Raspberry Pi 5에서의 LLM 성능 벤치마크: 0.8B부터 122B 모델까지

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

핵심 요약

Raspberry Pi 5(16GB) 환경에서 SSD 스왑을 활용해 Qwen 2.5(최대 122B)와 Gemma 3 모델의 추론 성능을 측정한 상세 벤치마크 결과이다.

배경

Raspberry Pi 5 환경에서 30B 이상의 대형 모델 성능 데이터가 부족하다는 점을 해결하기 위해, 16GB RAM 모델과 USB SSD 스왑을 조합하여 다양한 크기의 LLM 성능을 직접 측정했다.

의미 / 영향

이 토론을 통해 Raspberry Pi 5와 같은 싱글 보드 컴퓨터에서도 적절한 스왑 전략을 통해 초거대 모델의 로드가 가능함이 입증됐다. 다만 실무적 관점에서는 메모리 대역폭 한계로 인해 소형 모델(2B 이하)을 활용하는 것이 가장 효율적이라는 커뮤니티 컨센서스가 확인됐다.

커뮤니티 반응

작성자의 실험 정신에 대해 긍정적인 반응이며, 특히 저사양 기기에서 대형 모델을 돌리는 '최소 사양 테스트'에 대한 관심이 높다.

주요 논점

01찬성다수

저사양 기기에서도 스왑을 활용하면 대형 모델의 작동 여부를 확인하고 연구용으로 활용할 수 있다.

합의점 vs 논쟁점

합의점

Raspberry Pi 5에서 실용적인 LLM 사용을 위해서는 2B 이하의 모델이 가장 적합하다.
SSD 스왑은 RAM 부족 문제를 해결해주지만 I/O 병목으로 인해 추론 속도를 심각하게 저하시킨다.

실용적 조언

Raspberry Pi에서 LLM을 구동할 때는 반드시 액티브 쿨러를 장착하여 스로틀링을 방지해야 한다.
RAM 용량을 초과하는 모델을 테스트하려면 SD 카드 대신 USB 3.0 이상의 SSD에 스왑 파일을 설정해야 성능 저하를 최소화할 수 있다.

섹션별 상세

SSD 스왑을 통한 메모리 한계 극복을 시도했다. 16GB RAM을 초과하는 대형 모델을 실행하기 위해 SD 카드의 기본 스왑을 비활성화하고 USB SSD에 대용량 스왑 파티션을 설정했다. 모델이 RAM과 스왑 영역에 로드된 이후에는 데이터 소스보다 CPU 연산 능력이 중요해지며, 이를 통해 122B 크기의 모델까지 로드 및 실행이 가능함을 확인했다.

bash

$ hdparm -t --direct /dev/sda2
/dev/sda2:
 Timing O_DIRECT disk reads: 1082 MB in 3.00 seconds = 360.18 MB/sec

USB로 연결된 SSD의 읽기 성능을 측정하여 스왑 파일의 잠재적 병목을 확인하는 코드

bash

$ swapon --show
NAME TYPE SIZE USED PRIO
/dev/sda3 partition 453.9G 87.6M 10

대형 모델 로드를 위해 SSD에 설정된 약 454GB 규모의 스왑 파티션 상태를 확인하는 코드

모델 크기에 따른 추론 속도(t/s)의 급격한 변화가 관찰됐다. Qwen 2.5 0.8B 모델은 초당 11.51토큰의 실용적인 속도를 보였으나, 122B MoE 모델은 초당 0.17토큰으로 매우 느리게 작동했다. Gemma 3 12B 모델은 Q8_0 양자화 상태에서 초당 1.00토큰을 기록하며 16GB RAM 환경에서 실용적으로 시도해볼 수 있는 최대 임계치임을 보여주었다.

컨텍스트 깊이가 성능 저하에 미치는 영향을 분석했다. 32k 컨텍스트 깊이에서 벤치마크를 수행한 결과, Qwen 2.5 0.8B 모델의 생성 속도가 0 컨텍스트 대비 약 50% 수준인 5.52 t/s로 하락했다. 이는 컨텍스트가 길어질수록 메모리 대역폭과 CPU 연산 부하가 가중되어 저사양 하드웨어에서 성능 유지가 어려움을 시사한다.

하드웨어 부하와 온도 사이의 상관관계를 확인했다. RAM에 완전히 들어가는 소형 모델 실행 시 CPU 온도는 약 70°C까지 상승했으나, 스왑을 사용하는 대형 모델에서는 오히려 50°C 수준으로 낮게 유지됐다. 이는 CPU가 데이터를 스왑에서 읽어오는 동안 대기 상태(I/O wait)에 머물며 코어당 부하가 25-50% 수준으로 제한되었기 때문이다.

실무 Takeaway

Raspberry Pi 5 16GB 모델에서 SSD 스왑을 활용하면 이론적으로 122B 규모의 대형 MoE 모델까지 로드하여 추론을 시도할 수 있다.
실용적인 텍스트 생성 속도를 위해서는 0.8B에서 2B 규모의 모델이 적합하며, 9B 이상의 모델은 초당 1토큰 이하의 속도로 인해 실시간 대화에는 부적합하다.
대형 모델 실행 시 주요 병목 현상은 CPU 연산보다 메모리 및 스왑 I/O에서 발생하며, 이로 인해 CPU 온도가 오히려 낮게 유지되는 현상이 나타난다.

언급된 도구

llama.cpp추천

LLM 추론 및 벤치마크 실행 엔진

hdparm중립

디스크 읽기 성능 측정 도구