센스타임(SenseTime)이 8월 20일 GitHub에서 SenseNova-U1.5-8B-MoT에 정식 버전 태그를 붙였다. 라이선스는 Apache 2.0이며, 가중치는 Hugging Face와 ModelScope(魔搭)에도 동시에 올라갔다. 7월 31일 프리뷰 버전 이후 3주 만이며, 이 제품군이 처음 오픈소스로 공개된 시점(올해 4월 27일 U1-8B-MoT)으로부터는 채 4개월이 안 됐다.
새 버전이 내세우는 것은 크게 두 가지다. 네이티브 4K 이미지 생성, 그리고 이미지 편집과 정밀 제어를 하나의 모델에 통합한 것이다.
모델 하나, 파라미터 수치는 세 가지
먼저 헷갈리기 쉬운 부분부터 짚는다. 모델 이름에는 8B라고 적혀 있다. 저장소 README에는 "8B-MoT"가 이해 파라미터 약 80억 개와 생성 파라미터 약 80억 개를 합친 것이라는 주석이 달려 있다. 반면 Hugging Face 모델 카드에 표기된 텐서 규모는 180억이며, 정밀도는 F32와 BF16이다.
세 수치 모두 틀린 건 아니다. 다만 서로 다른 것을 세고 있을 뿐이다. MoT는 Mixture of Transformers의 약자로, 센스타임의 이 아키텍처는 이해와 생성을 각각 별도의 타워로 분리해 같은 시퀀스 위에서 번갈아 작동시킨다. 이해 타워와 생성 타워를 합산해서 셀지, 활성화 규모만 보고할지, 아니면 아예 나눠서 표기할지에 대해 아직 업계 관례가 없다 보니 통합 멀티모달 모델을 내놓는 각 회사의 발표 페이지마다 방식이 제각각이다.
개발자 입장에서 실질적인 의미는, 이 모델들을 파라미터 수치만으로 나란히 비교하는 것의 참고 가치가 점점 떨어지고 있다는 점이다. 제대로 비교하려면 GPU 한 장에 올라가는지, 4K 이미지 한 장을 만드는 데 시간이 얼마나 걸리는지, VRAM 최대 사용량은 얼마인지를 봐야 한다. 이번 발표 페이지에는 이런 통일된 수치가 제시되지 않았다.
사후 업스케일이 아니라 직접 4K 생성
"네이티브 4K"라는 표현은 뜯어볼 필요가 있다. 현재 4K 이미지를 만드는 일반적인 방법은 두 가지다. 하나는 모델이 먼저 저해상도 이미지를 생성한 뒤 업스케일 모델에 넘겨 디테일을 다시 생성하는 방식이고, 다른 하나는 생성 모델이 처음부터 목표 해상도에서 직접 작업하는 방식이다.
둘의 차이는 최종 픽셀 수가 아니라 구조적 일관성에 있다. 업스케일 방식에서는 전체 구도가 저해상도 단계에서 이미 고정되고, 업스케일 과정은 디테일만 보완할 수 있다. 글자가 밀집돼 있거나 레이아웃이 복잡하거나 여러 피사체 간 관계가 얽혀 있으면 업스케일 과정에서 어긋나기 쉽다. 센스타임은 이번에 4K를 생성 자체에 넣었다. 공식 표현으로는 "전체 구도와 극도로 정교한 질감·미세한 디테일을 동시에 잡았다"는 것이며, 이번 버전에서 4K 생성 효율도 개선됐다고 강조한다.
발표 페이지가 제시한 사용자 체감 개선 사항 여섯 가지 중 4K를 제외한 다섯 가지는 모두 제어 가능성과 관련이 있다. 결과물의 구도·재질·조명이 실사에 더 가까워졌고, 네이티브 이미지 편집이 피사체의 정체성과 공간 구조를 더 잘 유지하며, 중국어·영어 텍스트 렌더링과 인포그래픽·포스터 같은 복잡한 레이아웃의 가독성이 향상됐고, 물체 개수나 공간 관계 같은 복잡한 지시를 더 안정적으로 따르며, 검출 박스·시각 마커·다중 이미지 참조로 정밀 제어가 가능해졌다.
마지막 항목은 디자인 툴을 만드는 팀에 특히 실용적이다. 박스나 마커로 "여기를 바꿔라"고 지정하는 편이 위치를 설명하려고 프롬프트를 계속 고쳐 쓰는 것보다 손이 덜 가고, 기존 에디터 화면에도 붙이기 쉽다.
알려진 결함까지 발표 페이지에 적다
모델 카드 후반부에는 아직 해결되지 않은 문제 다섯 가지를 나열한 항목이 있다. 디테일이 과도하게 강조되기 쉬운 점, 밀집된 텍스트에서는 여전히 오류가 나는 점, 제약이 있는 레이아웃에서는 결과가 불안정한 점, 인물 디테일이 일정하지 않은 점, 복잡한 편집에서는 드리프트가 발생하는 점이다.
중국 오픈소스 모델의 발표 자료에서 이런 항목을 스스로 넣는 경우는 흔치 않다. 그 의미는 단순히 정직해 보인다는 데 그치지 않는다. 이 다섯 가지는 사실상 이런 유형의 모델이 현재 공통으로 안고 있는 과제와 거의 겹치며, 이를 적어 두는 것만으로 다운스트림 개발자들은 시행착오를 한 차례 줄일 수 있고, 이후 버전이 비교할 수 있는 기준선도 생긴다.
같은 시기에 SenseNova-U1.5-8B-MoT-LoRA-8step도 함께 공개됐다. 0.4B 규모의 8스텝 증류 버전으로, 지연 시간에 민감한 상황을 겨냥한다. 상업적 이용을 허용하고 전염성 조항이 없는 Apache 2.0 라이선스, 그리고 GitHub·Hugging Face·ModelScope 세 곳에서의 호스팅까지 더하면 이번 발표는 진입 장벽을 사실상 낮출 수 있는 만큼 낮춘 셈이다.
남는 문제는 결국 같은 자리로 돌아온다. 오픈 웨이트가 해결하는 것은 "구할 수 있는가"이지 "돌릴 수 있는가"가 아니다. 8B와 8B 두 개의 타워 구조로 4K를 직접 출력하는 이상 VRAM 사용량이 가벼울 리 없고, 실제로 얼마나 많은 팀이 이를 쓰게 될지는 여전히 손에 든 GPU 한 장으로 충분한지에 달려 있다.
참고 출처: CocoLoop, GitHub 저장소 OpenSenseNova/SenseNova-U1, Hugging Face 모델 카드, IT之家; 버전 태그, 라이선스, 파라미터 수치, 여섯 가지 개선 사항은 저장소 설명과 모델 카드를 하나씩 대조해 확인했다.