2026-11-18 · x.com

브라우저 안에서 픽셀 아트 이모지를 그리는 작은 확산 모델과 Slack Moji

  1. (1)읽기 전에
  2. (2)Executive Summary
  3. (3)팩트체크
  4. (4)원본 (완역)
  5. (5)원본 링크·인용
  6. (6)기타

x.com · 2026-11-18

브라우저 안에서 픽셀 아트 이모지를 그리는 작은 확산 모델과 Slack Moji

Caleb Fahlgren은 2026-11-18 X에 올린 두 게시물짜리 스레드에서 Slack 이모지 생성기 Slack Moji를 소개한다. 그 밑에서 도는 것은 Jagrat Patel의 4,760만 파라미터 마스크 확산 모델 Tessera-small이다(게시물 표기 4,700만). 모델은 16×16 그림을 512색 팔레트 토큰 256개로 보고, 전부 가려진 캔버스를 약 16단계에 푼다. 학습 데이터는 Krea 2 Turbo와 픽셀 아트 LoRA로 만든 합성 스프라이트 140만 장이다. 숫자와 출처 표기는 모델 카드·Space 코드와 맞는다. 게시 직후 Firefox와 한 휴대폰에서 잡음이 나왔다. 작성자는 8시간 20분 뒤 틀린 값을 내는 GPU를 걸러 CPU로 넘기는 자체 시험을 넣었다.

읽기 전에

Caleb Fahlgren은 무엇을 보여 줬고, 브라우저 안에서 실제로 도는 것은 무엇인가? Fahlgren은 Jagrat Patel의 마스크 확산 모델 Tessera-small 위에 Slack 이모지 생성기 Slack Moji를 얹어 Hugging Face Space(Hugging Face의 앱 호스팅 페이지)로 공개했다. 4,760만 파라미터짜리 Tessera-small은 16×16 그림을 팔레트 토큰 256개로 다룬다. 모델은 전부 가려진 캔버스에서 시작해 16단계에 걸쳐 256개를 모두 푼다. 브라우저 안에서는 onnxruntime-web이 이 모델과 CLIP 텍스트 인코더의 ONNX 파일을 사용자의 GPU에서 WebGPU로 실행한다. Slack Moji는 한 문장마다 후보 4개를 그려 이모지 이름표·PNG 다운로드·Slack 메시지 미리보기와 함께 내놓는다.

원문은 Caleb Fahlgren이 2026-11-18 02:34 KST(2026-11-17 17:34 UTC)에 X에 올린 게시물 2개짜리 스레드다. 작성자 계정은 @calebfahlgren이다. Fahlgren은 X 자기소개에 'software + product @huggingface'라고 적는다. 둘째 게시물은 첫 게시물 1초 뒤 작성자가 자기 글에 단 답글이다.

선행 개념

멘탈 모델

Tessera-small은 빈칸 256개짜리 십자말풀이를 512색으로 푼다. 단계마다 가장 확신하는 칸부터 색 번호를 적는다. 적은 칸은 지우지 않는다. 그 칸이 남은 칸을 푸는 단서가 된다. 16단계째에 남은 칸을 모두 채운다. Slack Moji는 이 판 4장을 한꺼번에 푼다.

권장 읽기 순서

  1. 무엇이 나왔는지만 알려면 Executive Summary를 읽은 뒤 원본 (완역)의 「게시물 1 — Slack 이모지 생성기」에서 15.2초 영상을 본다.
  2. 게시물의 문장이 어디까지 맞는지 보려면 팩트체크로 간다. 'Someone trained', '47M-param', 'in your browser', 학습 데이터 문장마다 판정과 레퍼런스 링크가 있다.
  3. 모델과 데이터의 출처를 보려면 「게시물 2 — 모델과 데이터셋」을 읽은 뒤 원본 링크·인용의 모델 카드 링크로 넘어간다.
  4. 직접 열어 보기 전에 브라우저와 기기에 따른 차이를 알려면 「같은 대화의 작성자 답글 (스레드 밖)」을 읽는다.

분량

게시물 1은 영어 33낱말에 15.2초짜리 동영상 하나가 붙는다. 게시물 2는 영어 11낱말에 모델 카드 링크 카드 하나가 붙는다. 같은 대화에서 작성자가 단 답글 6건 가운데 맞장구('yup', 'woooo!', 웃음 이모지 하나)를 뺀 3건은 합쳐 41낱말이다. 그 3건 가운데 한 건에 이미지 2장이 붙는다. 낱말 수는 공백으로 나눈 영어 낱말의 수다. URL, 이모지, 답글 머리의 @계정 이름은 세지 않는다. '47M-param'과 '1.4M'은 한 낱말로 친다.

점검 질문

  1. Fahlgren이 만든 부분과 Jagrat Patel이 만든 부분은 각각 무엇인가? — 완역 게시물 1·게시물 2
  2. 게시 직후 Firefox와 휴대폰에서 Slack Moji가 낸 그림은 Fahlgren 자신의 화면과 어떻게 달랐는가? — 완역 「같은 대화의 작성자 답글 (스레드 밖)」
  3. 게시물 2가 학습 데이터로 밝힌 Pixel Art Atlas 1.4M의 스프라이트 1,409,404장은 무엇으로 그린 그림인가? — 팩트체크

Executive Summary

Slack Moji는 Jagrat Patel의 4,760만 파라미터 이산 확산 모델 Tessera-small을 브라우저 안에서 돌려 16×16 픽셀 이모지 후보 4개를 그린다 — 모델이 배운 그림은 Krea 2 Turbo로 만든 합성 스프라이트다

Caleb Fahlgren(@calebfahlgren, X 자기소개 “software + product @huggingface”)은 2026-11-18 02:34 KST(2026-11-17 17:34 UTC) X에 올린 게시물 2개짜리 스레드에서 자기가 만든 Hugging Face Space(Hugging Face의 앱 호스팅 페이지) Slack Moji를 소개한다. 첫 글은 누군가 학습한 작은 4,700만 파라미터 확산 모델이 사용자의 브라우저 안에서 픽셀 아트 이모지를 그린다고 쓴다. Fahlgren은 그 위에 Slack 이모지 생성기를 얹었다고 덧붙인다. 1초 뒤 단 둘째 글은 모델 제작자를 Jagrat Patel로, 학습 데이터를 Angais의 Pixel Art Atlas 1.4M으로 밝힌다. 연결된 모델 카드·데이터셋 카드·Space 코드로 보면 스레드의 주장 12개는 모두 근거가 있다. 단서는 파라미터 수 표기, 확산의 종류, 게시 때의 실행 조건, ‘아무거나’의 범위에 붙는다.

신뢰도 A — 4,700만 파라미터·후보 4개·16단계와 모델 저자(Jagrat Patel)·데이터셋(Angais) 표기는 모델 카드·Space 코드·학습 로그와 맞는다. 빠진 것은 조건이다. 영상의 1.0초는 작성자 자신의 다른 화면에서 3.6초·16.0초였다. 게시 직후 Firefox와 한 휴대폰에서 잡음이 나왔고, 작성자가 8시간 20분 뒤 GPU 자체 시험과 CPU 대체 실행으로 고쳤다. 판정 22건과 기호의 뜻은 팩트체크 블록에 있다.

47.6M

Tessera-small의 파라미터 수(모델 카드 표기).

1,409,404장

Pixel Art Atlas 1.4M의 합성 스프라이트 수. 학습 1,405,308장, 검증 4,096장(데이터셋 카드).

약 5.5시간

RTX PRO 6000 Blackwell 1장에서 걸린 학습 시간. 82,342스텝 × 512장 = 140만 장 30에폭(모델 카드).

78.8%

검증에서 가려진 픽셀의 색 토큰을 맞힌 비율. 검증 NLL은 0.859 nats/픽셀이다(모델 카드).

25.24 · 25.28

CLIP 점수(ViT-B/32). 생성 스프라이트 25.24, 실제 스프라이트 25.28(모델 카드).

약 115MB

Slack Moji가 첫 방문 때 받는 모델 파일 합계(2026-11-18 02:34 UTC 이후 int8 기준, 게시 때는 약 224MB). 다음 방문부터는 브라우저 캐시를 쓴다.

만든 사람과 데이터: ‘누군가’는 Jagrat Patel, 학습 그림은 Krea 2 Turbo로 만든 합성 스프라이트

Fahlgren은 첫 글에서 모델을 학습한 사람을 “Someone”(누군가)으로만 적는다. 둘째 글이 그 이름을 Jagrat Patel로 밝힌다. Tessera-small 모델 카드의 저자도 Jagrat Patel(TheJagStudio)이다. Patel은 모델을 2026-11-09에 공개했다. 모델 카드는 학습 데이터로 Angais의 Pixel Art Atlas 1.4M을 적는다.

데이터셋 카드는 스프라이트 전부가 AI 생성 그림이라고 적는다. Angais는 문장 프롬프트를 Krea 2 Turbo와 픽셀 아트 LoRA에 넣어 투명 배경의 16×16 스프라이트를 만들었다. 스프라이트마다 영어 캡션이 붙는다. Tessera-small이 배운 픽셀 아트는 사람이 그린 그림이 아니라 다른 이미지 생성 모델의 출력이다. 스레드는 이 점을 적지 않는다.

모델: 가려진 색 토큰을 약 16단계에 푸는 4,760만 파라미터 이산 확산 모델

Fahlgren은 “tiny 47M-param diffusion model”이라고 쓴다. 게시물의 47M은 모델 카드 표기 47.6M의 소수점 아래를 버린 값이다. 브라우저가 받는 int8 파일은 디노이저 50.8MB, CLIP 텍스트 인코더 64.1MB다. 그림을 그리는 모델보다 문장을 읽는 인코더가 더 크다.

모델 카드는 Tessera-small을 16×16 픽셀 아트용 “diffusion language model”(확산 언어 모델)이라 부른다. 스프라이트 한 장은 16 × 16 = 256토큰짜리 문장이다. 픽셀 하나는 학습된 512색 팔레트의 토큰 하나다. 토큰 0은 투명이다. 양방향 트랜스포머가 전부 가려진 캔버스에서 시작해 256픽셀을 약 16단계에 걸쳐 병렬로 푼다. 조건은 얼린 CLIP 텍스트 인코더(OpenAI CLIP ViT-B/32의 텍스트 쪽)가 준다.

모델 카드는 VAE·잠재 공간·자기회귀가 없다고 적는다. 학습 목표는 absorbing-state masked diffusion이다. ‘확산 모델’이라는 말은 맞다. 종류는 Stable Diffusion 같은 잠재 공간의 연속 잡음 제거가 아니라 가려진 토큰을 푸는 이산(마스크) 확산이다.

16줄 8칸의 픽셀 아트 격자. 줄마다 물약, 왕관, 초록 슬라임, 칼, 보물 상자, 벚나무, 파란 책, 여우 얼굴, 보라 수정, 햄버거, 촛불 얹은 해골, 로켓, 장화, 고무 오리, 아이스크림, 검은 고양이를 8가지로 그렸다
Tessera-small 모델 카드의 샘플 격자(16프롬프트 × 8샘플). 한 줄이 프롬프트 하나다. 물약에서 검은 고양이까지 16가지 대상을 한 줄에 8개씩, 색과 모양을 조금씩 달리해 그렸다. 출처: thejagstudio/tessera-small 모델 카드.

실행 위치: 브라우저 안에서 돈다, 게시 때는 틀린 값을 내는 GPU를 걸러 내지 못했다

Fahlgren은 모델이 사용자의 브라우저 안에서 그린다고 쓴다. Space README는 디노이저와 CLIP 텍스트 인코더를 ONNX로 내보내 onnxruntime-web으로 돌린다고 적는다. README에 따르면 마스크 확산 샘플러도 Tessera 코드를 JavaScript로 옮긴 것이다. README는 서버로 보내는 것이 없다고 적는다.

커밋 기록으로 보면 게시 때의 Slack Moji는 WebGPU가 없거나 GPU 세션이 뜨지 않을 때만 CPU(WebAssembly)로 넘어갔다. 오류 없이 틀린 값을 내는 GPU는 걸러 내지 못했다. 게시 6시간 9분 뒤인 2026-11-17 23:43 UTC, @zbigniewcebula는 ‘planet’ 결과로 색 잡음 4장과 상태 줄 “4 emoji in 4.8 s, on your GPU”가 찍힌 화면을 올렸다. 같은 사람은 00:17 UTC에 원인을 Firefox로 짚었다. Chrome 계열 브라우저에서는 잘 된다고 덧붙였다. 2026-11-18 01:43 UTC에는 @____MUDZZZ____가 휴대폰에서 어떤 프롬프트를 넣어도 청록색 사각형만 나온다고 썼다.

Fahlgren은 게시 8시간 20분 뒤인 2026-11-18 01:54 UTC에 GPU가 자체 시험을 통과하지 못하면 CPU(WebAssembly)로 대체 실행하는 커밋을 올렸다. 자체 시험은 고정 프롬프트 하나의 출력을 CPU로 계산해 둔 기준값과 비교한다. 엔진 코드 주석은 일부 GPU와 드라이버가 오류 없이 NaN이나 엉뚱한 값을 낸다고 적는다. 02:34 UTC 커밋은 가중치를 int8로 바꿨다. 첫 방문 다운로드는 약 224MB에서 약 115MB로 줄었다. README는 2026-11-18 기준 “fp16 weights”라는 문장을 그대로 둔다. Fahlgren은 02:56 UTC 답글에서 이제 CPU로 대체 실행된다고 확인했다.

Slack 이모지 생성기: 입력 하나에 후보 4개, ‘아무거나’는 24토큰과 학습 주제 안

Fahlgren은 이 모델 위에 작은 Slack 이모지 생성기를 만들었다고 쓴다. Space의 커밋 5개(2026-11-18 기준)는 모두 그의 Hugging Face 계정 cfahlgren1이 올렸다. 첫 커밋은 2026-11-16 20:51 UTC에 들어갔다. 이름을 Slack Moji로 바꾼 커밋은 게시 8분 전인 2026-11-17 17:26 UTC다. ‘픽셀 아트 이모지’에서 이모지 쪽은 Slack Moji의 몫이다. 스프라이트를 이모지로 쓰게 만드는 이름표·PNG 내려받기·Slack 메시지처럼 보이는 미리보기를 Slack Moji가 붙인다.

“get 4 to pick from”은 코드와 맞는다. Space 코드의 생성 함수는 기본값으로 후보 4개(n = 4)를 만든다. 첫 글에 붙은 15.2초 영상은 프롬프트 6개를 차례로 입력한다. ‘a dumpster fire’, ‘an amazon box’, ‘a person holding a sword’, ‘a laptop with googly eyes’, ‘a skull with sunglasses’, ‘a pigeon wearing a cowboy hat’이다. 그림은 “Painting · step 4 of 16” 같은 진행 표시와 함께 단계마다 채워진다. 입력마다 후보 4개와 상태 줄 “4 emoji in 1.0 s, on your GPU”가 나온다.

Slack Moji 화면. 입력란에 a pixel robot, 왼쪽에 큰 픽셀 로봇과 이름표 :a-pixel-robot:, 오른쪽에 Slack 메시지처럼 보이는 미리보기와 로봇 후보 4개, Download PNG·Copy·Try again 버튼, 상태 줄 4 emoji in 1.0 s, on your GPU
2026-11-18 Apple Silicon Mac의 Chromium 계열 브라우저에서 Slack Moji에 ‘a pixel robot’을 넣은 화면. 왼쪽에 큰 미리보기와 이름표 ‘:a-pixel-robot:’이 있다. 오른쪽에는 “you now · shipped it” 메시지와 이모지 반응, 후보 4개, Download PNG·Copy·Try again 버튼이 있다. 상태 줄은 영상과 같은 1.0초를 표시한다. 오른쪽 위 표시는 “47.6M params · 16 steps”다. 출처: Slack Moji Space.

“Type anything”(아무거나 입력)에는 경계가 둘 있다. CLIP 텍스트 인코더는 24토큰까지만 읽는다. 모델이 배운 대상은 데이터셋의 학습 주제 6,194개다. 그 밖의 대상은 모델에게 학습 분포 밖의 입력이다.

스레드에 없는 조건: 비상업 라이선스와 대략적인 캡션

Tessera-small과 Slack Moji의 라이선스는 모두 CC BY-NC 4.0(저작자표시-비영리)이다. 모델 카드는 별도 라이선스 없이 모델과 그 모델로 만든 이미지를 상업적으로 쓰는 것을 금지한다. Space README도 그래서 이 데모가 비상업이라고 적는다. 데이터셋은 Angais가 포기할 수 있는 범위에서 CC0 1.0이다. 데이터셋 카드는 Krea 2 Community License의 상업적 사용 조항을 덮어쓰지 않는다고 적는다.

데이터셋 카드는 캡션을 대략적인 라벨로 다루라고 적는다. Angais는 그림과 캡션의 일치를 체계적으로 검토하지 않았다. 카드가 드는 예는 캡션이 “unlit”인데 불 켜진 양초를 그린 스프라이트다. 카드는 캡션으로 지시 따르기를 채점하기 전에 그림을 직접 확인하라고 권한다. 모델 카드는 CLIP 점수를 잰 문장이 무엇인지 적지 않는다.


팩트체크

신뢰도 A — 판정 22건 중 사실 16건, 부분사실 5건, 불확실 1건, 거짓 0건이다. 스레드의 숫자(4,700만 파라미터·후보 4개·16단계)와 출처 표기(모델 Jagrat Patel, 데이터셋 Angais)는 모델 카드·Space 코드·학습 로그와 맞는다. 부분사실 5건은 모두 조건이 빠진 문장이다. 불확실 1건은 스레드 밖, 모델 카드가 적은 학습 GPU다.

바로잡을 곳은 다섯 군데다.

  • 원문 “in your browser”(읽는 사람의 브라우저) → 확인 게시 때 코드에는 GPU 출력값 검사가 없었다. Firefox에서는 색 잡음이, 한 휴대폰에서는 청록 사각형이 나왔다. 작성자는 게시 8시간 20분 뒤(2026-11-18 01:54 UTC) GPU 자체 시험과 CPU 대체 실행을 넣었다.
  • 원문(영상) “4 emoji in 1.0 s, on your GPU” → 확인 기기에 따라 다르다. 작성자 자신의 2026-11-18 00:00 UTC 답글 화면은 'planet' 3.6초, 'earth' 16.0초다.
  • 원문 “Type anything” → 확인 텍스트 인코더는 시작·끝 토큰을 포함해 24토큰에서 자른다. 학습 캡션은 영어다. 학습 주제는 6,194개다.
  • 원문 “pixel art emoji” → 확인 모델이 그리는 것은 16×16 게임 스프라이트다. 이모지 모양(128×128 PNG·이름표·Slack 미리보기)은 Slack Moji가 만든다.
  • Space README “fp16 weights” → 확인 2026-11-18 02:34 UTC부터 int8 가중치다. 첫 방문 다운로드는 약 224MB에서 약 115MB로 줄었다.

상업적으로 쓰려는 사람에게 남는 조건은 라이선스다. 모델과 Space는 CC BY-NC 4.0이다. 모델의 LICENSE 파일은 생성 이미지의 상업 사용도 금지한다. 스레드 두 글은 라이선스를 적지 않는다. Space README는 적는다.

정합성 한줄평 — 두 게시물의 사실 문장은 모두 출처가 받친다. 빠진 것은 조건(기기별 속도, 게시 직후 일부 브라우저의 실패, 24토큰 한계, 비상업 라이선스)이다.

판정 기호 — ✅ 사실: 모델 카드·코드·로그·실행 결과가 주장과 같은 내용을 담는다. 🟡 부분사실: 주장의 핵심은 맞지만 출처가 주장에 없는 조건이나 예외를 붙인다. ⚠️ 불확실: 주장을 낸 문서 말고는 받칠 기록이 없다. ❌ 거짓: 출처가 주장과 반대다.

✅

“Someone trained a tiny 47M-param diffusion model” · “Model by Jagrat Patel” — 누군가 학습시켰다, 모델은 Jagrat Patel의 것이다.

모델 카드의 저자 줄은 “Jagrat Patel (TheJagStudio)”이다. Hugging Face 계정 thejagstudio의 이름도 Jagrat Patel이다. 학습 로그의 첫 기록은 2026-11-09 01:39 UTC, 마지막 기록은 같은 날 07:07 UTC다. 모델 저장소의 첫 업로드는 같은 날 22:42 UTC다. 스레드는 학습이 끝나고 8일 10시간 뒤에 올라왔다.

참조: Tessera-small 모델 카드 · 학습 로그 · thejagstudio

✅

“a tiny 47M-param diffusion model” — 4,700만 파라미터짜리 작은 확산 모델.

모델 카드 값은 4,760만(47.6M)이다. 원문의 47M은 소수점 아래를 버린 값이다. fp16 체크포인트 tessera-small-fp16.pt는 95,254,426바이트다. 파라미터 하나에 2바이트로 나누면 약 4,763만 개 분량이다.

브라우저는 이 디노이저 말고 CLIP 텍스트 인코더도 받는다. CLIP 논문은 이 인코더의 기본형을 6,300만 파라미터로 적는다. 브라우저에서 도는 파라미터는 합쳐 약 1억 1,000만 개다. Stable Diffusion v1은 UNet 8억 6,000만 개에 텍스트 인코더 1억 2,300만 개다. 디노이저만 놓고 보면 Stable Diffusion v1 UNet의 약 18분의 1이다.

참조: Tessera-small 모델 카드 · CLIP 논문 · Stable Diffusion README

✅

“diffusion model” — 확산 모델.

모델 카드는 Tessera를 ‘diffusion language model’이라 부른다. 학습 목표는 ‘absorbing-state masked diffusion’이다. 16×16 그림을 256토큰 문장으로 보고 픽셀 하나를 512색 팔레트 토큰 하나로 다룬다. 양방향 트랜스포머가 전부 가려진 캔버스에서 시작해 약 16단계에 256픽셀을 병렬로 푼다. VAE·잠재 공간·자기회귀는 없다. Stable Diffusion처럼 연속값 잡음을 걷어 내는 모델이 아니라 가려진 이산 토큰을 채우는 마스크 확산 모델이다.

흡수 상태(absorbing state) 손상 과정은 Austin 등이 2021-07-07 arXiv에 올린 D3PM 논문이 이산 확산의 한 형태로 정의했다. 양방향 트랜스포머로 가려진 이미지 토큰을 한꺼번에 예측하고 여러 번 고쳐 쓰는 생성 절차는 Chang 등이 2022-02-08 발표한 MaskGIT이 이미지에 썼다.

참조: Tessera-small 모델 카드 · D3PM · MaskGIT

🟡

“paints pixel art emoji” — 픽셀 아트 이모지를 그린다.

모델이 그리는 것은 16×16 스프라이트다. 학습 데이터 Pixel Art Atlas 1.4M의 설명은 “synthetic game sprites”(합성 게임 스프라이트)다. 모델 카드와 데이터셋 카드에는 ‘이모지’라는 말이 없다. 이모지 모양은 Slack Moji가 만든다. 16×16 그림을 128×128 PNG로 키워 내려받게 한다. 프롬프트로 ‘:a-skull-with-sunglasses:’ 같은 이름표를 만든다. Slack 메시지 모양 미리보기도 보여 준다.

Slack 도움말은 사용자 정의 이모지로 128KB 미만의 정사각형·투명 배경 이미지를 권한다. Slack Moji의 PNG는 투명 배경 정사각형이다.

참조: Pixel Art Atlas 1.4M 데이터셋 카드 · +page.svelte · Slack 도움말

✅

“in your browser” — 브라우저 안에서 그린다.

Slack Moji는 디노이저와 CLIP 텍스트 인코더를 ONNX 파일로 받아 onnxruntime-web으로 실행한다. ONNX Runtime 공식 문서는 onnxruntime-web의 WebGPU 실행 제공자를 브라우저용으로 설명한다. Space 코드가 내보내는 요청은 모델·토크나이저 파일 내려받기와 jsDelivr CDN의 onnxruntime-web 1.22.0 불러오기뿐이다. 프롬프트를 서버로 보내는 코드는 없다. 첫 방문 다운로드는 114,900,547바이트(약 115MB)다. 2026-11-18 Apple Silicon Mac의 Chromium 계열 브라우저에서 ‘a pixel robot’은 4개를 1.0초에 그렸다.

참조: engine.js · ONNX Runtime WebGPU 문서 · Slack Moji Space

🟡

“in your browser”(읽는 사람의 브라우저) — 게시 시점에 누구의 브라우저에서나 돌았는가.

게시 시점 코드(2026-11-17 17:27 UTC 커밋)는 WebGPU가 없거나 세션 생성이 실패하면 CPU(WebAssembly)로 넘어갔다. 빠져 있던 것은 GPU가 오류 없이 틀린 값을 내는 경우의 검사다. 그때 첫 방문 다운로드는 fp16 파일 2개, 224,319,967바이트(약 224MB)였다.

2026-11-17 23:43 UTC @zbigniewcebula는 ‘planet’ 결과가 색 잡음 4장으로 나온 화면을 올렸다. 상태 줄은 “4 emoji in 4.8 s, on your GPU”였다. 그는 원인을 Firefox로 짚었다. Firefox는 141판(2025-07)부터 Windows에서 WebGPU를 기본으로 켠다. 2026-11-18 01:43 UTC @____MUDZZZ____는 휴대폰에서 어떤 프롬프트든 청록 사각형이 나온다고 썼다.

작성자는 게시 8시간 20분 뒤(2026-11-18 01:54 UTC) 커밋에서 고정 프롬프트 자체 시험을 넣었다. 시험에 떨어진 브라우저는 CPU로 넘어간다. 같은 커밋은 디노이저의 pow 연산을 곱셈으로 바꿨다. 잡음이 생긴 원인을 밝힌 기록은 이 커밋 메시지 말고는 없다.

참조: 게시 시점 engine.js · 게시 시점 client.js · @zbigniewcebula 잡음 화면 · @zbigniewcebula “Reason: firefox” · @____MUDZZZ____ 청록 사각형 · Mozilla Gfx 블로그 · Space 커밋 기록

✅

“I built a tiny Slack emoji maker on top of it” — 그 위에 작은 Slack 이모지 생성기를 만들었다.

Space cfahlgren1/slack-moji는 2026-11-16 16:52 UTC에 생겼다. 커밋 5개 모두 cfahlgren1(Caleb Fahlgren) 계정이 올렸다. 첫 커밋(2026-11-16 20:51 UTC) 메시지는 “slack emoji maker with tessera-small on webgpu”다. 게시 8분 전(2026-11-17 17:26 UTC) 이름을 Slack Moji로 바꿨다. README는 16단계 마스크 확산 샘플러를 Tessera 코드에서 JavaScript로 옮겼다고 적는다. Slack과 연동하는 코드는 없다. 사용자가 PNG를 내려받거나 복사해 Slack에 직접 올린다.

참조: Space 커밋 기록 · Slack Moji Space

🟡

“Type anything” — 아무거나 입력하면 된다.

입력 칸은 120자까지 받는다. 텍스트 인코더에 들어가는 것은 시작·끝 토큰을 포함해 24토큰이다. 더 긴 입력은 알림 없이 잘린다. CLIP 원래 모델의 텍스트 위치는 77칸이다. 학습 캡션은 영어다. 학습 주제는 6,194개다.

2026-11-18 같은 Mac에서 ‘고양이’(한국어)는 주황색 네발 동물 4마리를 0.9초에 그렸다. 이름표는 ‘:emoji:’가 됐다. 이름표 규칙이 영문 소문자·숫자 밖의 글자를 지우기 때문이다.

참조: tokenizer.js · CLIP 설정 파일 · Pixel Art Atlas 1.4M 데이터셋 카드

✅

“get 4 to pick from” — 4개 중에서 고른다.

화면 코드는 후보 수를 4(VARIANTS = 4)로 고정한다. GPU에서는 4개를 한 배치로 그린다. CPU에서는 하나씩 그린다. 코드 주석은 CPU에서 하나에 약 10초로 적는다. CPU 모드에는 중간 정지 버튼이 있어서 4개보다 적게 끝날 수 있다. 영상의 프롬프트 6개와 2026-11-18 실행 3번(‘a pixel robot’, ‘고양이’, ‘planet’)은 모두 4개를 냈다.

참조: +page.svelte · 시연 영상

🟡

영상 “4 emoji in 1.0 s, on your GPU” — 이모지 4개를 1.0초에, 사용자의 GPU에서.

15.2초 영상에는 프롬프트 6개(‘a dumpster fire’, ‘an amazon box’, ‘a person holding a sword’, ‘a laptop with googly eyes’, ‘a skull with sunglasses’, ‘a pigeon wearing a cowboy hat’)가 나온다. 완료 상태 줄은 모두 1.0초다. 2026-11-18 Apple Silicon Mac의 Chromium 계열 브라우저에서도 0.9~1.1초가 나왔다. 작성자 자신이 2026-11-18 00:00 UTC 답글에 올린 화면은 ‘planet’ 3.6초, ‘earth’ 16.0초다.

표시 시간에는 화면 표시 지연이 들어 있다. 클라이언트 코드는 단계마다 그림을 최소 45ms 보여 준다. 16단계 표시만으로 0.72초 이상이 걸린다. 영상의 1.0초는 한 기기의 값이다. 작성자 화면끼리도 16배 차이가 난다.

참조: Slack Moji 앱 · 작성자 답글 ‘planet’·‘earth’ · client.js

✅

영상 “Painting · step 4 of 16” — 16단계에 걸쳐 그린다.

엔진 코드의 기본값은 steps = 16, CFG 3이다. 화면 코드도 STEPS = 16이다. 모델 카드는 “about 16 steps”로 적는다. 학습 설정의 샘플링 단계(sample_steps)도 16이다.

참조: engine.js · Tessera-small 모델 카드

✅

“trained on Angais' Pixel Art Atlas 1.4M” — Angais의 Pixel Art Atlas 1.4M으로 학습했다.

모델 카드의 datasets 항목은 Angais/pixel-art-atlas-1.4m이다. 감사 절은 “This model was trained on it”이라고 적는다. 데이터셋 저장소의 소유자는 Angais 계정이다. 카드의 학습량 82,342단계 × 512장 = 42,159,104장은 학습 분할 1,405,308장의 30.0회분이다. 카드의 “30 epochs over 1.4M sprites”와 맞는다.

참조: Tessera-small 모델 카드 · Pixel Art Atlas 1.4M 데이터셋 카드

✅

Pixel Art Atlas 1.4M의 정체 — 스레드가 이름만 밝힌 학습 데이터.

데이터셋 카드는 스프라이트 1,409,404장을 Krea 2 Turbo와 픽셀 아트 LoRA로 텍스트 프롬프트에서 생성했다고 밝힌다. 카드는 “All sprites are AI-generated outputs”라고 적는다. 캡션은 그림과의 일치를 체계적으로 검토하지 않은 ‘대략적인 라벨’이다. 라이선스는 CC0 1.0(Angais가 포기할 수 있는 권리의 범위)이다. 카드는 Krea 2 Community License의 상업 이용 조항(§2.3)을 덮어쓰지 않는다고 적는다. Krea 2 Community License는 Krea 2 Raw와 Krea 2 Turbo를 다룬다.

참조: Pixel Art Atlas 1.4M 데이터셋 카드 · Krea 2 Community License

✅

모델 카드의 학습 수치 — 82,342단계, 약 5.5시간, 검증 NLL 0.859, 정확도 78.8%, CLIP 점수 25.24 대 25.28.

학습 로그 1,698줄의 마지막 기록은 82,342단계다. 마지막 검증 값은 NLL 0.8594 nats/픽셀, 가려진 픽셀 정확도 0.7878, CLIP 점수 25.238(생성) 대 25.284(실제 스프라이트)다. 카드의 0.859·78.8%·25.24 대 25.28과 같다. 첫 기록(50단계)은 2026-11-09 01:39 UTC, 마지막 기록은 07:07 UTC다. 경과 시간은 5시간 28분이고 기록 사이 공백은 최대 19초다. 로그는 저자 본인이 올린 파일이다.

참조: 학습 로그 · Tessera-small 모델 카드

⚠️

모델 카드 “on one NVIDIA RTX PRO 6000 Blackwell” — GPU 1장으로 학습했다.

GPU 모델명은 모델 카드에만 있다. 학습 로그와 학습 설정 파일에는 장치 이름이 없다. 로그의 최대 메모리 사용량은 33.26GB다. NVIDIA RTX PRO 6000 Blackwell은 실재하는 제품이고 메모리는 GDDR7 96GB다. 이 사용량을 담을 수 있는 카드다. 장치를 밝히는 독립 기록은 없다.

참조: NVIDIA RTX PRO 6000 · 학습 로그

✅

작성자 Caleb Fahlgren — X 자기소개 “software + product @huggingface”.

개인 홈페이지는 그를 “Software Engineer (Product) at Hugging Face”(2024~)로 적는다. Hugging Face 계정 cfahlgren1(Caleb Fahlgren)은 huggingface 조직 소속이다. 모델 저자(Jagrat Patel)와 데이터셋 저자(Angais)는 작성자와 다른 사람이다.

참조: Caleb (@calebfahlgren) · calebfahlgren.com · cfahlgren1

✅

Space README “released under CC BY-NC 4.0, so this demo is non-commercial” — 모델과 데모는 비영리 라이선스다.

모델 LICENSE 파일은 CC BY-NC 4.0이다. 이 파일은 모델과 생성 이미지의 상업 사용을 금지한다. Space README의 라이선스 항목도 cc-by-nc-4.0이다. 모델 저장소의 첫 업로드(2026-11-09 22:42 UTC) 커밋 메시지는 “proprietary license”였다. 3분 뒤 CC BY-NC 4.0 커밋이 올라왔다. 스레드 두 글에는 라이선스 언급이 없다. 대화에서 @GitGem이 2026-11-18 06:07 UTC 이 라이선스를 아쉬워했다.

참조: 모델 LICENSE · CC BY-NC 4.0 · 모델 커밋 기록

✅

Space README “The CLIP text encoder is OpenAI's (MIT)” — CLIP 텍스트 인코더는 OpenAI 것이고 MIT 라이선스다.

OpenAI CLIP GitHub 저장소의 LICENSE는 “MIT License, Copyright (c) 2021 OpenAI”다. Hugging Face의 openai/clip-vit-base-patch32 모델 카드에는 라이선스 항목이 없다. 그 모델 카드는 영어 밖의 언어로 학습·평가하지 않았다고 적는다.

참조: CLIP LICENSE · openai/clip-vit-base-patch32

🟡

Space README “exported to ONNX with fp16 weights (fp32 compute)” — 가중치는 fp16이다.

게시 시점에는 맞았다. 그때 코드는 tessera_w16.onnx(97,676,049바이트)와 clip_text_w16.onnx(126,643,918바이트)를 받았다. 원문 “fp16 weights” → 확인 2026-11-18 02:34 UTC 커밋부터 int8이다. 코드는 tessera_w8.onnx(50,840,032바이트)와 clip_text_w8.onnx(64,060,515바이트)를 받는다. README 문장은 그 뒤에도 바뀌지 않았다.

참조: 게시 시점 client.js · client.js

✅

작성자 답글(2026-11-18 02:44 UTC) “made some mobile improvements” — 모바일 쪽을 고쳤다.

답글 전에 커밋 두 개가 있다. 01:54 UTC 커밋은 GPU 자체 시험 실패 시 CPU 대체 실행을 넣고 내려받기 최대 메모리를 절반으로 줄였다. 02:34 UTC 커밋은 메모리 안에서도 int8로 남는 가중치를 넣었다. 같은 커밋은 메모리 부족으로 탭이 죽은 뒤 페이지가 계속 다시 열리는 문제를 막았다. client.js 주석은 휴대폰 메모리를 이유로 든다.

참조: 작성자 답글 · Space 커밋 기록

✅

작성자 답글(2026-11-18 02:56 UTC) “Yes it will fallback on CPU now” — 이제 CPU로 넘어간다.

2026-11-18 02:34 UTC 판 엔진은 WebGPU 세션을 만든 뒤 고정 프롬프트 하나의 출력을 CPU 기준값과 비교한다. 가장 높은 값의 색이 기준과 같은 픽셀이 80% 미만이거나 평균 오차가 0.5를 넘으면 CPU로 넘어간다. 한 번 틀린 값을 낸 브라우저는 다음 방문부터 CPU로 시작한다. 같은 대화에서 @____MUDZZZ____는 02:54 UTC “It says cpu now”라고 썼다.

참조: 작성자 답글 · @____MUDZZZ____ “It says cpu now” · engine.js

✅

작성자 답글(2026-11-18 00:00 UTC) “this is what it looks like on my end for 'planet' and 'earth'” — 내 쪽에서는 이렇게 나온다.

작성자 화면은 ‘planet’ 행성 4개(3.6초), ‘earth’ 지구 4개(16.0초)다. 2026-11-18 Apple Silicon Mac의 Chromium 계열 브라우저에서 ‘planet’은 행성 4개를 1.1초에 그렸다.

참조: 작성자 답글 · Slack Moji 앱


원본 (완역)

게시물 1 — Slack 이모지 생성기

Caleb (@calebfahlgren) · 2026-11-18 02:34 KST

누군가 브라우저 안에서 픽셀 아트 이모지를 그리는 4,700만 파라미터짜리 작은 확산 모델을 학습시켰다 👾

나는 그 위에 작은 Slack 이모지 생성기를 만들었다. 아무거나 입력하면 고를 후보가 4개 나온다.

huggingface.co/spaces/cfahlgr…

15.2초 시연 영상: Slack Moji 입력창에 'a dumpster fire', 'an amazon box', 'a person holding a sword', 'a laptop with googly eyes', 'a skull with sunglasses', 'a pigeon wearing a cowboy hat'을 차례로 넣는다. 그림은 'Painting · step 4 of 16' 표시와 함께 16단계에 걸쳐 채워진다. 매번 후보 4개, 큰 미리보기, Slack 메시지 모양 미리보기, ':a-skull-with-sunglasses:' 같은 이름표가 나온다. 상태 줄은 '4 emoji in 1.0 s, on your GPU'다. · 원본 영상

게시물 2 — 모델과 데이터셋

Caleb (@calebfahlgren) · 2026-11-18 02:34 KST · 게시물 1에 1초 뒤 단 작성자 본인의 답글

모델은 Jagrat Patel이 만들었고, Angais의 Pixel Art Atlas 1.4M으로 학습했다:

huggingface.co/thejagstudio/t…

Hugging Face 링크 카드 이미지. 파랑·주황·보라 그러데이션 바탕에 'thejagstudio'와 '/tessera-small' 글자, 아래쪽에 Hugging Face 얼굴 로고와 'huggingface.co'가 있다.thejagstudio/tessera-small · Hugging Face텍스트-이미지 모델. Hugging Face에서 내려받고, 파일을 살펴보고, 실행해 보라.huggingface.co

역주: 'Angais의 Pixel Art Atlas 1.4M'은 Angais가 Hugging Face에 공개한 데이터셋 Pixel Art Atlas 1.4M을 가리킨다.

같은 대화의 작성자 답글 (스레드 밖)

아래 답글은 Caleb Fahlgren이 게시물 1의 답글 대화에 직접 단 것이다. 스레드에는 들어가지 않는다. 작성자 답글마다 그 답글이 응답한 상대의 글을 앞에 둔다.

Caleb (@calebfahlgren) · 2026-11-18 09:00 KST · @zbigniewcebula의 위 답글에 단 답글

이상하네 🤔. 내 화면에서는 'planet'하고 'earth'가 이렇게 나온다

Slack Moji 화면. 입력창에 'planet'이 들어 있다. 큰 미리보기는 주황색 몸통에 남색 띠가 둘린 픽셀 행성이다. 후보 4개는 주황·초록·청록·적갈색 행성이다. 이름표는 ':planet:', 상태 줄은 '4 emoji in 3.6 s, on your GPU'다.
작성자 화면의 'planet' 결과 — 후보 4개가 모두 행성이다. 3.6초가 걸렸다.
Slack Moji 화면. 입력창에 'earth'가 들어 있다. 큰 미리보기는 파란 바다에 초록 대륙이 있는 픽셀 지구다. 후보 4개도 모두 지구다. 이름표는 ':earth:', 상태 줄은 '4 emoji in 16.0 s, on your GPU'다.
작성자 화면의 'earth' 결과 — 후보 4개가 모두 지구다. 16.0초가 걸렸다.

dumfka (@____MUDZZZ____) · 2026-11-18 10:43 KST · 게시물 1에 단 답글

ㅋㅋ 내 폰에서는 프롬프트를 뭘 넣든 전부 그냥 온통 청록색인 사각형만 나온다🫣

휴대폰에서 연 Slack Moji 화면. 큰 미리보기와 후보 4개가 모두 옅은 청록색 단색 사각형이다. 이름표는 ':pink-mushroom-that-looks-like-…'로 잘려 있다.
휴대폰 화면 — 큰 미리보기와 후보 4개가 모두 청록색 단색 사각형이다.

원본 링크·인용


기타

용어

수록 범위

스레드의 게시물 2개는 영상과 링크 카드까지 전문을 옮겼다. 작성자가 같은 대화에 단 답글 6건 가운데 한 마디 맞장구 3건('yup', 'woooo!', '🤣')을 뺀 3건은 그 답글이 응답한 상대 글 4건과 함께 별도 절에 실었다. 게시물 1에 달린 답글 31개(2026-11-18 기준) 가운데 나머지 제3자 답글은 옮기지 않았다.