플래시급 AI 모델 '스페이스버니' 공개

모델 선택 후 디폴트부터 맥스까지 에포트 설정이 가능한 오픈 코드는 스페이스버니 모델을 무료로 개방했다.

사용자는 모델 선택 후 디폴트부터 맥스까지 에포트(Effort)를 설정하여 사용할 수 있다. 코드팩토리는 커뮤니티의 다양한 예측을 인용하며 스페이스버니 모델 활용을 권장했다.

코드팩토리는 스페이스버니를 플래시급 모델로 예측하고 벤치마킹을 진행했다. 테스트 대상 모델은 스페이스버니, GPT6 루나, 그록 4.7, 클로드 오퍼스 5.5 등이다.

작업 환경은 로우, 하이, 맥스 에포트 설정 후 시간 및 토큰 사용량을 측정하는 방식으로 이루어졌다.

스페이스버니는 압도적인 속도 덕분에 플래시급 모델로 분류된다.

입력 토큰 54,000개와 출력 토큰 32,000개를 활용한 작업 방식에 대해 관계자는 한 방에 결과가 나왔으며 모두 단일 프롬프트로 진행됐다고 평가했다.

원본 이미지의 레이아웃, 클릭 시 장소 싱크, 타임라인 기능 등이 성공적으로 구현되었으며, 이 모든 결과물은 싱글 프롬프트 작업으로 도출되었다. 스페이스버니 맥스는 단일 프롬프트 입력만으로 복잡한 결과물을 도출한다.

GPT6 루나 맥스 에포트는 92,000개의 입력 토큰을 소모하며 16분 16초가 걸렸고, 일부 버튼 레이아웃 오류와 지도 싱크 미구현 등 한계를 보였다.

또한, 92,000개의 입력 토큰을 사용하여 스페이스버니 대비 토큰 소모량이 높았고, 지도 싱크 기능 미구현 및 일부 버튼 레이아웃 오류가 발생했다. 코드팩토리는 "루나 맥스가 이걸 구현해 내기 위해서 사용한 입력 토크는 92,000이고요. 출력 토크는 27,000입니다. 걸린 시간이 16분 16초예요"라고 밝혔다.

스페이스버니를 로우 에포트로 설정했을 때는 2분 34초 만에 작업이 완료되었으나, 레이아웃이 부분적으로 망가지는 현상이 나타났다.

이는 속도 위주의 설정 시 검증 과정 부족으로 인해 완성도가 저하될 수 있음을 보여준다. 스페이스버니 로우 버전은 2분 34초 만에 작업을 마쳤으나 일부 레이아웃이 훼손되었다.

두 모델은 웹사이트 구현 시 컨테이너와 섹션의 명확성 대신 전체 확장형 설계를 택해 데스크톱 화면 최적화에 다소 아쉬움을 남겼다. 일반적인 모델과 달리 스페이스버니는 전체 확장형 설계가 나타났다.

하이 버전과 루나 모두 의도하지 않은 요소가 포함되거나 레이아웃 정렬에 한계를 드러냈다. 하지만 두 모델 모두 웹사이트 구현 용도로 사용 가능함을 확인했다. 코드팩토리는 "이미지를 인식하고 그거를 웹사이트로 만들어 놔야는 둘 다 쓸 만한 거는 스페이스번이랑 루나 모두 맥스 에트였다라는 걸 우리가 평가를 해 볼 수가 있을 것 같습니다"라고 말했다.

그록 4.7과 X하이 모델은 완성도가 낮고 빈 공간이 많아 성능이 기대에 미치지 못했다.

반면 스페이스버니 맥스는 오퍼스 5.5 로우보다 작업 시간이 빠르며 완성도 또한 우수하다는 평가를 받았다. 특히 오퍼스 5.5 로우가 4분 14초 소요된 작업에서 스페이스버니 맥스는 더 빠른 속도와 높은 이미지 인식 능력을 입증했다. 맥스 버전에서 루나와 스페이스버니는 이미지 생성 능력 면에서 대등한 완성도를 나타낸다.

스페이스버니 하이는 게임 시작은 가능했으나 유도탄 구현 등 기능이 일부 미흡했고 로우급 모델들은 실행과 동작 구현에 실패했다. 반면 스페이스버니 맥스는 유도탄 발사, 스킬 습득, 체력 시스템 등 복잡한 로직을 완벽히 구축했으며 루나 맥스 또한 회전 낫 강화 등 안정적인 설계를 보였다고 관계자는 밝혔다. 스페이스버니 하이는 시작은 가능했지만 유도탄 구현 등 일부 기능이 미흡했다.

그러나 스페이스버니 맥스는 유도탄 발사, 스킬 습득, 레벨업, 체력 시스템 등 복잡한 게임 로직을 완벽하게 구현하는 데 성공했다.

루나 맥스 또한 안정적인 설계와 회전 낫 스킬 강화 기능 등을 충실히 구현했다. 게임 내 유도탄 연출과 아이템 수집에 따른 스킬 습득 과정도 구현할 수 있다.

스페이스버니 맥스는 게임 제작에 15분 19초가 소요되었으며, 42,000개의 입력 토큰과 4,840개의 출력 토큰을 사용했다.

이에 비해 루나 맥스는 17분 14초가 소요되었고, 84,000개의 입력 토큰과 30,000개의 출력 토큰을 사용했다. 스페이스버니가 상대적으로 적은 토큰과 더 짧은 시간 안에 동일한 품질의 결과물을 생성하여 높은 효율성을 입증했다. 코드팩토리는 "루나 맥스랑 스페이스 버니를 비교를 했을 때 마찬가지로 스페이스 버니가 이번에도 굉장히 빠르게 완료가 됐다라는 거죠"라고 말했다.

플래시급 모델 특성상 하위 단계 모델은 복잡한 작업 수행에 부적합하다. 빠른 속도를 기반으로 반복적인 프롬프팅이 가능한 스페이스버니 맥스 모델을 사용하는 것이 완성도 측면에서 권장된다.

이 모델은 빠른 속도를 기반으로 반복적인 프롬프팅 수행이 가능하며, 플래시급 모델 특성상 하위 단계 모델은 복잡한 작업에 부적합하다. 코드팩토리는 "복잡한 작업을 만약에 여러분이 시킨다라고 하면은 스페이스 맥스를 썼을 때 충분히 완성도 있는 작업을 해 낼 수가 있을 것 같고요"라고 제안했다.

한국어 포스터 생성 시 완성도와 레이어 순서 준수 능력을 비교한 결과, 스페이스버니 맥스와 루나 맥스는 생성 완성도 측면에서 대등한 수준을 보였다.

하지만 스페이스버니 맥스는 루나 대비 2배 이상의 속도 우위를 기록하며 효율성에서 앞섰다.

스페이스버니는 맥스 버전에서 붓의 이동 경로를 시각적으로 추적하는 기능이 있다.

맥스급 모델들은 붓의 궤적과 위치를 정밀하게 재현하여 그림 그리는 과정을 녹화하는 데 뛰어난 성능을 보였다. 반면 로우급 모델은 드로잉 과정을 표현하는 데 기술적 한계를 드러냈다.

특히 오퍼스 모델은 실제 사람이 그리는 듯한 자연스러운 속도감을 구현하여 높은 평가를 받았다. 동일한 에포트 조건에서 스페이스버니가 루나보다 작업 속도가 월등히 앞선다.

맥스급 모델들은 스프라이트 생성 작업을 무리 없이 수행하며 효율성을 입증했다. 이 중 오퍼스 모델은 관절의 자연스러운 움직임 등 완성도 측면에서 최상위 수준을 보였다.

스페이스버니 맥스는 8분 46초 만에 작업을 완료하며 빠른 처리 속도를 자랑했다. 코드팩토리는 "왜냐면 생각보다 어려워하지 않더라고요. 그래서 이런 식으로 스프라이트가 잘 만들어졌고 캐릭터의 움직임 이렇게 네 개의 그림을 기반으로 이렇게 움직일 수 있도록 돼 있는 걸 볼 수가 있고요"라고 말했다.

스페이스버니 모델은 우주 테마를 반영한 파티클 효과와 마우스 반응형 디자인을 구현하는 데 성공했다. 사용자가 스크롤하거나 드래그할 때 변하는 인터랙션 요소를 포함하여 복잡성을 더했다.

다양한 색상을 사용했음에도 불구하고 조화롭고 완성도 높은 레이아웃을 5분 26초 만에 구성했다. 이 과정에서 21,000개의 입력 토큰과 26,000개의 출력 토큰이 사용되었다. 코드팩토리는 "스페이스 번이 원본인데 어, 진짜 잘했어요. 이름이 스페이스 번인 것만큼 테마를 우주로 이렇게 만들어 줬고요"라고 감탄했다.

웹 디자인 구현에서 루나 모델은 8분 54초가 소요되었고 인터랙션 요소가 다소 부족했다. 그록(Grok) Xi는 웹 디자인 구현 능력과 미적 완성도가 상대적으로 낮게 평가되었다.

오퍼스 5.5는 52분 소요 및 32만 개의 출력 토큰을 사용하며 비용 및 시간 면에서 큰 차이를 보였다. 모든 비교 작업에서 스페이스버니가 가장 빠르고 효율적인 성능을 입증했다. 현존 모델 중 가장 빠른 속도와 멀티모달 디자인 표현력은 스페이스버니의 핵심 강점이다.

스페이스버니는 복잡한 레퍼런스 구현 능력과 이미지 인식, 최신 트렌드 학습에서 우수한 성능을 보여주며, 현재 현존하는 모델 중 가장 빠른 속도를 가졌다고 평가된다. 특히 복잡한 코딩 작업 시 '맥스 에포트' 모드를 활용하면 완성도 높은 결과물을 기대할 수 있다.

현재 오픈 코드에서 한시적으로 무료 사용이 가능하며, 무료 기간 종료 시점이 미지수이므로 조기 체험이 권장된다. 코드팩토리는 "이 스페이스의 강점은 엄청나게 빠른 속도랑 아마 지금 현존하는 모델들 중에서이 능력집에서 제일 빠를 것 같은데 그 속도랑 어, 멀티모델 그리고 디자인 표현 이런 것들이 굉장히 완성도가 높았다라고 우리가 평가를 해 볼 수가 있을 것 같습니다"라고 종합적으로 평가했다.