프린스턴대, 30억 파라미터 이미지 모델 'i1' 공개: 코드·데이터 레시피 전면 개방

프린스턴 대학교 연구진이 30억 파라미터 규모의 텍스트-투-이미지 확산 모델 'i1'을 공개했다. 모델 용량은 약 12GB로 대부분의 일반 소비자용 기기에서도 무리 없이 구동된다. 실사풍 이미지부터 다양한 예술적 화풍, 애니메이션 스타일까지 폭넓게 소화하며 텍스트가 많이 포함된 이미지 렌더링에서도 뛰어난 모습을 보여준다.

어떤 능력을 가졌고 성능은 어느 정도인가

분명히 짚고 넘어갈 점은 i1이 현재 시장에서 가장 뛰어난 화질을 자랑하는 모델은 아니라는 사실이다. 연구진 역시 이 점을 숨기지 않는다. i1은 Z Image나 Qwen Image보다 전반적인 생성 품질이 뒤처지며, 최근 등장한 Ideogram이나 ERNIE Image와 비교해도 열세에 있다. 단순히 멋진 결과물을 뽑아낼 이미지 생성기를 찾는 일반 사용자라면 굳이 이 모델을 고집할 이유는 없다.

하지만 '완전 오픈' 모델 진영으로 시야를 좁히면 이야기가 완전히 달라진다.

논문은 GenEval, DPG, PRISM, CVTG-2K, LongText 등 대표적인 5개 벤치마크 테스트 결과를 제시했다. i1은 주요 모델들과 대등한 경쟁력을 보였으며, 기존에 존재하던 가장 우수한 완전 오픈 모델 대비 평균 29.5%포인트 높은 성능을 기록했다.

모든 것을 공개한 학습 레시피

오늘날 수많은 오픈소스 모델들이 가중치만 배포할 뿐, 정작 핵심인 데이터 정제 파이프라인과 구체적인 학습 레시피는 공개하지 않는다. 외부 연구자 입장에서는 도대체 어떤 데이터와 설정을 거쳐 모델이 만들어졌는지 알 길이 없고, 바닥부터 다시 재현하는 것도 불가능에 가까웠다.

프린스턴 팀은 이 모든 장벽을 허물었다.

모델 가중치와 추론 코드는 물론이고, 학습 코드와 엔드투엔드 데이터 처리 파이프라인 전체를 공개했다. 특히 학습 과정에 오직 공개적으로 사용 가능한 데이터셋만 활용했다는 점이 핵심이다.

연구진은 70만 시간 이상의 TPU v6e 연산 자원을 투입해 300회 이상의 대조 실험을 진행했다. 이 과정에서 정제된 데이터셋들을 섞을 때는 균등 가중치를 부여하는 것이 매우 안정적인 기본 설정이라는 점, 텍스트 인코더 어댑터 크기를 키우면 최소한의 파라미터 추가만으로 생성 성능을 크게 끌어올릴 수 있다는 점 등 실무적인 핵심 지침들을 밝혀냈다.

직접 테스트해보고 싶은 개발자는 논문에 첨부된 코드 링크를 통해 체크포인트와 실행 가이드, 데이터 파이프라인을 바로 내려받을 수 있다.

왜 중요한가

단순히 이미지를 생성해 작업에 활용하려는 일반 크리에이터에게 i1은 매력적인 선택지가 아니다. 이미 더 크고 완성도 높은 상용 툴들이 널려 있기 때문이다.

하지만 자체적인 이미지 모델을 바닥부터 개발하려는 스타트업, 대학 연구실, 독립 엔지니어들에게 i1은 대체 불가능한 교과서다. 빅테크 기업들이 비밀에 부쳤던 데이터 전처리 노하우와 학습 전략을 있는 그대로 투명하게 펼쳐 보여주었기 때문이다.

우리는 i1이 오픈소스 연구 생태계의 기준을 한 단계 끌어올렸다고 평가한다. 공개 데이터와 정밀한 엔지니어링 실험만으로도 충분히 경쟁력 있는 현대적 모델을 훈련할 수 있음을 입증했고, 앞으로 커뮤니티가 신뢰하고 인용할 수 있는 재현 가능한 기반을 마련해 주었다.