연구 프로그램
돈만으로는 풀리지
않는 문제.
쓸 수 있는 예산이 정해져 있는 기업과 개인을 위해, AI를 실제로 돌릴 수 있는 조건을 연구합니다.
문제인식
기기
대부분의 AI 모델은 데이터센터 GPU에서 돌아갑니다.
정작 기업과 개인이 쓸 수 있는 기기는 그보다 한참 아래입니다.
숫자
공개된 모델의 모델 성능을 재는 표준 시험입니다. 시험 조건이 바뀌면 점수도 따라 바뀝니다.는 언제나 좋아 보입니다.
같은 조건에서 잰 숫자인지 직접 확인할 방법은 거의 없습니다.
언어
비영어권 언어는 관심받기 어렵습니다.
대부분의 도구가 영어를 기준으로 만들어졌습니다. 한국어는 같은 문장에 AI가 글을 읽고 쓸 때 다루는 조각 단위입니다. 대부분의 AI 서비스가 이 조각 수만큼 요금을 매깁니다.을 더 쓰고, 힌디어는 비교할 공개 숫자가 훨씬 적습니다.
권리
오픈소스나 모델 파일 자체를 공개하는 방식입니다. 누구나 내려받아 자기 기기에서 그대로 돌릴 수 있습니다.라고 적혀 있어도 그대로 쓸 수 있는 건 아닙니다.
받아서 실제로 돌릴 수 있는지는 라이선스와 출처를 열어봐야 압니다.
접근법
돈이 가리키지 않는 쪽으로 갑니다
AI 진전은 대부분 돈으로 삽니다. 파라미터를 더 넣고, 연산을 더 태우고, 데이터를 더 모읍니다. 프론티어는 가장 큰 예산이 가리키는 쪽으로 움직입니다. 그 방향에 있는 문제는 기다리면 언젠가 풀립니다. 우리는 기다려도 풀리지 않는 문제만 봅니다.
기기에서 끝낸다
GPU도 네트워크도 없이, 사용자가 이미 가진 하드웨어에서 끝까지 돌립니다.
결과를 모두 남긴다
테스트셋마다 숫자 하나. 이긴 것만 고르지 않고 무승부와 패배도 그대로 공개합니다.
언어부터 다시 본다
힌디어와 한국어에서 토큰 비용과 성능을 다시 측정합니다. 영어에서 통하던 방법도 다시 검증합니다.
라이선스
약속할 수 있는 것
우리 작업물에는 우리 스스로 규칙을 겁니다. 다만 업스트림까지 보증하지는 않습니다.
우리가 거는 것
- 누구나 쓰고 고치고 팔아도 되는 공개 라이선스입니다. 출처 표시만 남기면 됩니다. 아니면 MIT 기반만
- 상용 API 출력으로는 학습하지 않음
- 공개물은 Apache-2.0, 있는 그대로
보증하지 않는 것
- 우리가 본 적 없는 우리가 직접 만든 것이 아니라, 출발점으로 삼은 남의 모델이나 데이터를 말합니다. 데이터
- 라이선스·모델에 딸려 오는 설명서입니다. 무엇으로 만들었고, 어디에 쓰는 것이고, 어디서 틀리는지 적혀 있습니다.·밝혀 둔 출처, 그 너머의 것
회사 안에서
프로덕션이 곧 어젠다
제품을 내면서 부딪힌 제약이 연구 어젠다가 됩니다. 그렇게 나온 결과물은 다시 제품으로 들어갑니다.
제품
실제 사용자, 실제 기기
제약
돈으로는 못 사는 것
랩 결과물
제약 속에서 공개한 방법
밖으로 절대 안 나가는 것: 고객 데이터, 내부 비용, 가격, 계약 조건. 논문이든 프로젝트든 벤치마크든 똑같습니다.
리더십
이장훈 (Janghoon Lee)
Redrob Labs 총괄, Redrob CTO
이끄는 건 한 사람이지만, 서울·인도·미국에 걸친 50명 넘는 레드롭 엔지니어들과 함께 합니다. 레드롭 플랫폼에 들어가는 툴의 기반을 여기서 만듭니다.
제일 좋은 결과는 늘 제약에서 나왔습니다. 돈으로 그 제약을 넘어서려 해봐도 소용없었고요.
2026년 8월 7일 업데이트