노트북에서 실행한 Qwen 3.6 35B 모델이 Claude Opus 4.7보다 더 나은 펠리컨 그림을 생성했다

섹션별 상세

01

전통적인 성능 지표 대신 SVG 코드를 직접 생성하게 하여 모델의 공간 이해력과 논리적 구조화 능력을 테스트했다. Qwen 3.6 35B 모델은 자전거의 기하학적 구조를 정확히 파악하여 펠리컨이 탑승한 모습을 구현했다. 반면 Claude Opus 4.7은 자전거 프레임의 형태를 완전히 잘못 묘사하며 구조적 이해에서 한계를 보였다. 이는 로컬 실행 모델이 특정 창의적 코딩 작업에서 유료 API 모델을 앞설 수 있음을 증명한다.

Qwen 3.6 모델이 생성한 자전거 타는 펠리컨 SVG 이미지 — Screenshot자전거 프레임의 삼각형 구조가 정확하게 구현되었으며 펠리컨의 특징인 부리 주머니가 잘 묘사되어 있다. 구름과 지면의 텍스트 캡션까지 포함하여 지시 사항을 충실히 이행했음을 보여준다.

Claude Opus 4.7이 생성한 자전거 타는 펠리컨 SVG 이미지 — Screenshot자전거 프레임의 연결 구조가 비논리적이며 펠리컨의 부리 묘사가 Qwen에 비해 덜 구체적이다. 모델의 공간적 배치 능력이 상대적으로 부족함을 드러내는 증거로 사용됐다.

02

벤치마크 오염 가능성을 배제하기 위해 '외발자전거 타는 플라밍고'라는 새로운 테스트 케이스를 도입했다. Qwen 3.6은 단순히 요청을 수행하는 것을 넘어 선글라스, 담배, 나비넥타이 등 세부적인 장식을 추가하며 높은 수준의 지시 이행 능력을 보여주었다. Opus 4.7이 생성한 결과물은 기술적으로는 정확했으나 시각적인 매력이나 창의성 면에서 Qwen에 미치지 못했다. 이를 통해 Qwen 모델의 SVG 생성 로직이 단순히 학습 데이터를 암기한 것이 아님이 확인됐다.

Qwen 3.6이 생성한 외발자전거 타는 플라밍고 SVG 이미지 — Screenshot선글라스, 나비넥타이, 담배와 같은 추가적인 소품을 스스로 창작하여 그려 넣었다. 단순한 형태 구현을 넘어 캐릭터의 개성을 부여하는 높은 수준의 창의성을 보여준다.

03

21GB 크기로 양자화된 Qwen 3.6 모델을 MacBook Pro M5 환경에서 LM Studio를 통해 로컬로 구동했다. 대규모 클라우드 인프라를 사용하는 Anthropic의 최신 상용 모델과 비교했을 때, 로컬 모델이 특정 도메인에서 대등하거나 우수한 성능을 낼 수 있다는 점이 고무적이다. 다만 저자는 이것이 모델의 전반적인 지능이 더 높다는 의미는 아니며, 특정 작업에 대한 최적화 수준의 차이일 수 있다고 분석했다. 사용자는 용도에 따라 로컬 모델과 API 모델을 전략적으로 선택해야 한다.

용어 해설

확장 가능 벡터 그래픽(SVG): — 2차원 벡터 그래픽을 표현하기 위한 XML 기반의 파일 형식이다. 텍스트로 코드를 작성해 이미지를 생성할 수 있어 LLM의 시각적 이해도와 코드 생성 능력을 동시에 평가하는 지표로 활용된다.
양자화(Quantization): — 모델의 가중치를 낮은 정밀도로 변환하여 메모리 사용량을 줄이고 추론 속도를 높이는 기법이다. 본문에서는 35B 모델을 21GB 수준으로 압축해 노트북에서 실행 가능하게 만든 사례로 언급됐다.
GGUF: — llama.cpp 등에서 사용되는 대규모 언어 모델 저장용 파일 포맷이다. 단일 파일에 모델 가중치와 메타데이터를 포함하며, CPU 및 GPU 추론에 최적화되어 로컬 LLM 실행에 널리 쓰인다.

기술

Qwen 3.6 35B
Claude Opus 4.7
LM Studio
Unsloth
MacBook Pro M5

활용 사례

로컬 환경에서의 SVG 일러스트레이션 생성
모델 간 공간 이해도 비교 테스트
저비용 고효율 로컬 AI 워크플로 구축

언급된 리소스

문서Qwen3.6-35B-A3B-UD-Q4_K_S.gguf