i-have-adhd vs 텍스트 제너레이션 인퍼런스
두 AI 도구의 기능, 가격, 특징을 상세하게 비교합니다.
| 특성 | i-have-adhd | 텍스트 제너레이션 인퍼런스 |
|---|---|---|
| 가격 유형 | 무료 | 무료 |
| 한국어 지원 | 미지원 | 미지원 |
| 플랫폼 | Claude Code, OpenAI Codex, Gemini CLI, GitHub Copilot, Cursor, Zed | Linux, Docker, API |
| 오픈소스 | No | Yes |
| API 제공 | - | 제공 |
| SDK | - | 제공 |
| LLM 기반 | - | Yes |
| 멀티모달 | - | Yes |
| AI 모델 | ||
| GitHub Stars | 17.4K | 10.9K |
| 개발사 | - | Hugging Face |
| 카테고리 | - | AI 인프라 및 추론 |
| 상세보기 | 보기 | 보기 |
i-have-adhd 장단점
- 무료 오픈소스로 사용 가능
- 여러 코딩 에이전트와 호환
- 답변을 즉시 실행 가능한 형태로 정리
- 설정 규칙이 명확하고 커스터마이즈 가능
- 독립적인 대화형 AI 서비스가 아님
- 사용하려면 지원되는 코딩 에이전트가 필요함
- 모델 자체의 성능을 향상시키지는 않음
텍스트 제너레이션 인퍼런스 장단점
- 최신 논문의 최적화 기법이 매우 빠르게 반영되며, Hugging Face Hub의 모델을 별도 변환 없이 즉시 사용할 수 있습니다. 대규모 트래픽 상황에서도 안정적인 성능을 유지하며, 다중 GPU 환경에서의 분산 추론 설정이 간편합니다.
- 특정 규모 이상의 상업적 이용 시 라이선스(HFOIL) 제약이 있을 수 있으며, 하드웨어 요구 사항(NVIDIA GPU 등)이 엄격한 편입니다. 설정 옵션이 많아 초보자가 최적의 성능을 내기까지 학습이 필요합니다.
i-have-adhd 주요 기능
- 답변과 다음 행동을 먼저 제시
- 다단계 작업을 번호 목록으로 구성
- 진행 상태를 매 턴 재표시
- 구체적인 시간 추정 제공
- 오류를 위치·원인·해결책 중심으로 설명
- 불필요한 서론과 맺음말 억제
텍스트 제너레이션 인퍼런스 주요 기능
- 제로 설정 모드(TGI v3) — 하드웨어 최적화 파라미터 자동 설정
- 지속적 배치 처리 — 처리량 극대화를 위한 동적 배치 전략
- 다양한 하드웨어 지원 — CUDA·ROCm·Intel Gaudi 가속기 지원
- OpenAI 호환 API — 기존 OpenAI 앱을 오픈소스 LLM으로 즉시 전환
- 양자화 지원 — GPTQ·AWQ·bitsandbytes 등 다양한 양자화 방식