부팅 가능한 USB 도구를 통해 Windows에 도달한 Nvidia Tensor Unlock

Nvidia tensor unlock이 오픈 소스 USB 부팅 도구를 통해 Windows에 도달하고 있다. 개발자는 RTX 4060 노트북에서 행렬 처리량이 65% 높아졌다고 보고했다. nv-uefi-unlocker 프로젝트는 AI에 사용되는 행렬 계산을 가속하는 특수 GPU 장치인 Tensor Core의 제한을 겨냥한다. 핵심 매력은 분명하다. 그래픽 카드 펌웨어를 플래시하거나 드라이버를 교체하지 않고도 Windows가 시작되기 전에 GPU의 작동 상태를 바꾸는 방식이다.

주목받는 향상 폭은 16비트로 값을 표현하는 부동소수점 형식인 FP16에 관한 것이다. 모든 AI 애플리케이션이 65% 빨라진다는 뜻은 아니다. 프로젝트 결과와 별도의 소유자 보고서는 더 제한적인 결론을 뒷받침한다. 일부 계산의 처리량은 향상되지만, 실제 이점은 워크로드에 따라 달라진다.

핵심 갈등은 기존 컴퓨팅 용량에 접근하는 일과 이를 안정적으로 사용하기 위해 필요한 작업 사이에 있다. Zagitta의 gpu-unlock을 포함한 이전 프로젝트는 커뮤니티 접근법을 확립했다. USB 부팅 경로는 Windows 진입 장벽을 낮추지만, 카드·노트북·애플리케이션 간의 차이를 없애지는 않는다.

Windows 드라이버보다 앞서 진행되는 Nvidia Tensor Unlock

의미 있는 변화는 수정이 이루어지는 위치다. 운영체제의 그래픽 드라이버가 제어권을 갖기 전이다.

Tom’s Hardware는 2026년 11월 1일 이 USB 도구를 보도하며 Windows에서의 접근성과 개발자의 노트북 결과를 강조했다. 보도에 따르면 널리 지원되는 파일 시스템을 사용하는 FAT32 드라이브가 시작 과정에서 unlock을 실행한다. 이후 Windows는 패치된 대체 드라이버가 아닌 Nvidia의 일반 드라이버로 계속 작동한다. 따라서 보고된 USB tensor unlock은 기존 커뮤니티 수정 방식에 진입하는 경로를 바꾼다.

운영체제 구성 요소를 설치하는 일은 외부 부팅 장치를 선택하는 것과는 다른 도입 장벽을 만들기 때문에 이 경로는 중요하다. 이미 Linux에 익숙한 개발자들은 이전 unlock 프로젝트를 따라왔다. 이제 Windows 사용자는 애플리케이션을 다른 환경으로 옮기지 않고도 같은 유형의 성능 제한을 더 직접적으로 조사할 수 있다.

운영체제가 시작되기 전에 컴퓨터를 구동하는 펌웨어 환경인 UEFI가 그 여지를 제공한다. 이 도구는 Windows가 로드될 때까지 기다리지 않고 더 이른 단계에서 작동한다. 이 차이는 변경되지 않은 Windows 드라이버가 이후 Windows 외부에서 설정된 GPU 상태로 작동할 수 있는 이유를 설명한다.

이는 여전히 부팅 과정에 개입하는 작업이다. “USB 도구”는 전달 방식을 설명할 뿐, 작업의 깊이를 뜻하지는 않는다. 익숙한 저장 장치도 시작 과정의 민감한 지점에서 작동하는 소프트웨어를 담을 수 있다. 해당 장치를 준비하는 편의성을 일반 애플리케이션 설치와 혼동해서는 안 된다.

그럼에도 그래픽 펌웨어 플래시가 필요 없다는 점은 중요하다. 그래픽 카드에 내장된 펌웨어인 VBIOS를 영구적으로 교체할 필요가 없다. 프로젝트에 따르면 전원을 끄면 unlock 상태가 해제된다. 이는 카드에 대체 이미지를 기록하는 방식과 이 수정을 구분한다.

이는 지속성에 대한 기대도 바꾼다. 반복 가능한 이점을 원하는 소유자는 이후 세션에서 시스템이 어떻게 unlock 상태로 진입하는지 고려해야 한다. 한 번의 시작 후 성공한 벤치마크만으로 같은 상태가 모든 재부팅, 재설정 또는 전원 전환 후에도 유지된다고 입증할 수는 없다.

독자가 즉시 파악해야 할 점은 보편적 준비 상태가 아니라 접근성에 관한 것이다. 더 많은 Windows 사용자가 기존 소프트웨어 환경에서 이 주장을 검토할 수 있게 됐다. 다만 이 프로젝트는 더 폭넓은 접근성이 사람들이 실제로 보유한 다양한 시스템에서 신뢰할 수 있는 결과를 낸다는 점을 아직 보여줘야 한다.

따라서 이 소식은 단순히 새 다운로드 항목을 넘어선다. 커뮤니티 연구자들이 추가 처리량을 드러낼 수 있는지에 대한 논의를, 일반적인 하드웨어 구성에서도 이를 일관되게 활용할 수 있는지에 대한 논의로 옮긴다.

기존 GeForce 소유자가 가장 큰 영향을 받는 이유

영향을 받는 계산을 사용하는 워크로드라면, 첫 수혜자는 이미 보유한 하드웨어에서 AI 워크로드를 시험하는 사람들이다.

기존 GPU는 구매를 계획 중인 제품과 다른 판단을 요구한다. 소유자는 같은 시스템에서 현재 성능과 실험적 구성을 비교할 수 있다. 이 때문에 unlock은 현재 장비에 추가로 활용 가능한 용량이 있는지 조사하는 개발자에게 특히 관련성이 크다.

잠재적 이점은 반복 작업에서 되찾는 시간이다. 프롬프트나 모델 설정을 조정하면서 동일한 이미지 생성 실험을 실행하는 개발자를 생각해 볼 수 있다. 영향을 받는 행렬 계산이 해당 워크플로를 지배한다면, 처리량 증가는 대기 시간 단축으로 이어질 가능성이 있다. 다만 이는 측정이 필요한 워크로드별 명제다.

로컬 어시스턴트는 다른 사례다. 긴 프롬프트를 읽는 단계와 연속된 단어를 생성하는 단계는 모델 실행에서 서로 다르다. 한 단계에 집중된 개선이 다른 단계에도 같은 수준의 개선을 자동으로 제공하지는 않는다. 단일한 전체 “AI 속도” 수치로 보고하면 이 차이가 가려진다.

따라서 소유자가 받는 압박은 정보 측면에 있다. unlock 결과를 해석하기 전에 자신의 소프트웨어가 실제로 어디에 시간을 쓰는지 파악해야 한다. 계산에 붙은 백분율은 유용한 근거지만, 전체 워크플로를 바꾸기에는 불충분한 근거다.

로컬 AI 애플리케이션을 유지하는 개발자도 관련된 질문에 직면한다. 사용자가 큰 폭으로 다른 향상을 보고한다면 소프트웨어 구성도 조사 대상이 된다. 관련 비교에는 그래픽 카드 이름뿐 아니라 애플리케이션 버전, 수치 설정, 워크로드도 포함된다.

하드웨어 구매자는 더 엄격한 기준을 적용해야 한다. 실험적 수정은 구매 결정에서 미래 성능을 가정하는 약한 근거다. 다른 사람의 시스템에서 나온 결과로는 검증되지 않은 시스템의 동작, 지원, 유지 관리 부담을 확정할 수 없다.

소비자용 제품과 전문가용 제품을 비교할 때도 경계가 필요하다. Zagitta의 프로젝트는 전문가용 대응 제품과 비교해 특정 GeForce tensor 계산에 제한이 있다고 설명한다. 이 비교는 특정 컴퓨팅 경로에 관한 것이다. 전체 제품, 사용 가능한 메모리 또는 지원 체계가 동등하다는 뜻은 아니다.

상위 GeForce tensor limiter 프로젝트는 공로를 평가하는 데도 중요한 맥락을 제공한다. USB 구현은 고립된 발견이 아니라 더 광범위한 커뮤니티 노력에 속한다. Windows에서의 의미는 이 기술에 접근하는 방식을 조정했다는 데 있다.

따라서 현재의 경쟁 구도는 주로 소유권의 문제다. 특정 제한이 바뀐 뒤 기존 소비자용 하드웨어가 얼마나 많은 유용한 작업을 제공할 수 있는가? 이에 답하려면 전문가용 제품군을 성능 보증으로 간주하는 대신 실제 작업을 비교해야 한다.

Nvidia RTX AI performance에서 유용한 비교 단위는 재현 가능한 작업이다. 같은 작업이 같은 수준의 허용 가능한 결과를 낼 때 절약된 1분은 의미가 있다. 사용자의 일상 워크로드가 거의 바뀌지 않는다면 더 높은 벤치마크 점수의 의미는 줄어든다.

Nvidia Tensor Limiter Explained: 제한은 구체적이다

이 프로젝트는 일부 tensor 실행 경로를 겨냥하므로, “반속도 AI”라는 표현은 근거가 뒷받침하는 범위보다 넓다.

상위 설명에 따르면 이 메커니즘은 특정 tensor 명령어의 실행 속도를 결정하는 보호 설정을 변경한다. 제어 값을 보관하는 작은 하드웨어 위치인 레지스터가 이러한 동작을 관리한다. 이 커뮤니티 기법은 초기 GPU 초기화 구성 요소인 Nvidia의 서명된 Booter 펌웨어를 이용해 해당 설정을 쓸 수 있도록 만든다.

익스플로잇에 사용되는 작은 시퀀스인 보고된 V67 페이로드는 관련 변경을 활성화한다. 이후 읽기 검증은 쓰기 시도가 성공했다고 가정하지 않고 결과 값을 확인한다. 이 검사는 특정 작업이 적용됐는지를 다룰 뿐, 전체 애플리케이션을 검증하지는 않는다.

이 구분은 근거를 이해하는 데 핵심적이다. 도구가 예상한 하드웨어 설정을 보고하더라도 워크로드는 다른 지점에서 제한될 수 있다. 반대로 애플리케이션이 더 빨라졌더라도 충분히 통제된 실험 없이는 그 이유를 정확히 확정할 수 없다. 하드웨어 상태 근거와 성능 근거는 관련은 있지만 서로 다른 질문에 답한다.

중간 계산 결과를 계속 더하는 누적도 헤드라인에 가려진 또 다른 세부 사항이다. 상위 프로젝트는 FP32 누적을 사용하는 저정밀도 입력 연산이 영향을 받는다고 지목한다. 이는 실행 중인 합계를 32비트 형식으로 유지하는 방식이다. 작은 수치 형식을 사용하는 모든 연산보다 훨씬 구체적인 범위다.

일반 독자가 명령어 수준의 지식을 알 필요는 없지만, 결과는 이해할 수 있다. 제한이 의미 있으려면 애플리케이션이 영향을 받는 경로를 사용해야 한다. 프로세서 내부의 한 경로에 걸린 제한을 바꾼다고 해서 그 내부의 모든 경로가 빨라지는 것은 아니다.

Nvidia 자체 성능 문서는 더 폭넓은 설명을 제공한다. matrix multiplication guide는 계산 처리량에 제한되는 워크로드와 메모리 이동에 제한되는 워크로드를 구분한다. 행렬 차원과 데이터 재사용은 어떤 제약이 우세한지 판단하는 데 도움이 된다.

계산 비중이 큰 작업은 프로세서가 관련 산술 연산을 더 빠르게 실행하도록 허용될 때 이점을 얻을 수 있다. 데이터를 기다리는 작업은 다른 문제를 안고 있다. 산술 성능 상한을 높여도 부족한 데이터가 더 빨리 도착하지는 않는다.

같은 논리는 전체 애플리케이션에도 적용된다. 모델 로딩, 입력 준비, 계산, 전송, 출력 처리가 사용자의 총 대기 시간에 기여한다. 한 구성 요소를 개선해도 나머지 구성 요소는 그대로 남는다. 전체 이점은 이들이 차지하는 상대적 비중에 달려 있다.

이 때문에 행렬 곱셈을 중심으로 설계된 벤치마크는 주목과 절제 모두가 필요하다. 이는 주장된 제한을 조사하는 집중된 방법을 제공한다. 동시에 여러 다른 병목을 지닌 복잡한 애플리케이션에 대해 무엇을 말해주는지에는 한계가 있다.

따라서 “Nvidia tensor limiter explained”라는 표현은 정확한 결론으로 이어져야 한다. 커뮤니티는 특정 계산에서 추가 처리량에 접근할 수 있다고 보고한다. 이는 모든 GeForce 워크로드가 달성 가능한 속도의 절반으로 작동해 왔다는 주장으로 이어져서는 안 된다.

이 메커니즘은 이 이야기를 기술적으로 흥미롭게 만든다. 애플리케이션 수준의 측정은 소유자가 받는 실질적 가치가 얼마나 되는지를 결정한다.

별도의 노트북 보고서가 향상을 뒷받침하지만, 한계는 분명하다

추가 소유자 보고서는 실제 처리량 향상 가능성을 강화하는 동시에 헤드라인의 백분율이 보편적이지 않은 이유를 보여준다.

11월 1일 이슈에서 GitHub 사용자 Night114514는 RTX 4060 Laptop GPU를 탑재한 Acer Predator Helios Neo 16을 설명했다. 이 보고서는 FP16에서 49.38%, 또 다른 16비트 부동소수점 형식인 BF16에서 56.92%의 향상을 기록했다. 해당 RTX 4060 benchmarks는 행렬 곱셈에 AI 컴퓨팅 프레임워크인 PyTorch를 사용했다.

저자는 중요한 한계를 함께 밝혔다. 표본 정확도 검사는 통과했지만, 모든 출력 및 측정 그룹에 걸친 완전한 정확성을 입증한 것은 아니다. 또한 클록, 전력, 온도에 대한 연속 측정도 없었다. 저자는 이 비교를 완전히 통제된 실험으로 간주하는 것을 명시적으로 거부했다.

이러한 신중함은 보고서의 유용성을 높인다. 벤치마크 작성자가 관찰과 결론을 구분하면 평가가 쉬워진다. 독자는 동일한 작동 조건이나 장기적 신뢰성에 대한 더 강한 주장을 받아들이지 않고도, 측정된 처리량이 더 높았다는 증거를 확인할 수 있다.

개발자가 보고한 65% 향상과의 차이가 본질적으로 모순되는 것은 아니다. 서로 다른 장비와 실험이 동일한 비율을 내놓을 필요는 없다. 하드웨어 상태, 워크로드, 측정 방식, 환경 조건을 비교한 뒤에야 불일치가 의미를 갖는다.

같은 이유로, 각 카드에서 가장 높은 보고 수치만 모으면 오해를 부르는 순위가 만들어진다. 그런 목록에는 서로 다른 계산 크기, 수치 형식, 작동 조건, 측정 도구가 섞일 수 있다. 결과 순위는 정밀해 보이지만 일관된 질문에는 답하지 못한다.

더 유용한 비교는 문서화된 조건에서 동일한 시스템의 동일한 워크로드가 향상되는지를 묻는다. 반복은 이후 안정적인 변화와 우연히 유리했던 실행을 구분하는 데 도움이 된다. 짧은 성능 급등이 장시간 세션을 반드시 대표하지는 않으므로 지속 테스트가 중요하다.

정확성도 똑같이 주목받아야 한다. 더 빠른 계산은 결과가 작업에 계속 적합할 때만 가치가 있다. 표본 검사는 일부 명백한 실패를 찾아낼 수 있지만, 그 범위는 분명히 드러나야 한다. 이를 통과했다고 해서 모든 형태의 수치적 또는 애플리케이션 정확성이 입증되지는 않는다.

소유자 보고서는 부팅 동작이 성능 보고에 포함되어야 하는 이유도 보여준다. 작성자는 이후 재부팅 뒤 새 잠금 해제 작업 없이 처리량이 기준선 근처로 돌아왔음을 기록했다. 여러 조건이 바뀌었기 때문에, 보고서는 어떤 변화가 복귀를 일으켰는지 분리해 확인하지 못했다.

이는 유용한 경계이지, 실험을 무시할 이유는 아니다. 측정된 성능은 특정 세션과 구성에 속한다는 점을 보여준다. 독자는 세션별 결과를 노트북의 영구적인 특성으로 바꾸어 해석하지 않아야 한다.

Nvidia 텐서 잠금 해제의 증거는 다음 층위가 분리되어 있을 때 가장 강력하다. 작업이 완료되었고, 벤치마크가 향상되었으며, 작성자가 통제되지 않은 요소를 문서화했다는 점이다. 각 층위는 정보를 더한다. 어느 하나도 다른 층위를 대체하지는 않는다.

독립 연구실의 테스트는 특히 지속 워크로드와 완전한 작동 측정을 포함할 경우 추가적인 신뢰를 제공할 수 있다. 커뮤니티 보고서는 이미 조사 단서를 제공하지만, 아직 모든 지원 장비에서 일관된 결과를 확립하지는 못했다.

폭넓은 GPU 지원 범위에도 남는 플랫폼 문제

지원되는 GPU 제품군은 조사 출발점일 뿐, 그 이름을 단 모든 카드와 컴퓨터에 대한 보장은 아니다.

프로젝트의 GPU 호환성 매트릭스는 전제 조건 및 예외와 함께 RTX 20, RTX 30 GA10x, RTX 40 제품군을 나열한다. 제품군 라우팅과 개별 하드웨어 테스트를 명확히 구분한다. RTX 50은 확장 적용 대상이 아니라 미지원으로 명시되어 있다.

이 구분은 독자가 지원 범위 주장을 해석하는 방식을 결정해야 한다. 칩 제품군 경로는 소프트웨어에 어떤 자산이나 프로세스를 사용할지 알려준다. 개별 테스트는 더 큰 컴퓨터 시스템 안에 있는 특정 장치에 관한 증거를 제공한다. 이는 서로 다른 수준의 보증이다.

노트북에서는 그 차이가 특히 뚜렷하다. 그래픽 하드웨어는 디스플레이와 전력 전환도 관리하는 시스템 안에서 작동한다. 호환되는 GPU 이름만으로는 Windows가 시작되기 전이나 드라이버가 로드된 뒤에 마주하는 모든 조건을 설명할 수 없다.

데스크톱 시스템도 구성별 접근이 필요하다. 한 메인보드에서의 성공 결과가 다른 메인보드의 시작 동작을 자동으로 해결해 주지는 않는다. 그래픽 카드는 환경의 일부이며, 시스템 펌웨어와 부팅 설정이 그 환경의 동작 방식을 결정하는 데 도움을 준다.

실질적인 우려는 잠금 해제가 완료되는지 여부를 넘어선다. 소유자는 운영체제가 정상적으로 시작되고, 디스플레이가 작동하며, 애플리케이션이 계속 신뢰할 수 있어야 한다. 반복적인 문제 해결이 필요한 성능 수정은 최고 벤치마크가 향상되더라도 운영 비용을 수반한다.

되돌릴 수 있다는 점은 이 우려의 일부만 해결한다. 전원을 끄는 것으로 수정 사항을 지울 수 있는 것은 유용하지만, 모든 시도가 깔끔하게 끝난다는 것을 입증하지는 않는다. 또한 이후의 리셋이나 그래픽 모드 변경을 모든 컴퓨터가 어떻게 처리하는지도 보장하지 않는다.

바로 여기서 실험적 열의와 업무 환경의 요구사항이 갈린다. 애호가는 추가 유지 관리가 필요하더라도 성공적인 조사를 합리적으로 가치 있게 여길 수 있다. 프로덕션 워크스테이션은 사용자가 필요로 할 때 예측 가능하게 작동해야 한다는 더 폭넓은 요구를 충족해야 한다.

팀에게 재현성은 문서화도 포함한다. 원래 테스터가 아닌 사람도 정확한 구성을 이해하고 결과를 해석할 수 있어야 한다. 명확한 기록은 유리한 스크린샷이 근거 없는 내부 가정으로 변하는 가능성을 줄인다.

검색 가능한 엔지니어링 지식 베이스는 팀이 펌웨어 버전, 실험 메모, 벤치마크 맥락을 보존하는 데 도움이 될 수 있다. 그 가치는 고립된 백분율을 모으는 것이 아니라 결과를 둘러싼 조건을 보존하는 데 있다.

따라서 Nvidia RTX AI 성능은 복구 동작 및 유지 관리 노력과 함께 평가해야 한다. 더 빠른 계산은 실험적 구성이 모든 장비에 적합해지지 않더라도 유용할 수 있다. 올바른 결론은 소유자의 워크로드와 중단에 대한 허용 범위에 따라 달라진다.

프로젝트의 오픈 소스 특성은 검토를 가능하게 한다. 그렇다고 검토가 불필요해지는 것은 아니다. 호환성 증거, 재현 가능한 실험, 명확한 실패 보고가 접근 가능한 코드를 평가 가능한 엔지니어링 선택지로 바꾼다.

USB 잠금 해제를 신뢰할 수 있는 선택지로 만들 조건은 무엇인가?

다음으로 의미 있는 증거는 반복성, 애플리케이션 가치, 일반적인 시스템 변경 과정에서의 호환성을 입증해야 한다.

향후 몇 달 동안 가장 먼저 살펴볼 신호는 추가 하드웨어에서의 통제된 재현이다. 가장 설득력 있는 보고서는 변경되지 않은 작동 조건을 문서화하고 원시 결과를 보존할 것이다. 독립적으로 테스트한 장비들에서 반복된 결과가 나오면, 명확히 명시된 경계 안에서 향상이 예측 가능하다는 신뢰가 높아질 것이다.

부정적 결과도 신중하게 문서화하면 똑같이 유용하다. 실패한 시도는 누락된 전제 조건이나 플랫폼 한계를 드러낼 수 있다. 성공 사례만 보고하면 독자는 폭넓은 신뢰성과 유리한 구성들의 모음을 구분할 수 없게 된다.

두 번째 신호는 애플리케이션 수준의 검증이다. 행렬 처리량은 좁은 계산 경로가 바뀌었음을 보여준다. 하지만 소유자에게는 결과 출력이 계속 허용 가능한지에 대한 검사와 함께, 실제 수행하려는 작업의 시간이 궁극적으로 필요하다.

이미지 생성의 경우 이는 동등한 설정으로 동일한 작업을 비교하고 완성된 출력을 살펴보는 것을 뜻한다. 로컬 언어 모델의 경우 프롬프트 처리와 이어지는 텍스트 생성을 구분해야 한다. 이 단계를 설명 없는 단일 점수로 결합하면 이점이 어디에 나타나는지 가려진다.

애플리케이션 테스트는 일반적인 세션 길이도 반영해야 한다. 짧은 실행은 작업이 아예 작동하는지 답할 수 있다. 더 긴 실행은 장비가 작동 조건에 안착하면서 이점이 지속되는지 답하는 데 도움이 된다. 두 질문 모두 중요하지만 서로 다른 증거가 필요하다.

세 번째 신호는 유지 관리 이벤트를 거치는 동안의 동작이다. 드라이버 업데이트, 펌웨어 업데이트, 시작 구성 변경은 도구를 둘러싼 환경을 바꿀 수 있다. 이러한 전환을 추적하는 보고서는 확립된 구성이 계속 유용한지, 아니면 반복적인 개입이 필요한지를 보여줄 것이다.

회귀에 대한 명확한 기록은 막연한 향후 지원 약속보다 더 많은 정보를 제공한다. 독자는 어떤 구성이 작동했는지, 무엇이 바뀌었는지, 문제가 해결되었는지를 알아야 한다. 이러한 증거는 답이 기다려야 한다는 것일 때도 의사결정을 뒷받침한다.

이 신호들은 Nvidia의 입장을 공정하게 평가하는 방법도 제공한다. 이 프로젝트는 특정 성능 제한을 공개적인 검토 대상으로 올려놓는다. 그것만으로 회사의 근거를 확립하거나 대응을 예측하지는 않는다. 향후의 모든 성명이나 기술적 변경은 문서화된 내용에 따라 평가해야 한다.

더 넓은 교훈은 하드웨어 역량이 어떻게 사용 가능한 성능이 되는가에 관한 것이다. 실행 경로에 접근하는 것은 한 단계다. 신뢰할 수 있는 시작, 정확한 결과, 지속적인 동작, 유용한 애플리케이션 성능 향상이 그 접근이 소유자의 업무 시간을 개선하는지를 결정한다.

현재로서는 Nvidia 텐서 잠금 해제는 측정 가능한 보고상 이점과 해결되지 않은 배포 문제를 가진 커뮤니티 엔지니어링 발전으로서 주목할 만하다. USB 경로는 이를 조사할 수 있는 사람의 범위를 넓힌다. 그렇다고 신중한 조사의 필요성이 사라지는 것은 아니다.

헤드라인을 업그레이드로 받아들이기 전에, 가속하려는 애플리케이션과 그 설정을 변경할 근거가 될 증거를 확인하라. 하드웨어에 부합하는 문서화된 사례, 반복 가능한 시간 측정, 허용 가능한 출력, 명확한 시작 동작 설명을 찾아야 한다. 나중의 비교가 계속 의미 있도록 원래 기준선을 보관하라. 관심이 주로 더 빠른 로컬 채팅이라면, 느리게 느껴지는 단계를 측정한 결과를 구체적으로 찾아보라. 이미지 생성이라면 산술 점수보다 완전한 생성 작업을 살펴보라. 다음 소유자 보고 라운드를 이러한 질문을 염두에 두고 지켜보라. 실제 워크플로에 더 중요한 결과는 무엇인가? 더 높은 행렬 점수인가, 아니면 실제 필요한 작업을 위해 반복적으로 더 짧아진 대기 시간인가?