Liquid AI의 오픈 d1 모델, 엣지 하드웨어에서 멀티모달 AI 추론 실행

Liquid AI가 스마트폰, 노트북, 임베디드 칩 등 엣지 하드웨어에서 직접 멀티모달 추론을 실행하도록 설계된 오픈 웨이트 d1 결정 모델을 공개했습니다 — 클라우드 서버로 데이터를 전송할 필요가 없습니다. 워크플로에서 더 빠르고 프라이빗한 로컬 추론을 원하는 크리에이터에게 이는 의미 있는 아키텍처 전환입니다.

핵심 요약

• Liquid AI의 오픈 d1 모델은 클라우드 인프라가 아닌 엣지 배포를 위해 특별히 설계된 오픈 웨이트 멀티모달 결정 모델입니다.
• 제한된 하드웨어에서 단일 추론 패스 내에 텍스트, 이미지, 구조화 데이터 등 여러 입력 유형을 처리합니다.
• 「오픈 웨이트」란 가중치를 공개적으로 다운로드할 수 있으며, API 구독 없이 로컬에서 실행하거나 수정 및 파인튜닝할 수 있음을 의미합니다.
• 엣지 배포는 낮은 레이턴시, API 호출당 비용 없음, 디바이스 외부로 데이터 유출 없음을 의미하며 — 대량 이미지 세트를 로컬에서 배치 처리할 때 특히 유용합니다.
• 모델은 Hugging Face에 호스팅되어 있어, 이미 Hub를 통해 모델을 관리하는 크리에이터라면 즉시 접근할 수 있습니다.

d1 아키텍처가 실제로 다른 점

대부분의 멀티모달 모델은 데이터센터 GPU를 위해 설계되어 API를 통해 접근합니다. Liquid AI의 d1 모델은 다른 우선순위를 중심으로 구축되었습니다: 메모리와 연산 예산이 빠듯한 하드웨어에서 입력 인식, 추론, 출력 생성으로 이어지는 완전한 결정 루프를 실행하는 것입니다. Hugging Face 블로그 포스트에 따르면, d1 패밀리는 표준 트랜스포머 백본 대신 Liquid AI의 독자적인 아키텍처(Liquid Neural Networks에서 파생)를 사용하며, 이것이 더 작은 메모리 풋프린트를 달성하는 방법 중 하나입니다.

실질적인 의미: 로컬 ComfyUI 또는 Automatic1111 환경을 운영하는 크리에이터라면, 원칙적으로 d1 모델을 이미지 라우팅이나 캡셔닝 결정을 내리는 워크플로 노드에 연결할 수 있습니다 — 외부 API를 거치거나 클라우드 레이턴시를 추가하지 않고도 말입니다.

비용 구조를 바꾸는 오픈 웨이트의 핵심

여기서 핵심 키워드는 오픈 웨이트입니다. 가중치를 한 번 다운로드하면 자신의 하드웨어에서 실행할 수 있으며, 추론당 비용은 전혀 없습니다. 수백 장의 이미지를 배치 처리하는 크리에이터 — 캡션 생성, 콘텐츠 유형별 출력 라우팅, 자동 품질 검사 등 — 에게 호출당 API 비용 절감은 빠르게 누적됩니다. 이를 구독 기반 모델 접근 방식과 비교해 보세요: Google은 최근 무료 Gemini 사용자를 가장 가벼운 Flash Lite 티어로 제한했으며, 이는 Google 무료 플랜 변경 관련 보도에서 다룬 바 있습니다.

파인튜닝도 가능합니다. 가중치가 공개되어 있기 때문에, 건축 시각화, 캐릭터 시트 생성, 제품 사진 등 특정 분야에서 작업하는 크리에이터는 도메인별 데이터로 d1 모델을 파인튜닝하여 해당 사용 사례에 맞는 라우팅 또는 캡셔닝 결정을 더욱 정밀하게 만들 수 있습니다.

실제 로컬 파이프라인에서의 위치

200장의 이미지를 배치로 생성하고 업스케일링 전에 품질 등급별로 자동 분류해야 하는 캐릭터 아트 크리에이터를 생각해 보세요. 오늘날 이는 대개 수동 검토 또는 각 이미지에 대한 비전 모델 API 호출을 의미합니다. 로컬에서 실행되는 d1 모델은 생성 작업을 수행하는 동일한 머신에서 해당 분류 단계를 처리할 수 있습니다 — 네트워크 홉 없이, 이미지당 비용 없이, 스튜디오 밖으로 데이터 유출 없이.

아직 플러그 앤 플레이 수준은 아닙니다. Hugging Face에서 가중치를 가져오고, 하드웨어가 Liquid AI가 명시한 메모리 요구 사항을 충족하는지 확인하고, 모델을 파이프라인에 수동으로 연결해야 합니다. Hub에서 모델을 가져오고 추론 스크립트를 실행하는 데 이미 익숙하다면 진입 장벽은 낮습니다. 로컬 모델 배포가 처음이라면, Charmloop 가이드에서 오픈 웨이트 모델을 로컬에서 실행하는 기본 사항을 다루고 있습니다.

아직 남은 과제

d1 릴리스는 초기 단계입니다. Apple의 온디바이스 모델, Qualcomm의 엣지 AI 스택, Microsoft의 Phi 시리즈 등 비교 가능한 엣지 모델과의 벤치마크 수치는 아직 직접 비교를 위해 널리 공개되지 않았습니다. Liquid AI의 아키텍처는 수년간 커뮤니티 툴링이 축적된 트랜스포머 기반 모델에 비해 크리에이티브 파이프라인에서의 검증이 덜 이루어진 상태입니다. 더 넓은 ComfyUI 및 Automatic1111 커뮤니티가 표준화된 노드를 구축하기 전까지는 일부 통합 과정에서 어려움이 있을 수 있습니다.

그럼에도 불구하고, 엣지 하드웨어에 최적화된 오픈 웨이트 멀티모달 모델은 여전히 희소하기 때문에 d1 패밀리는 실질적인 공백을 채웁니다 — 특히 텍스트 이상을 처리할 수 있는 로컬 실행 가능 옵션을 기다려온 크리에이터에게 그렇습니다. 커뮤니티 툴링이 따라오는 동안, 자신의 이미지 생성 워크플로에 활용할 수 있는 것들을 직접 탐색해 보세요.