로컬 AI 에이전트: 다운로드 전 24GB 확인 기준

로컬 AI 에이전트는 일부 작업을 기기 안에 두고 인터넷 없이 실행할 수 있지만, 30B 모델 다운로드가 초보자의 지름길은 아닙니다. Meta가 검증해 공개한 Muse Glimmer 양자화 구성의 전체 메모리 대상은 일반 16 GB 노트북이 아니라 24 GB 또는 32 GB입니다. 기기, 반복 업무, 도구 권한, 업데이트 담당, 수동 대안을 먼저 확인합니다. 하나라도 없으면 하드웨어를 사기 전에 수동 실행이나 범위가 작은 클라우드 시험으로 업무부터 검증합니다.

다운로드 전에 먼저 답하면

Meta는 2026-08-10 Muse Glimmer를 공개했습니다. 도구 호출, 여러 단계 실행, 로컬 코딩, 이미지와 텍스트 입력을 포함한 에이전트 업무용 30B 오픈 웨이트 모델입니다. 공개 HN 글은 2026-08-13 확인 당시 1,198점과 댓글 637개를 기록했습니다.

검토일: 2026-08-13. 검토 조건은 Meta 공개문과 현재 모델 카드, 공개 HN 글, Google 자동완성입니다. 로컬 성능 시험, 운영 에이전트, 비공개 파일, 하드웨어 구매는 범위에 포함하지 않았습니다.

관심이 크다고 하드웨어 추천이 되는 것은 아닙니다. 공식 모델 카드는 완전 정밀도에서 55 GB가 넘는 메모리가 필요하다고 설명합니다. 약 네 비트 양자화로 언어 모델 가중치를 20 GB 아래로 줄여도 작업 메모리, 이미지 인코더, 추론 보조 모델의 여유 공간이 필요합니다. Meta가 적은 대상은 17 GB 양자화 가중치의 24 GB 구성과 동적 양자화의 32 GB 구성입니다.

먼저 세 가지 중 하나를 고릅니다.

1. 반복 업무가 실제로 있고 기기가 공식 조건을 넘으면 로컬 시험을 검토합니다.
2. 업무는 있지만 기기·런타임·유지 부담이 모호하면 범위가 작은 클라우드 시험을 먼저 합니다.
3. 반복 업무·검수 담당·권한 경계·수동 대안이 없으면 둘 다 보류합니다.

모델 파일이 메모리에 들어가는 것과 에이전트 전체가 업무에 들어맞는 것은 다른 문제입니다.

16 GB 제목을 그대로 믿지 않는 이유

초기 커뮤니티 실험은 힌트일 뿐 공식 대상이 아닙니다. HN의 한 댓글은 매우 낮은 비트 구성이라면 16 GB에 들어갈 가능성을 말하면서도 초기 보고는 낙관적일 수 있다고 경고했습니다. 다른 사용자는 32 GB Mac mini에서 유용한 결과를 봤지만 작업을 걸어 두고 자리를 비울 정도로 느렸다고 적었습니다.

둘 다 통제된 시험이 아닙니다. 컨텍스트 길이, 이미지 사용, 런타임, 운영체제, 다른 프로세스, 양자화 방식에 따라 결과가 달라집니다. 짧은 영상은 실행 화면을 보여 줄 수 있지만 긴 도구 호출이 안정적이고 빠르며 안전하다는 점까지 증명하지 못합니다.

공식 모델 카드에는 약 29.6B 파라미터와 131,072 이상의 컨텍스트 길이가 적혀 있습니다. 17 GB 양자화 변형은 15개 벤치마크 정확도 평균에서 1.0% 저하를 기록했다고 하지만, 이는 업무 전체의 신뢰성 점수가 아닙니다. 파일을 정확히 다루는지, 되돌리기 어려운 행동 전에 묻는지, 연결 실패에서 복구하는지는 별도 시험이 필요합니다.

로컬은 자동으로 비공개·안전이 아닙니다

기기 안에서 추론하면 네트워크 의존을 줄일 수 있습니다. 주변 에이전트가 무엇을 읽고, 쓰고, 삭제하고, 발행하고, 전송할 수 있는지는 별도 문제입니다. 폴더 권한이 넓거나 자격증명이 로그에 남거나 문서 속 지시를 따라갈 수도 있습니다.

Meta 모델 카드도 시스템 보호장치, 업무별 평가, 되돌리기 어려운 행동의 사람 확인을 권합니다. 여러 단계 추론의 오류와 부정확한 답변도 한계로 적습니다.

읽어도 되는 것:
새로 만들어도 되는 것:
덮어써도 되는 것:
연락해도 되는 대상:
항상 사람 승인이 필요한 행동:
절대 허용하지 않는 행동:
실행 뒤 남길 증거:
수동 대안:

민감하지 않은 복사본으로 시작합니다. 이메일 계정, 고객 폴더, 결제 행동, 비밀번호 저장소, 공개 발행 권한부터 연결하지 않습니다.

로컬·클라우드·보류 판단표

질문	로컬 시험	범위가 작은 클라우드 시험	지금은 보류
반복 업무	자주 반복되고 입력이 안정적	업무는 실제지만 아직 측정 중	반복 업무가 없음
데이터	로컬 복사본 사용이 적법하고 유용	익명·저위험 사례로 충분	민감성을 안전하게 줄일 수 없음
기기	공식 대상과 실행 여유가 있음	현재 기기가 대상보다 낮음	구매가 추측이 됨
속도	기다려도 되는 업무	즉시 반응이 중요	허용 가능한 속도 기준이 없음
유지	업데이트·로그 담당이 있음	호스팅은 제공자가 맡아도 업무 담당은 있음	실패·업데이트 담당이 없음
외부 행동	최소 권한과 승인 지점이 있음	같은 승인 경계를 적용	넓은 무인 권한이 필요
복구	수동 경로와 되돌리기를 시험	수동 경로를 유지	실패를 되돌리기 어려움

이는 보편 비용 비교가 아닙니다. 검토한 근거는 로컬 하드웨어와 클라우드 사용료의 손익분기점을 제시하지 않습니다.

프라이버시는 ‘로컬’이라는 단어가 아니라 데이터와 권한 경계에서 시작합니다.

안전한 첫 리허설

외부 효과가 없고 완료가 보이는 업무 하나를 고릅니다. 작은 합성 메모 복사본 묶음을 초안 색인으로 정리하고 사람이 원본과 대조하는 정도가 적절합니다. 입력 폴더, 예상 열, 허용 출력 폴더, 최대 실행 시간, 검수, 중단 조건을 기록합니다.

같은 입력으로 두 번 실행합니다. 누락, 생성한 필드, 중복, 형식 차이, 걸린 시간, 남은 증거를 비교합니다. 두 번째 실행을 첫 번째와 같은 방식으로 검수할 수 없다면 연속 운영 준비가 되지 않은 것입니다. 이 예시는 특정 모델의 통과를 보장하지 않는 인수 시험 모양입니다.

결론

반복 업무가 있고, 데이터 사용이 적법하며, 기기가 공식 메모리 조건을 여유 있게 넘고, 도구 권한이 좁고, 업데이트 담당과 수동 경로가 있을 때 로컬 시험을 검토합니다. 업무 가치는 있지만 하드웨어와 유지 부담이 불명확하면 클라우드로 작게 시험합니다. 짧은 데모에서 30B가 실행됐다는 이유만 남으면 중단합니다.

이어지는 필드 매뉴얼

• AI 에이전트와 자동화 초보자 비교
• 반복 업무 자동화 방법