Stability AI, SDXL 0.9 공개: 디테일 대폭 개선, 8GB GPU 지원

오픈소스 이미지 생성 AI를 다뤄본 사람이라면 뭉개진 손가락과 플라스틱 같은 질감, 그리고 기본 해상도 512x512의 한계에 답답함을 느낀 적이 많았을 것입니다. 미드저니 같은 폐쇄형 서비스들이 앞서나가는 동안 오픈소스 진영도 마침내 대형 반격 카드를 꺼냈습니다.

Stability AI는 6월 22일 차세대 이미지 생성 모델인 SDXL 0.9를 공식 발표했습니다. 지난 4월 공개된 SDXL 베타 버전에 비해 구도와 디테일 표현력이 크게 향상되었으며, 별도의 업스케일러 없이도 1024x1024 고해상도 이미지를 직접 뽑아냅니다.

66억 개 파라미터와 2단계 파이프라인의 비밀

화질이 단번에 진화한 핵심 이유는 모델 구조 자체를 새로 짰기 때문입니다.

SDXL 0.9는 총 66억 파라미터에 달하는 앙상블 파이프라인을 도입했습니다. 먼저 35억 파라미터 규모의 베이스 모델이 텍스트 프롬프트를 해석해 굵직한 구도와 형태를 잡고, 2단계 정제 모델이 그 결과물을 넘겨받아 머리카락이나 미세한 질감, 빛의 디테일을 덧칠하는 방식입니다. 31억 파라미터 단일 모델이었던 4월 베타 버전과 비교하면 규모가 두 배 이상 커졌습니다.

여기에 지금까지 학습된 가장 거대한 오픈클립 모델 중 하나인 OpenCLIP ViT-G/14를 결합해 문맥 이해도를 끌어올렸습니다. 덕분에 텍스트 기반 생성뿐 아니라 이미지를 입력해 변형하는 기능, 특정 영역을 채우는 인페인팅, 배경을 확장하는 아웃페인팅까지 매끄럽게 처리합니다.

덩치는 커졌지만 요구 사양은 여전히 일반 소비자용 하드웨어 수준에 맞췄습니다. 윈도우나 리눅스 환경에서 16GB RAM과 8GB 이상의 VRAM을 갖춘 엔비디아 지포스 RTX 20 시리즈 이상 그래픽카드면 구동할 수 있습니다. 리눅스 환경의 AMD 그래픽카드는 16GB VRAM이 필요합니다.

연구용으로 우선 배포, 7월 중 1.0 완전 개방

지난 4월 13일 베타가 시작된 이후 약 7000명의 디스코드 커뮤니티 사용자가 70만 장 이상의 이미지를 만들며 하루 평균 2만 장 이상을 생성했고, 이러한 방대한 피드백이 0.9 완성으로 이어졌습니다.

현재 SDXL 0.9는 Stability AI의 웹 서비스인 클립드롭에서 바로 체험할 수 있습니다. 자체 플랫폼인 드림스튜디오와 API, 그리고 나이트카페 같은 서드파티 도구에는 6월 26일부터 적용됩니다.

다만 로컬 모델 파일은 아직 연구 목적으로만 제한됩니다. 연구진은 학술 이메일로 허깅페이스에 접속해 가중치를 신청해야 하며, 실행 코드는 깃허브를 통해 공개됩니다. 상업적 제약이 풀리는 정식 오픈소스 버전 SDXL 1.0은 7월 중순 출시를 목표로 준비 중입니다.

왜 중요한가

창작자와 1인 개발자에게 SDXL 0.9는 로컬 AI 그래픽의 기준점을 완전히 바꿔놓는 결과물입니다. 미드저니급 화질을 얻기 위해 유료 클라우드에 의존하거나 복잡한 보정 툴을 거치지 않고도, 대중적인 8GB 그래픽카드 한 장으로 1024 크기의 정교한 결과물을 직접 제어할 수 있게 되었습니다.

업계 차원에서는 오픈소스 생성 AI의 기본 표준이 512에서 1024로 단숨에 올라섰다는 점이 결정적입니다. 기존 모델 위에 단순 확대 알고리즘만 얹어 서비스를 만들던 소규모 래퍼 기업들은 빠르게 차별점을 잃게 될 가능성이 높습니다.

베이스와 리파이너로 작업을 쪼갠 2단계 파이프라인 설계는 일반 PC의 메모리 한계를 우회하면서 최대치의 퀄리티를 뽑아낸 아주 영리한 수로 보입니다. 하지만 66억 파라미터라는 거대한 체급 때문에 생성 속도가 느려지고 향후 LoRA나 커스텀 파인튜닝에 드는 연산 비용이 급증할 수 있다는 점은 숙제로 남습니다. 7월 중순 1.0 정식 공개 이후 오픈소스 커뮤니티가 이 거대한 모델을 얼마나 빠르게 최적화해 낼지가 관건입니다.