2.5년 된 내 노트북이 이제 Space Invaders를 JavaScript로 작성함 (GLM-4.5 Air)

• 2.5년 된 MacBook Pro M2에서 GLM-4.5 Air 3bit 모델을 활용해 Space Invaders 게임 코드를 한 번에 생성함
• 이 모델은 중국 Z.ai가 MIT 라이선스로 공개한 최신 open weight 모델로, 코딩 벤치마크에서 우수한 성능을 보임
• 44GB 3bit quantized 버전 덕분에 64GB 램 PC에서도 실행 가능함
• ml-explore/mlx-lm 라이브러리를 최신 커밋으로 사용해 로컬에서 모델을 구동하고, 비교적 빠른 속도와 안정적 동작을 경험함
• 최근 출시된 로컬 코딩 특화 대형 언어 모델들이 매우 높은 코드 생성 능력을 보이며 빠르게 발전 중임

---

GLM-4.5 Air 및 MLX로 JavaScript Space Invaders를 생성한 경험

2025년 7월 29일

어제 소개한 GLM-4.5 모델 패밀리는 중국 Z.ai가 MIT 라이선스로 공개한 최신 고성능 open weight 모델임
코딩 벤치마크에서 Claude Sonnet 4와 같은 기존 모델들과 견주어도 높은 성능을 나타내는 것으로 평가받음

가장 작은 GLM-4.5 Air 모델도 총 1060억 파라미터, 약 206GB 크기를 가짐
Ivan Fioravanti가 MLX에서 실행할 수 있도록 3bit로 44GB로 양자화한 버전을 공개해 64GB 메모리 노트북에서도 구동할 수 있음
직접 시도해본 결과, 이 작은 모델조차 매우 강력한 성능을 보여줌

입력 프롬프트:

HTML과 JavaScript로 Space Invaders를 구현한 페이지를 작성하라는 요청 프롬프트를 입력함

모델이 응답을 생성하는 데 시간이 조금 걸렸으며, 이 결과물이 성공적으로 출력됨
비록 초보적인 예제지만, 2.5년 된 랩톱(64GB MacBook Pro M2)에서 첫 시도에만에 동작하는 완성도 높은 코드를 직접 생성함은 인상적임

모델 실행 방법

• 최신 mlx-lm 라이브러리의 main 브랜치와 특정 glm4_moe 지원 커밋를 사용해야 함
• uv로 파이썬 환경을 띄운 후, 다음 코드로 모델을 로드함

from mlx_lm import load, generate model, tokenizer = load("mlx-community/GLM-4.5-Air-3bit")

• 44GB 용량의 모델 가중치가 ~/.cache/huggingface/hub/models--mlx-community--GLM-4.5-Air-3bit 폴더에 저장됨

• 프롬프트를 다음과 같이 입력하여 생성 작업을 실행함

prompt = "Write an HTML and JavaScript page implementing space invaders" messages = [{"role": "user", "content": prompt}] prompt = tokenizer.apply_chat_template( messages, add_generation_prompt=True ) response = generate( model, tokenizer, prompt=prompt, verbose=True, max_tokens=8192 )

• 생성 과정에서는 먼저 문제 요구사항 및 게임 설계 정보를 정리해 출력함
• 이어서 실제로 동작하는 HTML, CSS, JavaScript 코드를 빠른 속도로 생성함

생성 통계

• 프롬프트: 14 토큰, 초당 14.095 토큰 생성

• 본문 생성: 4193 토큰, 초당 25.564 토큰 생성

• 최대 메모리 사용치: 47.687GB

• 전체 대화 내역은 gist 링크

• 출력 소스는 GitHub 예제에서 확인 가능

• 직접 브라우저에서 실행 테스트도 가능

펠리컨 벤치마크 테스트

• pelican riding a bicycle 벤치마크로 동일 모델의 SVG 이미지 생성 능력도 평가함
• Generate an SVG of a pelican riding a bicycle라는 프롬프트에 창의적 SVG 이미지 코드 생성 성공
• 모델은 최대 약 48GB의 RAM을 소모하며 결과를 반환함
• 노트북에서 일부 앱을 종료해야 충분한 메모리 확보 가능
• 속도 역시 만족스러운 수준임

로컬 코딩 모델의 발전

• 2025년 들어 대부분의 대형 언어 모델들이 코드 생성 성능 강화에 집중함
• 그 결과, 로컬 하드웨어에서도 실제 활용이 가능한 높은 코드 생성력을 보여줌
• 2년 전 LLaMA 첫 시도 당시에는 상상하기 힘들던 수준에 근접함
• 현재 사용 중인 동일 랩톱에서 GLM-4.5 Air, Mistral 3.2 Small, Gemma 3, Qwen 3 등 연이어 등장하는 고성능 오픈 소스 모델들의 혜택을 받을 수 있음
• 최근 6개월 사이에 로컬에서 구동되는 다양한 고품질 코딩 특화 언어 모델 출시에 따라 개발 환경이 개선되고 있음