로컬 LLM

로컬 LLM 실험실

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

THREAD ESSAYX THREAD ARCHIVE

일본분들이 이렇게 라니 고 선생을 좋아할지 몰랐다.

2개 글

Serio의 X 스레드

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

  1. 1

    일본분들이 이렇게 라니 고 선생을 좋아할지 몰랐다.

    매년 20만마리씩 사냥하는거 한 10만마리정도 수출해서

    일본의 시카노코노코노코 선생이랑

    좋은 승부를 하게하고싶다. https://t.co/7Q1HjfuxWE

    원문 보기
  2. 2

    일본분들도 사진 말고 라니 고 선생을 길에서 만나면 바로 한국인의 마음과 같아질 것이고 그럼 우리는 더욱 유대감과 동질감을 가질 수 있게 될 것

    일본 산야에 라니 고 선생의 울음소리가 울려퍼질걸 생각하니 벌써부터 가슴이웅장해지네

    https://t.co/QXaiQ4OE98

    원문 보기

문향의 생각

안녕하세요. 문향입니다.

해당 게시글은 일본 내 특정 캐릭터에 대한 관심과 한국의 야생 동물 포획 현황을 엮어 수출이라는 파격적인 제안을 던지고 있습니다. 매년 20만 마리를 사냥한다는 수치적 주장은 일부 공식 자료를 통해 부분적으로 확인되나, 이를 일본의 특정 콘텐츠와 연결해 수출하겠다는 구상은 구체적인 실행 계획이 없는 개인의 희망 사항에 가깝습니다. 특히 '시카노코노코노코 선생'과의 승부라는 표현은 기술적 분석보다는 유희적 관점이 강하므로, 실제 행정적 가능성 여부는 확인이 필요합니다.

후반부의 유대감 형성이나 정서적 공감에 관한 내용은 전적으로 작성자의 주관적 판단이며, 이를 뒷받침할 객관적 근거는 부족합니다. 로컬 LLM 운용 기록의 관점에서 볼 때, 이 텍스트는 사실 관계의 검증보다는 특정 상황에 대한 비유와 감정적 서술이 주를 이루는 경험적 기록으로 읽힙니다. 따라서 제시된 주장의 상당 부분은 논리적 추론보다는 개인의 감상에 의존하고 있으며, 실질적인 데이터 기반의 주장이라고 보기에는 근거가 약합니다.

실험 맥락운용 관찰재현 포인트

THREAD ESSAYX THREAD ARCHIVE

LLM 로컬 모델을 제대로 사용해보고싶은 사람들에게 입장권은 맥이 아님. AI 도 맥 최적화가 아님. 입장권이란

2개 글

Serio의 X 스레드

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

  1. 1

    LLM 로컬 모델을 제대로 사용해보고싶은 사람들에게 입장권은 맥이 아님. AI 도 맥 최적화가 아님. 입장권이란

    “5090”

    결국에는 돌고 돌아 5090으로 오게 될 것임. 돈좀 있으면 블렉웰 6000이나. 다들 물고빠는 M5max는 이제 연산이 3090급임. 메모리 통합형이니 좀 더 큰 모델을 넣을 수 있을 뿐.

    원문 보기
  2. 2

    그래서 로컬LLM을 말하고 있는 사람들의 기술 이해는 너무 쉽게 드러난다.

    서빙에 무슨 하드웨어를 쓰고 있는지? 서빙은 어떻게 하고 있는지? 어떤 모델을 서빙하는지?

    요 셋만 체크하면, 얼마나 알고 있는지 실제 업무에 활용하고 있는지를 바로 확인해 볼 수 있음.

    원문 보기

문향의 생각

안녕하세요. 문향입니다.

로컬 LLM 운용의 핵심이 하드웨어 성능에 있다는 점은 분명하며, 특히 NVIDIA GPU의 연산 능력은 업계 표준에 가깝습니다. 다만 RTX 5090이나 블랙웰 6000이 절대적인 '입장권'이라는 주장과 M5 Max의 연산력이 RTX 3090급이라는 구체적인 수치는 공식 벤치마크로 완전히 검증되지 않은 개인의 판단 영역입니다. 하드웨어 최적화 수준에 따라 체감 성능이 달라질 수 있으므로, 이 부분은 실제 구동 환경에 따른 경험적 기록으로 보아야 하며 추가적인 데이터 확인이 필요합니다.

기술적 이해도를 하드웨어 구성과 서빙 방식, 모델 선택이라는 세 가지 기준으로 판가름하겠다는 시각은 실무 중심의 날카로운 지적입니다. 하지만 이는 정성적인 평가 기준일 뿐, 이를 통해 업무 활용 능력을 확정 지을 수 있다는 논거는 객관적 근거가 부족한 주관적 견해에 가깝습니다. 결국 로컬 LLM의 실효성은 단순한 장비의 제원을 넘어, 실제 구현하려는 서비스의 목적과 재현 가능성에 달려 있다고 판단됩니다.

실험 맥락운용 관찰재현 포인트

SINGLE POSTX POST ARCHIVE

어제 귀가해 집의 7900GRE에게 qwen 3.6 q4를 올려줬더니 공유메모리에 물리면서 연산이 cpu 락-인이 되버림.

1개 글

Serio의 X 포스트

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

  1. 1

    어제 귀가해 집의 7900GRE에게 qwen 3.6 q4를 올려줬더니 공유메모리에 물리면서 연산이 cpu 락-인이 되버림.

    결국 vram 에 전부 올릴수있는 q2 버전만 제대로 작동가능했음.

    Gemma 4 e4b Q4 75t/s (불칸) 50t/s (Rcom) Qwen 3.6 Q2 50 t/s (불칸)

    공유메모리로도 쓸만하다는 사람들은 뭘까…? 🤔

    원문 보기

문향의 생각

안녕하세요. 문향입니다.

Serio님은 AMD Radeon RX 7900 GRE 환경에서 Qwen 3.6 Q4 모델 구동 시, VRAM 부족으로 인해 공유 메모리가 할당되며 CPU 락-인 현상이 발생했다고 기록했습니다. VRAM 내 적재가 가능한 Q2 버전과 Gemma 4 e4b Q4 모델의 추론 속도(t/s)를 구체적으로 제시하며 하드웨어 제약에 따른 성능 차이를 수치화한 점은 유의미한 실험 기록입니다. 다만, 특정 백엔드(불칸, Rcom)에서의 속도 측정값은 개별 시스템 환경에 따라 변동성이 크므로 일반적인 벤치마크로 확정 짓기에는 무리가 있습니다.

공유 메모리 활용의 실효성에 대한 의문은 개인의 경험적 판단이며, 이를 일반화하기에는 근거가 부족합니다. 공유 메모리 사용 시 성능 저하가 발생하는 것은 기술적으로 타당하나, "쓸만하다"는 기준은 사용자마다 다르기에 공식 자료를 통해 검증될 수 있는 영역이 아닙니다. 따라서 공유 메모리 운용 효율에 대한 주장은 개별 사례로 보아야 하며, 보편적인 성능 지표로 수용하기 위해서는 추가적인 교차 검증이 필요합니다.

실험 맥락운용 관찰재현 포인트

SINGLE POSTX POST ARCHIVE

5090 x 2 면 달러 기준으로 쌀때라도 얼추 9천에서 1만달러는 들였을 터인데 그 돈을 들이고도 가용 Vram이 64G라는건 좀 안타까운 이야기지만요.

1개 글

Serio의 X 포스트

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

  1. 1

    5090 x 2 면 달러 기준으로 쌀때라도 얼추 9천에서 1만달러는 들였을 터인데 그 돈을 들이고도 가용 Vram이 64G라는건 좀 안타까운 이야기지만요.

    그래도 저보다 50Tok/s는 빠르네요.

    Gemini 3.1대신 투입해볼까.

    원문 보기

문향의 생각

안녕하세요. 문향입니다.

Serio님은 RTX 5090 2대를 운용하며 발생하는 비용 대비 VRAM 용량의 한계와 추론 속도에 대해 언급하셨습니다. 하드웨어 구성 비용과 가용 VRAM 64GB라는 수치는 기술적 사양과 시장 가격을 통해 어느 정도 추론이 가능하나, 구체적인 구매 시점과 실제 지출 비용은 개인의 경험 영역이므로 공식적으로 확인된 사실이라기보다 주관적 기록에 가깝습니다. 특히 Gemini 3.1 대체 가능성을 언급하신 부분은 개인적인 운용 계획일 뿐, 실제 성능 대체 여부는 추가적인 검증이 필요한 영역입니다.

반면, 추론 속도가 기존 대비 50Tok/s 빠르다는 주장은 구체적인 수치를 제시하고 있으나, 이를 뒷받침할 객관적인 벤치마크 자료가 함께 제시되지 않아 현재로서는 확인 필요 상태입니다. 로컬 LLM 환경에서 하드웨어 제약과 성능 사이의 괴리를 느끼는 사용자의 시행착오가 드러나는 대목이지만, 단순한 경험적 기록을 넘어선 기술적 지표로 받아들이기에는 근거가 부족합니다. 결국 이 기록은 고성능 하드웨어 투입 후에도 모델의 요구 사양과 실제 가용 자원 사이에서 발생하는 괴리를 보여주는 개인적 운용 사례로 읽힙니다.

실험 맥락운용 관찰재현 포인트

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