본문으로 건너뛰기
ReviewRamble

주간 브리프

AI 리뷰를 받은편지함으로.

  • 도구, 모델, MCP 서버, 저장소의 새 리뷰(결론부터)
  • 변경이 있을 때 다시 확인한 가격과 평점
  • 새로 발행된 분석 글

모델, 에이전트, MCP 서버, 그리고 정말 시간을 들일 만한 도구.

일주일에 한 통입니다. 각 브리프의 링크로 구독을 해지할 수 있습니다. 이메일 사용 방식

Minico M1

Liquid의 LFM2.5를 350M으로 미세조정하고 5단계 사고 다이얼을 단 모델입니다. 깔끔하고 작지만 사고 기능은 거의 도움이 되지 않습니다.

리뷰어: ReviewRamble editors · 업데이트

Minico M1 방문 오픈 소스

이 페이지 공유:XLinkedInFacebookRedditWhatsApp이메일

평점

3.3/5

Minico M1은 350M 모델의 동작을 바로잡은 공들인 개인 미세조정이지만, 대표 기능인 사고 다이얼이 정확도를 높이지는 못합니다.

Minico M1의 개요

Minico M1 1105는 1인 개발자 Mincofficial이 만든 3억 5,000만 파라미터 추론 모델로, Liquid AI의 LFM2.5-350M을 미세조정해 2026년 11월 5일 Hugging Face에 공개했습니다. 가장 큰 특징은 다섯 단계(off, low, medium, high, max)의 추론 강도 설정으로, 답하기 전에 얼마나 생각할지를 추론 없음부터 중앙값 78토큰의 추론까지 바꿉니다. LFM 형식으로 도구 호출도 합니다.

이전 버전인 Minico M1 Preview는 작성자에 따르면 루프에 빠지고, 추론을 답변에서 되풀이하고, 강도 설정을 무시했습니다. 학습은 4단계(지도 미세조정 두 차례, DPO, 검증 가능한 보상을 쓰는 GRPO)와 가중치 병합으로 이뤄졌고, 모두 32GB MacBook Air에서 MLX로 진행됐습니다. safetensors, GGUF, MLX, ONNX 빌드가 있고, 브라우저 데모는 WebGPU로 사용자의 GPU에서 실행됩니다.

Minico M1, 쓸 만한 가치가 있습니까?

Minico M1은 작성자의 테스트에서 가장 얌전한 350M 채팅 모델이지만, 자신의 기반 모델과의 차이는 작습니다. 모델 카드의 다섯 가지 벤치마크에서 평균 49.8로, 손대지 않은 LFM2.5-350M은 47.0, IBM의 Granite 4.0 350M은 43.6, Google의 Gemma 3 270M은 24.2입니다. 작성자는 약 3점 미만의 차이는 실행 간 잡음 범위라고 밝히는데, 기반 모델과의 격차 대부분이 여기에 들어갑니다.

실제 개선은 지식보다 동작에 있습니다. 기반 모델과 비교해 마지막 메시지에 맞춰 답하는 다중 턴 응답은 100건 중 91건에서 99건으로, 작성자 테스트의 올바른 도구 호출은 54.8%에서 100%로 올랐습니다. 80개 프롬프트 중 출력이 토큰 한도까지 반복되는 비율인 루프율은 0%로, Preview와 Gemma 3 270M은 18.8%입니다. Q4_K_M GGUF로 약 229MB이며, 모델 카드는 팬 없는 MacBook Air에서 초당 371토큰을 보고합니다.

강도 다이얼은 정직하지만 지금은 대체로 겉치레입니다. 초등 수준 수학인 GSM8K에서 사고를 끄면 39.8, 사고를 켜면 최고 37이며, 모델 카드도 이를 솔직히 밝힙니다. 그래도 사고가 일부 함정은 바로잡습니다. "What is 5 + 5 x 5?"를 20번 물었을 때 사고를 끄면 7번, 다른 모든 단계에서는 20번 맞혔습니다.

주의할 점: 350M 모델이라 사실과 어려운 수학에서 틀리고, 영어만 테스트됐습니다. 모든 수치는 한 사람이 거의 탐욕적 샘플링으로 돌린 자체 테스트 환경에서 나왔으며 독립 평가가 아닙니다. 도구가 있을 때 불필요한 호출을 피한 비율은 75%에 그쳤고, LFM Open License는 연 매출 $10 million 이상인 기업의 상업적 권리를 인정하지 않습니다.

결론: 오프라인으로 돌아가야 하는 음성 비서나 브라우저 확장의 명령 해석기로는 Minico M1이 기본 LFM2.5-350M보다 깔끔한 출발점입니다. 작은 추론 모델로서는, 350M 모델에 다이얼을 달면 바뀌는 것은 말하는 양이지 아는 양이 아니라는 점을 보여 줍니다.

제 역할을 하는 곳

  • 스마트홈 허브용 오프라인 음성 비서를 만드는 개발자

    음성 명령을 set_volume(level=30) 같은 함수 호출로 변환

    채팅 템플릿의 `tools`로 기기 함수를 넘기고 229MB Q4_K_M GGUF를 llama.cpp로 실행합니다. 속도를 위해 강도는 off로 두고, 사용자가 잡담만 할 때 도구를 호출하지 않는지 확인하십시오. 테스트에서는 25%에서 실패했습니다.

  • 브라우저 확장에 비공개 글쓰기 도움 기능을 넣는 프런트엔드 엔지니어

    페이지의 글을 서버로 보내지 않고 고쳐 쓰거나 줄이기

    ONNX 빌드는 작성자 데모처럼 브라우저의 WebGPU로 실행되므로 사용자 기기 밖으로 데이터가 나가지 않습니다. 호스팅 비용은 없고, 비용은 다운로드와 사용자의 GPU뿐입니다.

  • 소형 추론 모델을 연구하는 연구자

    350M 파라미터에서 추론 길이가 정확도에 미치는 영향 비교

    reasoning_effort를 off부터 max까지 바꾸며 추론 토큰 중앙값(모델 카드 기준 low 40, max 78)을 기록합니다. 공개된 학습 레시피(SFT, DPO, GRPO, ExPO 병합)는 32GB Mac과 MLX로 재현할 수 있습니다.

도입 전 확인할 점

설정
Transformers로 Mincofficial/Minico-M1-1105를 불러오거나 `llama-server -hf Mincofficial/Minico-M1-1105-GGUF:Q8_0 --jinja`를 실행하고 채팅 템플릿 인자로 reasoning_effort를 넘깁니다. Apple silicon용 MLX 빌드가 있습니다.
연동
Transformers, llama.cpp, MLX, ONNX Runtime(브라우저에서는 WebGPU). 도구 호출은 OpenAI JSON이 아니라 LFM 방식의 <|tool_call_start|> 태그를 씁니다.
데이터와 개인정보
가중치는 로컬에서 실행됩니다. 브라우저 데모는 사용자의 GPU에서 돌아가며, 작성자는 데이터가 컴퓨터 밖으로 나가지 않는다고 밝힙니다. 학습 데이터는 Liquid의 LFM2.5-1.2B-Thinking과 LFM2.5-1.2B-Instruct에서 증류했습니다.
대규모 사용 시 비용
사용료는 없습니다. 상업적 사용은 연 매출 $10 million 미만에서만 허용되며, 그 이상이면 라이선스가 상업적 권리를 주지 않고 별도 조건도 공개되지 않았습니다.
제한
기반 모델에서 물려받은 32K 토큰 컨텍스트. 권장 출력 한도는 640토큰(low)부터 4,608(max)까지. 작성자는 대화마다 강도 단계를 하나로 고정하고, 영어로만 쓰고, 의료·법률·금융 용도로 쓰지 말라고 권합니다.

좋은 점

  • 꺼짐부터 중앙값 78토큰 사고까지 다섯 단계의 추론 강도
  • 작성자 테스트에서 도구 호출 정확도 100%, 기반 모델은 54.8%
  • 80개 프롬프트에서 루프율 0%
  • Q4_K_M으로 약 229MB, 팬 없는 MacBook Air에서 초당 371토큰
  • GGUF, MLX, ONNX 빌드와 브라우저 WebGPU 데모

아쉬운 점

  • 사고를 켜도 GSM8K 정확도가 오르지 않음(최고 37, 끄면 39.8)
  • 기반 모델 대비 평균 우위(49.8 대 47.0)가 작성자가 밝힌 잡음 수준에 가까움
  • 모든 벤치마크가 작성자 자체 테스트 환경. 영어만
  • 매출 $10 million 이상 기업은 상업적 사용 불가

추천 대상

지시를 따르고 도구를 안정적으로 호출하는 400M 미만 모델이 필요한 오프라인 비서, 브라우저 확장, 기기 내 명령 해석기 개발자.

Minico M1 대안

Minico M1: 자주 묻는 질문

Minico M1, 쓸 만한 가치가 있습니까?
Minico M1은 350M 모델의 동작을 바로잡은 공들인 개인 미세조정이지만, 대표 기능인 사고 다이얼이 정확도를 높이지는 못합니다. 평점은 5점 만점에 3.3점입니다.
Minico M1의 가격은 얼마입니까?
가중치는 LFM Open License v1.0으로 무료. 상업적 사용은 연 매출 $10 million 미만 조직에만 허용되며, 비영리 연구는 예외입니다.
Minico M1의 단점은 무엇입니까?
사고를 켜도 GSM8K 정확도가 오르지 않음(최고 37, 끄면 39.8); 기반 모델 대비 평균 우위(49.8 대 47.0)가 작성자가 밝힌 잡음 수준에 가까움; 모든 벤치마크가 작성자 자체 테스트 환경. 영어만; 매출 $10 million 이상 기업은 상업적 사용 불가.
Minico M1에 적합한 사람은 누구입니까?
지시를 따르고 도구를 안정적으로 호출하는 400M 미만 모델이 필요한 오프라인 비서, 브라우저 확장, 기기 내 명령 해석기 개발자.
팀이나 프로덕션 환경에서 Minico M1의 비용은 얼마입니까?
사용료는 없습니다. 상업적 사용은 연 매출 $10 million 미만에서만 허용되며, 그 이상이면 라이선스가 상업적 권리를 주지 않고 별도 조건도 공개되지 않았습니다.
Minico M1에 회사 데이터를 맡겨도 안전합니까?
가중치는 로컬에서 실행됩니다. 브라우저 데모는 사용자의 GPU에서 돌아가며, 작성자는 데이터가 컴퓨터 밖으로 나가지 않는다고 밝힙니다. 학습 데이터는 Liquid의 LFM2.5-1.2B-Thinking과 LFM2.5-1.2B-Instruct에서 증류했습니다.
Minico M1의 가장 좋은 대안은 무엇입니까?
저희가 리뷰한 것 중 가장 가까운 대안은 LFM3, Granite 4.2, SmolLM3-3B 및 Gemma 4입니다.

답변 확인일: 2026년 11월 21일.