Float:Right용 메모 태깅 온디바이스 AI 개발 완료

플로트 주식회사(Float Co., Ltd.)는 과학기술정보통신부·정보통신산업진흥원(NIPA) 주관 '첨단 GPU 활용 지원사업' 베타 테스트에 참가하여 국가 AI 컴퓨팅 자원을 활용한 결과, Float:Right 전용 온디바이스 자동 태깅 AI 모델 개발을 완료했다고 25일 밝혔다.

플로트는 지난 2월 초 첨단 GPU 지원사업 베타서비스 대상 기업으로 선정된 이후, 약 2주간 국가 AI 인프라의 고성능 GPU 클러스터를 집중 활용하여 자사 서비스에 최적화된 AI 모델 파인튜닝 작업을 진행했다. 특히 Float:Right에 탑재될 메모 자동 태깅 모델의 학습에 대규모 컴퓨팅 자원을 투입하여, 짧은 기간 내에 높은 정확도의 모델을 확보하는 데 성공했다.

RIDM.AI 플랫폼에서도 국가 GPU 자원을 활용한 다양한 실험이 병행되었다. 감정 인식 및 대화 맥락 이해 모델에 대한 추가 학습을 진행하여 의미 있는 성능 향상을 달성했으며, 이 과정에서 축적된 파인튜닝 노하우가 Float:Right 태깅 모델 개발에도 직접 기여한 것으로 알려졌다.

개발 완료된 태깅 모델을 Float:Right에 시험 탑재한 결과, 사용자가 작성한 메모에 대해 자동으로 적절한 태그를 생성하는 성능이 기존 클라우드 API 기반 방식과 비교해 동등 이상의 품질을 보이면서도, 응답 속도는 크게 개선된 것으로 확인되었다. 특히 온디바이스로 구동되기 때문에 인터넷 연결 없이도 태깅이 가능하다는 점이 핵심 강점으로 부각되었다.

플로트는 이번에 개발한 모델을 오픈소스 AI 허브인 허깅페이스(Hugging Face)에 공개했다. 공개된 모델은 두 가지로, Qwen 기반의 'qwen3-0.6b-float-right-tagger-GGUF'와 EXAONE 기반의 'exaone-4.0-1.2b-float-right-tagger-GGUF'이다. 두 모델 모두 GGUF 포맷으로 제공되어 다양한 디바이스 환경에서 경량으로 구동할 수 있으며, 라이선스는 Apache-2.0으로 상업적 활용도 자유롭다.

qwen3-0.6b-float-right-tagger-GGUF는 0.6B 파라미터의 경량 모델로, 메모리 제약이 큰 환경에서도 빠른 추론이 가능하도록 최적화되었다. exaone-4.0-1.2b-float-right-tagger-GGUF는 1.2B 파라미터 규모로, 특히 한국어 입력에 대한 태그 생성 정확도를 높이는 데 초점을 맞추어 짧은 한국어 메모에서 JSON 배열 형태의 태그를 정확하게 출력하도록 튜닝되었다.

플로트 장청일 대표는 "국가 GPU 자원 덕분에 스타트업으로서는 쉽지 않았던 대규모 파인튜닝을 단기간에 완수할 수 있었다"며, "개발된 모델을 오픈소스로 공개함으로써 국내 AI 생태계에도 기여하고, Float:Right 사용자에게는 인터넷 없이도 동작하는 온디바이스 태깅이라는 차별화된 경험을 제공할 수 있게 되었다"고 전했다.

플로트는 이번 온디바이스 모델을 Float:Right 정식 버전에 탑재하여 출시할 계획이며, macOS 버전을 시작으로 Windows·iOS·Android까지 순차적으로 지원을 확대할 예정이다.