로컬 LLM PC 비교, 5090 데스크탑과 DGX Spark 차이가 갈린 순간

시작하며

로컬 LLM용 하드웨어는 작은 모델을 돌릴 때보다 31B, 120B급 모델로 올라가는 순간 선택이 갈린다. RTX 5090 데스크탑은 31B급까지 압도적으로 빠르지만, 120B 이상에서는 VRAM 32GB 한계가 바로 드러난다. 반대로 DGX Spark는 초반 속도만 보면 5090보다 느리지만, 큰 모델로 갈수록 128GB 통합 메모리 장점이 살아난다.

이번 비교 대상은 약 1400만원 데스크탑, 약 535만원 DGX Spark MSI, 약 270만원 AI MAX 392 노트북이다. 로컬 LLM 구축, 토큰 생성 속도, 대규모 파라미터 모델 실행 여부, 외부 작업용 노트북까지 같이 보는 사람에게 현실적인 판단 자료가 된다. 테스트 구성과 모델별 속도 차이는 제공된 비교 내용을 바탕으로 정리했다.


📌 먼저 어디를 봐야 할까

상황 먼저 볼 부분 선택 전 걸리는 점
7B 이하 작은 모델 위주 가격 대비 체감 속도 고가 장비 차이가 덜 크게 느껴질 수 있다
26B～31B 모델 위주 RTX 5090 데스크탑 성능 PC 전체 가격과 전력, 발열 부담이 있다
120B 이상 모델 위주 DGX Spark 통합 메모리 일반 PC처럼 쓰기에는 용도가 좁다
외부 작업도 같이 필요 AI MAX 392 노트북 64GB 모델은 큰 LLM에서 답답할 수 있다
영상 편집·이미지 AI 병행 5090 데스크탑 LLM 전용 장비로만 보면 과투자일 수 있다


1. 로컬 LLM PC 비교는 램보다 메모리 배치에서 갈렸다

로컬 LLM은 단순히 램 숫자만 보고 고르면 안 된다. 작은 모델에서는 CPU, GPU, 운영체제 차이가 속도를 만든다. 큰 모델에서는 모델이 어느 메모리에 올라가느냐가 체감 속도를 좌우한다.

이번 구성은 성격이 완전히 다르다.

  • RTX 5090 + 9950X3D + RAM 256GB 데스크탑: GPU VRAM이 빠르고 작업용 확장성이 크다.
  • DGX Spark MSI RAM 128GB: 로컬 AI 실험에 맞춘 통합 메모리 장비다.
  • AI MAX 392 노트북 RAM 64GB: 휴대성과 전력 효율을 챙긴 외부 작업용 장비에 가깝다.

RTX 5090은 32GB GDDR7 메모리와 512-bit 메모리 인터페이스를 가진 고성능 GPU라 작은 모델과 31B급 모델에서 강하게 나온다. Ryzen 9 9950X3D도 16코어 32스레드, 최대 5.7GHz급 데스크탑 CPU라 영상 편집과 일반 작업을 같이 맡기기 좋다.

DGX Spark는 방향이 다르다. 128GB 통합 시스템 메모리와 Grace Blackwell 기반 구성을 앞세워 최대 200B급 AI 모델 개발·테스트를 책상 위에서 다루는 쪽에 맞춰진 장비다. MSI EdgeXpert MS-C931도 같은 DGX Spark 플랫폼 장비로 128GB LPDDR5x 통합 메모리와 1000 AI TOPS급 FP4 성능을 핵심으로 둔다.

AI MAX 392는 노트북과 미니 PC 쪽에 가까운 선택지다. AMD Ryzen AI Max+ 392는 12코어 Zen 5, Radeon 8060S 그래픽, 최대 128GB LPDDR5x 메모리 지원을 갖춘 Strix Halo 계열 APU다. 다만 이번 비교처럼 64GB 모델이면 120B급 모델에서 여유가 빠르게 사라진다.


(1) 작은 모델은 5090 데스크탑이 너무 빠르다

Gemma 계열 2B, 4B 같은 작은 모델에서는 RTX 5090 데스크탑이 눈에 띄게 앞선다. 토큰 생성이 빠르게 끝나서 체감상 기다리는 시간이 거의 없다.

반면 DGX Spark도 충분히 빠르다. 2B 모델에서 약 100토큰 가까운 속도가 나오고, 4B에서도 50토큰대 속도를 보인다. 이 정도면 로컬 LLM 공부나 실험용으로 답답함이 적다.

AI MAX 392 노트북은 여기서 아쉬움이 먼저 보인다. 2B 모델에서 30토큰대, 4B 모델에서 10토큰대 후반으로 나온다. 일반 사용은 가능하지만, 가격에 붙은 AI 이미지와 비교하면 기대보다 차분한 속도다.


💻 작은 모델에서 느껴지는 차이

모델 5090 데스크탑 DGX Spark AI MAX 392
Gemma 2B급 약 290토큰대 약 98토큰 약 33토큰
Gemma 4B급 약 200토큰대 약 55토큰 약 18토큰
체감 거의 바로 끝난다 충분히 빠르다 기다림이 생긴다



(2) 26B까지는 고성능 PC와 DGX Spark 모두 쓸 만하다

26B 모델부터는 장비 성격이 조금씩 보인다. DGX Spark는 약 57토큰 수준까지 나오고, 5090 데스크탑은 약 181토큰 수준으로 여전히 빠르다. AI MAX 392도 약 19토큰대로 나온다.

여기서 중요한 점은 26B급은 생각보다 현실적인 선이라는 점이다. 4B보다 모델 크기가 훨씬 커지지만, 장비만 맞으면 대화 품질과 속도 사이에서 균형을 잡기 좋다.

AI MAX 392도 26B까지는 “못 쓸 정도”가 아니다. 다만 여러 작업을 동시에 열어두고 쓰면 램 압박이 빨리 온다. 외부에서 간단히 실험하거나 짧은 답변을 뽑는 용도라면 가능하다. 하루 종일 모델을 바꿔가며 돌리는 용도라면 답답할 수 있다.


2. DGX Spark는 120B부터 존재감이 커진다

DGX Spark는 작은 모델에서 5090 데스크탑을 이기지 못한다. 그래서 처음 보면 가격 대비 애매하게 느껴질 수 있다.

하지만 120B급 모델로 넘어가면 이야기가 달라진다. RTX 5090은 VRAM 32GB를 넘는 순간 시스템 메모리까지 같이 쓰게 된다. 이때 병목이 생기고 속도가 크게 줄어든다. DGX Spark는 128GB 통합 메모리를 활용해 큰 모델을 더 안정적으로 다룬다.


(1) 31B에서는 5090 데스크탑이 아직 강하다

31B 모델은 경계선에 가깝다. 5090 데스크탑은 VRAM 안에서 처리가 가능해 약 61토큰 수준을 보인다. DGX Spark는 약 9토큰대로 내려간다. AI MAX 392는 약 3토큰대까지 떨어진다.

이 구간만 보면 답은 단순하다. 31B를 자주 돌릴 사람은 5090 데스크탑 쪽이 체감 속도에서 유리하다.

다만 이것도 LLM만 보는 답이다. 데스크탑은 영상 편집, AI 이미지 생성, 게임, 일반 작업까지 같이 맡길 수 있다. 그래서 1400만원 구성이 과하더라도 다목적 작업실 PC로 보면 납득할 여지가 있다.


📊 31B에서 달라지는 체감

장비 속도 느낌 사용 전 생각할 점
5090 데스크탑 빠르게 답이 나온다 VRAM 32GB 안에 들어올 때 강하다
DGX Spark 눈에 띄게 느려진다 큰 모델용 장점은 120B부터 더 보인다
AI MAX 392 실사용이 답답하다 64GB 구성은 여유가 부족하다



(2) 120B에서는 DGX Spark가 확실히 편하다

GPT-OSS 120B급 모델에서는 DGX Spark가 약 38토큰대를 보인다. 이 정도면 큰 모델을 로컬에서 다루는 장비로 꽤 설득력 있다. 반면 5090 데스크탑은 약 14토큰대로 내려간다. GPU VRAM을 넘어서 시스템 메모리를 같이 쓰기 때문이다.

AI MAX 392는 64GB 메모리를 거의 다 쓰는 상황이 된다. CPU와 메모리 사용률이 크게 올라가고, 기계가 버티는 느낌이 강해진다. 속도는 약 11토큰대로 나왔지만 안정적인 작업 환경이라고 보기는 어렵다.

여기서 DGX Spark의 장점은 단순 속도보다 큰 모델을 올려놓고 실험할 수 있는 여유다. 120B, 122B 같은 대형 모델을 반복해서 테스트할 사람이라면 이 차이가 크다.


3. AI MAX 392 노트북은 로컬 LLM 전용보다 이동형 작업용에 가깝다

AI MAX 392는 이번 비교에서 성능만 보면 아쉬워 보인다. 하지만 이 장비를 로컬 LLM 전용 장비로만 보면 평가가 너무 좁아진다.

AI MAX 392 노트북의 장점은 휴대성, 전력 효율, 내장 그래픽 성능, 일반 작업 균형에 있다. 40대가 장비를 고를 때 가장 피곤한 부분은 “이거 하나로 어디까지 버티느냐”다. 그 관점에서 보면 AI MAX 392는 책상 위 고정 장비가 아니라, 밖에서 작업하고 가볍게 AI 실험까지 하는 쪽에 맞다.


(1) 64GB 모델은 120B급에서 욕심을 줄여야 한다

AI MAX 392 노트북은 64GB 구성일 때 한계가 분명하다. 31B부터 이미 속도가 크게 줄고, 120B에서는 메모리 여유가 거의 사라진다.

그래도 작은 모델이나 26B급 모델은 다룰 수 있다. 외부에서 문서 초안, 코드 보조, 간단한 질의응답을 로컬로 처리하려는 사람에게는 의미가 있다.

다만 “노트북 하나로 대형 LLM까지 편하게 돌리겠다”는 기대는 낮추는 편이 낫다. 그 용도라면 128GB 구성이나 별도 데스크탑을 같이 보는 쪽이 현실적이다.


(2) AI MAX 392는 게임과 작업까지 같이 볼 때 살아난다

AI MAX 392의 내장 Radeon 8060S 그래픽은 단순 사무용 내장 그래픽과 성격이 다르다. 외장 GPU 노트북보다 가볍게 들고 다니면서 일반 작업, 가벼운 게임, AI 실험을 같이 처리하는 데 의미가 있다.

내가 장비를 고를 때도 이런 부분을 크게 본다. 한 가지 성능만 높은 장비보다, 자주 쓰는 작업을 덜 번거롭게 처리하는 장비가 오래 남는다.

AI MAX 392가 맞는 사람은 이런 쪽이다.

  • 외부 작업이 많고 노트북 무게를 중요하게 본다.
  • 7B～26B급 로컬 LLM 실험을 가끔 한다.
  • 영상 편집보다는 문서, 개발, 브라우저 작업이 많다.
  • 외장 GPU 노트북의 무게와 발열이 부담된다.
  • 대형 LLM은 메인 데스크탑이나 서버에서 돌릴 생각이 있다.


4. 5090 데스크탑과 DGX Spark는 쓰임새가 완전히 다르다

이번 비교에서 가장 중요한 결론은 “어느 장비가 더 세냐”가 아니다. 어떤 모델 크기를 자주 쓰느냐가 더 중요하다.

RTX 5090 데스크탑은 폭발적인 속도를 보여준다. 작은 모델부터 31B까지는 기다림이 거의 줄어든다. 영상 편집, AI 이미지, 게임, 일반 작업까지 같이 할 수 있어서 돈을 많이 쓰더라도 활용 폭이 넓다.

DGX Spark는 일반 데스크탑 대체품이 아니다. 로컬 LLM과 AI 실험에 초점이 맞춰진 장비다. 128GB 통합 메모리 덕분에 120B 이상 모델에서 안정감이 커진다. 대신 게임이나 일반 그래픽 작업, 윈도우 데스크탑 감각을 기대하면 맞지 않을 수 있다.


🧠 내 사용 상황에 맞춰 보면 이렇게 갈린다

주 사용 목적 더 어울리는 장비 이유
31B 이하 모델을 빠르게 돌림 RTX 5090 데스크탑 VRAM 안에서 처리될 때 속도가 압도적이다
120B 이상 모델 실험 DGX Spark 128GB 통합 메모리가 큰 모델에 유리하다
외부 작업과 가벼운 AI AI MAX 392 노트북 휴대성과 전력 효율을 같이 챙긴다
영상 편집·AI 이미지 병행 RTX 5090 데스크탑 LLM 외 작업까지 활용 폭이 넓다
AI 공부용 전용 장비 DGX Spark 소프트웨어 환경과 메모리 구성이 맞다



(1) 5090 데스크탑은 빠르지만 돈을 먹는 장비다

5090 데스크탑은 성능이 확실하다. 하지만 전체 구성비가 약 1400만원까지 올라가면 단순 LLM용으로는 부담이 크다.

이 장비는 이런 사람에게 맞다.

  • 영상 편집과 AI 이미지 작업을 자주 한다.
  • 로컬 LLM도 31B급까지 빠르게 쓰고 싶다.
  • 장비 한 대로 거의 모든 작업을 처리하고 싶다.
  • 전력, 발열, 소음, 책상 공간을 감당할 수 있다.

반대로 LLM만 돌릴 목적이라면 과할 수 있다. 특히 120B 이상 모델을 자주 쓴다면 5090의 빠른 VRAM보다 총 메모리 구성이 더 중요해진다.


(2) DGX Spark는 큰 모델을 계속 만지는 사람에게 맞다

DGX Spark는 처음부터 용도가 좁다. 하지만 그 좁은 용도에 맞으면 장점이 뚜렷하다.

120B 이상 모델을 자주 올리고, AI 공부나 실험을 꾸준히 하고, 로컬 환경에서 대형 모델을 다뤄보고 싶다면 DGX Spark가 더 편하다. 작은 모델만 돌릴 사람에게는 가격이 무겁다.

특히 2B, 4B, 7B 위주라면 굳이 DGX Spark까지 갈 필요가 적다. 그 구간은 훨씬 저렴한 장비도 충분히 버틴다.


(3) AI MAX 392는 대형 LLM 욕심만 빼면 쓸모가 남는다

AI MAX 392는 이번 비교에서 가장 손해 보는 위치에 있다. 데스크탑보다 느리고, DGX Spark보다 메모리 여유가 적다.

그래도 노트북이라는 점을 봐야 한다. 들고 다니면서 작업하고, 가끔 로컬 LLM을 돌리고, 전력과 무게를 줄이고 싶은 사람에게는 다른 의미가 있다.

다만 64GB 모델은 분명한 선이 있다.

  • 26B까지는 상황에 따라 쓸 만하다.
  • 31B부터는 기다림이 길어진다.
  • 120B급은 테스트는 가능해도 편한 작업은 어렵다.
  • 128GB 모델이면 평가가 달라질 수 있다.


5. 로컬 LLM 하드웨어는 모델 크기부터 정하고 사야 한다

로컬 LLM 장비는 “비싼 장비가 늘 답”이 아니다. 작은 모델을 자주 쓰는 사람과 120B 이상 모델을 돌리는 사람은 전혀 다른 장비를 골라야 한다.

내가 다시 고른다면 이렇게 나눠 보겠다.


✅ 이런 상황이면 무엇을 볼까

내 상황 먼저 볼 장비 왜 그쪽을 볼 만한가
7B 이하 모델만 쓴다 고가 장비보다 중급 PC 체감 차이에 비해 비용 차이가 크다
26B～31B를 자주 쓴다 RTX 5090 데스크탑 속도 체감이 가장 크다
120B 이상을 자주 쓴다 DGX Spark 큰 모델을 올리는 여유가 있다
들고 다니며 작업한다 AI MAX 392 노트북 LLM 전용보다 이동형 작업에 맞다
AI 이미지와 편집도 한다 RTX 5090 데스크탑 GPU 활용 폭이 넓다


마치며

로컬 LLM 하드웨어는 31B까지 볼 것인지, 120B 이상까지 볼 것인지에서 답이 갈린다. 5090 데스크탑은 31B급까지 빠르고 다목적 작업에 강하다. 대신 120B 이상에서는 VRAM 32GB 한계가 보인다.

DGX Spark는 작은 모델에서 가격 대비 압도적이라고 말하기 어렵다. 하지만 120B 이상 모델을 자주 다룬다면 128GB 통합 메모리 덕분에 존재감이 커진다. AI MAX 392 노트북은 로컬 LLM 전용 장비로 보면 아쉽지만, 외부 작업과 가벼운 AI 실험을 같이 보는 사람에게는 선택지에 넣어볼 만하다.

결국 로컬 LLM용 장비는 가격보다 사용 습관이 먼저다. 작은 모델을 빠르게 쓰고 싶으면 5090 데스크탑이 강하다. 큰 모델을 계속 실험할 생각이면 DGX Spark가 더 편하다. 들고 다니는 작업까지 필요하면 AI MAX 392는 욕심을 줄였을 때 의미가 있다.

댓글

댓글 쓰기

이 블로그의 인기 게시물

수노(SUNO) AI 프롬프트 잘 쓰는 법: 장르부터 송폼까지 쉽게 정리

시작하며 Suno AI로 음악 만들기, 어렵지 않다. 최근 AI 작곡 서비스인 Suno AI가 많은 주목을 받고 있다. 하지만 막상 사용하려고 하면 어떤 문장을 써야 원하는 스타일의 곡이 나올지 막막한 경우가 많다. 이럴 때 필요한 것이 바로 ‘프롬프트 작성법’이다. 프롬프트는 단순히 문장을 입력하는 것이 아니라, AI에게 음악의 장르, 시대, 분위기, 악기, 감정, 구조 등을 명확하게 지시하는 방법 이다. 이 글에서는 Suno AI에 적합한 프롬프트 작성법을 단계별로 정리해 보았다.   1. Suno AI는 어떻게 음악을 만들어낼까? Suno AI는 프롬프트라는 짧은 문장을 기반으로 사용자가 원하는 음악을 생성한다. 이 프롬프트에 따라 곡의 장르나 분위기, 사용되는 악기, 심지어 노래의 구조까지도 달라진다. (1) 프롬프트란 무엇인가? 프롬프트는 AI에게 주는 지시문 이다. 구체적으로 어떤 음악을 만들지에 대한 조건을 담는다. 예를 들어 “90년대 디스코, 펑키, 신스”라는 키워드만으로도 Suno는 해당 스타일에 맞는 곡을 자동으로 제작해준다. (2) Suno AI의 장점 음악 이론을 몰라도 작곡 가능 간단한 키워드 입력만으로 곡 완성 유튜브, 게임, 광고용 BGM 등 다방면 활용 가능 가사 작성, 송폼 구성도 자동화   2. 좋은 프롬프트는 어떻게 써야 할까? Suno AI에서 가장 중요한 것은 ‘간결하고 명확한 키워드’ 다. 문장을 길게 쓰는 대신, 핵심만 담은 단어 중심의 입력이 훨씬 효과적이다. 📑 프롬프트 작성 시 꼭 넣어야 할 5가지 핵심 포인트 항목 설명 예시 키워드 장르 음악의 스타일 disco, ballad, trot, lo-fi 시대 연도 또는 시대감 70s, 80년대, 90s, 2000s ...
Read more »

갤럭시 S26 엑시노스 vs 스냅드래곤, 일본판까지 사서 비교해보니

시작하며 엑시노스 괜찮은 거 맞냐는 질문, 올해도 반복된다. 이번에는 일본판 스냅드래곤 모델까지 구해 직접 비교한 테스트 내용을 바탕으로 판단해보려 한다. 나는 40대 중반이고, 스마트폰을 단순 소비재가 아니라 작업 도구로 본다. 영상 촬영, SNS 업로드, 5G 환경에서의 실사용이 일상이다. 그래서 벤치마크 점수보다 발열, 배터리 유지력, 밝기 유지 를 더 중요하게 본다.   1. 성능 점수만 보면 거의 따라잡았다 막상 수치를 보면 생각보다 차이가 크지 않다. 이 대목은 솔직히 놀랐다. (1) 긱벤치와 3D 테스트를 돌려보니 ① 싱글·멀티 점수는 얼마나 차이 날까 싱글코어는 스냅드래곤이 약 20% 높다 멀티코어는 6% 정도 차이로 생각보다 격차가 크지 않다 GPU 테스트는 항목에 따라 엑시노스가 더 잘 나온 구간도 있다 ② 그래픽 스트레스 테스트에서는 지속 성능은 스냅드래곤이 약간 우위 대신 발열은 오히려 스냅드래곤이 더 높게 찍힌 구간도 있다 전체적인 체감 차이는 ‘압도적’이라기보다는 ‘미세한 우위’ 수준이다 여기까지만 보면 “이 정도면 엑시노스 잘 나왔네”라는 생각이 자연스럽게 든다. 나도 그렇게 느꼈다.   2. 게임에서는 비슷한데 전력 효율이 갈린다 게임 테스트는 현실 체감과 가장 가까운 구간이다. (1) 고사양 게임을 20분 이상 돌려보니 ① 프레임 유지력은 평균 프레임은 스냅드래곤이 약간 높다 엑시노스도 큰 차이 없이 따라간다 극단적인 끊김 차이는 아니다 ② 소비 전력은 스냅드래곤 약 6.5W 엑시노스 6.6~7.6W 구간 수치상 스냅드래곤이 조금 더 효율적이다 20분 기준 배터리 소모는 크게 벌어지지 않았다. 그래서 이 시점까지만 보면 “큰 걱정은 없겠다”는 판단이 가능하다.   3. 진짜 차이는 카메라와 SNS에서 벌어진다 문제는 여기서부터다. 나는 스마트폰을 게임기보다 촬영 도구로 더 많이 쓴다. 그래서 4K 촬영과 SNS 사용 테스트가 훨씬...
Read more »

수노 AI 음원 분리 기능 추가! 12개 트랙까지 분리 가능한 방법 정리

시작하며 수노 AI가 다시 한번 주목할 만한 기능 업데이트를 선보였다. 기존에는 단일 음원만 생성하고 수정에 제약이 많았던 데 반해, 이제는 12가지 트랙 분리가 가능한 ‘스템 익스트랙션’ 기능이 추가되어 음악 편집 자유도가 크게 높아졌다. 여기에 음악 구조 편집 기능과 가사 수정, 확장 생성까지 더해져 이제는 AI와 함께 창작의 주도권을 나눌 수 있는 수준으로 발전하고 있다. 이번 글에서는 이번에 추가된 기능들을 실제 사용법과 함께 하나씩 정리해 본다.   1. 수노 AI 새로 추가된 기능 3가지 이번 업데이트에서 핵심이 되는 기능은 다음과 같다. 📑 추가된 기능 살펴보기 스템 익스트랙션 (Stem Extraction) 음악을 드럼, 베이스, 키보드, 보컬 등으로 분리해서 각 파트를 따로 활용 가능 송 에디터 (Song Editor) 인트로, 벌스, 코러스 단위로 편집이 가능하고 가사도 부분 수정할 수 있음 확장 업로드 (Extended Upload) 음악의 특정 구간을 AI가 자동으로 확장해 새로운 분위기의 파트 추가 가능 이 기능들을 통해 이제는 한 번 만든 음악을 다시 뜯어 고쳐 편곡하거나, 마음에 들지 않는 파트를 삭제하고 교체하는 등의 작업이 가능해졌다.   2. 음악 구조를 직접 편집할 수 있는 송 에디터 수정이 쉬워지고, 창작의 폭도 넓어졌다. (1) 구간별로 음악을 쪼개서 편집 가능 자동으로 인트로, 벌스, 코러스 등으로 분리됨 원하는 구간만 선택해 가사를 수정하거나 새로 생성 가능 "니플레이스(Replace)" 기능으로 특정 구간만 바꿔 새로운 분위기 연출 가능 (2) 가사 수정도 직관적으로 가능하다 기존 가사 텍스트를 직접 지우고 새 문장 입력 바뀐 가사는 초록색으로 표시돼 쉽게 구분 수정 후 바로 재생해 결과를 확인할 수 있음 (3) 새로운 파트를 자유롭게 추가 가능 기존 벌스와 코러스 사이에 새 파트 삽입 새 파트는 다른 스타...
Read more »

갤럭시 S26 울트라 액정보호필름 붙일까 말까, 개봉 직후 고민 정리

시작하며 갤럭시 S26 울트라를 막 개봉하면 가장 먼저 드는 생각이 있다. “요즘은 기본 필름 안 붙여서 나오지 않나?” 그리고 바로 이어진다. “이 좋은 화면을 그냥 써야 하나, 그래도 보호는 해야 하나.” 나 역시 비슷한 고민을 했다. 특히 플립 쓰다가 울트라로 넘어오면 화면 크기부터 체감이 다르다. 더 크고, 더 선명하고, 더 비싸다. 이럴수록 선택은 더 신중해진다.   1. 개봉하고 나면 제일 먼저 드는 생각 요즘 플래그십은 기본 보호필름이 부착되어 나오지 않는 경우가 많다. 고급 코팅이 적용됐고, 긁힘에 강하다고 홍보한다. 그렇다면 정말 아무것도 안 붙이고 써도 괜찮을까? 나는 이 질문을 이렇게 바꿔봤다. “1년 뒤에도 지금 같은 화면 상태를 유지하고 싶나?” (1) 기스는 생각보다 빨리 쌓인다 ① 눈에 안 보이는 잔기스가 쌓이는 순간 바지 주머니 속 먼지, 모래 알갱이 책상 위에 뒤집어 놓는 습관 차 안 컵홀더, 카페 테이블 표면 카드나 열쇠와의 미세 접촉 ② “나는 둔감하다”의 함정 화면이 켜져 있을 땐 티가 덜 난다 어두운 배경에서만 드러난다 코팅이 벗겨진 부분은 유분이 더 잘 묻는다 나는 부동산 중개 일을 하던 시절이 있었는데, 작은 흠집 하나가 가격에 영향을 주는 걸 수없이 봤다. 스마트폰도 비슷하다. 상태가 결국 가격을 만든다.   2. 그래도 고급 기술 믿고 그냥 쓰는 사람도 있다 맞다. 필름 없이 쓰는 사람도 많다. 특히 “화질 저하 싫다”, “터치감이 중요하다”는 이유다. (1) 생폰으로 쓸 때 체감하는 장점 ① 화면 선명도는 확실히 좋다 필름 특유의 미세한 탁함이 없다 색감이 또렷하게 느껴진다 엣지 부분 들뜸 걱정이 없다 ② 터치감이 자연스럽다 미세한 마찰 차이가 없다 지문 인식 속도 저하 걱정이 적다 가장자리 제스처가 매끄럽다 특히 울트라급 디스플레이는 해상도와 밝기가 워낙 높아서, 보호필름을 붙이면 약간이라도 차이가 느껴질...
Read more »

아이폰에도 드디어 RCS 메시지 적용, 달라진 점 정리

시작하며 아이폰에서도 RCS 메시지가 적용되면서, 기존 문자 앱이 카카오톡처럼 바뀌었다는 얘기가 나오고 있다. 이번 업데이트에서 어떤 기능이 달라졌고, 사용자 입장에서 어떤 점이 실질적으로 달라지는지 확인해봤다.   1. 아이폰에서도 RCS 메시지를 쓸 수 있게 된 이유 왜 이제야 애플이 RCS를 받아들였을까? 지금까지 애플은 자사 생태계를 고수하며 아이메시지에 집중해왔다. 안드로이드에서는 2019년부터 RCS를 지원했지만, 애플은 오랫동안 참여하지 않았다. 그러다 2024년부터 유럽을 시작으로 글로벌 규제 대응 차원에서 점진적으로 RCS 지원을 시작했다. 이번에 국내에서도 iOS 26 업데이트에 맞춰 SKT, KT, LG유플러스가 아이폰 RCS 메시지 서비스를 공식 지원하게 된 것이다. 내가 쓰는 아이폰 13에서도 이번 iOS 26 업데이트 후, 기본 설정에서 RCS 메시지가 활성화돼 있는 걸 확인할 수 있었다. 이제 안드로이드 사용자와도 좀 더 자연스러운 메시지 소통이 가능해졌다.   2. 기존 문자와 RCS 메시지, 어떤 점이 달라졌나? 문자 앱인데도 메신저처럼 쓸 수 있다는 게 핵심이다 기존 문자 앱이 불편했던 이유 대부분을 RCS가 해소한 셈이다. 📑 이번에 바뀐 기능, 이건 알아두자 구분 기존 문자(SMS/MMS) RCS 메시지 글자 수 한글 70자 / 1,000자 제한 최대 2,730자 사진·영상 전송 1MB 이하, 품질 저하 최대 300MB, 고화질 유지 이모티콘 일부 기본 제공 다양한 이모티콘 지원 읽음 확인 불가능 가능 입력 중 표시 없음 실시간 표시 가능 그룹 채팅 거의 불가 최대 100명 가능 전송 방식 통신...
Read more »