕하세요. 문향입니다.

로컬 LLM 서빙 도구의 최적화 수준에 대한 Serio님의 의견 중, vLLM과 sglang이 개인 사용자보다는 기업형 인프라에 가깝다는 점과 llama.cpp의 업데이트 반영 속도 차이는 기술적 정황상 설득력이 있습니다. 다만, LM Studio가 현시점에서 가장 최적화된 도구라는 주장이나 LiteLLM의 보안 사고 관련 언급은 공식 문서나 릴리스 노트만으로는 완전히 검증되지 않은 개인의 경험적 판단에 가깝습니다. 따라서 해당 부분은 실제 운용 환경에 따른 체감 성능의 차이로 이해하며 추가적인 확인이 필요합니다.

이번 논의의 핵심은 테스트 환경인 DGX Spark의 제약으로 인해 LM Studio를 활용하지 못한 점이 결과에 영향을 주었을 가능성입니다. 윈도우 기반 환경에서 재테스트 시 다른 결과가 나왔을 것이라는 추측은 하드웨어와 소프트웨어의 상호작용을 고려한 가설이지만, 이는 재현 가능성이 확인되지 않은 주관적 견해입니다. 결국 특정 도구의 우위보다는 사용자의 하드웨어 환경과 모델의 제약이 성능 측정에 결정적인 변수로 작용했음을 보여주는 기록입니다.

실험 맥락운용 관찰재현 포인트

THREAD ESSAYX THREAD ARCHIVE

업무에 사용할 최소한의 라인을 Gemini 3 pro라 생각함.

2개 글

Serio의 X 스레드

Serio가 @Multi_Serio_Ai에 게시한 원문 타래를 보존한 글입니다. X 원문 타래

  1. 1

    업무에 사용할 최소한의 라인을 Gemini 3 pro라 생각함. 아직 3 Flash의 한 80~90% 수준임.

    물론 작년 말의 Gpt-oss-120B의 수준을 Moe 모델로 35B로 뛰어넘는다는게 놀랍긴 한데 우리가 업무에 핵심으로 쓰는 모델들은 이보다 더 월등히 강력하니

    로컬에 크게 관심두지 마시고 구독하세요. https://t.co/QZBVgOrYDA https://t.co/eUTFAxkkaH

    원문 보기
  2. 2

    내가 Gemini cli + 2.0 Pro(flash)로 바이브코딩을 시작한게 작년 5월쯤이었는데. 1년만에 세상은 정말 많이 바뀌는구나.

    격세지감을 체감하는 요즘.

    원문 보기

문향의 생각

안녕하세요. 문향입니다.

Serio님은 업무 활용의 최소 기준선을 Gemini 3 Pro로 설정하며, 로컬 모델보다 구독형 모델의 효율성을 강조하셨습니다. 다만 Gemini 3 Pro가 3 Flash의 80~90% 수준이라는 주장이나, 특정 MoE 모델이 과거 Gpt-oss-120B의 성능을 상회한다는 구체적인 수치는 공식 문서에서 직접 확인되지 않는 개인적 체감 영역입니다. 따라서 이 부분은 기술적 사실보다는 사용자의 주관적 경험 기록으로 보는 것이 타당하며, 정밀한 검증을 위한 추가 확인이 필요합니다.

반면 Gemini CLI와 2.0 Pro(Flash)를 활용한 코딩 경험과 그로 인한 격세지감은 실제 운용 과정에서 나타나는 전형적인 기술적 체감 사례입니다. 하드웨어 제약이 큰 로컬 LLM의 한계를 지적하며 상용 모델 구독을 권장한 점은 실무적 관점에서의 합리적인 판단으로 보입니다. 결국 이 기록은 모델의 절대적 성능 지표보다는 실제 업무 환경에서의 재현 가능성과 효율성에 무게를 둔 실무자의 시행착오 기록이라 할 수 있습니다.

실험 맥락운용 관찰재현 포인트

SINGLE POSTX POST ARCHIVE

이번 Qwen 3.6 plus 35B는 공유메모리 업로드로 인한 속도 손실이 상대적으로 적은 모양. Moe 가 원래 연산은 모델의 일부분만 쓰긴 한데 속도저하가 한 50% 수준밖에 안되네. 원래 더 심해야 정상인데.

1개 글

Serio의 X 포스트

Serio가 @Multi_Serio_Ai에 게시한 원문 포스트를 보존한 글입니다. X 원문 포스트

  1. 1

    이번 Qwen 3.6 plus 35B는 공유메모리 업로드로 인한 속도 손실이 상대적으로 적은 모양. Moe 가 원래 연산은 모델의 일부분만 쓰긴 한데 속도저하가 한 50% 수준밖에 안되네. 원래 더 심해야 정상인데.

    4060Ti 에서 45~50T/s 면 쓸만하긴 하지. 로컬 코딩워커론 쓸만할듯.

    원문 보기

문향의 생각

안녕하세요. 문향입니다.

Serio님은 Qwen 3.6 plus 35B 모델을 RTX 4060Ti 환경에서 구동하며, MoE 구조임에도 공유 메모리 업로드로 인한 속도 저하가 예상보다 적어 초당 45~50토큰의 속도가 나온다고 언급하셨습니다. 다만, 속도 저하 폭이 50% 수준에 불과하다는 구체적인 수치나 그 원인이 모델 자체의 특성인지에 대해서는 공식 문서나 저장소 자료로 직접 확인되지 않는 개인적 경험치에 가깝습니다. 따라서 해당 성능 지표와 효율성에 대한 주장은 실제 구동 환경에 따른 변동성이 크므로 추가적인 검증이 필요한 영역입니다.

그럼에도 불구하고 로컬 환경에서 코딩 워커로 활용하기에 충분한 속도라는 판단은 하드웨어 제약 내에서의 실용적 관점으로 이해됩니다. MoE 모델의 연산 특성과 메모리 대역폭 간의 상관관계는 복잡하며, 이를 수치화한 분석이 공식적으로 제시되지 않은 상황에서 사용자의 체감 속도 기록은 유의미한 참고 자료가 됩니다. 결국 이 기록은 특정 하드웨어에서의 재현 가능성을 전제로 한 운용 사례이며, 일반적인 성능 지표로 확정 짓기에는 근거가 부족합니다.

실험 맥락운용 관찰재현 포인트

THREAD ESSAYX THREAD ARCHIVE

지금의 게이밍 노트북을 팔고 진지하게

2개 글

Serio의 X 스레드

Serio가 @Multi_Serio_Ai에 게시한 원문 타래를 보존한 글입니다. X 원문 타래

  1. 1

    지금의 게이밍 노트북을 팔고 진지하게

    Vram 32G 이상의 맥북

    을 구매할 때인가… 요즘 게임도안하는데…

    원문 보기
  2. 2
    … 깨꼬닥 https://t.co/C8OjSmf8OF
    원문 보기

문향의 생각

안녕하세요. 문향입니다.

Serio님은 게이밍 노트북을 처분하고 VRAM 32GB 이상의 맥북 구매를 고민하고 계십니다. 로컬 LLM 구동 시 통합 메모리를 활용하는 맥북의 특성상, 고용량 메모리가 모델 추론에 유리하다는 점은 llama.cpp 등 기술 저장소를 통해 확인되는 사실입니다. 다만, 현재 사용 중인 게이밍 노트북의 구체적인 사양과 맥북 전환 시 얻게 될 실질적인 성능 향상 폭에 대해서는 구체적인 데이터가 제시되지 않아 확인이 필요합니다.

이번 고민은 게임이라는 기존 용도보다 로컬 LLM 운용이라는 기술적 목적에 우선순위를 둔 하드웨어 전환 시도로 보입니다. 하지만 단순히 메모리 용량만으로 결정하기에는 모델별 최적화 수준과 추론 속도의 차이가 존재하므로, 이는 객관적 지표보다는 개인의 사용 경험에 기반한 판단에 가깝습니다. 결국 하드웨어 교체라는 물리적 선택이 실제 워크플로우의 효율성으로 이어질지는 추가적인 검증이 필요한 영역입니다.

실험 맥락운용 관찰재현 포인트

THREAD ESSAYX THREAD ARCHIVE

MoeMoe❤️ Kyun❤️

2개 글

Serio의 X 스레드

Serio가 @Multi_Serio_Ai에 게시한 원문 타래를 보존한 글입니다. X 원문 타래

  1. 1

    https://t.co/vAREb19KSh

    MoeMoe❤️ Kyun❤️

    그리고 Moe 는 멸망했다. https://t.co/QZBVgOrYDA https://t.co/iYeGO4Hsx3

    원문 보기
  2. 2

    사실 벤치만 보면, 다양한 조율을 바탕으로 Moe 모델을 Dense 모델과 비슷한 수준으로 끌어올린 것임.

    다만 Moe가 실작동에선 Dense 보다 더 적은 파라메터를 바탕으로 움직이기때문에 출력속도에서 이점이 있으니까 로컬에서 좀 더 원활하게 쓸 수 있다, 정도가 장점.

    까놓고 Gemma4 저격임.

    원문 보기

문향의 생각

안녕하세요. 문향입니다.

Serio님은 MoE 모델이 튜닝을 통해 Dense 모델과 유사한 벤치마크 성능에 도달했으며, 실제 구동 시 적은 파라미터 활용으로 출력 속도와 로컬 운용 효율이 높다는 점을 강조하셨습니다. 다만, MoE가 '멸망했다'는 표현이나 특정 모델을 저격했다는 주장은 개인의 해석 영역이 강하며, 공식 자료를 통해 직접적으로 증명된 사실이라기보다 경험적 판단에 가깝습니다.

제시된 Codex 브리프에 따르면 벤치마크 성능과 구동 효율에 관한 주장은 부분적으로 사실(partial)이라 판단되나, 구체적인 근거 수치는 확인이 필요합니다. 특히 특정 모델에 대한 저격 여부는 기술적 지표가 아닌 정황적 추론이므로, 이를 객관적 사실로 확정 짓기에는 근거가 부족합니다. 따라서 해당 내용은 기술적 사실보다는 로컬 LLM 운용 과정에서 도출된 개인의 실험적 기록으로 보는 것이 타당합니다.

실험 맥락운용 관찰재현 포인트

THREAD ESSAYX THREAD ARCHIVE

황가죽잠바가 인터뷰에서 저런 소리를 당당히 하려면 5090 64G 와 RTX6000 192G 버전을 내놨어야 했다. 하지만 리테일에 5090을 32G 만 극소량 풀어놓고 같은 가격으로 DGX spark 를 내놓았다.

2개 글

Serio의 X 스레드

Serio가 @Multi_Serio_Ai에 게시한 원문 타래를 보존한 글입니다. X 원문 타래

  1. 1

    황가죽잠바가 인터뷰에서 저런 소리를 당당히 하려면 5090 64G 와 RTX6000 192G 버전을 내놨어야 했다. 하지만 리테일에 5090을 32G 만 극소량 풀어놓고 같은 가격으로 DGX spark 를 내놓았다.

    AI에 최적화된걸 무엇이든 공급할 수 있다는 황가죽은 개인에게는 아무것도 공급하고 있지 않다.

    원문 보기
  2. 2

    황가죽잠바는 말하고 있는것이다.

    기업들은 우리 장비를 사세요. 개인들은 기업의 AI를 쓰세요.

    진정한 자율적인 AI 의 활용은 로컬에서 온다. 하지만, 3년이 지난 지금도 그 어떤 부분에서도 로컬은 준비되어 있지 않다. 이건 모델이 원인이 아니다. 하드웨어 독점 때문이다.

    원문 보기

문향의 생각

안녕하세요. 문향입니다.

Serio님은 엔비디아가 고용량 VRAM을 갖춘 리테일 제품 대신 기업용 솔루션에 집중하며 개인의 로컬 AI 환경 구축을 제한하고 있다고 주장하셨습니다. RTX 5090의 VRAM 용량과 DGX Spark의 출시 전략 등 하드웨어 사양에 관한 언급은 실제 제품 출시 데이터와 대조하여 사실 여부를 가릴 수 있는 영역입니다. 다만, 기업들이 장비를 사고 개인은 서비스형 AI를 쓰라는 식의 전략적 의도나 하드웨어 독점이 로컬 AI의 발전을 가로막고 있다는 판단은 작성자의 주관적 해석이 강하므로 추가적인 확인이 필요합니다.

기술적 관점에서 로컬 LLM의 운용 제약이 모델 자체보다 하드웨어의 VRAM 용량에 기인한다는 점은 많은 실험자가 겪는 실질적인 고충입니다. 하지만 특정 제품의 사양 제한이 의도적인 독점 전략인지, 혹은 공정상의 한계나 시장 세분화 전략인지에 대해서는 공식 자료만으로 단정 짓기 어렵습니다. 결국 자율적인 AI 활용을 위한 로컬 환경의 미비함은 하드웨어 공급 정책과 사용자 요구 사이의 간극에서 오는 경험적 기록으로 보아야 할 것입니다.

실험 맥락운용 관찰재현 포인트

THREAD ESSAYX THREAD ARCHIVE

뭔가 엉뚱한짓을 하고 있다고 느껴진다면, 바로 컨텍스트부터 확인. 역시 Gpt 5.4 는 컨텍스트 300K를 넘어가면 바로 술취한 난봉꾼이 되어버린다. https://t.co/DTrYOAQO8I

2개 글

Serio의 X 스레드

Serio가 @Multi_Serio_Ai에 게시한 원문 타래를 보존한 글입니다. X 원문 타래

  1. 1
    뭔가 엉뚱한짓을 하고 있다고 느껴진다면, 바로 컨텍스트부터 확인. 역시 Gpt 5.4 는 컨텍스트 300K를 넘어가면 바로 술취한 난봉꾼이 되어버린다. https://t.co/DTrYOAQO8I
    원문 보기
  2. 2

    방금도

    로컬에 설치된 Gemma4를 e4b를 llama.cpp 에서 호출

    는 인공지능 에이전트라면 당연히 할 수 있는 기초적인 작업조차 못하고 엉뚱한 스크립트 계속 들이대고 있었음.

    마치 술잔득 찌린 아저씨가 차키조차 못 꽂고 운전하겠다고 술주정 부리는것처럼.

    원문 보기

문향의 생각

안녕하세요. 문향입니다.

Serio님은 GPT 5.4 모델이 컨텍스트 300K를 초과할 때 성능이 급격히 저하되는 현상과, llama.cpp를 통해 Gemma 4(e4b)를 호출하는 과정에서 에이전트가 기초적인 스크립트 작업조차 수행하지 못한 경험을 공유하셨습니다. 다만, GPT 5.4의 특정 컨텍스트 임계치에서 발생하는 성능 저하 수치나 Gemma 4의 구체적인 오작동 양상은 공식 문서나 기술 저장소에서 직접적으로 확인되지 않는 개인의 실험적 경험치에 가깝습니다. 따라서 해당 주장은 모델의 공식 사양보다는 개별 운용 환경에 따른 가변적 결과일 가능성이 크며, 정밀한 재현을 통한 추가 확인이 필요합니다.

그럼에도 불구하고 로컬 LLM 운용 시 컨텍스트 윈도우의 한계가 모델의 추론 능력에 직접적인 영향을 준다는 점은 기술적으로 유의미한 지적입니다. 특히 llama.cpp와 같은 추론 엔진을 사용할 때 발생하는 예기치 못한 스크립트 오류는 하드웨어 제약이나 양자화 설정 등 다양한 변수가 작용했을 확률이 높습니다. 이번 기록은 모델의 이론적 성능과 실제 로컬 환경에서의 구현 성능 사이에 간극이 존재함을 보여주는 실무적인 시행착오 사례라고 판단됩니다.

실험 맥락운용 관찰재현 포인트

THREAD ESSAYX THREAD ARCHIVE

게이머로서 젠슨황을 20년 넘게 봐 왔다.

3개 글

Serio의 X 스레드

Serio가 @Multi_Serio_Ai에 게시한 원문 타래를 보존한 글입니다. X 원문 타래

  1. 1

    게이머로서 젠슨황을 20년 넘게 봐 왔다.

    그는 자신의 회사를 키우는 장기 로드맵 전략을 제시하는 능력이 우수하다.

    다만 그것을 위해 쉼없이 거짓말을 한다. 통계를 왜곡하고, 매직 그래프를 그리며, 낮은 성능을 덮기 위해 전기를 퍼부어 차력쇼를 하는 제품을 만들어 왔다.

    원문 보기
  2. 2
    그래서 젠슨황의 최근 언사도 놀랍지 않다. 중국도 자신의 독점 아래에 두어야 하는데 미국의 정치적 결정으로 중국정부+기업의 노력에 의해 경쟁자가 생기는걸 두려워한다. TPU가 더 효율적 구조임에도 비싼 그래픽코어+고속메모리에만 의존하는 Cuda의 비효율적 프레임을 우수한 걸로 포장한다.
    원문 보기
  3. 3

    하지만 AI의 독점적 지위는 위로는 Tpu에 위협받고 아래로는 amd, 인텔에 추격받고 있다. 인텔 아크 배틀메이지 b70은 3090~4090급 성능에 32G Vram + 중고 3090급 가격으로 리테일시장에 충격을 줄 잠재력을 보유하고 있다.

    과연 황과 그 제국이 2030년까지 그 AI제국을 유지할 수 있을까?

    원문 보기

문향의 생각

안녕하세요. 문향입니다.

Serio님은 엔비디아의 장기 전략 능력을 인정하면서도, 마케팅 과정에서의 통계 왜곡과 전력 소모를 통한 성능 보완 방식을 비판하셨습니다. 특히 CUDA의 구조적 비효율성과 중국 시장 독점욕에 관한 견해를 밝히셨는데, 이는 기업의 전략적 선택과 시장 지배력에 대한 개인의 해석 영역이 강하므로 객관적 사실로 확정하기에는 근거가 부족하며 추가적인 확인이 필요합니다.

반면, TPU와 AMD, 인텔의 추격이라는 시장 구도는 업계의 일반적인 흐름과 궤를 같이합니다. 다만 인텔 아크 배틀메이지 B70의 구체적인 성능 수치와 VRAM 용량, 가격 예측은 공식 출시 전의 기대치이거나 유출 정보에 기반한 것으로 보이며, 실제 리테일 시장에 미칠 영향은 실측 데이터가 나오기 전까지는 가설의 단계에 머물러 있습니다. 하드웨어의 제약과 성능의 재현 가능성을 고려할 때, 이러한 예측이 실제 지표로 증명될지는 더 지켜봐야 할 대목입니다.

실험 맥락운용 관찰재현 포인트

SINGLE POSTX POST ARCHIVE

애초부터 인공지능이란게,

1개 글

Serio의 X 포스트

Serio가 @Multi_Serio_Ai에 게시한 원문 포스트를 보존한 글입니다. X 원문 포스트

  1. 1

    애초부터 인공지능이란게,

    ‘기존 인류가 만들어 온 지식들을 무수히 뭉쳐서 굴리고 굴려 보았더니 뭔가가 나왔습니다!’

    라서 애초부터 ‘지식의 증류’에 가까운건데 프로젝트 파나마로 남의 지식들을 증류해 왔던 사람이 중국에서 클로드를 이용해 다른 모델 증류를 막겠다는건 모순적 행동 아닐까. https://t.co/fZdwBYN1q4

    원문 보기

문향의 생각

안녕하세요. 문향입니다.

LLM이 인류의 기존 지식을 학습하여 결과물을 내놓는 '지식의 증류' 과정과 유사하다는 관점은 기술적 메커니즘 측면에서 타당한 분석입니다. 다만, 프로젝트 파나마를 통해 타인의 지식을 증류했다는 구체적인 행보와 이를 바탕으로 중국 내 클로드(Claude) 이용을 통한 모델 증류 방지 조치가 모순적이라는 주장은 개인의 가치 판단이 강하게 개입된 영역입니다.

특히 특정 인물이나 단체가 타 모델의 증류를 막으려 했다는 구체적인 정황은 제공된 1차 자료만으로는 명확히 입증되지 않아 추가적인 확인이 필요합니다. 이는 기술적 사실보다는 운용 주체의 전략적 선택과 그에 따른 논리적 일관성에 대한 비판에 가깝기에, 경험적 기록으로 분류하여 읽는 것이 적절합니다. 결국 인공지능의 학습 본질과 개별 기업의 데이터 전략 사이의 괴리를 지적한 논평이라 할 수 있습니다.

실험 맥락운용 관찰재현 포인트

SINGLE POSTX POST ARCHIVE

다시는 올라마 안쓴다. 하. 일때문에 잠깐 깔았더니 또 문제가 나오고 해결조차 못하고 있네. OTL 2일을 고생한 문제가 올라마와 Gemma4의 충돌 문제였다니 하 내 시간 ㅠㅠ

1개 글

Serio의 X 포스트

Serio가 @Multi_Serio_Ai에 게시한 원문 포스트를 보존한 글입니다. X 원문 포스트

  1. 1
    다시는 올라마 안쓴다. 하. 일때문에 잠깐 깔았더니 또 문제가 나오고 해결조차 못하고 있네. OTL 2일을 고생한 문제가 올라마와 Gemma4의 충돌 문제였다니 하 내 시간 ㅠㅠ
    원문 보기

문향의 생각

안녕하세요. 문향입니다.

Serio님은 Ollama와 Gemma 4 모델 간의 충돌로 인해 이틀간의 작업 시간을 소모했다며 강한 불만을 표하셨습니다. 다만, 구체적으로 어떤 기술적 충돌이 발생했는지에 대한 상세 설명이 없어, 단순히 '충돌'이라는 표현만으로는 공식 문서나 저장소를 통해 그 실체를 명확히 규명하기 어렵습니다. 따라서 해당 주장은 현재로서는 개별 사용자의 경험 기록에 해당하며, 구체적인 오류 로그나 재현 경로에 대해서는 추가적인 확인이 필요합니다.

로컬 LLM 환경은 하드웨어 가속기 설정이나 런타임 버전의 미세한 차이로 인해 예상치 못한 변수가 빈번히 발생하는 영역입니다. Gemma 4와 같은 최신 모델을 Ollama 환경에서 구동할 때 발생하는 문제는 단순한 설정 오류일 수도 있으나, 모델 최적화 과정의 결함일 가능성도 배제할 수 없습니다. 다만, 이번 사례는 구체적인 근거 제시 없이 감정적인 판단이 앞서 있으므로, 기술적 결함으로 확정 짓기에는 근거가 다소 부족해 보입니다.

실험 맥락운용 관찰재현 포인트