오픈웨이트

개념

오픈웨이트 공개는 모델이 입력을 해석하고 출력을 생성하는 방식을 규정하는 수십억 개의 수치 매개변수를 공개하는 일이다. 이 매개변수는 값비싼 훈련의 산물이므로, 가중치를 공유한다는 것은 완성품을 공유하는 것이지 그것을 만든 과정을 공유하는 것이 아니다. 훈련 데이터와 미세조정 선택, 안전 관련 결정은 여전히 불투명하므로 개방성은 실재하되 부분적이다. 다만 독립 연구자들은 모델의 편향과 취약점, 실패 양상을 탐사할 수 있다. 용어의 폭에 대해서는 출처마다 차이가 있다. 오픈소스 이니셔티브(OSI)는 승인 라이선스에 따른 공개를 조건으로 삼고 훈련 코드와 데이터셋, 데이터 구성 정보의 부재를 강조하는 반면, 스탠퍼드 HAI는 '핵심 구성요소가 공개되어 누구나 내려받을 수 있는 AI 모델'로 간단히 규정하고, 에포크 AI(Epoch AI)는 제한적 라이선스를 포함해 가중치를 내려받을 수 있으면 개방으로 본다. 하나의 확정된 정의가 있는 것은 아니다.

역사

개방성은 새로운 개념이 아니다. OSI는 '오픈웨이트는 새로운 개념인가'라는 물음에 '결코 아니다'라고 답하며, 지난 10년간 AI 실무자들이 정보를 공유하거나 감추는 여러 방식을 실험하며 영업비밀과 투명성 요구 사이에서 균형을 잡아 왔다고 본다. 에포크 AI는 2018년 이후 발표된 수백 개 주요 모델의 가중치와 훈련 코드 접근성을 체계적으로 수집했는데, 이 2018년 기준은 데이터 수집의 경계이지 오픈웨이트의 기원이 아니며 2024년 수치는 보고서 스스로 불완전하다고 밝히고 있다. 내려받을 수 있는 가중치를 공개한 모델을 '개방'으로 처리한 이 조사에서 개방 모델은 2019~2023년 주요 모델의 다수를 차지했고 2023년에는 66%에 이르렀으며, 보고서 작성 시점 누적 기준으로 약 50%였다. 개방 대규모 언어모델은 벤치마크에서 최고 폐쇄 모델에 5~22개월, 훈련 연산량에서 약 15개월 뒤처졌고, 프런티어 성능에 도달하는 데는 대략 1년이 걸렸다. 오픈웨이트의 기원으로 특정 연도를 지목할 근거는 어느 출처에도 없다. 2023년은 정의와 라이선스의 분기점이 몰린 해로 기록될 뿐이다.

2023년 2월 24일 메타가 라마(Llama) 1을 발표하며 추론 코드는 GPLv3로 공개했지만 가중치는 학술·정부·시민사회·산업 연구소 연구자에게 사안별로 비상업 라이선스로 제공했고, 3월 3일 가중치를 담은 토렌트가 유포되자 메타는 그달 저장소 삭제를 요청했다. 6월 헤더 미커(Heather Meeker)와 OSS 캐피털은 커뮤니티 의견을 모아 오픈 웨이트 정의(Open Weights Definition) 사업을 시작했는데, 자유 소프트웨어의 네 가지 자유에 준하면서 신경망 가중치에 맞춘 라이선스 체계를 표준화하자는 것이었고, 당시 그 사업은 프라이버시나 인권, 훈련 데이터 정리 문제를 자체 원칙에 끌어들이지 않겠다고 밝혔다. 7월 18일 메타는 마이크로소프트와 함께 라마 2를 7B·13B·70B 세 크기로 발표하며 라마 1과 달리 모든 모델의 가중치를 공개하고 상업적 이용을 폭넓게 허용했다. 오픈소스 텍스트-이미지 모델 스테이블 디퓨전(Stable Diffusion)은 2022년 8월 22일 처음 공개되었고, 2023년에는 미스트랄 AI의 미스트랄·믹스트랄도 가중치를 공개했다.

2024년 메타는 라마 3.1 405B를 내놓았고, OSI는 2년간 전문가 의견을 수렴해 오픈소스 AI 정의 1.0(OSAID 1.0)을 발표했다. 이 정의는 데이터 처리와 훈련, 추론에 쓰이는 소프트웨어의 완전한 공개와 훈련 데이터 구성에 관한 정보에 대한 접근을 요구한다. 딥시크(DeepSeek)는 2024년 12월 V3를, 2025년 1월 20일 R1 추론 모델을 MIT 라이선스로 공개했고, 이는 중국이 서구 소프트웨어와 게이트키핑에 대한 의존을 줄이기 위해 개방형 AI를 받아들여 왔다는 점을 널리 알렸다.

오픈AI는 2025년 8월 5일 gpt-oss 모델을 두 가지 크기로 공개했는데, 2019년 GPT-2 이후 처음 내놓은 오픈웨이트 대규모 언어모델이었다. 상업적 이용을 허용하는 관대한 아파치 2.0 라이선스로 나왔고 여러 벤치마크에서 o3-mini·o4-mini와 비슷한 성적을 냈다. 2025년 9월에는 스위스 컨소시엄이 완전 개방 모델 아페르투스(Apertus)를 공개했고, 12월에는 리눅스 재단이 에이전틱 AI 재단을 만들어 오픈AI·앤스로픽·블록이 만든 일부 오픈소스 에이전트 프로토콜의 통제권을 넘겨받았다. 2026년 7월에는 엔비디아, 마이크로소프트, 메타, 팰런티어, 허깅페이스, 퍼플렉시티, 미스트랄, 리눅스 재단, 모질라, IBM 등 20개 이상 기업이 함께 미국 정책 입안자들에게 성급한 제한으로부터 오픈웨이트 AI를 보호하라고 촉구하는 공개 서한을 발표했다.

구별과 라이선스

오픈웨이트는 오픈소스 AI와 구별된다. OSI의 비교표에서 양쪽 모두 가중치와 편향을 공개하지만, 오픈소스 AI는 훈련 코드를 완전히 공유하는 반면 오픈웨이트는 훈련 코드를 공유하지 않고, 중간 체크포인트도 공개하지 않으며, 훈련 데이터셋은 공유·공개하지 않는다. OSI가 제시하는 오픈소스 AI의 네 가지 자유는 사용·연구·수정·공유이며, 수정에 필요한 선호 형태로의 접근과 그것을 사용할 실질적 수단이 전제가 된다. 가중치만으로는 이 전제가 충족되지 않아, 훈련 코드와 중간 체크포인트가 없으면 감사자가 개발을 재현하거나 편향의 소재를 찾을 수 없고, 데이터셋 구성과 정제 과정도 알 수 없으며, 금융·보건·공공행정의 투명성 요구를 충족하지 못할 수 있고, 기여는 표면적 미세조정에 그친다. OSI는 오픈웨이트를 완전 독점 AI보다는 '덜 나쁜 것'이자 '출발점에 불과한 것'으로 규정한다.

모델 오픈니스 프레임워크(Model Openness Framework)는 매개변수, 소스 코드, 훈련 데이터, 평가 결과, 중간 체크포인트, 기술 문서가 공개 라이선스로 제공되는지를 평가한다. 최종 가중치만 공개하는 것은 모델을 연구·수정·재현하는 데 필요한 자료를 공개하는 것보다 낮은 개방도에 해당한다.

라이선스는 실제로 갈린다. OSI는 2023년 7월 메타의 라마 라이선스가 오픈소스가 아니라고 밝혔다. 오픈소스 정의는 사람·집단·활동 분야를 차별하지 못하는데(정의 5·6항), 메타 라이선스는 일부 사용자의 상업적 이용을 제한하고(2항) 허용 사용 정책으로 특정 목적의 사용을 제한한다는 것이다. OSI는 메타의 경쟁적 이용 제한 의도 자체를 문제 삼는 것이 아니라 '오픈소스'라는 표기를 바로잡으라고 요청했다. 라마 2 커뮤니티 라이선스(2023년 7월 18일자)는 사용·복제·배포·수정을 허용하는 비독점·전 세계적·양도 불가·무료 제한 라이선스를 부여하면서, 직전 달 기준 수요자나 계열사의 제품·서비스 월간 활성 사용자가 7억 명을 넘으면 메타에 별도 라이선스를 요청해야 하고 메타가 단독 재량으로 허여할 수 있다고 정한다. 다른 대형 모델의 출력으로 다른 대규모 언어모델을 개선하는 것도 금지한다. 2025년 기준 허깅페이스(Hugging Face)에 공개된 모델 중 가장 큰 비중(39%)이 관대한 아파치 2.0 라이선스를 썼고, 소스 공개형인 라마 3 같은 모델은 오픈소스의 일부 이점을 주면서도 소송이나 조건 변경을 우려하는 기업을 막는 법적 제한을 담고 있다. 라이선스를 명시하지 않은 다수의 소형 모델도 같은 우려를 낳는다.

법적 지위에도 논쟁이 있다. 피터 헨더슨(Peter Henderson)과 마크 렘리(Mark Lemley)는 오픈웨이트 라이선스 조항이 대체로 집행 불가능하다고 주장한다. 이 조항들이 기계학습 모델 가중치에 존재하지 않는 지식재산권을 전제한다는 것이다. 컴퓨터 프로그램은 통상 인간이 작성한 표현으로 저작권 대상이지만, 모델 가중치는 기계학습 알고리즘이 자동 생성하는 것이고 그 기능적 성격상 저작권 보호를 받기 어렵다. 2020년 지식재산권자협회(IPO) 백서는 훈련된 AI 모델에 독자적 권리를 부여하는 방안을 제안했다.

허깅페이스 등에서 공개된 모델 가운데 오픈소스라 불리지만 실제로는 가중치만 공개해 거의 폐쇄적이라는 비판도 제기된다. 훈련 데이터와 코드를 내놓지 않는 모델을 '오픈워싱'이라 부르는 논쟁이 있으며, 인공지능 분석 업체 아티피셜 애널리시스(Artificial Analysis)는 엔비디아의 네모트론(Nemotron) 계열에 방법론·사전훈련 데이터·사후훈련 데이터의 투명성을 근거로 '개방성 지수' 83%를 부여한 반면, 중국의 프런티어 오픈웨이트 모델들은 대체로 50% 미만을 기록했다. '오픈소스'라는 표기는 인재 채용이나 고객 유치에 실질적 이점을 줄 수 있어 이 논쟁은 프로젝트의 성패에도 영향을 준다.

관계와 사례

오픈웨이트는 디지털 주권과 연결된다. 오랫동안 지배적 서사는 통제된 접근이었다. 소수의 주로 미국 기업이 자사 플랫폼과 API, 가격, 사용 정책을 통해서만 강력한 시스템을 제공했고, 이용자는 기술을 쓸 수는 있어도 진정으로 소유하지는 못하는 일종의 '세입자'였다. 챗지피티(ChatGPT), 제미나이(Gemini), 클로드(Claude) 같은 폐쇄 모델은 제공자의 서버를 떠나지 않으므로 제공자가 예고 없이 모델을 바꾸거나 이용을 감시하고 주제를 제한하며 가격을 조정하거나 지정학적 판단을 포함한 어떤 이유로든 접근을 끊을 수 있다.

미국이나 중국의 역량에서 멀리 떨어진 약 150개국이 프런티어 모델을 처음부터 개발하는 것은 비현실적이다. 수억 달러 규모의 컴퓨팅 비용과 수십 년이 걸리는 인재 양성, 부재한 데이터 인프라가 걸림돌이다. 오픈웨이트 모델은 기관이 유능한 모델을 내려받아 자체 서버에서 실행하고 지역 언어·법체계·보건·농업 과제에 맞는 데이터로 미세조정하도록 해, 외국 기업에 API를 호출하거나 이용을 감시당하거나 지정학적 이유로 접근이 끊길 위험 없이 쓰게 한다. 다만 이 기회는 조건부다. 데이터센터에 안정적으로 전력을 공급하지 못하는 나라는 자체 실행이 어렵고, 기계학습 엔지니어가 없는 나라는 의미 있는 미세조정이 어려우며, 데이터 거버넌스 체계가 없는 나라는 지역 데이터셋을 정비하기 어렵다. 한 분석은 이 기회를 활용하려면 정부와 기관이 오픈웨이트를 넘어서는 실질적 투명성 기준을 요구하고, 모델을 단순한 이용자가 아니라 적응자로서 다루며, 이를 기술 문제가 아닌 거버넌스 문제로 다루어야 한다고 권고한다. 경제협력개발기구(OECD)와 인공지능 글로벌 파트너십(GPAI)은 이 영역의 정책 체계를 만들기 시작했다.

오픈웨이트는 정책·안전 논쟁의 중심에 있다. 원 개발자의 API를 거치지 않고도 지역 배치와 맞춤화, 독립 연구, 경쟁을 가능하게 하지만, 널리 배포된 가중치는 일반적으로 거둬들이기 어렵고 안전장치를 제거하도록 수정될 수 있다. 2024년 미국 국가통신정보청(NTIA) 보고서는 이런 편익과 위험을 검토하고 즉각적 제한보다 지속적 감시를 권고했다. 마이크로소프트는 2026년 7월 정책 문서에서 가중치가 공개되면 원 개발자의 통제를 벗어나고 개조된 판본은 추적하거나 되돌리기 어렵다고 인정하면서도, 옳은 대응은 오픈웨이트를 금지하는 것이 아니라 개방성을 안전과 보안의 길로 보는 것이라고 주장했다. 같은 문서는 1980년대 오픈소스 소프트웨어 운동에 비견되는 오픈웨이트가 AI 경제에 대한 접근을 넓히고 모델 개발자와 클라우드·칩·응용·서비스 전반의 경쟁을 강화하며 이용자의 종속을 줄인다고 주장하고, 스타트업과 연구자의 연산 접근 확대와 공동 훈련 자산 투자, 성급한 제한 회피를 정책 과제로 제시한다. 이는 기업의 정책 주장이지 중립적 결론이 아니다. 오픈소스 AI는 자체 선도 모델이 없는 나라와 기업에서 더 지지를 받고, 가장 강력한 독점 모델을 가진 경쟁자의 지위를 약화시킬 수 있다. 유럽은 개방성을 디지털 주권 전략으로 추진하며, 이는 통상 같은 쟁점에서 미국이 쓸 수 있는 지렛대를 줄이는 길이기도 하다. 실무적으로는 통제된 접근에서 벗어나려는 기업들이 유연성과 통제력, 미세조정 기회, 낮은 비용을 위해 오픈웨이트로 움직였고, AT&T, 톰슨 로이터(Thomson Reuters), 하비(Harvey), 노무라 홀딩스(Nomura), 골드만삭스(Goldman Sachs), 도어대시(DoorDash), 액센추어(Accenture) 등이 그런 사례다. 사용처는 소프트웨어 개발과 문서 검토, 법률 에이전트 작업 같은 전문 업무를 포함한다.

오픈웨이트 AI는 주요 지정학적 쟁점이며 때로 AI 군비경쟁이나 미중 AI 냉전으로 표현된다. 대체로 딥시크, 알리바바 클라우드, 문샷 AI(Moonshot AI), 지.ai(Z.ai) 같은 중국 기업의 모델은 아파치나 MIT 같은 관대한 라이선스 아래 오픈웨이트 체계를 쓰는 반면, 오픈AI, 앤스로픽, 구글 딥마인드(Google DeepMind)를 포함한 미국 기업들은 특히 대형 모델에서 독점적 체계를 선호한다. 메타는 라마 계열을 오픈웨이트로 공개해 온 예외적 사례이며, 이 점에서 '미국 기업은 독점 체계를 선호한다'는 도식은 단순화다. 일부 미국 정치인은 중국 AI 도구에 대한 미국 내 접근을 제한하자고 주장했다.

2025년에는 OECD와 GPAI 분석에 따르면 상업적으로 이용 가능한 파운데이션 모델의 절반 이상이 가중치를 공개한 형태로 나왔고, 메타의 라마, 알리바바의 큐원(Qwen), 미스트랄 같은 계열이 널리 쓰였다. 마이크로소프트의 2026년 초 분석에 따르면 에티오피아, 짐바브웨, 우간다, 니제르 등 여러 아프리카 국가에서 딥시크의 시장 점유율이 11~14%에 이르렀다. 『네이처 헬스』(Nature Health) 연구는 오픈웨이트 모델이 저소득·중간소득 국가의 보건 서비스 제공을 개선한다고 밝혔고, 2025년 한국의 국가 주권 AI 사업도 상당 부분 오픈웨이트 기반 위에 세워져 2026년 2월 자국에서 적응시킨 모델 세 개가 허깅페이스에서 동시에 주목을 받았다.

가중치가 공개된 판본을 가진 대규모 언어모델 계열로는 블룸(BLOOM), DBRX, 딥시크, 팔콘(Falcon), 젬마(Gemma), GLM, gpt-oss, 그래나이트(Granite), 후냔(Hunyuan), 잉클링(Inkling), 잠바(Jamba), 키미(Kimi), 라구나 S, 라마, 미니맥스(MiniMax), 미스트랄, 뮤즈 글리머(Muse Glimmer), 네모트론, OLMo, 파이(Phi), 큐원, 스텝(Step) 등이 있다. 2026년 8월 기준 매개변수 1조를 넘는 최대 오픈웨이트 모델은 주로 중국에서 나왔다. 알리바바 클라우드의 큐원 3.8(2.4조), 딥시크 V4(1.6조), 문샷 AI의 키미 K3(2.8조), 지.ai의 GLM-5.3(7530억) 등이다. 중국 밖에서는 씽킹 머신스 랩(Thinking Machines Lab)의 잉클링(9750억), 엔비디아의 네모트론 3 울트라(5500억), 미스트랄 AI의 미스트랄 라지 3(6750억)이 가장 컸다. 키미 K3는 2026년 7월 기준 최대 오픈웨이트 프런티어 모델로, 알리바바 클라우드의 큐원 3.8이 그 뒤를 이었다.

공개 모델을 내놓는 기업의 동기는 여러 겹이다. 한 분석은 오픈웨이트 공개가 순수한 호의라고 받아들이는 것은 순진하다고 본다. 메타에게는 유능한 개방 모델을 무료로 풀어 자사 인프라(광고, 클라우드, 개발자 생태계) 위에 세워진 독점 모델이 더 매력적으로 보이게 하는 경쟁상 논리가 일부 있어, 이는 자선이 아니라 배포와 영향력의 문제라는 것이다. 딥시크와 중국 연구소들의 동기는 상업적 생태계와 소프트 파워로 여러 층이며, 첨단 반도체에 대한 미국의 수출 통제가 중국 연구소들을 더 간결하고 효율적인 훈련 방식으로 밀어붙여 값싸고 공유하기 쉬운 모델을 낳은 측면도 지적된다. 같은 분석은 오픈AI가 2015년 인공일반지능(AGI)이 인류 전체에 이익이 되도록 보장한다는 목표로 비영리로 출발해 이후 영리 구조로 전환했고, 앤스로픽은 오픈AI 출신 연구자들이 세웠으며, 일론 머스크가 오픈AI를 공동 창립한 뒤 소송을 제기하고 xAI를 세웠다고 서술한다. 이는 인용 출처의 상업적 동기와 역사에 관한 주장이지 독립적으로 검증된 사실은 아니다. 같은 분석은 딥시크가 유능한 AI를 만들고 싶은 기술 기업임을 자처했고, 딥시크의 데이터 처리 우려는 주로 자사 앱이나 API로 접속할 때 해당하며 가중치를 자체 서버에서 돌리는 경우에는 대부분 사라지고 남는 문제는 훈련 데이터 투명성이라고 덧붙인다.

메타의 라마는 미국 방위산업체 록히드 마틴과 오라클에도 채택되었는데, 중국 인민해방군 소속 연구자들의 무단 개조가 드러난 뒤 메타가 물류·정비·사이버보안 같은 국가안보 용도를 위해 미국 계약업체와의 협력을 확대한 결과였다. 중국 연구자들은 라마의 이전 판본으로 군사 정보와 의사결정에 최적화된 채트빗(ChatBIT) 같은 도구를 만들기도 했다. 다만 메타가 라마 라이선스의 허용 사용 정책으로 미국 군사 용도를 포함한 일부 용도를 금지하고 있어, 라마를 '오픈소스'라 부르는 표기 자체가 논쟁적이다.

오픈웨이트는 흔히 '오픈'이나 '개방 모델'로 축약된다. 에포크 AI는 코드나 데이터가 공개되었는지와 무관하게 가중치가 공개된 모델을 '개방 모델'로 축약한다고 밝히고, 오픈웨이트 모델이 종종 '오픈소스'로 불린다고 덧붙인다. 오픈소스라는 말은 소스 코드가 공개된 소프트웨어 전통에서 나왔고 거기서 '오픈'은 훨씬 많은 것을 뜻한다. 가중치는 수치의 목록이라 소스 코드처럼 모델의 작동을 투명하게 보여주지 못한다. 이런 축약이 논쟁적이라는 점은 출처들이 강조하는 바이지 확정된 용법이 아니다.