메타 Muse Spark Open, 집에 슈퍼컴퓨터가 필요해지는 걸까요

메타가 오픈 웨이트로 돌아왔어요, 816B를 들고

10월 15일, 메타 슈퍼인텔리전스 랩스가 Muse Spark Open(뮤즈 스파크 오픈)의 가중치를 공개했어요.¹ 총 816B 파라미터에 256개의 전문가 중 8개가 토큰마다 켜지는 MoE(Mixture of Experts, 전문가 혼합) 구조라서 실제 계산에 쓰이는 활성 파라미터는 42B예요. 컨텍스트는 100만 토큰, 입력은 텍스트·이미지·영상·오디오, 출력은 텍스트이고, 100개가 넘는 언어로 학습했다고 모델 카드에 적혀 있어요.² 메타는 이 모델을 미국에서 나온 가장 뛰어난 오픈 웨이트 모델이라고 소개해요. 오픈 웨이트(open weight)는 학습된 가중치 파일을 내려받아 돌릴 수 있다는 뜻이고, 학습 데이터나 코드까지 열린 오픈소스와는 달라요.

올해 메타의 행보를 보면 이 공개가 조금 뜻밖이에요. 4월 8일 메타 슈퍼인텔리전스 랩스의 첫 모델 Muse Spark가 나왔을 때는 가중치를 열지 않았어요. Llama 시리즈로 오픈 모델의 대명사였던 회사가 처음으로 닫힌 모델을 내놓은 거였고, 당시 메타는 다음 버전은 열고 싶다는 뜻만 밝혀 뒀어요.³ 8월 5일 Muse Spark 1.2와 터미널 코딩 에이전트 Muse Code도 API와 제품으로만 나왔어요.⁴ 그러다 반년 만에 1.2의 오픈 웨이트 판을 내놓은 거예요.

Introducing Muse Spark Open, The Most Capable US Open‑Weight Model to DateMuse Spark Open is the most capable US open-weight model to date, and brings leading agentic capabilities to your desktop on Apple M5 Ultra Mac Studios.research.meta.ai

저는 이 발표에서 두 가지가 걸렸어요. 하나는 메타가 “집에서도 돌릴 수 있다”고 말하면서 꺼낸 기계가 애플의 맥 스튜디오 M5 Ultra라는 점이에요. 다른 하나는 2023년 Llama 2 때 봤던 장면이 다시 올 수 있겠다는 점이에요. 이번 호는 그 둘을 차례로 보고, 그 뒤에 남는 메모리 이야기까지 가요.

책상 위에서 돌아가긴 해요, 맥 스튜디오 두 대가 있으면

메타 블로그의 설명은 이래요. M5 Ultra 맥 스튜디오는 GPU가 최대 512GB 통합 메모리를 쓸 수 있고, 메모리 대역폭이 1.2TB/s예요. 통합 메모리(unified memory)는 CPU와 GPU가 같은 메모리를 나눠 쓰는 구조라서, 그래픽카드 VRAM 한계와 상관없이 큰 모델을 통째로 올릴 수 있어요. 이 기계 두 대를 묶으면 1TB 통합 메모리를 가진 슈퍼컴퓨터 한 대처럼 움직이고, 모델 전체가 그 안에 들어가요.¹ 메타는 애플의 MLX 프레임워크로 최적화해 Muse Code를 이 구성에서 돌렸고, 오픈소스 마스토돈 클라이언트 Ice Cubes의 iOS 코드를 고쳐 빌드하는 작업과 DaVinci Resolve를 조작해 영상을 프레임 단위로 보고 세로로 자르는 작업을 전부 기기 안에서 끝냈다고 해요.

한 대로는 안 돼요. 메타가 적어 둔 기준은 512GB 맥 스튜디오 두 대, 합쳐서 1TB예요. 같은 날 애플 머신러닝 리서치가 올린 글에 숫자가 있어요. 4비트 NVFP4로 줄여도 가중치가 약 493GB이고, BF16 원본은 1.6TB가 넘어서 한 대에는 들어가지 않아요. 두 대를 썬더볼트 5 케이블로 묶고 macOS 26.2에 들어간 RDMA 드라이버로 메모리를 직접 주고받게 하면, 생성 속도가 초당 15.7토큰(파이프라인 병렬) 또는 25.0토큰(텐서 병렬)이에요. 네 대를 묶으면 36.7토큰까지 올라가요. 첫 토큰이 나오기까지는 두 대 기준 8.2초가 걸려요.⁵ 메타 모델 카드는 더 보수적이에요. NVFP4로 돌리려면 최소 700GB, BF16은 2TB 메모리가 필요하다고 적어 뒀어요.²

한 대에 욱여넣는 방법이 아예 없는 건 아니에요. 커뮤니티가 만든 2비트 GGUF 빌드는 304GB라서 512GB 맥 스튜디오 한 대에 들어가고, 허깅페이스 팀이 M3 Ultra 512GB에서 돌려 초당 18토큰쯤을 얻었다는 보도가 있어요. 다만 2비트는 품질을 깎는 선택이고, 100만 토큰 컨텍스트를 다 쓰면 KV 캐시만 약 266GB라서 가중치와 합치면 한 대를 넘어요.⁶ “한 대로 돌아간다”는 말은 시연에는 맞고 실제 작업에는 조건이 붙어요.

엔비디아 DGX Spark로는 어림도 없어요. 통합 메모리가 128GB이고, 두 대를 묶어도 256GB예요.⁷ 작년 10월 3,999달러로 나왔다가 올해 2월 메모리 부족을 이유로 4,699달러가 됐는데도요. 개인용 AI 슈퍼컴퓨터라고 불리던 기계가, 이 모델 앞에서는 메타가 말한 1TB의 8분의 1이에요. 엔비디아 쪽에서 이 체급을 책상 위에 올리려면 GB300을 넣은 DGX Station으로 가야 해요. 748GB 메모리에 슈퍼마이크로 판매가가 9만 2,887달러예요.⁸

맥 스튜디오 쪽도 싸지는 않아요. M5 Ultra 모델은 96GB 구성이 5,499달러부터 시작하고, 256GB 구성은 1만 2,299달러예요.⁸⁹ 512GB 구성은 10월 말에 따로 나오는데 8월 발표 시점에는 가격이 공개되지 않았어요. 그 기계가 두 대 필요해요. 이전 세대인 M3 Ultra 512GB 구성은 올해 3월 메모리 칩 부족을 이유로 판매가 중단됐고, 호주에서는 중고 매물이 6만 달러를 넘겼다는 보도도 있었어요.¹⁰ 그러니까 “책상 위에서 돌아간다”는 말은 맞아요. 다만 그 책상 위에 한 대에 1만 달러를 훌쩍 넘길 기계 두 대가 올라가 있다는 조건이 붙어요.

토큰 속도의 상한은 메모리 대역폭이 정해요

메타가 “1.2TB/s면 토큰마다 필요한 조각을 읽기에 충분하다”고 쓴 이유를 숫자로 풀어 볼게요. MoE 모델은 토큰 하나를 만들 때 활성 파라미터만 읽어요. 42B를 4비트로 저장하면 토큰당 약 21GB예요. 메모리 대역폭이 1.2TB/s면 1초에 그 21GB를 최대 57번 읽을 수 있으니, 다른 비용을 전부 무시한 상한이 초당 57토큰이에요. 애플이 두 대로 실측한 25토큰은 그 상한의 절반쯤이고, 나머지는 KV 캐시 읽기, 라우팅, 두 기계 사이의 통신에 쓰여요. 같은 계산을 DGX Spark에 하면 대역폭 273GB/s라서 상한이 초당 13토큰이에요. 가중치가 들어간다 해도 그 속도예요.

이 계산이 말해 주는 게 있어요. 816B 중 42B만 쓰니까 계산량은 42B 모델과 비슷한데, 메모리에는 816B가 전부 올라가 있어야 해요. MoE는 계산을 아끼는 대신 메모리를 요구하는 구조예요. 그래서 이 체급의 모델을 집에서 돌리는 문제는 GPU 성능보다 메모리 용량과 대역폭이 먼저 걸리는 문제가 돼요. 애플이 통합 메모리 512GB를 앞세워 이 자리에 들어온 이유이고, 메모리 부족이 이 글 뒤쪽에서 다시 나오는 이유예요.

그 사양이 개인에게 왜 필요하냐는 질문

저는 이 장면에서 스마트폰 카메라가 떠올라요. 하이엔드 스마트폰에 그런 카메라가 개인에게 왜 필요하냐는 말이 한참 나왔잖아요. 지금 보면 다들 들고 다녀요.

아이폰 듀오도 같은 패턴이에요. 9월 발표 때 1,999달러라는 가격을 두고 비싸다는 평이 많았어요. 3,000달러까지 간다는 소문이 돌던 터라 예상보다 싸다는 반응도 있었지만, 역대 가장 비싼 아이폰인 건 그대로예요.¹¹ 한국 가격은 329만 원부터이고, 오늘 10월 16일 예약을 받아 23일에 출시해요.¹² 미국에서는 오늘 아침 사전 주문이 열리자 출시일 배송분이 몇 분 만에 동났고, 배송 예정일은 11월 말에서 12월로 밀렸어요.¹³ 물론 초기 생산 물량이 평소보다 적다는 관측이 같이 나와요. 품절이 수요만의 증거는 아니라는 뜻이에요. 그래도 비싸다는 말을 듣던 물건에 사람들이 줄을 섰다는 사실은 남아요. 저는 이 공급 부족이 한 번으로 끝나지 않을 거라고 봐요.

그래서 질문이 하나 생겨요. 진짜 슈퍼컴퓨터가 각 가정에 한 대씩 필요한 시대가 오는 걸까요? 저는 아직 물음표를 붙여 둬요. 다만 “그 사양이 개인에게 왜 필요하냐”는 질문이 예전에 어떻게 끝났는지는 기억하고 있어요.

Llama 2가 열었던 대개발의 시대

메타의 오픈 모델 정책이 LLM 개발에 준 영향은 커요. 2023년 2월 첫 Llama는 연구자에게만 열렸고, 그해 7월 Llama 2가 상업적 이용까지 허용하면서 판이 바뀌었어요.¹⁴ 그 뒤 나온 초기 모델 상당수가 Llama의 모델 카드부터 구조, 추론 코드까지 그대로 썼어요. 중국 01.AI의 Yi-34B는 Llama 구조에서 텐서 이름 두 개만 바꾼 것으로 드러나 회사가 실수를 인정하고 이름을 되돌렸고,¹⁵ 한국 업스테이지의 SOLAR-10.7B는 모델 카드에 Llama 2 아키텍처 위에 만들었다고 적어 뒀어요.¹⁶ 유럽 쪽도 다르지 않았어요. 같은 틀을 쓰니까 llama.cpp 같은 도구에 바로 올라갔고, 그 도구 위에서 다음 모델이 또 나왔어요. 저는 그 시기를 LLM 대개발의 시대라고 불러요.

이번 공개가 그 장면을 다시 부를 수 있다고 봐요. 추론 엔진 쪽은 공개 첫날부터 SGLang, vLLM, TensorRT-LLM, Transformers, MLX, llama.cpp, Unsloth가 붙었고, AMD·애플·인텔·엔비디아 칩에 맞춘 최적화가 들어갔어요. 가중치는 허깅페이스뿐 아니라 아마존 세이지메이커, 구글 클라우드 모델 가든, 마이크로소프트 파운드리에서도 받을 수 있고, API로는 Baseten, Fireworks, Groq, Modal, Nebius, OpenRouter, Together AI가 첫날에 열었어요.¹ 2023년에는 커뮤니티가 뒤따라 만들던 연결을 이번엔 메타가 공개 전에 다 깔아 둔 거예요. 다음에 나오는 모델은 이 도구 호환성을 기본으로 깔고 시작해요.

”미국에서 가장”이라는 수식어가 가리키는 곳

메타가 “가장 뛰어난 오픈 웨이트 모델” 앞에 굳이 “미국에서 나온”을 붙인 이유는 모델 카드의 비교표를 보면 알 수 있어요. 비교 대상은 모두 오픈 웨이트 모델이고, 그중 체급이 비슷한 건 알리바바 Qwen3.8(2.4T, 활성 95B), 즈푸 GLM 5.3, 문샷 Kimi K3예요.² Kimi K3는 7월에 나온 총 2.8T 파라미터 모델이에요.¹⁷ 메타가 공개한 표에서 몇 줄만 옮겨 볼게요. 메타가 고른 벤치마크를 메타가 돌린 결과라는 점은 감안하고 봐야 해요.

벤치마크	Muse Spark Open	Qwen3.8	GLM 5.3	Kimi K3
AA Intelligence Index	39	40	45	44
JobBench	61.8	52.7	61.4	54.3
MCP-Atlas (도구 사용)	89.2	84.5	84.2	82.3
Terminal-Bench 2.1	76.4	82.0	83.9	85.0
GPQA Diamond	89.0	93.5	91.7	93.5

도구 사용과 업무형 벤치마크에서는 앞서고, 종합 지수와 터미널·과학 문제에서는 중국 모델 셋에 뒤져요. 그러니까 “미국에서 가장”은 틀린 말이 아니지만, 비교 대상이 처음부터 중국 오픈 모델이라는 뜻이에요. 메타가 오픈 웨이트로 돌아온 이유도 거기 있다고 봐요. 오픈 모델을 내려받아 쓰는 개발자들이 지난 1년 동안 어느 나라 모델 위에서 일해 왔는지, 메타가 모를 리 없어요. 전체 평가 보고서는 아직 안 나왔어요.¹

오픈 웨이트라는 말에 붙은 조건

Llama 2 때와 다른 점도 봐야 해요. 라이선스예요. 메타는 Muse Model License로 내놨고, 조건이 몇 개 붙어요. 제품 화면이나 문서에 “Built with Muse Spark Open” 표기를 넣어야 하고, 이 모델을 API로 남에게 제공하는 사업의 매출이 12개월 기준 2,000만 달러를 넘으면 메타와 별도 계약을 맺어야 해요. 내부 사용, 연구, 자기 제품에 넣어 쓰는 건 그 조건에서 빠져요. 이 모델이나 그 출력으로 학습·미세조정·증류한 모델은 전부 파생물로 봐요.² 오픈소스가 아니라 오픈 웨이트예요. Llama도 OSI가 오픈소스로 인정하지 않았으니 새삼스러운 일은 아니지만,¹⁴ 이 조건을 모르고 제품을 만들면 나중에 걸려요.

체급이 바뀌었어요, 1T가 기본값이에요

816B가 큰 숫자처럼 보이지만, 올해 오픈 웨이트 지형에서는 그렇지 않아요. Kimi K3가 2.8T, Qwen3.8이 2.4T예요. 1T 안팎의 총 파라미터가 오픈 웨이트에서도 당연한 숫자가 되고, 그중 수십 B만 활성화되는 설계가 기본값이 돼요. Muse Spark Open은 42B, Qwen3.8은 95B가 활성이에요.²¹⁷

앞의 계산을 다시 가져오면, 이 설계가 하드웨어에 요구하는 건 계산보다 메모리예요. 활성 42B면 계산은 중형 모델 수준인데 가중치 816B는 전부 메모리에 있어야 하고, 100만 토큰 컨텍스트를 쓰면 KV 캐시가 또 수백 GB예요. 모델 하나가 요구하는 메모리가 지난 2년 사이 수십 GB에서 1TB 단위로 올라갔어요. 이걸 로컬에서 돌리는 사람이 늘어날수록, 개인과 작은 조직이 512GB짜리 기계를 두 대씩 사는 그림이 돼요. 저는 이번 공개를 메모리 부족을 밀어 올리는 또 하나의 출발점으로 봐요.

메모리는 누가 대나요

그 메모리는 지금 가장 구하기 어려운 부품이에요. 트렌드포스의 7월 조사는 3분기 범용 DRAM 계약 가격이 전 분기보다 13~18% 더 오른다고 봤어요. 상승폭이 줄어든 이유는 공급이 풀려서가 아니라, PC와 스마트폰 쪽 고객이 더는 감당하지 못하는 가격에 이르렀기 때문이에요.¹⁸ 제품 쪽에서도 흔적이 보여요. 애플은 3월에 512GB 맥 스튜디오를 메모리 칩 부족 때문에 내렸다가 이제야 다시 넣었고, 엔비디아는 같은 이유로 DGX Spark 가격을 올렸어요.⁷¹⁰

한국 독자에게 가장 가까운 숫자는 10월 8일에 나왔어요. 삼성전자의 3분기 잠정 영업이익이 107조 4,000억 원이에요. 분기 영업이익이 100조 원을 넘은 건 처음이고, 매출 195조 원에 영업이익률이 55%예요. 엔비디아 차세대 GPU에 들어가는 HBM4 매출이 올라오고 범용 DRAM 가격이 오른 결과예요. 같은 회사 안에서 반대 방향도 보여요. 스마트폰과 가전을 맡는 디바이스 부문은 메모리 가격이 오르는 바람에 적자 폭이 커져서 증권가가 2조 원 안팎의 손실을 예상해요.¹⁹ 메모리를 파는 쪽은 사상 최대 이익이고, 메모리를 사다 제품을 만드는 쪽은 같은 회사여도 손해를 보는 구조예요. 아이폰 듀오의 품절과 같은 종류의 이야기예요. 데이터센터가 HBM(고대역폭 메모리)을 쓸어 가는 와중에, 공급이 모자란 상태에서 “그 사양이 왜 필요하냐”는 질문이 사라지면 가격은 내려올 자리가 없어요.

오스왈드의 시선

제 책상에는 M2 Max 64GB 맥 스튜디오가 추론 서버로 돌아가요. 30B급 모델을 올려 두고 맥북에서 붙어 써요. 이 기계로 Muse Spark Open은 어림도 없어요. 그런데도 제 일의 꽤 많은 부분은 이 정도에서 돌아가요. 늘 하는 말이지만, 모든 사람과 모든 일에 초지능이 필요한 건 아니에요. 일과 환경에 맞는 모델이 따로 있어요. 전체 계획과 오케스트레이션은 프런티어 모델에 맡기고, 오래 걸리고 반복이 많은 작업은 더 싼 오픈 모델에 넘기는 식이에요.

애플이 같은 글에서 보여 준 다른 숫자가 그래서 눈에 들어와요. 27B짜리 밀집 모델은 M5 Ultra 한 대에서 메모리 68GB로 초당 19.7토큰이 나와요.⁵ 집에서 돌아가는 체급은 여전히 이쪽이에요. 이번 공개가 그린 그림은 집과 조직이 갈라지는 쪽에 가까워요. 집에는 수십 GB 메모리에 30B급 모델, 조직에는 1TB 메모리에 1T급 모델이에요.

그래서 저는 “각 가정에 슈퍼컴퓨터”보다 먼저 다른 쪽을 봐요. 공공기관의 폐쇄망 환경이에요. 저는 폐쇄망 프로젝트를 설계할 때 6~12개월 뒤에 나올 오픈 웨이트 모델의 수준을 가늠해서 사양을 잡아요. 모델은 항상 위로 올라간다는 전제로요. 이번 공개는 그 가늠자를 한 칸 올려요. 밖으로 데이터를 내보낼 수 없는 조직이 “프런티어급에 가까운 모델을 내 기계에서”라는 선택지를 처음으로 현실적인 견적서에 올릴 수 있게 됐어요. 1만 달러가 넘는 기계 두 대는 개인에게는 큰돈이지만, 9만 달러짜리 DGX Station이나 GPU 서버 예산에 견주면 작은 숫자예요.

집에 들일지는 아직 모르겠어요. 다만 “그런 사양이 개인에게 왜 필요하냐”는 질문의 수명이 생각보다 짧다는 건, 스마트폰이 이미 보여줬어요.

마치며

메타가 오픈 웨이트로 돌아왔고, 기준선은 맥 스튜디오 두 대와 1TB 메모리예요. 그 기준선이 당연해지는 속도를 메모리 공급이 따라가지 못하고 있어요.

---

💬 구독자님은 집이나 사무실에서 어떤 기계로 어떤 모델을 돌리고 계세요? 아니면 아직 “그 사양이 왜 필요하냐” 쪽이세요? 댓글로 알려 주세요.

📨 로컬에서 모델을 돌려 볼까 고민하는 분이 주변에 있다면 이 글을 전해 주세요.

---

참고자료 & 더 읽기

필자 안광섭 (오스왈드)은 세종대학교 겸임교수, INLEVEL9 전략 컨설턴트입니다. 경력, 연구, 저서와 최신 활동은 저자 소개에서 계속 갱신합니다. 최근 소식 · 2026년 8월: 2026 세종도서 교양부문 우수도서 선정.

📝 용어 설명

• 오픈 웨이트(open weight): 학습된 모델의 가중치 파일을 내려받아 실행·미세조정할 수 있게 공개하는 방식. 학습 데이터와 학습 코드까지 열리는 것은 아니고, OSI 기준의 오픈소스 라이선스와도 다름.
• MoE(Mixture of Experts, 전문가 혼합): 여러 전문가 서브네트워크 중 일부만 토큰마다 골라 계산하는 구조. 전체 파라미터는 메모리에 다 올라가야 하지만 계산량은 활성 파라미터 기준.
• 활성 파라미터(active parameters): MoE에서 토큰 하나를 처리할 때 실제 계산에 쓰이는 파라미터 수. Muse Spark Open은 816B 중 42B.
• 통합 메모리(unified memory): CPU와 GPU가 같은 메모리 풀을 나눠 쓰는 구조. 그래픽카드 VRAM 한계와 별개로 GPU가 큰 모델을 통째로 올릴 수 있는 이유.
• 메모리 대역폭(memory bandwidth): 1초에 메모리에서 읽어 올 수 있는 데이터 양. 생성 단계에서는 토큰마다 활성 가중치를 다시 읽어야 해서, 이 값이 초당 토큰 수의 상한을 정함.
• NVFP4: 엔비디아가 정의한 4비트 부동소수점 형식. 가중치 용량을 BF16 대비 4분의 1 수준으로 줄임.
• KV 캐시(KV cache): 이미 처리한 토큰의 키·값을 저장해 두는 메모리. 컨텍스트가 길어질수록 가중치와 별도로 메모리를 차지함.
• 텐서 병렬·파이프라인 병렬: 모델을 여러 기계에 나누는 두 방식. 파이프라인 병렬은 층을 앞뒤로 나누고, 텐서 병렬은 각 층을 폭 방향으로 나눠 모든 기계가 모든 층의 일부를 맡음.
• RDMA(Remote Direct Memory Access): 한 기계가 다른 기계의 메모리를 CPU를 거치지 않고 직접 읽고 쓰는 방식. macOS 26.2부터 썬더볼트 5 위에서 지원.
• HBM(High Bandwidth Memory, 고대역폭 메모리): 데이터센터용 AI 가속기에 들어가는 적층 메모리. 메모리 제조사가 생산 능력을 이쪽으로 돌리면서 일반 DRAM 공급이 줄어듦.

각주

1. Meta Superintelligence Labs, Introducing Muse Spark Open, The Most Capable US Open-Weight Model to Date, 2026-10-15. 맥 스튜디오 두 대 구성, 추론 엔진·배포 경로, 전체 평가 보고서 미공개. ↩ ↩² ↩³ ↩⁴

2. Meta, Muse-Spark-Open-816B-A42B 모델 카드, 2026-10. 256개 전문가·8개 활성, 입력 모달리티, 100개 이상 언어, NVFP4 최소 700GB·BF16 2TB, Muse Model License 조항(표기 의무·MaaS 매출 2,000만 달러 기준·파생물 정의), 벤치마크 비교표(Qwen3.8-2.4T-A95B·GLM 5.3·Kimi K3 등). ↩ ↩² ↩³ ↩⁴ ↩⁵

3. The Next Web, Meta’s Muse Spark is MSL’s first model, 2026-04-08. 첫 Muse Spark의 비공개 출시, 향후 버전 공개 의향. ↩

4. Meta Superintelligence Labs, Introducing Muse Code and Muse Spark 1.2, 2026-08-05. Muse Code·Meta Model API 경로, 가중치 공개 언급 없음. ↩

5. Apple Machine Learning Research, Local and Distributed Large LLM Inference with MLX and RDMA on Mac Studio, 2026-10-15. NVFP4 약 493GB·BF16 1.6TB 이상, 2대 15.74/24.99 tok/s, 4대 36.73 tok/s, 첫 토큰 8.2초, macOS 26.2 RDMA, 27B 밀집 모델 1대 19.69 tok/s·68GB. ↩ ↩²

6. ModelFit, Meta Muse Spark Open on a Mac: 304GB 2-bit Build Needs a 512GB Mac Studio, 2026-10-16. ggml-org GGUF 용량(Q2_K 304GB·Q4_K_S 470GB·Q8_0 872GB), 허깅페이스 팀의 M3 Ultra 512GB 약 18 tok/s, 1M 컨텍스트 KV 캐시 약 266GB. 2차 출처. ↩

7. Toolhalla, NVIDIA DGX Spark Complete Guide 2026; Implicator, Nvidia ships DGX Spark at $4K. 128GB 통합 메모리, 대역폭 273GB/s, 2대 연결 시 256GB, 2025-10-15 출시가 3,999달러, 2026-02 메모리 부족 사유 4,699달러. ↩ ↩²

8. TechRadar, Nvidia GB300 DGX Station desktop PC goes on sale for almost $91,100, 2026-09-01. 슈퍼마이크로 판매가 92,887.47달러, 748GB(CPU 496GB + HBM3e 252GB), 맥 스튜디오 M5 Ultra 256GB 12,299달러. ↩ ↩²

9. Thurrott, Apple’s Mac Studio is Being Refreshed With M5 Ultra and M5 Max Chips, 2026-08-25. 5,499달러 시작가(96GB·1TB), 512GB 구성 10월 말 출시·가격 미공개. ↩

10. MacRumors, Mac Studio With M5 Ultra Chip and 512GB of RAM Launching in October, 2026-08-25. 2026-03 메모리 칩 부족으로 512GB 구성 판매 중단. 중고가 6만 달러 초과는 Man of Many(호주), Mac Studio M5 Max M5 Ultra 보도. ↩ ↩²

11. PhoneArena, People thought $3,000 for a foldable was too much and Apple listened, 2026-09. 1,999달러 시작가와 3,000달러 소문. ↩

12. 위키트리, 애플, 접이식 ‘아이폰 듀오’ 공개…한국 가격 ‘329만 원부터’, 2026-09. 한국 가격, 10월 16일 예약, 10월 23일 출시. ↩

13. AppleInsider, iPhone Duo sells out moments after pre-orders begin, 2026-10-16; Macworld, iPhone Duo pre-order live blog, 2026-10-16. 사전 주문 직후 배송일 11월 16~23일, 이후 12월로 지연. 초기 물량이 평소보다 적다는 관측은 AppleInsider. ↩

14. Wikipedia, Llama (language model). 2023-02-24 첫 공개(연구용 비상업 라이선스), 2023-07 Llama 2 상업 이용 허용, OSI의 오픈소스 불인정. ↩ ↩²

15. South China Morning Post, Chinese tech unicorn 01.AI admits ‘oversight’ in changing name of AI model built on Meta Platforms’ Llama system, 2023-11. 원 논의는 Hugging Face 01-ai/Yi-34B 토론. ↩

16. Upstage, SOLAR-10.7B-v1.0 모델 카드, 2023-12. “Built on the Llama2 architecture” 명시. ↩

17. Sébastien Dubois, Kimi K3, Qwen 3.8, and a Week That Reset the Open-Weight Frontier, 2026-07. Kimi K3 총 2.8T·7월 16일 공개, Qwen 3.8 7월 19일 발표. 2차 출처이며 Qwen3.8 활성 95B는 메타 모델 카드의 표기 기준. ↩ ↩²

18. TrendForce, AI Server Demand Continues to Support Memory Prices in 3Q26, but Gains Moderate as Consumer Demand Weakens, 2026-07-03. 범용 DRAM 계약가 3Q26 전 분기 대비 13~18% 상승 전망, 소비자 시장 가격 수용 한계. ↩

19. 머니투데이방송, 삼성전자, 분기 영업이익 100조원 시대 개막 (종합), 2026-10-08. 3분기 잠정 매출 195조 원·영업이익 107조 4,000억 원·이익률 55%, HBM4·범용 DRAM 가격 효과, DX 부문 2조 원 안팎 적자 전망. ↩