TurboQuant

TurboQuant는 Google Research의 Amir Zandieh (Research Scientist)와 바하브 미로크니 (Google Fellow, VP)가 개발한 LLM KV cache 압축 알고리즘입니다. ICLR 2026에서 발표되며, arXiv ID는 2504.19874입니다. 공식 발표에 따르면 KV cache 메모리를 6배 이상 압축하면서 정확도 손실이 거의 zero — needle-in-a-haystack 검색에서 unquantized와 동일한 점수를 받습니다.

핵심 기법은 random rotation + PolarQuant 두 단계입니다. 데이터 벡터를 무작위 회전시켜 기하 구조를 단순화한 뒤, 표준 좌표가 아닌 극좌표(polar coordinates) 로 변환해 반지름(magnitude) 과 각도(direction) 를 분리합니다. 각도 분포가 예측 가능하고 집중돼 있어, 기존 양자화기가 필요로 하는 비싼 per-block 정규화 단계를 건너뛸 수 있습니다.

성능 측면에서는 Nvidia H100 GPU에서 unquantized keys 대비 최대 8배 처리 속도를 냅니다. 학습이나 fine-tuning이 필요 없고 추론 런타임 오버헤드도 무시할 수 있어, 프로덕션 inference와 대규모 벡터 검색 시스템에 그대로 적용할 수 있습니다.

이 알고리즘이 공개되자 메모리 칩 주가가 흔들렸다는 보도가 나왔습니다 — "같은 GPU에서 6배 큰 모델을 굴릴 수 있다" 는 메시지가 메모리 수요 전망에 직접 충격을 줬기 때문입니다. llama.cpp 같은 추론 엔진에서도 빠르게 통합 논의가 진행됐습니다.

TurboQuant는 KV cache 압축뿐 아니라 벡터 검색(near-neighbor search)에도 동일하게 적용되며, vector DB 운영자에게도 직접 이득을 줍니다.