Mac Rental

2026 Flux.1 CoreML 다중 해상도는 어떻게 맞출까? 고정 크기인가 프리셋 크기인가

2026 Flux.1 CoreML 다중 해상도는 어떻게 맞출까? 고정 크기인가 프리셋 크기인가

Apple의 공식 문서는 Core ML 입력에 고정 형태, 열거된 형태, 범위 형태를 사용할 수 있다고 설명합니다. 유연한 입력 형태 문서에서 확인되는 이 3가지 선택지가 곧 모든 해상도를 신경 엔진에서 처리한다는 뜻은 아닙니다. 따라서 Flux.1 CoreML 다중 해상도는 넓은 동적 범위보다 고정 크기를 먼저 검토해야 합니다. 단일 규격이면 고정 형태, 자주 쓰는 규격이 적으면 프리셋 형태, 요청 크기를 예측하기 어렵다면 상한이 있는 범위 형태를 선택하는 편이 안전합니다.

이 글은 가로형, 세로형, 정사각형 출력을 지원해야 하는 Mac 앱 개발자에게 적합합니다. 고정 규격 이미지를 대량 생성하는 AIGC 팀과 M 시리즈 Mac 배포 환경을 비교하는 기술 책임자도 대상입니다.

마지막 업데이트: 2026년 9월 11일. Core ML 입력 형태와 계산 단위 관련 내용은 공식 Core ML Tools 문서와 공개 저장소를 기준으로 확인했습니다.

크기 선택과 작업 범위

Flux.1을 CoreML로 변환한 뒤 출력 크기를 바꾸는 것은 가능합니다. 다만 어떤 방식으로 바꾸느냐에 따라 모델 패키지 수, 기기 최적화 시점, 메모리 사용, 회귀 경로가 달라집니다.

방식 다루는 입력 장점 주요 부담 권장 상황
고정 형태 하나의 가로 세로 크기 기기 최적화와 검증이 단순함 다른 크기에 별도 경로가 필요함 생산 규격이 하나일 때
프리셋 형태 미리 정한 여러 크기 여러 비율과 신경 엔진 적합성을 함께 검토할 수 있음 프리셋 밖 요청은 별도 처리해야 함 상품 규격이 제한적일 때
범위 형태 정한 최소값과 최대값 사이 예측하지 못한 크기를 받을 수 있음 실행 시 부담과 혼합 실행 가능성이 커짐 입력 크기가 계속 달라질 때

가로형과 세로형을 모두 지원한다고 해서 반드시 각각 완전히 별도 모델로 컴파일해야 하는 것은 아닙니다. 하나의 프리셋 입력에 두 비율을 함께 넣을 수 있습니다. 반대로 프리셋에 없는 크기를 자주 요청한다면, 범위 형태를 억지로 넓히기보다 GPU 경로를 별도로 두는 편이 유지하기 쉽습니다.

Flux.1을 CoreML로 바꾼 뒤 해상도를 전환할 수 있습니까?

가능합니다. 단, 모델이 허용한 입력 형태 안에서만 가능합니다. 고정 형태 모델은 지정된 크기만 직접 받습니다. 프리셋 형태는 등록된 값 중 하나를 선택합니다. 범위 형태는 선언된 범위 안에서 실행되지만, 모든 크기에서 같은 하드웨어 경로가 유지된다고 볼 수는 없습니다.

신경 엔진 적합성과 실행 분할

Apple Neural Engine을 사용할 수 있도록 계산 단위를 설정하는 것과 Flux.1 전체가 실제로 신경 엔진에서 실행되는 것은 서로 다른 문제입니다. Core ML은 여러 계산 단위가 참여할 수 있으며, 모델 구조와 지원 연산자에 따라 일부 그래프가 다른 장치로 나뉠 수 있습니다. 계산 단위 설정 설명은 이 설정이 가능한 장치를 지정하는 기능이지, 모든 연산의 실행 결과를 보장하는 기능은 아니라고 이해해야 합니다.

고정 형태는 입력 크기가 변하지 않으므로 기기 측 최적화와 검증 지점이 분명합니다. 프리셋 형태는 등록된 형태가 제한되어 있어 동적 범위보다 예측하기 쉽습니다. 반면 RangeDim 같은 범위 형태는 실행 시 입력 크기와 연산 경로가 달라질 수 있습니다. 동적 reshape, 지원되지 않는 연산자, Flux.1 구성 요소 사이의 경계가 있으면 GPU나 CPU로 일부가 넘어갈 수 있습니다.

EnumeratedShapes 관련 입력 규칙을 적용할 때는 다음 순서가 안전합니다.

  • 자주 쓰는 정사각형, 가로형, 세로형 크기만 먼저 등록합니다.
  • 각 크기에서 텍스트 인코더, 변환기, 디코더를 따로 확인합니다.
  • 모델 분석 결과와 실제 실행 로그를 함께 보관합니다.
  • 한 구성 요소라도 예상 밖의 장치로 넘어가면 전체 결과를 신경 엔진 실행으로 표현하지 않습니다.
  • 프리셋 밖 요청은 검증된 GPU 경로로 보냅니다.

고정 형태와 프리셋 형태 중 어느 쪽이 신경 엔진 호출에 더 유리합니까?

일반적인 배포 설계에서는 고정 형태가 가장 확인하기 쉽고, 프리셋 형태가 그다음 선택입니다. 그러나 특정 Flux.1 구성 요소가 어떤 장치에서 실행되는지는 변환 결과와 운영체제 환경을 직접 확인해야 합니다. MLComputePlan 문서는 컴파일된 모델의 계산 계획을 살피는 데 사용할 수 있지만, 이 정보만으로 최종 출력 전체의 실행 위치를 단정해서는 안 됩니다.

컴파일 지연과 전환 지연

모델을 저장하는 시간과 실제 첫 실행 시간은 분리해야 합니다. 최소한 다음 항목을 별도로 기록해야 합니다.

  1. 모델 변환과 저장에 걸린 시간입니다.
  2. 기기에 모델을 처음 배치할 때 발생하는 컴파일 또는 최적화 대기입니다.
  3. 기본 크기로 실행한 첫 요청입니다.
  4. 같은 크기를 다시 실행한 안정 상태입니다.
  5. 기본 크기에서 다른 프리셋 크기로 전환한 첫 요청입니다.
  6. 범위 안의 새로운 크기를 입력한 첫 요청입니다.

단일 고정 모델은 모델 교체가 잦아질 수 있지만 측정 지점이 간단합니다. 프리셋 모델은 한 패키지 안에서 여러 형태를 관리할 수 있어 앱 구조가 깔끔해질 수 있습니다. 범위 모델은 패키지 수를 줄일 수 있어도 새로운 크기에서 대기 위치가 달라질 수 있습니다.

측정 항목 고정 형태 프리셋 형태 범위 형태
기본 크기 첫 실행 고정 크기 경로를 기록 기본 프리셋의 첫 실행을 기록 기본 범위 안의 첫 실행을 기록
다른 크기 전환 다른 모델 로딩 여부 기록 등록된 프리셋 전환을 기록 새 입력 형태의 최적화 여부 기록
안정 실행 같은 입력을 반복해 기록 각 프리셋별로 따로 기록 대표 크기와 경계 크기를 따로 기록
실패 시 경로 검증된 다른 모델 프리셋 밖 GPU 경로 범위 밖 또는 혼합 실행 경로

Core ML Tools의 컴파일과 모델 분석 관련 기능을 참고하되, 공식 문서에 없는 특정 Mac의 소요 시간은 일반화하면 안 됩니다. 기기별 컴파일 시간, 추론 시간, 메모리 피크는 동일 모델과 동일 입력으로 직접 측정해야 합니다.

메모리와 발열의 전체 경로

CoreML 하위 모델만 보고 메모리를 판단하면 안 됩니다. Flux.1 실행에는 모델 구성 요소, 입력 전처리, 출력 후처리, 이미지 변환, GPU 회귀 경로가 함께 들어갑니다.

고정 형태를 여러 개 준비하면 각 모델의 저장 공간과 로딩 관리가 늘어날 수 있습니다. 프리셋 형태는 패키지 수를 줄일 수 있지만, 실제 캐시 동작은 운영체제와 모델 구조에 따라 확인해야 합니다. 범위 형태는 다양한 입력을 받을 수 있으나, 실행 시 중간 버퍼와 장치 간 이동이 늘어날 가능성을 배제할 수 없습니다.

온도와 전력은 계산 단위 설정만으로 추정할 수 없습니다. 같은 M 시리즈 Mac에서 같은 프롬프트, 시드, 배치, 출력 규격으로 고정 형태와 프리셋 형태, 범위 형태를 각각 측정해야 합니다. 이 글에서는 해당 조건의 ProxyMac 실측 자료가 제공되지 않았으므로 특정 온도, 전력, 메모리 수치와 속도 향상률을 제시하지 않습니다.

M 시리즈 Mac의 메모리 선택을 검토하는 팀이라면 Flux.1 작업에 필요한 메모리 구성 기준을 먼저 확인한 뒤, 모델 자체의 피크와 앱의 동시 작업 수를 따로 계산해야 합니다. 단일 이미지 테스트가 통과해도 여러 요청을 동시에 처리하면 결과가 달라질 수 있습니다.

화면 일관성과 회귀 경로

해상도 설정이 바뀌었을 때 이미지가 달라지는 원인을 신경 엔진 하나로 몰아가면 안 됩니다. 입력 전처리, 모델 정밀도, 구성 요소의 버전, 시드 전달 방식이 각각 영향을 줍니다.

각 가로 세로 비율마다 다음 조건을 고정합니다.

  • 같은 프롬프트를 사용합니다.
  • 같은 랜덤 시드를 전달합니다.
  • 같은 입력 전처리 규칙을 적용합니다.
  • 같은 출력 색상 변환과 저장 형식을 사용합니다.
  • 구도 잘림, 가장자리 이상, 색상 변화, 눈에 띄는 수치 차이를 기록합니다.

가로형과 세로형은 CoreML 모델을 따로 컴파일해야 합니까?

항상 그런 것은 아닙니다. 두 크기를 프리셋 형태로 등록하고 동일한 경로에서 검증할 수 있다면 하나의 패키지로 운영할 수 있습니다. 하지만 특정 구성 요소가 한 비율에서만 안정적으로 실행되거나 프리셋 전환 때 GPU 회귀가 발생한다면 별도 고정 모델이 더 낫습니다. 통과하지 못한 크기는 검증된 고정 경로나 GPU 경로로 되돌려야 합니다.

프리셋 크기에서 구도가 깨지고 고정 모델에서는 정상이라면 입력 형태와 전처리를 먼저 비교합니다. 두 경로 모두 문제가 있으면 모델 정밀도나 변환 과정을 조사합니다. 같은 입력인데 실행 장치만 달라졌을 때 문제가 생긴다면 장치별 연산 지원과 그래프 분할을 확인합니다.

운영 구성과 선택 기준

크기 수가 적고 매일 같은 규격을 생산한다면 고정 형태가 우선입니다. 앱이 정해진 상품 배너, 썸네일, 문서 삽입 이미지만 만든다면 넓은 동적 범위는 얻는 것보다 검증 부담이 커질 수 있습니다.

자주 쓰는 규격이 제한되어 있고 정사각형, 가로형, 세로형을 모두 제공해야 한다면 프리셋 형태가 균형점입니다. 프리셋 목록을 제품 요구 사항과 함께 버전 관리할 수 있기 때문입니다.

사용자가 임의의 크기를 계속 요청하거나 외부 입력으로 크기가 정해진다면 범위 형태를 검토할 수 있습니다. 단, CoreML 경로와 GPU 경로를 함께 운영해야 합니다. 모든 크기를 신경 엔진으로 밀어 넣는 설계보다 실패 시 회귀 경로를 명확히 두는 설계가 안정적입니다.

  • [ ] 운영 중인 출력 크기를 최근 작업 기록에서 분류합니다.
  • [ ] 단일 규격이면 고정 형태를 먼저 변환합니다.
  • [ ] 제한된 규격이면 가로형, 세로형, 정사각형을 프리셋으로 등록합니다.
  • [ ] 범위 형태를 쓸 때 최소값과 최대값을 제품 요구 사항으로 명시합니다.
  • [ ] 기본 크기와 비기본 크기의 첫 실행 시간을 따로 기록합니다.
  • [ ] 각 크기에서 실제 실행 장치와 혼합 실행 여부를 확인합니다.
  • [ ] 모델 구성 요소와 전처리, 후처리, GPU 회귀를 포함해 메모리를 측정합니다.
  • [ ] 같은 프롬프트와 시드로 화면 일관성을 확인합니다.
  • [ ] 실패한 크기의 대체 경로를 앱에 넣습니다.
  • [ ] 모델 버전, 기본 크기, 캐시 삭제 조건, 재검증 시점을 문서화합니다.

현재 단일 Mac에서만 판단하면 기기별 컴파일과 메모리 차이를 놓치기 쉽습니다. ProxyMac의 콘솔 환경에서 고정, 프리셋, 범위 형태를 같은 작업으로 비교하면 구매 전에 배포 후보를 줄일 수 있습니다. 사용 기간을 조절해야 하는 검증 단계라면 요금 구성 안내도 함께 확인할 수 있습니다.

결론적으로 고정 규격 작업은 고정 형태, 제한된 제품 규격은 프리셋 형태, 예측할 수 없는 입력은 CoreML과 GPU의 두 경로가 적합합니다. 넓은 동적 범위는 모델 검증과 메모리 관리가 어려워질 수 있고, 단일 고정 모델은 다른 크기마다 관리 대상이 늘어납니다. 프리셋 형태는 중간 선택이지만, 등록한 크기와 실제 장치 실행을 모두 확인해야 합니다.

단기간에 이 판단을 끝내야 한다면 직접 장비를 먼저 구매하기보다 기간을 조절할 수 있는 클라우드 맥 환경에서 세 가지 형태를 같은 조건으로 검증하는 편이 안전합니다. 단일 로컬 장비의 한 번뿐인 결과만으로는 컴파일 대기, 비기본 크기 전환, GPU 회귀를 충분히 비교하기 어렵습니다. സ്ഥിര적으로 무거운 작업을 계속 처리하거나 물리 포트와 고정된 로컬 운영이 필요한 팀에는 직접 구매가 더 적합할 수 있지만, 다중 해상도 배포 후보를 좁히는 단계라면 ProxyMac으로 먼저 실험하는 편이 장비 선택의 낭비를 줄입니다.

Flux.1 다중 해상도 작업에 맞는 원격 맥을 시작하세요

ProxyMac의 M 시리즈 원격 맥에서 다양한 화면 비율의 Flux.1 작업을 직접 실행하고 확인할 수 있습니다.
고정 크기와 미리 설정한 크기를 비교할 때 별도의 장비를 준비하지 않고 필요한 환경을 바로 이용할 수 있습니다.