GPU, CPU, RAM을 감지하고 매개변수 수가 아닌 벤치마크를 기준으로 실제 하드웨어에서 실행 가능한 HuggingFace 로컬 LLM의 순위를 매기는 CLI입니다.
AlexsJones/llmfit
CPU, RAM, GPU를 감지한 뒤 내 시스템에서 실행하기 적합한 오픈 LLM을 순위로 보여주는 Rust CLI 및 TUI입니다.
- 스타
- 38,129
- 포크
- 2,456
- 열린 이슈
- 60
- 마지막 커밋
- 어제
어떤 프로젝트인가요?
llmfit은 로컬에서 모델을 실행하려는 사람들이 흔히 묻는 질문에 답합니다. 내 하드웨어에 맞고 쓸 만한 속도로 실행할 수 있는 오픈소스 LLM은 무엇일까요? CPU 코어, 시스템 RAM, 외장 및 내장 GPU, VRAM과 통합 메모리를 확인하며 NVIDIA CUDA, Apple Silicon, AMD ROCm, Intel OneAPI 환경을 지원합니다.
카탈로그의 각 모델은 메모리 적합성, 예상 속도, 품질, 컨텍스트 길이를 기준으로 점수를 받습니다. 추정치에는 파라미터 수와 GGUF, AWQ, GPTQ, EXL2 같은 양자화 형식이 반영됩니다. 결과는 기본적으로 대화형 터미널 UI로 표시되며, 일반 CLI 표 형식이나 스크립트용 JSON 출력으로도 확인할 수 있습니다.
이 프로젝트는 HTTP로 제공되는 웹 대시보드와 REST API도 지원합니다. 또한 Ollama, llama.cpp, MLX, Docker Model Runner, LM Studio 같은 로컬 제공자가 실행 중일 때 tok/s를 측정하는 벤치마크 명령도 제공합니다.
핵심 기능
- 01NVIDIA, Apple Silicon, AMD, Intel 환경에서 CPU, RAM, GPU, VRAM, 통합 메모리를 감지합니다.
- 02메모리 적합성, 예상 속도, 품질, 컨텍스트 길이를 기준으로 모델 순위를 매깁니다.
- 03대화형 TUI, JSON 출력을 지원하는 CLI, 웹 대시보드를 제공합니다.
- 04/api/v1/system, /api/v1/models 같은 HTTP 엔드포인트를 제공합니다.
- 05멀티 GPU 환경, MoE 모델, 여러 양자화 형식을 지원합니다.
활용 사례
- 수 GB에 달하는 모델 파일을 다운로드하기 전에 로컬에서 실행할 LLM을 선택합니다.
- 노트북이나 워크스테이션에서 모델을 적절한 속도로 실행할 수 있는지 확인합니다.
- JSON을 통해 하드웨어에 맞는 모델 추천을 스크립트나 에이전트에 전달합니다.
- 속도 추정치를 개선할 수 있도록 하드웨어 벤치마크 결과를 커뮤니티와 공유합니다.
빠른 시작
- 1
Homebrew로 설치(사전 빌드된 바이너리)
brew install AlexsJones/llmfit/llmfit - 2
대화형 TUI 실행
llmfit
사용 전 알아둘 점
- 서명 작업이 실패하면 Windows 릴리스 바이너리에 서명이 없을 수 있습니다. 서명된 바이너리가 필요하다면 서명을 확인하세요.
- 속도와 적합성 수치는 직접 벤치마크를 실행하지 않는 한 사양을 바탕으로 한 추정치입니다.
토픽
자주 묻는 질문
- llmfit은(는) 무엇인가요?
- CPU, RAM, GPU를 감지한 뒤 내 시스템에서 실행하기 적합한 오픈 LLM을 순위로 보여주는 Rust CLI 및 TUI입니다. llmfit은 로컬에서 모델을 실행하려는 사람들이 흔히 묻는 질문에 답합니다. 내 하드웨어에 맞고 쓸 만한 속도로 실행할 수 있는 오픈소스 LLM은 무엇일까요? CPU 코어, 시스템 RAM, 외장 및 내장 GPU, VRAM과 통합 메모리를 확인하며 NVIDIA CUDA, Apple Silicon, AMD ROCm, Intel OneAPI 환경을 지원합니다.
- llmfit은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?
- llmfit은(는) MIT 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
- llmfit은(는) 아직 유지보수되고 있나요?
- 활발히 유지보수 중. llmfit의 마지막 커밋은 2026년 10월 19일입니다.
- llmfit은(는) 어디에 사용할 수 있나요?
- 수 GB에 달하는 모델 파일을 다운로드하기 전에 로컬에서 실행할 LLM을 선택합니다. 노트북이나 워크스테이션에서 모델을 적절한 속도로 실행할 수 있는지 확인합니다. JSON을 통해 하드웨어에 맞는 모델 추천을 스크립트나 에이전트에 전달합니다. 속도 추정치를 개선할 수 있도록 하드웨어 벤치마크 결과를 커뮤니티와 공유합니다.
- llmfit는 어떻게 설치하나요?
- Homebrew로 설치(사전 빌드된 바이너리): brew install AlexsJones/llmfit/llmfit 대화형 TUI 실행: llmfit
- llmfit은(는) 어디서 받을 수 있나요?
- 소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/AlexsJones/llmfit
요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.
관련 프로젝트
다양한 하드웨어 백엔드에서 대규모 언어·비전 언어 모델을 로컬이나 클라우드에서 실행하는 순수 C/C++ LLM 추론 엔진입니다.
단일 YAML 설정으로 LLM을 미세 조정하고 후속 학습하는 CLI 도구로, 저VRAM 소비자용 GPU에서도 학습할 수 있습니다.
LLM과 diffusion 모델을 로컬에서 실행하고 미세 조정·내보내기할 수 있는 오픈소스 데스크톱 앱과 웹 UI, 코드 기반 학습 라이브러리입니다.
대규모 언어 모델을 로컬에서 실행하고, 채팅 UI와 OpenAI/Anthropic 호환 API를 제공하는 무료 오픈소스 데스크톱 앱입니다.
Z.ai의 AI 코딩 워크스페이스로, 공통 TypeScript 코드베이스를 기반으로 데스크톱 앱, 브라우저 UI, 터미널 에이전트를 제공합니다.