테스트는 이렇게 진행되었습니다
등록 정보와 첫 실행
이미 로컬 채팅 프런트엔드가 많기 때문에, 테스터는 LU가 채팅 이상을 해 주기를 기대했습니다.
설치 파일 내려받기 크기는 15.8 MB였으며, 테스터가 내려받기에서 직접 읽은 값입니다. 설치 후 전체 이름으로는 앱을 찾지 못했고, 앱의 이름은 LU입니다.
설정이 끝나면 메인 창에 Chat, Create, Voice, Compare, Benchmark, Models, Settings 탭이 표시되고, 상단 바에는 Cloud 토글이 있습니다.
설치와 설정
1단계에서는 내장 LU Engine이 준비 완료로 체크된 채 제공되며, Continue 버튼과 그 아래에 "Use another engine (Ollama, LM Studio...)" 링크가 있습니다. 테스터는 선택할 수 있게 해 주는 앱을 좋아하지만, 엔진 카드의 체크 표시는 해제되지 않았습니다. 다른 엔진 링크는 시도하지 않았습니다.
2단계에서는 요청하지 않았는데도 컴퓨터에 이미 있는 모델 일곱 개가 나열되었습니다: x/z-image-turbo, HSR-DeepThink/nwe, x/flux2-klein, gemma4, gemma3:1b, minimax-m2:cloud, qwen3-coder:30b. 그는 gemma4를 골랐습니다. 아래의 시작용 모델 두 개에는 설명, 내려받기 크기, 필요한 여유 메모리가 적혀 있습니다.
다른 앱에서는 시작용 모델의 크기가 표시되는 경우가 드물어, 이를 장점으로 봅니다.
3단계에서는 문서 채팅용 선택 사항인 임베딩 모델(nomic-embed-text, 84 MB)을 Install과 Skip for now로 제안합니다. 메모에는 어느 쪽을 골랐는지 적혀 있지 않습니다.
채팅과 문서
첫 채팅은 작동했습니다. 첫 메시지를 보내고 모델을 불러올 때 "Starting" 표시가 18 s를 가리켰습니다. gemma4는 베를린과 파리 중 어느 도시의 지하철역이 더 많은지 묻는 질문에 "Paris generally has more"라고 답했으며, 테스터는 이를 사실 확인하지 않았습니다.
메시지 입력란 위의 컨텍스트 미터에 사용량(309/16K, 이후 4.2K/16K)이 표시됩니다. 툴팁에 따르면 Ollama num_ctx 토큰을 세며 추론 토큰은 제외합니다.
클립 버튼으로 Excel 파일(.xlsx, 84 KB)을 첨부했습니다. 모델은 파일 이름과 시트 파일 이름(sheet1.xml~sheet6.xml)만으로 답했고 내용은 볼 수 없다고 말했습니다. Docs 드롭 영역에는 PDF, DOCX, TXT가 나열되어 있고 Excel은 없습니다.
클립 버튼으로 첨부한 PDF(872 KB)는 이름만 읽혔습니다. PDF 속 금액을 묻자 모델은 텍스트를 읽을 수 없다며 해당 부분을 복사해 붙여 넣어 달라고 요청했습니다. 테스터는 처음에 "Yes, it understood the file"이라고 적었다가 몇 줄 뒤에 스스로 정정했습니다.
테스터의 메모에 따르면 같은 PDF를 Docs 입력란으로 넣어도 실패했으며, 스크린샷은 없습니다. Docs 입력란의 Word 파일은 20개 청크로 표시되었지만, 모델은 .docx의 내부 내용을 읽을 수 없다고 답했습니다.
그는 이를 최신 대형 모델과 비교했고, PDF는 포기한 뒤 설립자와 이야기할 계획을 세웠습니다.
이미지 생성
Create 탭은 로컬 이미지 생성에 Apple MLX와 가장 작은 이미지 모델을 설치하는 일회성 설정이 필요하며 "about 5 GB in all"이라고 안내합니다. 테스터는 Python wheel(torch, 88.0 MB)과 SD Turbo 모델(2.4 GB)이 내려받아지는 것을 보았으며, 총량은 기록되지 않았습니다.
내려받기 대화 상자에는 진행률, GB 중 MB, MB/s(32%에서 1.2 MB/s, 100%에서 1.1 MB/s)가 표시되지만 남은 시간은 없습니다. 그는 탭을 벗어나 Settings를 열었다가 Troubleshoot 창을 만났고, 앱을 재시작했더니 내려받기가 진행된 지점부터 이어졌습니다.
이미지 모델 카탈로그에는 카드 여섯 장이 있으며 내려받기 크기, 필요한 메모리, 라벨이 표시됩니다. 4비트 모델에는 "Runs on this Mac", 더 큰 모델에는 "Too big for this Mac's memory. Images run on LU Cloud"라고 되어 있습니다.
512×512의 SD Turbo는 프롬프트를 느슨하게 따랐습니다. "draw an elephant sitting on the Eifel Tower"에서는 탑만 나오고 코끼리는 보이지 않았고, "a color please"를 덧붙이자 코끼리는 나왔지만 여전히 흑백이었습니다. 시드가 서로 달랐으므로 차이는 시드 때문일 수 있습니다.
그는 이 컴퓨터에서 동영상은 건너뛰었습니다(일회성 설정 약 27 GB). 캐릭터 학습에는 Z-Image Turbo(30.5 GB, 32 GB 필요)가 필요한데 이 Mac에는 너무 크다고 표시되었고, Character 탭은 사진을 받았지만 24 GB에서는 학습을 시작할 수 없었습니다.
설정, 비교, 벤치마크, 에이전트
Settings에는 밝은/어두운 테마 전환(사용함), ChatGPT 내보내기 가져오기, 채팅 백업, 콘텐츠 정책, 개인정보 보호, 업데이트, 온보딩이 있습니다. 샘플링 슬라이더(Temperature 0.7, Top P 0.9, Top K 40)에는 설명이 없습니다.
그는 초보자가 다른 곳에서 찾아보지 않아도 되도록 이 슬라이더에 정보 아이콘이 있기를 바랍니다. 디스플레이 배율을 크게 설정한 상태에서는 메시지 입력란이 매우 작게 느껴졌고 회색 막대가 그 위를 가로질렀습니다.
A/B Compare는 gemma4와 gemma3:1b를 나란히 실행하며 속도, 시간, 토큰을 보여 줍니다(gemma4 54.5 t/s, 15.5 s, gemma3:1b 23.9 t/s, 0.4 s). Benchmark는 gemma3:1b를 "useful" 109.4 t/s, 정답률 67%로 1위, gemma4를 56.9, 정답률 100%로 매겼습니다.
Coding Agent(gemma4)가 핑퐁 게임용 index.html을 작성했고, 내장 미리 보기(Desktop, Tablet, Mobile)에서 점수와 함께 게임이 실행되었습니다. 첫 답변에는 파일 위치가 없었고, 그가 묻자 에이전트가 파일을 다시 읽어 보여 주었습니다(248줄).
개발자의 답변
테스터가 메모를 보낸 뒤 LU의 개발자(LU Labs)가 독일어로 답했습니다. 날짜는 밝혀지지 않았으며 아래는 영어 의역을 다시 옮긴 것입니다. 테스터에 따르면 개발자는 공개에 동의했습니다(2026-10-24).
그는 지금까지 받은 테스트 중 가장 철저하다고 말합니다.
그는 PDF 관련 발견을 인정합니다. 클립 버튼으로는 파일 이름만 모델에 전달되고 내용은 전달되지 않았으며, PDF는 Docs 입력란에서 처리되었어야 한다고 합니다. 그는 이를 처리하겠다고 합니다.
그는 또한 Top P, Top K, Temperature에 대한 설명, 내려받기 시간 추정, Troubleshoot 창도 처리하겠다고 합니다.
그는 대부분의 사용자가 GitHub, Reddit, Google에서 찾은 가이드를 통해 들어오며, 작은 릴리스와 피드백에 대한 빠른 응답을 몇 달간 이어 간 것이 가장 중요했다고 말합니다.
이 변경 사항은 이번 테스트에서 하나도 확인되지 않았습니다. 각각 재테스트 항목입니다.
결정
메모는 요약으로 끝나며 계속 사용할지에 대한 결정은 없습니다. 그는 인터페이스에 들인 정성과 기능의 결합이 놀랍다고 평하며, 많은 앱이 이 아이디어를 따라 해도 좋겠다고 말합니다. 제공하는 모든 기능에서 최고인지는 의문이고, 1년 뒤에는 어떤 모습일지 궁금하다고 합니다.