← 블로그로
Ai약 10 분 읽기

NVIDIA 4B 월드모델 'Cosmos3-Edge', M5 Max에서 도는 MLX 포팅 공개

게시일 2026년 11월 11일
NVIDIA 4B 월드모델 'Cosmos3-Edge', M5 Max에서 도는 MLX 포팅 공개

11월 7일 NetProjects라는 이름의 개발자가 NVIDIA Cosmos3-Edge의 MLX 포팅을 공개했다. 전체 빌드는 7.6 GB. 8비트 빌드는 5.0 GB. 128 GB 통합 메모리를 탑재한 M5 Max에서 8비트 버전은 NVIDIA 자체 image-to-video 예제(832×480, 121프레임)를 113초에 돌렸고 메모리 피크는 18.8 GB였다.

그 숫자를 의미 있는 단위로 다시 읽어보자. 480p로 약 5초짜리 영상을 만드는 데 113초. 초당 한 프레임꼴 계산량이고, 노트북 위에서, 40억 파라미터 모델이다.

당연한 반응은 '영상 제작에는 쓸모없다'다. 옳은 반응은 '영상 제작용으로 만든 게 아니다'다.

Cosmos3-Edge는 무엇인가

Cosmos3-Edge는 4B 파라미터 월드 모델이다. 텍스트나 시작 이미지에서 256p 또는 480p, 50~150프레임 영상을 생성한다. 라이선스는 OpenMDW 1.1이며 상업적 이용이 허용된다.

중요한 단어는 월드 모델이다. NVIDIA는 이 계열을 로보틱스와 자율주행용으로 만들었다. 장면과 행동이 주어졌을 때 다음에 무슨 일이 벌어지는지 예측하는 게 일이다. 출력은 물리에 대한 가설이다. 차가 이 궤적을 유지하면 보행자가 나올까, 상자가 미끄러질까, 팔이 선반에 부딪힐까.

NVIDIA 자체 모델 카드는 출력을 '물리적으로 정확한 시뮬레이션으로 취급해서는 안 된다'고 적는다. 그 한 문장이 설계 방침 전부다. 모델은 학습에 쓸 만큼 그럴듯하고, 측정 가능한 방식으로 틀린 움직임을 만들어야 한다. 운동량 보존을 깨는 사실적 렌더는 그것을 지키는 못생긴 렌더보다, 하류 소비자가 정책 네트워크라면 더 나쁘다.

그래서 480p 천장은 사과할 제약이 아니다. 로보틱스 학습에 4K는 필요 없다. 필요한 것은 빠르고 싸고, 그 데이터로 학습한 정책이 실세계로 전이될 만큼 일관된 다량의 변형이다.

Mac 포팅이 왜 중요한가

돌릴 수 있는 사람이 바뀌기 때문이다.

지금까지 월드 모델 평가에는 GPU 할당이 필요했다. 작지만 실제로 필요했고, 드라이버 스택과 컨테이너, 누군가의 클러스터가 따라왔다. 그게 필터다. 모델을 만져볼 수 있는 사람은 이미 인프라를 가진 사람이 되고, 흥미로운 로보틱스 질문을 가진 사람은 대개 갖고 있지 않다.

MLX로 애플 실리콘에서 도는 5.0 GB 8비트 빌드는 그 필터를 없앤다. 최신 Mac과 충분한 메모리만 있으면 밤새 클립 100개를 만들고, 보고, 의견을 만들 수 있다. 연구 방향이 데모가 아니라 분야가 되는 방식이 그렇다.

128 GB라는 숫자가 여기서 일한다. 메모리 피크가 18.8 GB면 최상위 기종일 필요가 없다. 32 GB Mac도 OS 몫을 남기고 8비트 빌드가 들어가야 한다. 113초는 메모리 대역폭이 느린 기기에서 나빠지겠지만, 애초에 돌릴 수 있는지가 중요한 문턱이다.

MLX 특유의 더 미묘한 지점도 있다. 애플 프레임워크는 통합 메모리에 최적화돼 있고 이 작업 부하에 맞는다. 4B 확산형 영상 모델은 연산보다 메모리 대역폭에 묶인다. 그래서 이 포팅이 애초에 성립하고, 테라플롭스로 단순 추정한 것보다 성능이 좋다.

주의점은 현실이다

비공식 포팅이다. 작성자는 NVIDIA와 무관하다고 분명히 밝힌다. 데모는 없다. 취재 사이트가 GitHub 설치 페이지를 열려 했을 때 실패했다.

5 GB 다운로드, MLX 환경, 데모도 없고 렌더링될지도 모르는 설치 페이지. 돌아가는지 보고 싶었던 누군가의 주말 산출물이다. 제품이 아니다. 성능 주장도 그에 맞게 다뤄야 하고, 113초 역시 한 기기, 한 예제에서 나온 데이터 한 점이다.

상업적인 것을 만들기 전에 읽어야 할 라이선스 세부도 있다. OpenMDW 1.1은 상업적 이용을 허용하지만 Apache 2.0도 MIT도 아니다. 특히 모델 가중치나 출력을 배포할 계획이라면 조건을 읽어라.

월드 모델에 늘 붙는 품질 주의도 있다. 주방 사진과 로봇 팔이 컵을 향해 뻗는 프롬프트를 넣으면 그럴듯하게 읽히는 움직임이 나온다. 가까이 보면 컵 모양이 바뀌고, 팔이 조리대를 통과하고, 조명이 흐른다. 그 실패가 바로 로보틱스 연구자가 측정하고 싶은 것이고, 영상 편집자가 쓸 수 없는 것이다.

113초로 무엇을 사는가

숫자는 나빠 보이지만 아마 나쁘지 않다. 거래를 구체적으로 적어보자.

매니퓰레이션 정책용 학습 데이터를 만든다면 클립 20개로는 부족하다. 조명, 물체 자세, 카메라 각도, 표면 재질을 바꾼 수천 개가 필요하다. 노트북에서 2분마다 121프레임 클립 하나를 만드는 파이프라인은 무인으로 하루에 약 700개를 만든다. 작은 실험에 쓸 만한 데이터셋이고, 비용은 전기세다.

같은 양의 GPU 시간을 빌리는 것과 비교해보자. 대여는 클립당 빠르고 운영 계층이 통째로 필요하다. 대학원생이나, 월드 모델이 애초에 맞는 접근인지 시험하는 2인 스타트업이라면 첫 결과까지의 시간에서 노트북이 이긴다. 그 단계에서 중요한 지표는 그것뿐이다.

113초가 또 하나 사는 것은 규모에 대한 정직함이다. 클립 하나가 내 기기의 2분을 잡아먹으면 그걸 본다. 실패를 알아챈다. 클립 하나가 4센트고 500개 묶음으로 오면 집계하고 넘어간다. 느림은 출력을 실제로 읽게 만드는 힘이다.

주목할 패턴

이번 주 중요한 것은 타이밍이다. 포팅은 모델의 릴리스 주기에서 6일 뒤, 개인이, 무료로, NVIDIA가 팔지 않는 하드웨어에서 했다.

오픈 웨이트 확산 모델의 경로는 지금 이렇다. 랩이 느슨한 라이선스로 가중치를 낸다. 일주일 안에 누군가 MLX 빌드를 만들고, 다른 누군가 GGUF 양자화를 만들고, 세 번째 사람이 ComfyUI 노드를 만든다. 공식 도구는 몇 달 뒤에, 그것도 안 올 수도 있다.

NVIDIA에는 대체로 좋은 일이다. Cosmos는 월드 모델이 피지컬 AI의 학습 기반이 된다는 전략적 베팅이고, 기반은 돌릴 수 있는 사람이 늘수록 가치가 커진다. 데이터센터 GPU에 가두면 마진은 지키고 생태계는 줄어든다.

애플에는 조용한 승리다. 이런 포팅 하나하나가, 사람들이 별도 카드가 필요하다고 여겼던 추론 작업에 통합 메모리로 충분하다는 논거가 된다. M5 Max는 무엇에서도 H100을 이기지 못한다. 다만 H100을 평생 만지지 않을 사람에게 특정 부류의 모델을 돌릴 수 있게 한다.

113초가 더 많은 사용자를 만나 살아남을지는 열린 질문이다. 누군가 24 GB M4 Pro에서 돌리다 메모리 벽에 부딪히고 정정 글을 올릴 것이다. 괜찮다. 유용한 주장은 4B 월드 모델이 이제 노트북에 들어간다는 것이고, 월드 모델에 대해 의견을 가질 수 있는 사람이 바뀐다. 속도는 각주다.

관련 글