커밋 한 모금맥 스튜디오 로컬 llm 환경의 Qwen2.5-Coder-7B-Instruct-4bit 로컬 llm 성능 실측 결과
맥 스튜디오 M5 Max(통합 메모리 48GB) 환경에서 맥 스튜디오 로컬 llm 및 로컬 llm 코딩 모델 구동을 원하는 개발자에게 적합합니다.
맥 스튜디오 M5 Max, 통합 메모리 48GB 기기에서 mlx-lm 0.32.0 (MLX 0.32.3) 도구로 Qwen2.5-Coder-7B-Instruct-4bit의 로컬 llm 성능을 실측했습니다. 가중치 용량 4.3GB인 이 모델의 답 쓰는 속도는 짧은 입력(512토큰)에서 초당 121.7토큰, 긴 입력(4096토큰)에서 초당 113.2토큰으로 사람이 읽는 속도(초당 약 다섯 토큰 안팎)보다 빠릅니다. 최대 메모리 사용은 5.2GB이며 맥 스튜디오 로컬 llm 환경에서 안정적인 구동이 가능합니다.
이 맥에서 잰 숫자
| 모델 | Qwen2.5-Coder-7B-Instruct-4bit |
|---|---|
| 원본 저장소 | mlx-community/Qwen2.5-Coder-7B-Instruct-4bit |
| 가중치 용량(GB) | 4.3 |
| 라이선스 | apache-2.0 |
| 측정 기기 | 맥 스튜디오 M5 Max, 통합 메모리 48GB |
| 측정 도구 | mlx-lm 0.32.0 (MLX 0.32.3) |
| 측정일 | 2026-10-21 |
| 짧은 입력(512토큰) 답 쓰는 속도(토큰/초) | 121.7 |
| 짧은 입력 읽는 속도(토큰/초) | 3359 |
| 긴 입력(4096토큰) 답 쓰는 속도(토큰/초) | 113.2 |
| 긴 입력 읽는 속도(토큰/초) | 3951 |
| 최대 메모리 사용(GB) | 5.2 |
| 한국어 답변 점수(5점 만점) | 5 |
| 한국어 답변에 외국어 섞임 | 없음 |
| 한국어 객관식(KMMLU 50문항) 정답 | 13 / 50 |
| 도구 호출 정확도(10문항) | 9 / 10 |
| 파이썬 코딩(10문제, 테스트 전부 통과) | 9 / 10 |
| 형식 지시 따르기(10문항) | 5 / 10 |
| 긴 글 속 문장 찾기(약 16K토큰) | 찾음 (6.1초) |
| 긴 글 속 문장 찾기(약 32K토큰) | 찾음 (15.3초) |
| 한 번에 만든 튀는 공 애니메이션 | 움직임 |
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.
장점: 1. 속도가 빠르다: 로컬에서 실행하면 데이터 전송과 처리 시간이 줄어들어 속도가 빠르다. 2. 비용이 저렴하다: 클라우드 서비스를 사용할 때는 비용이 발생하지만, 로컬에서 실행하면 비용이 절약된다. 주의할 점: 1. 저장 공간이 필요하다: 로컬에서 실행하려면 AI 모델과 데이터가 저장 공간을 차지해야 한다.
요청한 형식과 내용을 정확히 전달하며 문장이 자연스럽습니다.
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
- 맥 스튜디오 로컬 llm 환경에서 가중치 용량 4.3GB의 로컬 llm 코딩 모델을 빠르게 구동할 때
- 파이썬 코딩(10문제, 테스트 전부 통과 9 / 10) 및 도구 호출(정확도 9 / 10) 작업이 필요할 때
- 한국어 답변 점수 5점 만점에 5점으로 외국어 섞임 없는 자연스러운 한국어 답변을 원할 때
이럴 때는 다른 모델을
- 한국어 객관식(KMMLU 50문항) 정답이 13 / 50으로 고난도 한국어 지식 평가가 중요할 때
- 형식 지시 따르기(10문항)가 5 / 10으로 엄격한 형식 준수가 요구되는 자동화 파이프라인
자주 묻는 질문
맥 스튜디오 로컬 llm 환경에서 답 쓰는 속도는 얼마나 빠른가요?
짧은 입력(512토큰)에서 초당 121.7토큰, 긴 입력(4096토큰)에서 초당 113.2토큰으로 측정되었습니다. 이는 사람이 읽는 속도(초당 약 다섯 토큰 안팎)보다 빠릅니다.
Qwen2.5-Coder-7B-Instruct-4bit의 로컬 llm 성능과 메모리 사용량은 어떤가요?
가중치 용량은 4.3GB이며 실행 중 최대 메모리 사용은 5.2GB입니다. 읽는 속도는 짧은 입력(512토큰)에서 초당 3359토큰, 긴 입력(4096토큰)에서 초당 3951토큰을 기록하며 뛰어난 로컬 llm 성능을 보여줍니다.
로컬 llm 코딩 모델로서 코딩 및 도구 호출 작업 결과는 어떤가요?
파이썬 코딩(10문제, 테스트 전부 통과)은 9 / 10, 도구 호출 정확도(10문항)는 9 / 10을 기록했습니다. 한 번에 만든 튀는 공 애니메이션도 '움직임'을 확인했습니다.
한국어 품질과 긴 글 속 문장 찾기 성능은 어떤가요?
한국어 답변 점수는 5점 만점 중 5점(외국어 섞임 '없음')이며, 문장이 자연스럽다는 평가를 받았습니다. 긴 글 속 문장 찾기는 약 16K토큰에서 6.1초, 약 32K토큰에서 15.3초 만에 찾았습니다.
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/Qwen2.5-Coder-7B-Instruct-4bit를 썼습니다.
측정일 2026-10-21 · 커밋 한 모금