오픈소스 LLaDA-Image 공개: 6B 단일 모델로 이미지 생성과 편집 동시 지원

LLaDA-Image는 고품질 텍스트 기반 이미지 생성과 자연어 지시 기반 이미지 편집을 단 하나의 60억(6B) 파라미터 모델로 통합한 오픈소스 프로젝트입니다.

보통 이미지를 새로 만들 때와 기존 이미지를 수정할 때는 별도의 전용 모델이나 복잡한 보조 제어 네트워크를 사용해야 했습니다. inclusionAI가 공개한 이 통합 모델은 단일 체크포인트 가중치만으로 생성, 편집, 다국어 텍스트 렌더링을 모두 처리합니다.

어떤 작업을 할 수 있나

LLaDA-Image는 시각 작업에서 가장 흔히 쓰이는 기능들을 충실히 지원합니다.

이미지 생성 단계에서는 자연스러운 조명과 세부 묘사가 뛰어난 사실적 이미지를 만들어 내며, 포스터나 인포그래픽에 필요한 중국어 및 영어 텍스트를 이미지 내에 직접 선명하게 그려 넣을 수 있습니다.

특히 편집 기능의 활용도가 높습니다. 기준 이미지를 넣고 텍스트 지시어를 입력하면 전체적인 배경과 맥락을 유지한 채 인물의 표정이나 포즈를 바꾸고, 특정 요소를 교체하거나 글자를 수정할 수 있습니다. 흑백 사진을 자연스럽게 채색하는 작업도 가능합니다.

벤치마크 평가인 Qwen-Image-Bench에서는 영어 53.53점, 중국어 53.38점의 종합 점수를 기록했습니다.

제공되는 모델은 두 가지입니다. 50단계 샘플링을 거쳐 정교한 묘사를 구현하는 Base 모델과, Twin-DMD 증류 기법을 적용해 단 2~4스텝 만에 결과물을 뽑아내는 Turbo 모델로 나뉩니다.

실행 방법과 요구 사양

로컬 PC 환경에서도 비교적 가볍게 실행해 볼 수 있습니다.

가중치는 Hugging Face와 ModelScope를 통해 BF16과 FP8 버전으로 각각 배포되었습니다. Turbo FP8 버전의 경우 트랜스포머 모델 크기가 약 6.7GB 수준에 불과해 대다수 소비자용 GPU에 여유 있게 올라갑니다.

구동 환경은 Python 3.11, PyTorch 2.8, Diffusers 0.39.0 기반입니다. 텍스트 생성 모드는 해상도가 16의 배수여야 하며, 참조 이미지를 불러오는 편집 모드는 32의 배수 크기를 요구합니다.

파이썬 코드를 직접 다루지 않더라도 9월 7일 커뮤니티를 통해 ComfyUI 지원이 추가되어 FP8 모델을 노드 환경에서 바로 테스트할 수 있습니다. 현재 추론 코드와 가중치가 공개되어 있으며 전체 학습 코드는 곧 추가될 예정입니다.

왜 중요한가

개인 창작자나 소규모 개발자에게 LLaDA-Image는 로컬 작업 흐름의 번거로움을 크게 덜어주는 도구입니다. 생성과 수정 작업을 오갈 때마다 무거운 모델을 따로 불러올 필요 없이, 7GB 미만의 가벼운 FP8 가중치 하나로 4스텝 만에 빠른 수정 작업을 마칠 수 있습니다.

생성과 편집 파이프라인을 하나의 확산 모델로 합쳐 효율을 극대화했다는 점에서 매우 실용적인 접근입니다. 학습 코드가 아직 전부 풀리지 않았다는 점은 감안해야 하지만, 소비자용 GPU 환경에서 빠른 로컬 이미지 파이프라인을 구축하려는 이들에게는 매력적인 선택지입니다.