같은 모델인데, 부르는 방식이 일관되지 않다.
2026년 7월 27일(일본 시간 28일), 중국의 Moonshot AI가 “Kimi K3”라는 AI 모델의 내부 구조를 Hugging Face에서 공개했습니다. 총 파라미터 수는 2.8조 개로, 오픈형 모델로는 세계 최대 규모입니다.
이 뉴스를 여러 매체에서 비교해 보면, 이상하게도 한 가지 일화가 발견됩니다.
- VentureBeat：「최대 규모 오픈 소스 모델」
- Tom's Hardware：「역대 최대 규모 오픈 웨이트 모델」
- ASCII, PC Watch：「오픈 웨이트 공개」
같은 모델의 동일 리리서치에 대한 이야기입니다. 그런데도 “오픈 소스”라고 쓰는 매체와 “오픈 웨이트”라고 쓰는 매체로 나뉘어 있습니다.
결정적인 것은, 이를 만든 본인인 Moonshot AI 스스로가 일관되게 “오픈 웨이트”라는 용어를 사용하고 있다는 것입니다. 자사의 라이선스를 “오픈 소스”라고 부르려 하지 않고 있습니다.
최근 1~2년 동안 자주 보이는 ‘오픈 웨이트’라는 용어. 왜 이렇게 굳이 변명해야 하는 걸까. 오늘은 이것을 정리해 보겠다.
차이는 “무게”인지 “제작 방식까지”인지인지인가?
가장 먼저, 가장 짧은 답변부터.
개방형 가중치 = 완성품만 배분 / 오픈소스 AI = 제작 방법까지 공개
AI 모델의 “가중치(Weight)”는 학습을 마친 AI 내부에는 든, 방대한 수의 모임(뉴럴 네트워크)을 의미합니다. 이 수들이 입력을 어떻게 해석하고 무엇을 출력할지 결정합니다.
오픈 웨이트는 이 무게를 공개하는 형태입니다. 다운로드하여 자사 환경에 적용하고, 자체적으로 작동하거나 수정할 수 있습니다. 하지만, 이에는 포함되지 않는 내용들이 있습니다.
- 학습에 활용한 코드
- 학습에 활용된 데이터셋
- 데이터를 어떻게 선별하고 가공했는지에 대한 정보
한쪽의 오픈소스 AI는 Open Source Initiative(OSI)가 2024년 10월에 공개한 “Open Source AI Definition 1.0 (OSAID)”가 기준이 됩니다. 크게 3가지 세트가 요구됩니다.
- 데이터 정보 — 실질적으로 동일한 시스템을 재현할 수 있는 수준의 데이터 소스, 처리 방법, 필터링 기법 공개
- 코드 전체 — 학습 및 실행의 완전한 소스 코드
- 모델 파라미터 — 수정 및 재배포를 허용하는 조건 하에서의 가중치 및 체크포인트
그뿐만 아니라 “사용·연구·개변·공유”라는 4가지 자유가 보장되어야 합니다.
OSI 자체도 이 두 가지를 비교하여 정리했기 때문에, 핵심 내용을 요약하면 다음과 같습니다.
오픈 웨이트
- 무게: 공개
- 학습 코드: 비공개
- 학습 데이터셋: 비공개
- 데이터 구성 공개: 부분 공개 또는 미공개
오픈 소스 AI
- 무게: 공개
- 학습 코드: 완전 공개
- 학습 데이터셋: 공개 (법적으로 가능한 범위)
- 데이터 구조의 공개: 완전 공개
오픈 소스 LLM”으로 불리는 대부분은 사실 오픈 웨이트입니다.
이 부분이 가장 핵심입니다.
Llama, Qwen, DeepSeek, Kimi, GLM – 업계에서 “오픈소스 LLM”이라고 불리는 모델들은 기술적으로 거의 모두 오픈 웨이트입니다. 파라미터는 다운로드할 수 있지만, 원본 학습 데이터셋, 학습 코드, 데이터 준비 파이프라인은 각사가 비공개로 유지하고 있습니다.
또한 주의해야 할 점은, 라이선스가 Apache 2.0이나 MIT 라이선스로 되어 있다고 해도, 그것만으로는 “오픈소스 AI”가 되기 어렵다는 점입니다. 라이선스의 자유도와 파이프라인의 투명성은 별개의 축이기 때문입니다.
OSAID의 기준을 충실히 만족하는 모델로는 Allen Institute for AI(AI2)의 OLMo가挙げられます。모델 가중치, 학습 코드, 학습 로그, 500개 이상의 중간 체크포인트, 평가 코드, 그리고 학습 데이터 자체(Dolma)와 이를 생성하는 코드까지 공개하고 있습니다. 실제로 OSI가 OSAID를 제정하는 과정에서 수행한 검증을 통과한 모델 중 극소수 하나에 해당하며(Pythia, Amber, CrystalCoder, T5 등도 있습니다).
하지만 그 OLMo 모델조차도 최상위 모델의 성능 비교 대상은 GPT-3.5-Turbo나 GPT-4o mini의 수준입니다. 완전한 오픈소스 AI는 존재합니다. 하지만 그 영역에는 존재하지 않습니다. 현재 가장 최첨단에 있는 것은 모두 오픈 웨이트이거나 닫힌 형태 중 하나입니다. 투명성과 최첨단 성능은 현재까지는 상충 관계에 있습니다.
그럼, ChatGPT나 Claude는 어디에 속하는 걸까요?
여기 많은 분들이 걱정하는 점은 “평소에 사용하는 GPT나 Gemini, Claude는 어떤 범주에 속하는가”라는 점일 것입니다.
무라카미 하루키의 작품을 공개 범위에서 보면, 세 가지 범주로 분류할 수 있습니다.
저사양의 독점 GPT-5.x, 젬마이, 클로드 등. 가중치는 확보되지 못하고, 공급업체의 서버에서만 작동합니다.
② 오픈 웨이트 Kimi K3, Llama, Qwen, DeepSeek, gpt-oss, Gemma 등. 모델 가중치를 다운로드하여 자체적으로 실행하거나 API를 통해 사용하는 방식을 선택할 수 있습니다.
오픈 소스 AI OLMo 등. 무게에 더하여 학습 데이터와 코드가 공개되어 있으며, 재현 및 재구축이 가능합니다.
비교의 관점은 “성능”이 아닌 “지배권”입니다.
이 부분이 가장 핵심입니다.
개방형 모델인지 폐쇄형 모델인지에 대한 구분은 품질의 우열을 나타내는 기준이 아닙니다. 가장 난이도 높은 추론 작업에서는 여전히 폐쇄형 모델이 벤치마크에서 최상위 순위를 유지하는 영역이 있습니다.
이는 제어 기준입니다. 모델을 다운로드할 수 있는지, 자신이 보유한 인프라에서 실행할 수 있는지, 데이터를 자사 서버에 보관할 수 있는지 – 이것이 분기점입니다.
구체적으로 다음 5가지 사항에서 차이가 납니다.
① 데이터가 어디로 가는지 명확하지 않으므로, 클로즈드 방식은 벤더의 서버로 전송하는 것 외에는 없습니다. 오픈 웨이트 방식은 자체 운영을 선택하면 데이터가 사외로 유출되지 않습니다.
클로저스를 계속 이용하면 소량 결제(従量課金)가 계속 발생합니다. 오픈 웨이트의 자체 운영은 설비 투자만 완료되면 토큰 결제는 0원입니다.
모델의 수명은 의외로 간과하기 쉬운 부분인데, 클로즈드는 벤더가 제공을 종료한 시점부터 사용할 수 없게 됩니다. 버전을 고정하고 계속 사용하는 권리가 없기 때문입니다. 오픈 웨이트는 한 번 다운로드하면 손에 남아 벤더의 정책 변경으로 사라지는 일은 없습니다. 장기적인 운영 업무 시스템에 통합할 경우, 이 차이는 무시할 수 없습니다.
④ 커스터마이징의 깊이 “파인튜닝이 가능한 것은 오픈 웨이트뿐”이라는 오해가 있을 수 있지만, 이는 오해입니다. GPT나 Gemini도 벤더의 API를 통해 파인튜닝할 수 있습니다.
달라서 방법과 결과물의 목적지가 다릅니다. 폐쇄적인 경우, 학습 데이터를 벤더에게 업로드하고 벤더 측에서 가중치를 업데이트받는 형태로 진행됩니다. 돌아오는 것은 전용 모델의 ID만 제공되며, 튜닝된 가중치 자체는 얻을 수 없습니다. 베이스 모델의 제공이 끝나면 그 모델도 함께 사용할 수 없게 됩니다.
오픈 웨이트 방식이라면, 모든 것을 자체적으로 완결합니다. 학습 데이터와 결과물은 외부로 유출되지 않습니다. 방법론 또한 LoRA와 같은 경량 조정부터 양자화, 증류, 지속적 사전 학습까지 자유롭게 선택할 수 있습니다.
상징적인 점은 OpenAI 자체의 대우 차이입니다. GPT에는 API를 통해 제공하는 파인튜닝 기능을 갖추는 반면, GPT-OSS에 대해서는 “OpenAI의 API에서는 제공하지 않으므로, 원하는 도구와 인프라를 사용하시면 됩니다”라는 안내가 되어 있습니다. 같은 회사에서 폐쇄형 측에서는 대행하고, 오픈 웨이트 측에서는 손을 떼는 비대칭성이 양측의 성격을 잘 나타냅니다.
내부의 투명성은 닫힌 모델이 가중치와 학습 데이터를 공개하지 않고, 오픈 웨이트 모델은 가중치까지 공개한다는 의미입니다. 오픈 소스 AI는 학습 과정까지 검증할 수 있으며, 감사나 규제 대응이 요구되는 산업일수록 이러한 점이 중요합니다.
그리고 같은 회사가 양쪽 모두 하고 있었습니다.
이러한 구도가 더욱 복잡합니다.
- OpenAI: GPT-5.x는 폐쇄형입니다. 반면, 오픈웨이트(GPT-OSS)를 Apache 2.0 라이선스로 공개하고 있습니다.
- 구글: 젬마(Gemma)를 공개하고 있으며(오픈 웨이트)입니다.
- 앤서니(Anthropic): 클루드에 대해서는 어떤 모델도 오픈 웨이트를 공개하지 않았다.
그러므로 “OpenAI라서 폐쇄적이다”라는 해석은 더 이상 유효하지 않습니다. “GPT-5.5는 폐쇄적이고, gpt-oss는 오픈 웨이트”라는 세분화된 관점에서 살펴봐야 합니다.
진지하게 선택하려면 브랜드 대신 개별 모델 카드와 라이선스를 확인하는 것이 실무적인 방법이 되고 있습니다.
덧붙일 사항은 또 다른 중간 형태가 존재한다는 점입니다. AWS Bedrock이나 Azure, Google Vertex를 통해 GPT나 Claude를 사용하는 경우, 모델은 하이퍼스케일러의 인프라에서 실행되며 데이터는 모델 제공자와 격리됩니다. 모델 가중치는 얻을 수 없지만, 데이터 접근 경로는 자체 클라우드 테넌트 내에 존재한다는 형태입니다. “데이터를 외부로 유출할 수 없다”는 요구 사항의 일부는 이 구성으로 충족될 수 있는 경우도 있습니다.
“열고 있기 때문에 무료죠?” — 비용으로 구분할 수 없습니다.
여기 많은 분들이 “오픈=무료”라는 연상을 떠올리는 것 같습니다.
하지만 비용 기준으로 나열해도 아무것도 보이지 않습니다.
- 무료 소프트웨어: 구입 비용 0원, 사용료 0원
- 개방형 대기: 입장료 무료, 사용료 무료
- 오픈 소스: 구입 비용 0원, 사용료 0원
모두 똑같습니다. 그래서 “오픈 웨이트가 뭐죠?”라는 질문에 비용으로 답하려고 하면 반드시 막힙니다.
사실 이는 소프트웨어 업계가 30년 전에 지나간 길과 완전히 똑같은 논쟁입니다.
그때도 무료로 배포되는 소프트웨어가 많이 있었습니다. 하지만 소스 코드를 읽거나, 수정하거나, 재배포할 수 없었습니다. 그래서 “무료인지 아닌지”가 아니라 “자유로운지 여부”로 강조해야 했습니다. 프리 소프트웨어 운동의 유명한 구호가 바로 이것입니다.
자유란 표현의 자유와 같이, 맥주가 무료로 얻어지는 자유가 아니라라는 뜻이다.
오픈소스라는 개념은 이 정리로부터 비롯되었습니다.
그리고 현재, LLM 세계에서 벌어지고 있는 것은 바로 이 논쟁의 재점등이다. 가중치는 무료로 제공되지만, 학습 데이터나 학습 코드는 전혀 공개되지 않는다. 따라서 “무료인가”라는 것만으로는 차별점을 설명할 수 없어 “오픈 웨이트”라는 새로운 용어가 등장하게 된 것이다.
다운로드는 가능하지만 실행할 수 없습니다.
바로 여기서, 이번에 가장 중요하게 전달하고 싶은 부분이 있습니다.
Kimi K3의 무게는 확실히 누구나 무료로 다운로드할 수 있습니다. 그렇다면 내 컴퓨터에서 실행할 수 있을까요?
파일 크기는 약 1.5TB입니다. MXFP4라는 양자화 형식이 크기를 결정하게 되었습니다.
그리고 작동하기 위한 환경은 다음과 같습니다.
- 문샷 공식의 실사 추천… 액세러레이터 64장 이상
- vLLM의 기본 레시피… H200을 16매(8매×2노드)
- SGLang에서 H100 80GB를 사용하는 경우… 32장(8장×4노드)
더 나아가, GPU만 나열하는 것만으로는 부족합니다. 추론 엔진의 레시피는 InfiniBand 클래스 수준의 노드 간 연결을 요구하며, 네트워크가 모델의 일부가 되는 상태를 의미합니다.
금액에 대한 부분으로, 아스키 기사는 실용적인 속도로 구동하기 위해서는 NVIDIA H200을 12~16개 묶어 놓은 서버 등 총 1억~2억 엔 규모의 환경이 필요하다고 추정하고 있습니다. 개인차가 로컬에서 구동하는 것은 현실적이지 않지만, 기업이나 연구기관에서는 검토해 볼 수 있는 규모라는 평가입니다.
공개 직후, 커뮤니티에 의해 GGUF 형식의 양자화 버전도 허깅페이스에 등장했습니다. 하지만 일반적인 PC로도 처리 가능한 규모는 아니었습니다.
이것이 소프트웨어 오픈 소스와의 결정적인 차이점입니다.
소프트웨어의 오픈 소스는 다운로드하면 자신의 PC에서 실행되었습니다. 그래서 “사용 권한이 있는” 것과 “실제로 사용할 수 있는” 것이 거의 일치했습니다.
AI의 오픈 웨이트는 여기서 분리되었습니다.
누구나 사용할 수 있는 권리이지만, 실제로 움직일 수 있는 것은 GPU를 수십 장씩 나열할 수 있는 조직뿐입니다. 무료로 배포된 설계도가 아닌, 실제로 무료로 배포된 기계 그 자체가 ———받는 것은 무료이지만, 설비가 설치 가능한 공장을 가진 사람은 한정되어 있다는 느낌일 것입니다.
5. 라이선스는 “오픈”과는 무관하다
또 다른 한 가지, 간과하기 쉬운 점이 있습니다.
키미 K3는 MIT나 Apache 2.0이 아닌 Moonshot만의 독점적인 라이선스로 공개되었습니다. 다운로드, 셀프 호스팅, 수정은 자유이지만, 일정 수준 이상의 판매 규모를 넘어서는 서비스 제공자에게는 개별 계약을 요구하는 조항이 포함되어 있습니다. Llama 커뮤니티 라이선스에 월간 활성 사용자 수 기준이 있는 것과 같은 이치입니다.
대부분의 기업에는 관계 없는 수준이지만 “오픈 웨이트이기 때문에 자유롭게 사용할 수 있다”는 점을 한마디로 처리할 수 있는 문제가 아닙니다. 도입 검토 시에는 요약 기사 대신 리포지토리의 LICENSE 파일을 직접 읽는 것을 권장합니다.
열려 있다는 사실만으로 가격이 저렴한 것은 아니었다.
이까지는 무게가 공개되어 있어도 손으로는 움직일 수 없는 상황을 살펴보았습니다. 그렇다면 실제로 사용할 경우에는 선택지가 3가지입니다.
① 무나샷 본사의 API를 사용하며, 토큰 과금 방식이며/설비 투자 비용은 0원이고/데이터는 외부로 유출됩니다.
제3자 호스팅을 이용하며 토큰 결제가 가능하며, 장비 투자 비용은 0원입니다. 데이터는 외부로 유출됩니다.
③ 자체 서버에서 자체 운영하며 토큰 징수 없이 / 설비 투자 1~2억 엔 규모 / 데이터는 사내에서 완결
①과 ②를 선택할 경우 가격이 다소 높다는 점을 말씀드리고자 합니다.
Kimi K3의 API 가격은 입력 100만 토큰당 3달러, 출력 15달러입니다. 이는 Anthropic의 Claude Sonnet 시리즈와 동등한 수준이며, 중국 AI 연구소에서 출시한 모델 중에서는 최고가입니다. 이전 세대인 K2.6이 0.95달러/4달러였던 것에 비해 가격이 크게 상승했습니다.
오픈 웨이트 모델임에도 불구하고 유료 API로서 최고 가격대를 형성하는 점이 부자연스럽고, “오픈 = 저렴하다”라는 인식을 깨는 것이다.
② 역시 OpenRouter에서는 이미 7개의 제공업체가 K3를 제공하고 있지만, 대부분이 Moonshot 본사와 동일한 가격대입니다. 호스팅 업체를 변경한다고 해서 비용이 획기적으로 저렴해지지는 않습니다.
그렇다면 ③은 어때?
한쪽의 ③, 즉 자체적으로 서버를 준비하는 경우에는 토큰 과금은 전혀 발생하지 않습니다. 자체 GPU로 실행하기 때문에, 어떤 토큰을 흘러보내더라도 추가 요금은 전혀 없습니다 (전기료와 감가상각비는 발생하지만). 데이터 또한 내부에서 한 발자국이라도 나가지 않습니다.
이성적으로 생각하면, 많이 사용할수록 ③이 유리해집니다.
그러나, 그 입구에는 10억 엔 규모의 설비 투자 비용이 걸림돌이 된다. 이것이 4장에서 본 이야기이다.
공개 직후 SNS에서도 “사이즈가 너무 커서 로컬 실행은 현실적이지 않고, 결국 API를 통해 이루어져야 할 것 같다”는 반응이 눈에 띄게 많았습니다. ③을 선택할 수 있는 조직은, 그렇게 많지 않았습니다.
무게는 공개되었지만, 대부분의 기업은 ① 또는 ②를 활용하게 될 것이다.
③에 踏み切는 의미가 있는 것은 “데이터를 절대로 외부로 꺼내지 못한다”는 “매달 수천만 토큰 이상을 지속적으로 운영한다”는 등 조건이 명확한 경우에 한정됩니다. 반대로 말하면, 그 조건을 만족하는 기업에게 있어서 오픈 웨이트의 등장(출현)은 정말 선택지가 늘어난 사건입니다.
판단 기준은 간단하며, 3~5년 TCO를 기준으로 자체 호스팅이 비용, 제어, 데이터 주권 중 하나로 API를 능가하는지 여부를 판단한다. 어느 하나에도 승리하지 못하면 장비를 갖추는 것 자체가 목적 상정된다.
7. 개방적일까, 제한적일까 – 남은 숙제
무라카미 하루키는 늘 그랬다. 텅 빈 공간에 갇혀, 텅 빈 생각에 잠겨, 텅 빈 시간을 채우려 애쓰는 사람처럼 말이다. 그는 마치 텅 빈 캔버스 위에 그림을 그리는 화가 같았다. 캔버스는 그의 삶이었고, 그림은 그가 좇는 무언가였다.
그의 작품은 늘 질문을 던졌다. ‘나는 누구인가?’ ‘나는 무엇을 위해 살아가고 있는가?’ ‘진실은 무엇인가?’ 그리고 ‘나는 어떻게 이 모든 것을 이해할 수 있을까?’ 이러한 질문들은 그의 작품 속에 숨겨져 있었고, 독자들은 그 질문에 대한 답을 찾기 위해 그의 작품을 읽었다.
그는 자신의 작품을 통해 세상에 대한 깊은 통찰력을 보여주었다. 그는 인간의 내면을 탐구하고, 사회의 부조리를 비판하며, 삶의 의미를 되묻는 작품을 만들었다. 그의 작품은 독자들에게 깊은 감동과 깨달음을 선사했다.
그는 또한 뛰어난 작가였을 뿐만 아니라, 뛰어난 사상가이자 철학자였다. 그는 자신의 작품을 통해 세상에 대한 새로운 시각을 제시하고, 인간의 삶에 대한 새로운 해석을 제시했다. 그의 사상은 많은 사람들에게 영감을 주었고, 사회에 큰 영향을 미쳤다.
그의 작품은 앞으로도 오랫동안 많은 사람들에게 사랑받고, 읽혀질 것이다. 그는 일본 문학사에서 가장 중요한 작가 중 한 명으로 기억될 것이다.
카호는 그런 무라카미 하루키를 보며 생각했다. ‘그는 정말로 텅 빈 사람인가?’ 아니면, 텅 빈 공간에 자신의 생각과 감정을 채워 넣고, 그 생각과 감정을 통해 세상을 이해하고, 세상을 표현하는 사람인가?
카호는 무라카미 하루키의 작품을 읽으면서, 자신의 삶에 대해 다시 한번 생각하게 되었다. 그녀는 자신의 삶에 대한 질문을 던지고, 그 질문에 대한 답을 찾기 위해 노력했다. 그녀는 자신의 삶을 통해 세상에 대한 새로운 시각을 얻고, 인간의 삶에 대한 새로운 해석을 얻었다.
그녀는 또한 자신의 삶을 통해 자신의 내면을 탐구하고, 자신의 감정을 이해하고, 자신의 생각을 정리하는 연습을 했다. 그녀는 자신의 삶을 통해 더욱 성숙하고 지혜로운 사람이 되었다.
카호는 무라카미 하루키의 작품을 통해 삶의 의미를 찾고, 자신의 삶을 더욱 가치 있게 만들었다. 그녀는 앞으로도 무라카미 하루키의 작품을 계속해서 읽고, 그 작품을 통해 삶의 지혜를 얻고, 자신의 삶을 더욱 풍요롭게 만들어갈 것이다.
마지막으로, 이 이야기는 여전히 해결되지 않은 쟁점을 가지고 있습니다.
무라카미 하루키의 작품에 대한 무게 정보가 공개되어 있다는 사실은, 유해한 출력을 억제하는 안전 장치를 제3자가 기술적으로 우회시킬 수 있다는 점을 의미합니다. 오픈 웨이트의 최대 장점과 최대 위험은 사실 같은 본질에서 비롯됩니다.
이 논점은 Kimi K3의 공개와 정확히 같은 주에 업계를 巻き込んだ 논쟁으로 발전했습니다.
사건의 발단은 미국 정부 일부 관계자들이 중국산 오픈 웨이트 모델의 이용 제한을 검토하고 있다는 보도였습니다. 이에 대해 7월 24일, NVIDIA의 제نس런 후안 CEO가 주도하여 “Open Weights and American AI Leadership”라는 공개 서한이 발표되었고, 성급한 규제를 피하기 위해 정책 당국에 촉구했습니다. 서명에는 첫 날 약 25개사에서 다음 날에는 50개사로 2배 증가했으며, 최종적으로 77개의 기업 및 단체에 달했습니다. NVIDIA, Google, Meta, Microsoft, OpenAI, IBM, Hugging Face, Mistral, AMD, Palantir, Mozilla, The Linux Foundation 등 평소 경쟁 관계에 있는 기업들이 대거 참여했습니다.
한편, 서명을 하지 않은 거대 기업이 2곳 있습니다. 아마존과 앤트로픽입니다.
7월 27일, Anthropic의 다리오 아마데이 CEO가 블로그에서 입장을 밝혔습니다. “Anthropic은 오픈 웨이트 모델의 금지를 주장한 적이 한 번도 없었다”라고 명확히 밝히며, 위험한 능력을 갖지 않은 오픈 웨이트 모델은 공공재라고 주장했습니다. 이는 안전보장상의 우려에 대처하지 않고, 미국의 AI 기업을 경쟁에서 보호하는 것뿐이라는 지적입니다.
그와 동시에 해당 회사가 지지하는 것은 ① 중국으로의 고성능 칩 수출 차단, ② 산업 규모의 정제 처벌, ③ 충분히 고성능 모델은 공개 또는 비공개 여부와 관계없이 사전에 안전성 테스트를 의무화한다는 3가지 사항이다.
결론적으로 “개방형 대기 찬성”과 “반대”라는 단순한 대립이 아닙니다. 쟁점은 “금지해야 하는가”가 아니라 “어디에, 어떤 규제를 가느냐”로 이동했습니다.
기업 담당자로서 유념해야 할 점은, 이 논의의 향방에 따라 중국산 오픈 웨이트 모델의 활용 가능성이 달라질 수 있다는 것입니다. 도입을 검토한다면 기술 요건 및 라이선스뿐만 아니라 규제 동향을 면밀히 고려해야 합니다.
“오픈 웨이트”라는 용어는 더 이상 단순한 기술 용어가 아닙니다. 규제와 경쟁 전략이 얽혀 있는 정치적인 용어로 자리 잡고 있습니다.
요약: 기업으로서 어떻게 해석해야 할지.
길어졌으니 정리하겠습니다.
“오픈 웨이트”는 학습된 가중치만 공개하는 형태를 의미하며, 학습 데이터나 학습 코드까지 공개하는 “오픈 소스 AI”와는 완전히 다르므로, 이에 따라 용어를 분리했습니다.
기업이 판단할 때 기준은 3가지입니다.
- 데이터를 외부로 추출할 수 있는지 확인해야 합니다. 추출이 불가능하다면 자체 운용을 검토해 볼 가치가 있습니다.
- 인프라 확보 가능성 판단 – 프론티어급 모델은 1억 엔 규모의 시설을 전제로 한다.
- 라이선스가 자사의 사업에 적용될 수 있는지 확인하기 위해서는 매출액 또는 사용자 수와 같은 임계값 조항이 포함되어 있는지 반드시 확인해야 합니다.
“오픈”이라는 단어에는 무료, 자유, 간편이라는 세 가지 연상이 얽혀 있습니다. 지금까지 살펴본 바와 같이, 이 중 어느 것도 그대로는 부합하지 않습니다.
무료로 이용할 수 있는 내용은 구하는 것뿐이다. 자유의 범위는 라이선스에 따라 결정되며, 오히려 손쉬운 점에서는 반대다.
어떤 단어의 경계가 명확해지면 “어느 것을 선택해야 하는가”라는 질문에도 답을 찾기 쉬워집니다. 뉴스에서 “오픈소스 AI”라는 문구를 보게 된다면 잠시 멈춰서 “그것, 오픈웨이트가 아니었을까?”라고 생각해 보는 것도 괜찮습니다. 그것만으로도 판단의 정확성은 올라갈 것입니다.
본 기사는 2026년 7월 29일 현재의 정보에 근거하고 있습니다. 모델의 사양, 가격, 라이선스 조건은 변경될 수 있습니다.
출처: note 원문
번역: Gemma 3(.44) 초벌 + 교정 94청크
원문 보기 | 출처: note.com