NVIDIA, 단일 GPU로 구동되는 2.6B 오픈소스 월드 모델 Sana 공개

NVIDIA의 연구 조직 NVlabs가 2026년 10월 14일, 단일 이미지와 텍스트 프롬프트, 카메라 궤적(Camera Trajectory) 입력을 결합해 제어 가능한 3차원 월드 환경을 생성하는 2.6B(26억 파라미터) 규모의 오픈소스 월드 모델 'Sana'의 코드와 연구 논문을 GitHub 및 arXiv에 공개했습니다.

이미지 출처: @simplifyinAI / NVIDIA NVlabs

그동안 생성형 월드 모델(World Model) 연구는 대규모 분산 GPU 클러스터와 수백 기가바이트 단위의 VRAM을 요구하는 인프라 장벽 탓에 소수 빅테크 연구소에 연구가 집중되어 왔습니다. 이번에 공개된 Sana는 모델 크기를 2.6B 규모로 컴팩트하게 구성하여, NVIDIA RTX 5090이나 H100 등 플래그십 단일 GPU 환경에서도 외부 클러스터 없이 로컬에서 월드 모델 실험과 연구를 직접 수행할 수 있도록 설계된 것이 핵심입니다.

단일 이미지·텍스트·카메라 궤적 결합을 통한 월드 제어 아키텍처

Sana 월드 모델의 핵심 작동 원리는 시각적 기준점(이미지)과 의미적 지시문(텍스트), 그리고 공간적 시점 이동(카메라 궤적)을 하나의 통합된 생성 파이프라인으로 연결한 데 있습니다.

사용자가 기준이 될 단일 프레임 이미지를 입력하고 텍스트 프롬프트로 환경의 특성을 부여한 뒤 원하는 카메라 이동 경로를 지정하면, 모델은 해당 궤적에 반응하여 일관성 있는 3차원 시점 변화와 장면을 생성합니다.

• 3차원 공간 제어성: 단순한 텍스트-비디오(Text-to-Video) 생성과 달리, 카메라 궤적에 반응하여 제어 가능한 환경을 생성할 수 있습니다.
• 주요 활용 분야: 물리적 환경과 상호작용하는 임바디드 AI(Embodied AI), 로보틱스 연구, 가상 시뮬레이션 환경에 직접 활용할 수 있습니다.

단일 GPU 구동 환경과 하드웨어 고려사항

연구팀과 커뮤니티가 Sana의 발표에서 가장 주목하는 대목은 멀티 GPU 클러스터 의존도를 제거하고 단일 GPU 구동을 실현했다는 점입니다.

• 지원 하드웨어: NVIDIA RTX 5090(차세대 소비자용 플래그십 GPU) 또는 NVIDIA H100(데이터센터용 텐서 코어 GPU) 단일 카드에서 모델 추론 및 실험 환경을 구성할 수 있습니다.
• 연구 접근성 확장: 수 대에서 수십 대의 가속기를 병렬로 묶지 않고도 워크스테이션 1대 수준에서 월드 모델의 가중치를 불러와 궤적 기반 공간 생성을 검증할 수 있어, 대학 연구실이나 독립 AI 연구자의 진입 장벽을 낮췄습니다.
• VRAM 기준 주의점: 단일 GPU 구동이 지원되지만 RTX 5090이나 H100과 같이 넉넉한 대용량 VRAM을 갖춘 플래그십 GPU를 전제로 하므로, 일반 중소형 소비자용 GPU에서의 구동 여부나 양자화 지원 계획은 저장소 사양을 확인할 필요가 있습니다.

씬 일관성 유지(Drift 방지)와 실무 도입 과제

단일 GPU에서 동작하는 2.6B 경량 월드 모델이라는 강점과 더불어, 실제 프로덕션 및 연구 현장 도입 시 면밀히 검증해야 할 기술적 과제도 존재합니다.

특히 단일 GPU 구동이 가능한 2.6B 규모인 만큼, 첫 프레임을 벗어나 카메라 궤적이 길어질 때 씬의 일관성이 안정적으로 유지되는지, 혹은 장면 왜곡(드리프트)이 발생하는지 여부가 연구자들과 커뮤니티의 주요 검증 지점으로 제기되고 있습니다.

NVIDIA NVlabs가 코드와 논문을 전면 개방한 만큼, 향후 로보틱스 및 시뮬레이션 환경과의 연동성과 장기 궤적에서의 일관성 유지 수준에 대해 오픈소스 커뮤니티의 다양한 실측 벤치마크가 이어질 것으로 기대됩니다.

출처

• GitHub 공식 저장소: NVlabs/Sana
• Simplifying AI (@simplifyinAI) 공식 X 게시물: NVIDIA 2.6B Open-Source World Model Sana Announcement