deepseek r1 distill qwen 32b 4bit 맥 스튜디오 로컬 llm 실측 결과

자연스러운 한국어 답변 생성에는 적합하지만 객관식 문제나 코딩 작업에는 맞지 않는 로컬 llm입니다.

deepseek r1 distill qwen 32b 4bit 모델을 맥 스튜디오 로컬 llm 환경(맥 스튜디오 M5 Max, 통합 메모리 48GB)에서 mlx-lm 0.32.0 (MLX 0.32.3)으로 측정했습니다. 가중치 용량은 18.4GB, 최대 메모리 사용은 20.4GB이며, 짧은 입력(512토큰) 답 쓰는 속도는 초당 28.3토큰으로 사람이 읽는 속도(초당 약 다섯 토큰 안팎)보다 빠릅니다. 한국어 답변 점수는 5점 만점에 5점이었으나, 한국어 객관식(KMMLU 50문항) 정답은 0 / 50, 파이썬 코딩(10문제, 테스트 전부 통과)은 1 / 10을 기록했습니다.

이 맥에서 잰 숫자

답 쓰는 속도는 1초에 만들어 내는 토큰(글자 조각) 수입니다. 같은 모델도 기기·메모리·도구 버전에 따라 달라집니다.

한국어로 물어봤더니

질문: 맥에서 로컬 AI 모델을 처음 써 보려는 대학생에게, 장점 두 가지와 주의할 점 한 가지를 한국어로 짧게 알려 줘.

로컬 AI 모델을 사용하는 두 가지 장점은 **인터넷 연결 없이 사용할 수 있는 오프라인 기능**과 **빠른 데이터 처리 속도**입니다. 주의할 점은 **개인 데이터 보호와 보안**을 신중히 관리해야 한다는 점입니다.

요청된 장점 두 가지와 주의할 점 한 가지를 명확하고 자연스럽게 전달했습니다.

한 번에 만든 튀는 공 애니메이션

"회전하는 육각형 안에서 공 8개가 튀는 HTML 을 한 파일로 만들어 줘"라는 요청에 처음 낸 답을 그대로 실행한 화면입니다.

이럴 때 맞아요

• 외국어 섞임 없이 자연스러운 한국어 답변 작성이 필요할 때
• 사람이 읽는 속도(초당 약 다섯 토큰 안팎)보다 빠른 초당 28.3토큰 속도의 로컬 llm 출력이 필요할 때
• 한 번에 튀는 공 애니메이션을 생성하고자 할 때

이럴 때는 다른 모델을

• 한국어 객관식(KMMLU 50문항 정답 0 / 50) 풀이
• 파이썬 코딩(10문제 중 1 / 10 통과) 및 도구 호출(1 / 10) 작업
• 긴 글 속 문장 찾기(약 16K토큰에서 못 찾음)

자주 묻는 질문

측정 방법

맥 스튜디오 M5 Max, 통합 메모리 48GB에서 mlx-lm 0.32.0 (MLX 0.32.3)로 측정했습니다. 입력 512토큰·4096토큰 뒤 128토큰을 생성하는 시험을 여러 번 반복한 평균이고, 한국어 답변은 온도 0으로 한 번 생성한 원문 그대로입니다(생각 과정은 떼고 답만). 추가 시험(있는 경우)은 모두 코드로 채점합니다: 한국어 객관식은 KMMLU(HAERAE-HUB, CC BY-ND 4.0) 10개 분야 50문항, 도구 호출·파이썬 코딩·형식 지시는 각 10문항(코딩은 인터넷이 막힌 환경에서 숨겨진 테스트 실행), 긴 글 찾기는 약 1만6천·3만2천 토큰 글 속에 넣은 문장을 찾는지, 튀는 공은 한 번에 만든 HTML 이 실제로 움직이는지입니다. 생각 기능은 끄고 온도 0으로 실행했습니다. 가중치는 Hugging Face의 mlx-community/DeepSeek-R1-Distill-Qwen-32B-4bit를 썼습니다.

측정일 2026-10-21 · 커밋 한 모금