2만 달러로 무엇을 학습했나
PJIT-21K는 두 사람 규모의 연구팀이 처음부터 학습한 텍스트 이미지 생성 모델이다. 프로젝트 기술 문서와 모델 상세 정보는 Linum Field Notes에 공개됐으며, 관련 소식도 Hacker News 메인 페이지에 올라갔다.
‘약 2만 달러’는 이번 전체 학습 과정의 직접 비용을 뜻한다. 팀의 모든 투입 비용을 포함하는 것은 아니며, 사용자가 모델을 이용할 때 2만 달러만 지불하면 된다는 의미도 아니다.
여기서 두 숫자를 구분해야 한다.
- 한 번의 학습에 약 2만 달러가 들었다.
- 실제 추론 비용은 하드웨어, 해상도, 샘플링 횟수, 동시 요청량, 출력 수에 따라 달라진다.
모델 학습 비용은 저렴해도 추론 비용까지 저렴한 것은 아니다. 생성형 이미지 서비스는 보통 여러 차례 후보 이미지를 반복 생성한다. 제품 예산에 들어가는 값은 학습비가 아니라 사용 가능한 결과 한 건의 비용이다.
Apache 2.0은 라이선스 조건을 지키는 한 모델의 사용, 수정, 배포를 허용하며 상업적 이용도 포함한다. 데모 페이지만 공개하거나 상업 이용을 제한하는 모델에 비해, 도입 전 법무 검토에서 생기는 마찰을 줄일 수 있다.
다만 라이선스가 호스팅 서비스를 제공하는 것은 아니다. 가중치를 받은 사용자는 여전히 GPU, 드라이버, 추론 프레임워크, VRAM 스케줄링, 스토리지 문제를 해결해야 한다.
이 프로젝트가 낮춘 첫 번째 장벽은 연구와二次 개발의 진입 장벽이지, 최종 배포 비용이 자동으로 0이 된다는 뜻은 아니다.
진짜 희소한 것은 모델 가중치가 아니다
팀은 Linum Field Notes에서 애니메이션과 스토리 제작에 더 적합한 생성형 도구를 만드는 것이 목표라고 밝혔다. 단순히 공개 리더보드용 모델이나 범용 이미지 API를 만든 것보다創作 작업 흐름에 가까운 접근이다.
두 사람 규모의 연구팀이 가질 수 있는 자원에는 명확한 한계가 있다.
- 데이터를 정리하고 학습셋을 정제하며 저작권과 라이선스를 확인해야 한다.
- 컴퓨팅 자원을 구매하거나 빌리고 학습 스크립트를 유지 관리해야 한다.
- 실험이 실패하면 다시 실행해야 하며, 모델 구조와 샘플링 전략에 대한 책임도 직접 져야 한다.
이런 팀은 안정적인 피드백을 얻기 어렵다.
- 사용자가 실제로 무엇을 생성하는지 알기 어렵다.
- 다양한創作 방향을 시험할 만큼 충분한 동시 처리량을 확보하기 어렵다.
- 모델 품질, 속도, 가격을 동시에 검증하기 어렵다.
- 설정을 바꿀 때마다 제품 개발 시간이挤자될 수 있다.
가중치 공개는 다운로드, 연구, 수정 가능 여부를 해결한다. 안정적인 배포, 일관된 출력, 실제 추론 청구액은 대신 해결해 주지 않는다.
Apache 2.0은 중요한 조건이지만 품질을 보증하는 지표는 아니다. 도입 전에는 VRAM 사용량, 첫 이미지 생성 지연 시간, 실패율, 동일 프롬프트로 반복 생성했을 때의 일관성도 확인해야 한다.
텍스트 이미지에서 비디오로 전환할 때의 비용 계산
이 연구팀은 앞서 생성형 비디오 모델 Linum v3를 개발하고 있었다. 팀은 첫 번째 목표를 inference 비용의 대폭 절감이라고 명확히解释了.
정적 이미지와 비디오는 비용 구조가 다르다.
1024×1024 이미지는 보통 수십 번의 denoising 반복이 필요하다. 몇 초짜리 비디오는 더 많은 프레임을 포함할 수 있으며, 시간적 일관성, 움직임 제어, 처음과 끝의 연결도 고려해야 한다. 출력이 늘면 추론 비용도 그만큼 커진다.
팀은 당시의 비디오 모델이 여전히 너무 느리고 비싸며 제어력도 부족해 반복적인創作을 지원하기 어렵다고 봤다.
핵심은 생성 자체가 불가능한 것이 아니라 반복 작업에 적합하지 않다는 점이다.
애니메이션이나 스토리 제작에서 사용자는 첫 결과를 그대로 받아들이지 않는다. 프롬프트를 수정하고 캐릭터를 조정하고 카메라를 바꾼 뒤 여러 버전을 다시 생성한다.
- 모델이 느릴수록 한 차례의 대기 시간이 길어진다.
- 가격이 높을수록 사용자가 과감하게 시도하기 어려워진다.
- 제어력이 약할수록 rework 횟수가 늘어난다.
따라서 비디오 모델의 경쟁력은 이미지 품질에만 있지 않다. 최소한 다음 세 가지 질문에 답해야 한다.
- 동일한 입력을 안정적으로 재현할 수 있는가?
- 사용자가 캐릭터, 동작, 카메라를 제어할 수 있는가?
- 유효한 한 번의 iteration에 실제로 얼마가 필요한가?
텍스트 이미지 프로젝트를 약 2만 달러에 한 번 학습한 사례는 소규모 팀도 이 분야에 진입할 수 있음을 보여 준다. Linum v3가 풀려는 문제는 충분한 수준의 낮은 inference 비용을 연속적인創作 환경에 제공하는 것이다.
학습비가 저렴한 것과 사용 비용이 저렴한 것은 별개로 다뤄야 한다. 전자는 일회성 R&D 지출이고, 후자는 제품이 성립할 수 있는지를 결정한다.
Apache 2.0이 바꿀 수 있는 것
대부분의 팀에서 Apache 2.0의 직접적인 가치는 ‘오픈소스’라는 표시가 아니라 도입 위험을 낮춰 준다는 데 있다.
일반적으로 다음과 같은 이용이 가능하다.
- 상업 프로젝트에 모델 사용
- 모델 수정, fine-tuning, 파생 가중치 재배포
- 자체 인프라에 모델 배포
- 라이선스가 요구하는 범위 안에서 다른 구성요소와 결합
이를 통해 팀은 데이터 경로와 비용 구조를 직접 통제할 수 있고, 애니메이션이나 스토리 등의 장면에 맞춰 fine-tuning할 수도 있다. 기업 고객 입장에서는 가중치를 감사하거나 private deployment할 수 있다는 점이 폐쇄형 API보다 중요한 경우가 많다.
그래도 세 가지는 따로 확인해야 한다.
첫째, 학습 데이터의 라이선스가 모델 출력에 대한 위험까지 없애 주지는 않는다. 모델의 상업 이용 가능 여부와 출력이 저작권, 초상권, 상표권을 침해하는지는 별개의 문제다.
둘째, Apache 2.0은 품질을 보장하지 않으며 SLA도 제공하지 않는다. 자체 배포 후 하드웨어 장애, 의존성 업데이트, 모델 호환성은 사용자가 책임져야 한다.
셋째, 가중치를 공개한다고 사용성이 자동으로 좋아지지는 않는다. README에 적힌 가중치 형식, 권장 해상도, 샘플링 파라미터가 안정적인 inference 서비스로 바뀌지는 않는다.
도입 전에는 최소한 다음을 확인해야 한다.
- 모델 저장소에 전체 구성이 포함돼 있는가?
- Apache 2.0이 가중치, 코드, 둘 다에 적용되는가?
- 추가 이용 조건이 있는가?
- 권장 inference framework와 최소 VRAM은 얼마인가?
PJIT-21K의 기술 문서와 모델 상세 정보는 Linum Field Notes 페이지에서 확인할 수 있다. 이 출처는 2차 보도보다 평가의 출발점으로 적합하다.
소규모 연구팀의 접근을 따라 할 수 있는가
답은 GPU를 사면 된다고 단순하지 않다. 접근 방식은 참고할 수 있지만 예산표를 그대로 복사해서는 안 된다.
처음부터 학습하면 데이터, 실험, 인프라 비용을 팀이 동시에 부담해야 한다. 이미 있는 모델을 호출하면 학습 비용은 사용량 기반 과금과 공급자 의존으로 바뀐다.
초기 제품에는 대체로 후자가 합리적이다. 요구사항이 안정되기 전에는 자사 모델을 학습해 잘못된 가정을 가중치에 굳히게 될 수 있기 때문이다.
하지만 호출 비용이毛利를 압박하거나 제품이 특수한 데이터, 엄격한 제어, private deployment을 요구할 때 자체 학습 모델의 가치가 생긴다.
재현하기 전에는 다섯 항목을 먼저 확인한다.
| 지표 | 확인할 질문 |
|---|---|
| 학습 비용 | 약 2만 달러에 실패한 실험, 데이터 처리, 엔지니어링 인력이 포함됐는가? |
| 추론 지연 시간 | 이미지 한 장 또는 비디오 한 초를 어떤 하드웨어, 해상도, 샘플링 횟수에서 측정했는가? |
| VRAM 사용량 | 최대 VRAM 사용량은 얼마이며, 목표 장비에서 실행할 수 있는가? |
| 라이선스 | 가중치, 코드, 데이터 설명, 상업 이용 조건이 실제 사용 범위를 모두 포함하는가? |
| 효과 안정성 | 여러 번 생성해도 캐릭터, 구도, 스타일을 일관되게 유지할 수 있는가? |
테스트 기준도 주의해야 한다. 평균 지연 시간은 long tail을 가리고, demo 비디오는 실패 횟수를 감추며, 엄선한 이미지 한 장은 실제 rework량을 감춘다.
더 신뢰할 수 있는 방법은 팀의 자체 프롬프트 모음과 하드웨어로 다시 테스트하는 것이다. 성공한 이미지 수, 전체 생성 수, 총 GPU 시간, 수동 수정에 걸린 시간을 기록한다.
최종적으로 비교할 대상은 모델이 그림을 그릴 수 있는지가 아니라 사용 가능한 결과 한 건을 만드는 데 얼마와 얼마의 시간이 필요한가다.
Linum v3를 평가할 때는 처음과 끝의 일관성, motion artifact, 캐릭터 drift, 구간별 생성 비용도 테스트해야 한다. 낮은 해상도의 prototype에서조차 빠른 재시도를 지원할 수 없다면 inference 비용 절감도創作상의 장점으로 이어지지 않는다.
편집자 관점
이번 공개의 의미는 학습비가 약 2만 달러에 불과했다는 사실에 그치지 않는다. Apache 2.0을 통해 두 사람 규모의 연구팀도 엔지니어링 결과를 공개적으로 공유할 수 있게 됐다는 점이 중요하다. 외부 팀은 가중치, 학습 설명, 비용 산정 기준을 확인할 수 있고, 수정해 추가 검증할 수도 있다. 과거의 폐쇄형 모델은 대개 효과와 API만 보여 주며 가격 구조는 서버 안에 숨겨졌다. 연구 코드를 공개하더라도 학습 데이터와 핵심 레시피가 빠져 있는 경우가 많았다. PJIT-21K는 먼저 공개한 뒤 커뮤니티가 검증하는 또 다른 길을 제시한다.
모델 가중치는 계속 저렴해지겠지만 inference 청구액과 배포 엔지니어링 비용이 자동으로 낮아지는 것은 아니다. 다음에 주목할 대상은 누가 또 학습 비용을 더 줄이느냐가 아니라 Linum v3를 통해 애니메이션과 스토리 팀이 반복적인 시행착오를 감당할 수 있게 되느냐다. 유효한 한 번의 iteration 비용을 감당 가능한 수준까지 낮출 수 있다면, 소규모 연구팀의 접근은 비용 절감담에서 재현 가능한 방법으로 바뀔 수 있다. 여전히 확인할 수 없는 부분은 약 2만 달러에 실패한 실험이 포함됐는지, 사용자의 하드웨어로 옮겼을 때도 같은 비용 구조를 유지할 수 있는지다.