2026. 7. 23. 09:40
내맘대로의 EPUBGUIDE.NET에서 편집자의 의도를 그대로 살려 전자책을 제작해 드립니다.
종이책의 편집 스타일을 최대한 유지하며, 팝업 주석 처리, 이미지 확대 축소 등 전자책의 장점을 반영하여 전자책을 제작합니다. 탬플릿을 사용하지 않고, 책 한권 한권 고유 스타일을 살리기 때문에 전자책에서도 종이책 디자인을 느낄 수 있습니다.
한국출판문화진흥원의 [텍스트형 전자책 제작 지원 사업] 선정 도서는 ‘제작 난이도별 제작비 산정 기준에 근거하여’ 제작 단가를 산정하고, 일정에 맞춰 제작을 해 드리니 많은 문의 바랍니다. 자세한 내용은 여기로: https://www.epubguide.net/notice/309오래 전 작성된 글은 현재의 Sigil 버전과 차이가 날 수 있습니다. 등록 일자를 확인 하고 1년 이상 지난 글은 변경된 내용이 있는지 확인하시기 바랍니다.
|
EPUBGUIDE.NET의 핵심만 모았다. 전자책 편집자를 위한 필독서! |
|||
|
클릭 편집 탬플릿 제공, |
|
기초부터 전자책 제작 실습까지 |
300x250
최근 1년 이내(2025년 하반기 ~ 2026년 상반기 기준)에 공개되어 가장 우수한 성능을 보여주는 모델들을 VRAM 내에 완전히 적재 가능한 모델과 시스템 RAM을 적극 활용하는 대형 모델로 나누어 정리했다.
1. VRAM 내 완전 적재 가능 모델 (속도 최적화)
사용 가능한 VRAM 영역이 약 16GB ~ 22GB 정도 확보될 경우, 27B ~ 32B 파라미터 규모의 모델을 4-bit 또는 5-bit 양자화 수준으로 VRAM에 100% 올려 가장 빠른 추론 속도로 사용할 수 있다.
- DeepSeek-R1-Distill-Qwen-32B
- 특징: 강력한 추론 능력을 갖춘 최신 모델이다. 코딩, 수학, 복잡한 논리 연산에서 동급 모델 중 최상위권의 성능을 발휘한다.
- 권장 양자화: Q4_K_M (약 19.8GB) 또는 Q5_K_M (약 23.2GB)
- Hugging Face URL: [https://huggingface.co/tensorblock/DeepSeek-R1-Distill-Qwen-32B-GGUF](https://huggingface.co/tensorblock/DeepSeek-R1-Distill-Qwen-32B-GGUF)
- Qwen2.5-32B-Instruct
- 특징: 다국어 지원과 일반적인 텍스트 생성 및 지시 이행 능력이 매우 뛰어나다. 한국어 처리 능력도 우수하여 다목적 비서로 적합하다.
- 권장 양자화: Q4_K_M (약 19GB)
- Hugging Face URL: [https://huggingface.co/bartowski/Qwen2.5-32B-Instruct-GGUF](https://huggingface.co/bartowski/Qwen2.5-32B-Instruct-GGUF)
- Gemma-2-27B-it
- 특징: 구글에서 공개한 모델로, 27B 체급임에도 더 큰 파라미터를 가진 모델들과 견줄 만한 텍스트 품질을 보여준다.
- 권장 양자화: Q5_K_M (약 19.4GB)
- Hugging Face URL: [https://huggingface.co/lmstudio-community/gemma-2-27b-it-GGUF](https://huggingface.co/lmstudio-community/gemma-2-27b-it-GGUF)
2. 시스템 RAM 활용 대형 모델 (품질 최적화)
64GB의 넉넉한 시스템 RAM을 활용하면 70B 파라미터 급의 대형 모델도 구동할 수 있다. 70B 모델은 약 40GB 전후의 메모리를 차지하므로 24GB 미만 VRAM에 100% 올릴 수는 없지만, 허용되는 VRAM 공간에 최대한 많은 레이어를 할당하여 구동할 수 있다.
- Llama-3.3-70B-Instruct
- 특징: 오픈소스 생태계에서 최고 수준의 성능을 기준점으로 삼는 모델이다. 복잡한 컨텍스트 분석이나 고품질의 창작이 필요할 때 가장 적합하다.
- 권장 양자화: Q4_K_M (약 42GB)
- Hugging Face URL: [https://huggingface.co/MaziyarPanahi/Llama-3.3-70B-Instruct-GGUF](https://huggingface.co/MaziyarPanahi/Llama-3.3-70B-Instruct-GGUF)
모델 스펙 요약 및 구동 팁
| 모델명 | 파라미터 | 권장 파일 버전 | 예상 메모리 점유율 |
| DeepSeek-R1-Distill-Qwen | 32B | Q4_K_M | 약 19.8 GB |
| Qwen2.5-Instruct | 32B | Q4_K_M | 약 19.0 GB |
| Gemma-2-it | 27B | Q5_K_M | 약 19.4 GB |
| Llama-3.3-Instruct | 70B | Q4_K_M | 약 42.0 GB |
300x250
'생활코딩 > AI를 이용한 코딩' 카테고리의 다른 글
| 게시판 생긴 김에... sit, 구형맥 깨진 글자, 맥->윈도우 자소 풀림 한방팩 (0) | 2026.07.10 |
|---|---|
| ollama 로컬 LLM vs Google antigravity(Gemini Pro) 개발 능력 비교 (0) | 2026.04.02 |
| [바이브코딩] 이미지 대체 텍스트 자동 생성 플러그인 (0) | 2026.03.31 |
| 프롬프트에 따라 바뀌는 AI 번역 품질 (0) | 2026.03.26 |
| 바탕화면 구름사진 EarthWallpaper(Desktop Earth, xplanet) 0.5 (5) | 2026.03.18 |
