크래프톤 라온-1 미니 프리뷰는 전체 30B급 규모에서 추론 때 약 4B만 활성화하는 오픈 모델로, 2026년 10월 21일 허깅페이스에 Apache 2.0 라이선스로 공개됐습니다. 단, 메모리는 4B가 아니라 30B 기준으로 잡아야 합니다.
이 글은 2026년 10월 27일 기준으로 보도와 공개 자료에서 확인되는 내용만 담았어요. 성능 숫자는 전부 크래프톤이 밝힌 값이라, 숫자를 읽는 기준도 같이 적었습니다.
• 무엇인가: 10월 21일 공개된 30B급 MoE 오픈 모델. 추론 때는 약 4B만 쓰고, 정식 버전 전 단계인 프리뷰입니다.
• 성능은: 크래프톤 발표 기준으로 추론·지시 이행·한국어 대화는 비교 모델보다 높고, MMLU Pro와 일부 코딩·장문 평가는 낮다고 스스로 밝혔습니다.
• 내 PC에서는: 필요한 메모리는 30B 기준입니다. VRAM 32GB 한 장이 현실적인 하한이고, 그 아래라면 호스팅 쪽이 낫습니다.
크래프톤 라온-1 미니 프리뷰, 지금 공개된 내용은 이것입니다
공개된 것은 모델 가중치(학습이 끝난 숫자 덩어리)입니다. 크래프톤이 모델 설계부터 학습까지 처음부터 직접 했다고 밝혔고, 연구뿐 아니라 상업 서비스·제품 개발에도 무료로 쓸 수 있다고 발표했습니다.
이름에 붙은 프리뷰는 정식 버전 전에 먼저 푼 시험판이라는 뜻입니다. 크래프톤은 성능을 계속 올린 뒤 정식 버전을 내고, 그때 학습 과정과 최종 성능을 담은 기술 보고서를 공개하겠다고 했습니다. 정식 버전 출시 날짜는 지금까지 발표된 바 없어요.
보도에서 확인되는 사양을 먼저 한눈에 보면 이렇습니다.
• 규모: 전체 30B급, 추론 때 활성 약 4B (모델 카드 표기는 28.8B·4.3B 수준으로 소개되기도 합니다)
• 구조: 전문가 혼합(MoE) + 크래프톤 자체 선형 어텐션
• 라이선스: Apache 2.0, 허깅페이스 배포
• 언어: 한국어·영어가 핵심이라는 점은 보도가 같습니다. 그 밖의 학습 언어는 보도마다 설명이 달라서, 정확한 목록은 허깅페이스 KRAFTON 계정의 모델 카드에서 확인하세요
• 입력 길이: 약 26만 토큰(262,144)으로 소개됩니다. 정확한 값은 같은 모델 카드에서 확인하세요
숫자가 조금씩 다른 건 보도가 반올림해서 쓰기 때문입니다. 내려받기 전에는 허깅페이스의 KRAFTON 계정에 올라온 라온-1 미니 프리뷰 모델 카드를 기준으로 삼으세요.
30B 중 4B만 쓴다는 말, 이렇게 이해하면 됩니다
MoE는 한 모델 안에 전문가 여러 명을 두고, 질문이 들어올 때마다 그중 몇 명만 불러 일을 시키는 방식입니다. 그래서 전체 크기는 30B급이어도 한 글자를 만들 때 실제로 계산에 참여하는 건 약 4B입니다.
모델 카드를 소개한 글에서는 128개 전문가 중 6개가 활성화되는 구조라고 합니다. 이 세부 숫자는 정식 버전에서 바뀔 수 있어요.
여기서 가장 많이 헷갈리는 지점이 있습니다. 계산하는 양이 줄면 속도와 호출 비용은 4B 모델처럼 내려가지만, 전문가 전원은 언제든 불려 나올 수 있어서 메모리에는 30B 전체를 올려 두어야 합니다. 빨라지는 것과 가벼워지는 것은 다른 얘기예요.
두 번째 특징은 선형 어텐션입니다. 보통 모델은 입력이 길어질수록 앞 내용을 기억하는 메모 공간이 계속 불어나는데, 선형 방식은 이 메모 공간이 일정하게 유지됩니다. 긴 문서를 다룰 때 메모리 부담을 줄이려는 설계입니다.
다만 모델 전체가 선형 방식은 아니고, 일부 층은 전통 방식을 함께 쓰는 혼합형으로 소개됩니다. 이 때문에 긴 글 처리에 유리하다는 설계 의도와 실제 장문 성적이 반드시 일치하지는 않습니다. 크래프톤도 일부 장문 평가에서는 비교 모델보다 점수가 낮았다고 밝혔어요.
라온-1 미니 성능 숫자, 어디까지 믿어도 될까요
현재 공개된 점수는 모두 크래프톤이 직접 발표한 값이고, 제3자가 같은 조건으로 재현한 결과는 아직 확인되지 않습니다. 그래서 순위가 아니라 방향을 읽는 용도로 보시는 게 안전합니다.
머니투데이 보도에 실린 비교 수치는 아래와 같습니다. 비교 대상은 전체 크기가 비슷한 MoE 모델 두 개입니다.
점수표에서 눈에 띄는 건 격차가 큰 항목과 작은 항목이 갈린다는 점입니다. GPQA Diamond는 1.1점, AIME는 0.4점 차이라 한 번의 발표 수치로 우열을 말하기엔 너무 작아요. 이 둘은 동급으로 보는 편이 맞습니다.
반대로 IFBench는 Qwen 대비 17.6점, BrowseComp Plus는 20.9점 앞섭니다. 이 정도 차이는 방향성이 있다고 볼 수 있고, 지시를 정확히 따르는 일과 여러 단계를 거치는 탐색 작업이 이 모델의 강점이라는 크래프톤의 설명과도 맞아떨어집니다.
크래프톤은 MMLU Pro, 일부 코딩 평가, 일부 장문 평가에서는 비교 모델보다 점수가 낮았다고 밝혔습니다. 위 표에는 한국어 챗봇 점수가 크래프톤 자체 평가라는 점도 들어 있어요. 자기 기준으로 잰 점수는 외부 검증 전까지 참고치입니다.
이 점수표가 알려 주지 않는 게 하나 있습니다. 30B급 모델이 내 장비에서 돌아가느냐는 점수와 전혀 다른 문제이고, 여기서 4B 기준으로 계산을 잘못하는 분이 가장 많습니다.
라온-1 미니, 내 PC에서 돌릴 수 있는지 조건별로 정리합니다
기준은 하나입니다. 활성 4B가 아니라 전체 30B가 메모리에 올라가야 하므로, VRAM(그래픽카드 메모리) 32GB 한 장이 현실적인 출발선입니다. 아래 필요 용량은 제3자 사이트가 정리한 추정치라 모델 카드와 다를 수 있어요.
표의 필요 용량은 형식에 따라 크게 갈립니다. 같은 제3자 정리에서는 4비트 중간 품질 형식이 26GB대, 8비트가 40GB 안팎, 16비트가 60GB대 후반으로 나옵니다. 그래서 24GB 한 장으로는 4비트 중간 품질도 빠듯하다는 결론이 나와요.
가중치 메모리 ≈ 파라미터 수 × 숫자 하나당 바이트 수
4B로 착각했을 때 → 4비트 약 2GB, 8비트 약 4GB. 이 숫자로 장비를 고르면 거의 확실히 모자랍니다.
30B 기준으로 계산하면 → 4비트 약 15GB, 8비트 약 30GB, 16비트 약 60GB.
여기에 입력 길이만큼 늘어나는 캐시와 실행 프로그램이 쓰는 여유분이 더해집니다. 계산값에 20~30%는 얹어서 보세요. 위 추정치가 계산값보다 큰 이유가 이 여유분입니다.
속도는 장비와 형식에 따라 초당 수십 토큰 수준으로 소개되는데, 이것도 제3자 추정치입니다. 속도 때문에 장비를 사기 전에, 먼저 호스팅으로 써 보고 내 용도에 맞는지부터 확인하는 순서가 안전합니다.
라온-1 미니가 맞는 사람과 아직 이른 사람
한국어 대화와 지시 이행 중심의 서비스를 검토 중이라면 시험해 볼 가치가 있습니다. 한국어 챗봇 92.9점, IFBench 84.2점이 그 근거예요. 반대로 코딩이나 영어 범용 지식이 핵심이라면 지금은 다른 모델과 나란히 놓고 직접 재 보는 게 먼저입니다.
용도별로 나눠 보면 이렇습니다.
② 여러 단계를 거치는 에이전트 작업: IFBench와 BrowseComp Plus 점수가 근거입니다. 도구 호출을 쓰려면 별도 실행 환경이 필요하다는 안내가 있어서, 허깅페이스 모델 카드의 실행 가이드를 먼저 읽어 보세요.
③ 코딩 보조: 크래프톤이 일부 코딩 평가에서 낮았다고 밝혔습니다. 저라면 지금 단계에서는 기존에 쓰던 코딩 모델과 같은 문제를 풀려 보고 판단합니다.
④ 긴 문서 요약·검색: 입력 길이는 약 26만 토큰으로 길지만 일부 장문 평가 점수가 낮았습니다. 길이 숫자만 보지 말고 내 문서로 확인하세요.
⑤ 영어 중심의 범용 지식 질의: MMLU Pro 약점이 이 영역과 겹칩니다. 우선순위를 낮추는 쪽이 낫습니다.
이렇게 나누는 이유는 벤치마크 평균이 아니라 내 업무 한 가지가 기준이어야 하기 때문입니다. GPQA Diamond 평균이 좋은 모델이 내 업무에서도 좋다는 보장은 없어요.
비용 효율형 모델이 늘면 무엇이 달라지나
크래프톤은 단순한 벤치마크 점수보다 실제 사용 환경의 비용 대비 성능을 핵심 기준으로 삼았다고 설명했습니다. 활성 파라미터를 30B 중 약 4B로 줄여 응답 속도와 추론 비용을 낮춘 것이 그 결과물입니다.
여기서부터는 공개된 사실이 아니라 제 판단입니다. 라온-1 같은 오픈 가중치 모델이 30B 크기까지 올라오면, 데이터를 외부 서비스에 보내기 어려운 기업은 자체 서버에 올려 쓰는 선택지가 현실적이 됩니다. Apache 2.0이라면 이용 조건 때문에 막히는 일도 적고요.
반대로 아직 불확실한 부분도 있습니다. 크래프톤이 이 모델을 자사 게임이나 서비스 안에서 어떻게 쓸지는 10월 21일 공개 이후 보도에서 구체적으로 확인되지 않았어요. 모델이 공개됐다는 사실과 어디에 쓰이는지는 별개의 정보입니다.
크래프톤처럼 국내 업체가 자체 모델을 직접 만드는 흐름은 한국어 성능과 운영 통제권을 직접 확보하려는 쪽으로 읽힙니다. 다만 이 흐름이 시장을 바꿀지는 라온-1 정식 버전의 기술 보고서와 외부 검증 결과가 나온 뒤에야 판단할 수 있습니다.
프리뷰라서 걸리는 지점, 도입 전에 확인할 것
프리뷰는 성능과 사양이 정식 버전에서 달라질 수 있는 상태입니다. 지금 라온-1 미니의 점수와 30B 기준 요구 메모리를 근거로 장비를 사거나 서비스 계약을 하는 것은 권하지 않아요.
• 내려받는 방식: 저장소 접근에 승인 절차가 있다는 설명도 있으니 허깅페이스 저장소 안내에서 직접 확인하세요
• 라이선스 범위: 가중치에 대한 라이선스와 호스팅 서비스 약관은 따로일 수 있으니 둘 다 확인하세요
• 실행 환경: 전용 실행 도구가 필요하다는 안내가 있어 기존 환경에 바로 얹히지 않을 수 있습니다
• 수치 변동: 정식 버전 기술 보고서가 나오면 점수와 사양을 다시 확인해야 합니다
가장 놓치기 쉬운 건 두 번째입니다. 가중치가 Apache 2.0이어도 호스팅 서비스를 쓰는 순간 별도 약관이 적용될 수 있어서, 상업 서비스에 붙이기 전에는 이용 조건을 따로 읽어 보셔야 합니다.
자주 묻는 질문
Q. 크래프톤 라온-1 미니를 회사 서비스에 그냥 붙여도 되나요?
Q. 4B만 쓴다던데 VRAM 12GB 그래픽카드로도 돌아가나요?
Q. 한국어 챗봇 점수 92.9면 사람처럼 자연스럽다는 뜻인가요?
Q. 코딩 도우미로 쓰려는데 지금 바꿔도 될까요?
Q. 라온-1 미니 정식 버전은 언제 나오나요?
Q. ChatGPT 같은 서비스 대신 쓸 수 있는 모델인가요?
지금 체크할 것 3가지
첫째, 허깅페이스 모델 카드에서 접근 방식과 라이선스, 요구 사양을 직접 확인하세요. 둘째, 내 장비의 메모리를 4B가 아닌 30B 기준으로 다시 계산하세요. 셋째, 내 업무 질문 20~50개를 뽑아 지금 쓰는 모델과 같은 조건으로 나란히 돌려 보세요.
점수표는 방향을 알려 줄 뿐이고, 도입 여부는 이 세 번째 확인에서 갈립니다. 같은 IT 카테고리에서 다른 오픈 모델을 고르는 기준을 정리한 글도 테크 오디세이에서 이어서 확인해 보세요.
'IT' 카테고리의 다른 글
| 갤럭시 업데이트 후 초기 설정 멈춤 해결 방법과 업데이트 전 백업 (2026년 10월 기준) (0) | 2026.10.31 |
|---|---|
| 솔리다임 상장 철회 이유, SK하이닉스 낸드 자회사 쉽게 정리 (2026년 10월 기준) (0) | 2026.10.30 |
| 노션 무료 플랜 유료 전환 시점, 파일 5MB·블록 제한·가계부·할 일 기준 (2026년 10월) (0) | 2026.10.27 |
| 챗GPT 엑셀 함수 프롬프트 작성법, 열 이름·예시 데이터 넣는 순서 (0) | 2026.10.26 |
| 무료 AI 디자인 툴 상업적 이용 비교, 썸네일·로고·카드뉴스 2026년 10월 기준 (0) | 2026.10.25 |
