diff --git a/1/model.py b/1/model.py
index cd97076..22e6486 100644
--- a/1/model.py
+++ b/1/model.py
@@ -1,103 +1,54 @@
 import triton_python_backend_utils as pb_utils
 import numpy as np
-import json # model_config를 파싱하기 위해 사용
+import random
+import string
+import json
 
 class TritonPythonModel:
     """
-    Triton Python 백엔드 모델 클래스.
-    이 클래스 이름은 반드시 'TritonPythonModel'이어야 합니다.
+    Triton Python Model 클래스.
     """
 
     def initialize(self, args):
         """
-        모델이 로드될 때 한 번 호출되는 초기화 메서드.
-        여기서 실제 ML 모델 (PyTorch, TensorFlow 등)을 로드하거나,
-        전처리/후처리 설정을 초기화합니다.
-
-        매개변수 (Parameters)
-        ----------
-        args: 딕셔너리(dictionary)
-        키(key)와 값(value)은 모두 문자열입니다.
-        딕셔너리 키와 값은 다음과 같습니다:
-        * model_config: 모델 설정을 담고 있는 JSON 문자열
-        * model_instance_kind: 모델 인스턴스의 종류를 담고 있는 문자열
-        * model_instance_device_id: 모델 인스턴스 장치 ID를 담고 있는 문자열
-        * model_repository: 모델 저장소 경로
-        * model_version: 모델 버전
-        * model_name: 모델 이름
+        모델이 로드될 때 호출됩니다.
         """
-        self.logger = pb_utils.Logger
+        print("TritonPythonModel: initialize() called.")
         self.model_config = json.loads(args['model_config'])
-        self.logger.log_info(f"Model config: {self.model_config}")
 
-        self.model_path = self._get_config_parameter("model_path")
-        self.logger.log_info(f"Model mount path: {self.model_path}")
-
-
-        # 출력 텐서 'OUTPUT0'의 데이터 타입을 모델 설정에서 가져옵니다.
-        # 이를 통해 NumPy 배열을 Triton이 요구하는 정확한 타입으로 변환할 수 있습니다.
-        output_config = [
-            op for op in self.model_config['output'] if op['name'] == 'OUTPUT0'
-        ][0]
-        self.output_dtype = pb_utils.triton_string_to_numpy(output_config['data_type'])
-
-        self.logger.log_info(f"Initialized Python backend for model '{args['model_name']}'")
+        output_config = pb_utils.get_output_config_by_name(
+            self.model_config, "OUTPUT")
+        self.output_dtype = pb_utils.triton_string_to_np_dtype(
+            output_config['data_type'])
 
     def execute(self, requests):
         """
-        추론 요청이 들어올 때마다 호출되는 실행 메서드.
-        주어진 요청들을 처리하고, 각 요청에 대한 응답을 반환합니다.
+        클라이언트의 요청이 들어올 때마다 호출됩니다.
         """
         responses = []
 
-        # 각 요청(request)에 대해 처리합니다.
         for request in requests:
-            # 1. 입력 텐서 가져오기
-            # 'INPUT0'과 'INPUT1'은 config.pbtxt에 정의된 입력 이름입니다.
-            in0 = pb_utils.get_input_tensor_by_name(request, 'INPUT0').as_numpy()
-            in1 = pb_utils.get_input_tensor_by_name(request, 'INPUT1').as_numpy()
+            # 입력 데이터 가져오기 (이 예제에서는 입력 데이터를 사용하지 않음)
+            in_0 = pb_utils.get_input_tensor_by_name(request, "INPUT")
+            
+            # 무작위 문자열 생성
+            random_string = ''.join(random.choice(string.ascii_letters + string.digits) for _ in range(16))
+            
+            # numpy 배열로 변환
+            output_array = np.array([[random_string.encode('utf-8')]], dtype=self.output_dtype)
+            
+            # 출력 텐서 생성
+            out_tensor = pb_utils.Tensor("OUTPUT", output_array)
+            
+            # 추론 응답 생성
+            inference_response = pb_utils.InferenceResponse(
+                output_tensors=[out_tensor])
+            responses.append(inference_response)
 
-            self.logger.log_info(f"Processing request: INPUT0 shape {in0.shape}, INPUT1 shape {in1.shape}")
-
-            # 2. 핵심 로직 수행 (여기서는 간단한 덧셈)
-            # 이 부분이 실제 ML 모델의 추론이 이루어지는 곳입니다.
-            # 예: out0_np = self.your_ml_model.predict(in0, in1)
-            out0_np = in0 + in1
-
-            # 3. 출력 텐서 생성
-            # 'OUTPUT0'은 config.pbtxt에 정의된 출력 이름입니다.
-            # NumPy 배열을 Triton Tensor 객체로 변환하고, 모델 설정에서 가져온 데이터 타입을 사용합니다.
-            out0_tensor = pb_utils.Tensor('OUTPUT0', out0_np.astype(self.output_dtype))
-
-            # 4. 추론 응답 생성
-            # 처리된 출력 텐서들을 포함하는 InferenceResponse 객체를 만듭니다.
-            response = pb_utils.InferenceResponse(output_tensors=[out0_tensor])
-            responses.append(response)
-
-        # 모든 요청에 대한 응답 리스트를 반환합니다.
         return responses
 
-    def _get_config_parameter(self, parameter_name):
-        """
-        모델 설정(config.pbtxt)에서 특정 파라미터의 문자열 값을 가져옵니다.
-
-        Args:
-            parameter_name (str): 가져올 파라미터의 이름.
-
-        Returns:
-            str or None: 파라미터의 'string_value' 또는 해당 파라미터가 없거나 'string_value' 키가 없는 경우 None.
-        """
-        self.parameters = self.model_config.get('parameters', {})
-        parameter_dict = self.parameters.get(parameter_name)
-
-        if isinstance(parameter_dict, dict) and 'string_value' in parameter_dict:
-            return parameter_dict['string_value']
-
-        return None
-
     def finalize(self):
         """
-        모델이 언로드될 때 한 번 호출되는 정리(cleanup) 메서드.
-        모델 로드 시 할당했던 리소스(파일 핸들, GPU 메모리 등)를 해제합니다.
+        모델이 언로드될 때 호출됩니다.
         """
-        self.logger.log_info("Cleaning up Python backend...")
+        print("TritonPythonModel: finalize() called.")
\ No newline at end of file