WeLM-Image 기술 보고서: 이해·생성 분리와 H20 속도 측정 조건

WeChat Vision 팀이 이미지 생성과 편집을 함께 다루는 WeLM-Image 기술 보고서를 공개했다. arXiv 첫 제출은 2026년 11월 5일 03:41:53 UTC다. 11월 6일 브리핑에서 발견했지만 연구 공개 날짜는 하루 앞선다. 논문 개요에서 제출 이력을 확인할 수 있다.

이해와 생성에 별도 매개변수를 둔다

WeLM-Image는 텍스트, 참조 이미지, 생성할 이미지의 잠재 표현을 하나의 시퀀스로 처리한다. 이해 경로와 생성 경로는 매개변수를 따로 두고 어텐션으로 연결한다. 각 경로에 MoE를 적용해 전체 매개변수는 31.7B지만 대상 잠재 토큰당 활성화되는 생성 매개변수는 약 5.4B다. 활성 매개변수만 보고 필요한 GPU 메모리를 계산해서는 안 된다. 저장할 전체 가중치와 실행 중 메모리도 고려해야 한다.

4.98초를 읽을 때 필요한 조건

연구진은 Turbo 모델이 NVIDIA H20 한 장에서 8단계로 1024×1024 이미지를 만드는 데 평균 4.98초가 걸렸다고 보고했다. 모델 로딩은 제외했으며 예열 1회 뒤 3회 측정한 평균이다. 일반 소비자 GPU에서도 같은 속도가 나온다는 뜻은 아니다. 논문 5절에 측정 방법과 비교표가 있다.

이 결과는 연구진의 자체 측정이다. 이번 글을 위해 추론을 직접 실행하거나 품질과 지연을 독립 재현하지 않았다. 실제 서비스에서는 초기 로딩, 요청 대기, 참조 이미지 수까지 포함해 지연을 다시 측정해야 한다.

기술 보고서 공개와 가중치 배포를 구분한다

확인한 1차 자료는 기술 보고서다. 내려받을 공식 가중치와 그 이용 라이선스는 이번 조사에서 확인하지 못했다. 따라서 지금 바로 설치할 수 있는 오픈소스 제품으로 소개하지 않는다. 개발자가 참고할 부분은 생성과 이해를 나누면서도 참조 정보를 공유하는 설계다. 도입 여부는 가중치 배포 경로, 라이선스, 메모리 요구량을 확인한 뒤 판단할 일이다.