TRiP vs AirLLM

TRiP 장단점

• C 언어 기반의 제로 디펜던시(zero-dependency)로 설계되어 외부 라이브러리 설치 없이 매우 가볍게 동작합니다.
• 교육용으로 최적화되어 모든 수학적 연산의 정방향 및 역방향 구현이 나란히 배치되어 있어 이해하기 쉽습니다.
• 추론뿐만 아니라 학습(training)과 전체 역전파 과정을 직접 구현하여 트랜스포머의 원리 학습에 적합합니다.
• Llama 2, Gemma, PaliGemma 등 실제 배포된 최신 오픈소스 모델들의 표준 체크포인트 포맷을 지원합니다.

• CPU 전용 엔진으로 개발되었으며 GPU 가속 연산을 지원하지 않아 대규모 모델 연산 시 속도가 느릴 수 있습니다.
• 행렬 연산(matmul) 커널이 수동으로 최적화되지 않아 순수 성능 면에서는 전문적인 ML 프레임워크에 미치지 못합니다.
• Flash Attention과 같이 최신 GPU 메모리 계층 구조를 활용하는 고급 최적화 기술들이 반영되어 있지 않습니다.

AirLLM 장단점

• 매우 적은 GPU 메모리로 대형 언어 모델 실행 가능
• 다양한 최신 오픈소스 모델 계열 지원
• Transformers와 유사한 간단한 Python 사용 방식
• Apache License 2.0 기반의 공개 소스

• 레이어를 저장 장치에서 읽어 실행하므로 추론 속도가 느릴 수 있음
• 모델 변환과 캐시 생성에 상당한 디스크 공간이 필요할 수 있음
• CUDA, PyTorch, Transformers 등 환경 의존성이 존재함

TRiP 주요 기능

• C 언어 기반의 독립적 엔진 구현
• 모델 추론 및 학습 기능 동시 지원
• 채팅 및 컴퓨터 비전 기능 통합
• 외부 라이브러리 의존성 없는 소스 코드
• 트랜스포머 아키텍처 학습 및 연구 용이

AirLLM 주요 기능

• 레이어 단위 모델 스트리밍으로 GPU 메모리 사용량 절감
• 단일 4GB GPU에서 70B급 모델 추론 지원
• Hugging Face 모델 ID 기반 AutoModel 인터페이스
• 4비트·8비트 블록 단위 모델 압축
• CPU 추론 및 Apple Silicon macOS 지원
• Llama, Qwen, DeepSeek, Mistral 등 다양한 모델 계열 지원