넷플릭스에서 30분을 스크롤해도 볼 영화를 못 찾은 경험 있으신가요? Movie Match Maker는 정확히 그 문제를 푸는 AI 영화 추천 플랫폼입니다. 카테고리를 하나하나 클릭하는 대신 "어둡지만 재미있는 영화 보고 싶어"라고 자연스럽게 말하면, NLP/TF-IDF 머신러닝과 Groq 대형언어모델을 써서 당신이 정말 원하는 게 뭔지 이해하고 당신이 좋아할 영화를 추천해줍니다. FastAPI와 Streamlit으로 만들어졌고, TMDB 영화 데이터베이스와 연결되어 있으며, 똑똑한 감시 목록 분석기가 당신이 본 영화들로부터 학습합니다. UI도 세련됐어요. 쉽게 말해 모든 영화를 본 친구가 AI가 된 거죠.
Microsoft의 TRELLIS.2를 PyTorch MPS를 통해 Apple Silicon에서 실행되도록 포팅했습니다. 원본은 CUDA 전용 컴파일 확장 5개(flex_gemm, flash_attn, o_voxel, cumesh, nvdiffrast)에 의존하는데 Mac에는 대응 버전이 없습니다. 처음부터 대체 백엔드를 작성했습니다: 순수 PyTorch 희소 3D 합성곱(flex_gemm 대체), 공간 해싱을 사용한 Python 메시 추출(o_voxel의 CUDA 해시맵 연산 대체), 희소 Transformer용 SDPA 어텐션(flash_attn 대체), GPU 가속 삼선형 보간(cumesh와 nvdiffrast 대체)입니다.
마이크로소프트의 TRELLIS.2(40억 파라미터 이미지-3D 모델)를 PyTorch MPS를 통해 Apple Silicon에서 네이티브로 실행하도록 포팅했습니다. 원본은 CUDA, flash_attn, nvdiffrast, 커스텀 희소 합성곱 커널이 필요한데 Mac에서는 작동하지 않습니다. CUDA 특화 연산을 순수 PyTorch 대안으로 교체했습니다. 구체적으로는 gather-scatter 희소 3D 합성곱, 희소 Transformer용 SDPA 어텐션, CUDA 해시맵 연산을 대체하는 Python 기반 메시 추출입니다. 총 9개 파일에서 수백 줄의 변경사항이 있습니다.
M5 Pro 머신에 24GB 메모리를 갖춘 사용자가 Ollama를 통해 Qwen 3.6 대형언어모델(LLM)을 실행하려고 합니다. Q4 양자화(4비트 양자화) 버전을 사용해야 할지 확실하지 않고, 적절한 Q3 양자화 솔루션을 찾지 못했습니다. 자신의 하드웨어에서 부드럽게 작동하면서도 모델 품질을 과도하게 손상시키지 않는 버전에 대한 추천을 찾고 있습니다.