노타, 문샷AI '키미 K3' 경량화…"GPU 수 50% 줄였다"

[사진=노타 제공]

[아이티비즈 김문구 기자] 노타가 문샷AI의 초거대 AI 모델 ‘키미 K3(Kimi K3)’를 경량화해 모델 구동에 필요한 그래픽처리장치(GPU) 수를 최대 50% 줄였다.

경량화 수준에 따라 모델 구동에 필요한 엔비디아 B300 GPU 수는 기존 8장에서 각각 6장과 4장으로 감소했다.

이를 통해 기업과 개발자는 대규모 AI 모델을 보다 적은 인프라 비용으로 운영할 수 있다.

키미 K3는 입력값에 따라 필요한 모듈만 선택적으로 활성화하는 전문가 혼합(MoE; Mixture-of-Experts) 구조를 채택해 연산 효율을 높인 프론티어급 오픈웨이트 AI 모델이다. 높은 성능만큼 구동에 엔비디아의 최신 고성능 GPU인 B300 8장이 필요하기 때문에 기업과 개발자가 활용하기에는 비용과 인프라 부담이 크다.

프론티어급 모델의 활용도를 높이려면 핵심 성능을 유지하면서 모델 크기와 연산량을 줄이는 경량화가 필요하다. 그러나 키미 K3는 학습 단계부터 가중치와 활성값을 각각 4비트와 8비트로 낮춰 설계돼, 모델이 사용하는 숫자의 정밀도를 낮춰 크기와 연산량을 줄이는 일반적인 양자화 방식만으로는 추가로 압축할 수 있는 범위가 제한적이었다.

노타는 이 문제를 자체 개발한 ‘비균일 전문가 프루닝(Non-uniform Expert Pruning)’ 기술로 경량화로 풀었다. 모델 층별 특성과 모듈 중요도를 분석해 핵심 전문가는 보존하고 기여도가 낮은 모듈만 선별 제거하는 방식이다. 모든 층을 동일 비율로 줄이던 기존 방식과 달리 층별 제거 비율을 다르게 적용해 성능 저하를 최소화했다.

이를 통해 노타는 키미 K3의 전문가 모듈을 각각 25%, 50% 줄인 경량화 모델 2종을 공개했다. 모델 구동에 필요한 엔비디아 B300 GPU 수도 기존 8장에서 각각 6장과 4장으로 줄였다. 이에 따라 실제 기업과 개발자들에게 대규모 AI 모델을 보다 적은 인프라 비용으로 운영할 수 있도록 지원한다.

김태호 노타 최고기술책임자(CTO)는 “자체 개발한 비균일 전문가 프루닝 기술을 바탕으로 솔라 오픈2에 이어 프론티어급 모델인 키미 K3까지 경량화해 주요 성능을 유지하면서 필요한 GPU를 최대 절반으로 줄이는 등 초거대 AI 모델의 연산 효율성을 높였다”며, “다양한 프론티어급 AI 모델을 한정된 연산 자원에서도 효율적으로 활용할 수 있도록 기술 적용 범위를 확대하겠다”고 말했다.