2025년 1월 27일, 해외 투자자들에겐 거의 이름조차 알려지지 않았던 한 중국 연구소가 단 하루 만에 엔비디아(Nvidia) 시가총액 5,890억달러를 증발시켰다. 미국 증시 사상 최대 일일 손실이었다. 방아쇠를 당긴 것은 **딥시크(DeepSeek)**였고, 그 “죄목”은 바로 개방성이었다.
심지어 비트코인 (BTC)까지 흔들렸다. 최첨단 AI가 더 이상 소수의 폐쇄형 연구소만의 전유물이 아니라는 현실을 시장이 받아들이는 순간이었다.
핵심 포인트
- 오픈 웨이트(open weight) 모델은 학습이 끝난 파라미터를 공개해 누구나 내려받고, 실행·개조할 수 있게 한다. 이는 학습 데이터·코드까지 모두 공개하는 ‘완전한 오픈소스 AI’와는 구분된다.
- 공개 리더보드에서 최상위 오픈 모델과 폐쇄형 모델 간 품질 격차는 1년 새 8%에서 2% 미만으로 좁혀졌고, 추론 단가는 수백 배 하락했다.
- 저렴한 배포 비용, 국가 차원의 주권 AI 추진, 우호적인 규제, 방대한 개발자 생태계가 결합되면서 오픈 웨이트가 API 전용 사업자들을 정면으로 압박하고 있다.
오픈 웨이트 AI, 무엇을 의미하나
개념이 느슨하게 쓰이는 만큼 정의가 중요하다. 오픈 웨이트란, 개발자가 학습을 마친 신경망의 최종 파라미터—즉 모델이 익힌 지식이 수치로 담긴 파일—를 공개하는 것을 말한다. 누구나 이를 내려받아 자체 하드웨어에서 돌리고, 파인튜닝까지 할 수 있다.
다만 오픈 웨이트는 곧 오픈소스가 아니다. **오픈소스 이니셔티브(Open Source Initiative)**는 2024년 10월 28일 공개한 ‘오픈소스 AI 정의’에서 더 높은 기준을 제시했다. 진정한 오픈소스 AI로 인정받으려면 웨이트뿐 아니라 학습 코드, 그리고 숙련된 개발자가 시스템을 상당 부분 재현할 수 있을 정도의 데이터 정보까지 함께 공개돼야 한다.
오늘날 오픈소스라고 홍보되는 대부분의 모델은 이 기준을 충족하지 못한다. **메타(Meta)**의 Llama, **알리바바(Alibaba)**의 Qwen, 그리고 DeepSeek 모두 웨이트는 내놓지만 학습 데이터 레시피 전체는 감춘다.
오픈소스 이니셔티브는 이 차이를 분명히 한다. 공식 입장문에서 “웨이트만으로는 오픈소스 소프트웨어가 제공하는 자유를 구현할 수 없다”고 못 박았다. 이 간극이 이른바 ‘오픈워싱(open washing)’ 논쟁에 기름을 붓고 있다. 기업들이 재현에 필요한 핵심 정보를 숨긴 채 “우리는 오픈이다”라고 주장하는 관행을 둘러싼 공방이다.
그럼에도 다수의 빌더에게 진짜 ‘전리품’은 웨이트다. 웨이트만 확보하면 모델을 서비스하고, 경량화하고, 재학습해 제품에 탑재할 수 있다. 실제로 각 공개 방식은 다음과 같이 나뉜다.
- 오픈 웨이트: 학습이 끝난 파라미터를 공개하고, 사용·수정·상업적 활용까지 허용하는 라이선스를 붙이는 경우가 많다.
- 완전한 오픈소스: 웨이트에 더해 학습 코드, 학습 과정을 재구성할 수 있을 정도의 데이터 문서까지 모두 공개한다.
- 폐쇄형: 다운로드 가능한 것은 아무것도 없고, 미터가 달린 API 인터페이스로만 접근할 수 있다.
폭발적으로 늘고 있는 것은 바로 이 중간 지대, 오픈 웨이트다. 그리고 이 부문이 폐쇄형 연구소들의 잠을 빼앗고 있다.
관련 기사: 엔비디아, 서명도 안 된 2,500억달러 오픈AI 보증에 5% 급락
오픈AI·앤스로픽의 전략과 어떻게 다른가
**오픈AI(OpenAI)**와 **앤스로픽(Anthropic)**은 정반대 전략을 구사해 왔다. 이들은 최상위 모델의 웨이트를 데이터센터 안에 잠가두고, 오직 API로만 접근을 판다. 사용자는 프롬프트를 보내 응답을 받을 뿐, 모델 자체를 만질 수 없다.
이 구조는 상업적으로는 상당한 논리가 있다. 막대한 학습 비용을 보호하고, 구독·사용량 기반 수익을 안정적으로 창출하며, 필요시 행동을 수정하거나 접속을 차단할 수 있다.
안전성 논리도 있다. 앤스로픽 CEO **다리오 아모데이(Dario Amodei)**는 일단 웨이트가 공개되면, 개발자는 더 이상 가드레일을 업데이트하거나 위험한 시스템을 회수할 수 없다고 주장해 왔다.
문제는 의존성이다.
모델이 남의 서버에만 존재할 때, 가격·가동률·데이터 활용 조건·버전 폐기 일정은 모두 공급자가 정한다. 당신의 제품은 들여다보거나 통제할 수 없는 인프라 위에 올라타게 된다.
오픈AI는 수년간 ‘개방’을 내세웠지만, 실제로 언어 모델을 오픈 형태로 내놓은 것은 2019년 GPT-2 이후 전무했다. 그러다 2025년 8월 5일에서야 두 개의 gpt-oss 모델을 Apache 2.0 라이선스로 공개했다. 이는 오픈 웨이트 진영의 압력이 얼마나 거세졌는지를 보여주는 직설적 신호다. 폐쇄형 API 비즈니스의 원조 격인 회사가 결국 ‘상대 진영의 경기장’으로 내려온 셈이다.
관련 기사: 오픈AI, 오하이오 초대형 캠퍼스 위해 엔비디아에 2,500억달러 신용한도 타진
오픈 웨이트가 중앙집중형 모델을 위협하는 10가지 이유
여기서 설명하는 요인들이 오픈 웨이트의 ‘완승’을 보장하는 것은 아니다. 최전선 연구는 여전히 거대 연구소의 손에 있고, 리스크도 적지 않다. 다만 지난 3년간 흐름은 일관되게 폐쇄·과금형 모델과 반대 방향으로 흘렀다.
본질적으로 “블랙박스를 비싼 값에 빌려 쓸 이유”가 점점 희미해지고 있다. 기술·경제·정치가 동시에 수렴하는 중이다.
균형추가 기운 열 가지 이유는 다음과 같다.
1. 품질 격차가 거의 사라졌다
가장 중요한 사실은 ‘수렴’이다. 스탠퍼드대 2025 AI 인덱스 보고서는, 챗봇 아레나(Chatbot Arena) 리더보드에서 최상위 폐쇄형 모델과 최상위 오픈 모델 간 점수 차이가 2024년 1월 8%에서 2025년 2월 1.7%로 줄었다고 분석했다.
최전선도 붐볐다. 1위와 10위 모델 간 격차 역시 1년 만에 11.9%에서 5.4%로 좁혀졌다.
두 번째로 좋은 선택지가 첫 번째의 일부 가격에 불과하다면, 폐쇄형 액세스에 붙이는 프리미엄을 정당화하기가 급격히 어려워진다. ‘독점성’에 수익 모델을 맡긴 업체들에겐 곧바로 가격 압박으로 돌아온다.
2. ‘지능의 가격’이 붕괴했다
비용 하락 속도는 품질 격차 축소를 훨씬 웃돌았다. **에폭 AI(Epoch AI)**와 아티피셜 애널리시스(Artificial Analysis) 데이터를 인용한 AI 인덱스는 GPT-3.5 수준 질의 100만 토큰 처리 비용이 2022년 11월 약 20달러에서 2024년 10월 0.07달러로 떨어졌다고 전했다.
불과 2년이 안 되는 기간에 약 280배 하락한 셈이다.
DeepSeek은 같은 논리를 학습 단계까지 밀어붙였다. V3 기술 보고서에서 이 회사는 엔비디아 H800 GPU 2,048개로 최종 학습 비용을 약 560만달러 수준에 맞췄다고 주장한다. 서방 대형 모델이 수천만~수억달러를 태우는 것과 대조적이다. ‘저렴한 지능’의 수혜자는 이를 가장 널리 배포하는 쪽이지, 가장 꽁꽁 숨기는 쪽이 아니다.
3. 모델의 ‘소유권’이 바뀐다
폐쇄형 모델을 임대하면, 그 순간부터 당신은 ‘집주인’의 규칙을 따른다. 공급자는 언제든 가격을 올리고, 약관을 바꾸며, 당신의 제품이 의존하는 버전을 퇴역시킬 수 있다.
반대로 웨이트를 소유하면 이런 지렛대가 사라진다. 특정 버전을 얼려 수년간 유지할 수 있고, 아키텍처를 갈아엎지 않고도 인프라 사업자를 바꿀 수 있다.
벤더 락인은 추상적 우려가 아니다. 이는 전환 비용, 강제 마이그레이션, 협상 여지가 거의 없는 가격 정책으로 구체화된다. 웨이트 소유는 이런 리스크를 단계적으로 제거한다.
- 필요한 만큼 동일 버전을 고정해 예측 가능한 서비스를 유지할 수 있다.
- 클라우드 사업자 간 이전이나 온프레미스 전환을, 애플리케이션 재작성 없이 추진할 수 있다.
- 어느 날 새벽 예고 없이 이뤄지는 ‘버전 종료’로 실서비스가 멈추는 사태를 피할 수 있다.
물론 관대한 오픈 라이선스에도 ‘별표’는 있다. 메타의 Llama 라이선스는 월간 활성 사용자 7억명을 넘는 기업에 별도 계약을 요구한다. 이 때문에 커뮤니티의 상당수는 Llama를 진정한 오픈소스로 부르길 거부한다.
4. 프라이버시와 데이터 주권 수요
어떤 데이터는 법적으로 ‘건물 밖으로’ 나갈 수 없다. 병원, 은행, 정부기관은 민감 정보를 제3자 API로 보내는 것 자체가 규제에 저촉될 수 있다.
오픈 웨이트는 모델을 데이터 쪽으로 옮김으로써 이 문제를 풀어낸다. 온프레미스나 프라이빗 클라우드에 모델을 올려, 민감 데이터가 외부 사업자 경계를 넘지 않게 할 수 있다.
이 단 하나의 특성 덕분에 폐쇄형 API는 진입조차 못 하는 시장이 열리고 있다. 규제가 빡빡한 환경에선, 온프레미스 통제 가능 여부가 도입 여부를 가르는 결정적 요인이 된다.
5. 국가들이 ‘자국 모델’을 짓기 시작했다
주권 불안은 전 세계적 현상이 됐다. 갈수록 많은 정부가 소수 미국·중국 기업의 API에 의존하는 구조를 전략적 리스크로 인식하고 있다.
2025년 9월 2일, EPFL, ETH 취리히(ETH Zurich), 스위스 국립초고성능컴퓨팅센터는 1,000개가 넘는 언어, 15조 토큰으로 학습된 완전 공개 모델 ‘Apertus’를 발표했다. 아부다비의 **기술혁신연구소(Technology Innovation Institute)**는 2023년부터 오픈 모델 ‘Falcon’ 시리즈를 밀어붙이고 있고, 다른 국가들 역시 유사한 국가 프로젝트를 속속 내놓고 있다.
패턴은 지역을 막론하고 반복된다.
- 스위스는 웨이트·데이터·코드를 모두 공개한 Apertus를 내놨다.
- UAE는 관대한 조건의 Falcon 시리즈를 연달아 배포했다.
- 프랑스, 인도, 일본, 한국 등도 자국 모델 또는 연산 자원 확보에 정책적으로 나섰다.
빌려 쓰는 모델로는 ‘주권 AI’를 만들 수 없다. 오픈 웨이트는 그 전제조건이며, 이 때문에 각국 정부는 자연스럽게 오픈 진영의 후원자가 되고 있다.
6. 규제의 추가 ‘개방’ 쪽으로 기울었다
정책도 서서히 오픈 쪽 손을 들어주고 있다. 2025년 7월 23일, 미국 **백악관(White House)**은 ‘America's AI Action Plan’을 발표하며, “오픈소스 및 오픈 웨이트 AI 장려”라는 별도 장을 뒀다.
유럽 역시 방향성만 놓고 보면 비슷하다. EU AI법은 무료·오픈소스 범용 모델에 대해, 해당 모델이 ‘시스템적 위험’으로 분류되지 않는 한 일부 문서화 의무를 면제해 준다.
최전선 바로 아래 등급의 모델에 대해서만큼은, ‘잠그기’보다는 ‘풀어놓기’에 인센티브가 붙은 셈이다. AI 패권 경쟁의 핵심 국가가 오픈 웨이트를 공개적으로 독려하는 순간, 폐쇄형 모델은 당연한 기본값 지위를 잃는다.
7. 개발자 생태계는 거대한 플라이휠이다
규모는 다시 규모를 부른다. **허깅페이스(Hugging Face)**는 2025년 기준 사용자 1,300만명, 공개 모델 200만개, 공개 데이터셋 50만개 이상으로 성장했다고 밝혔다.
다운로드 경쟁이 모든 것을 말해준다. 메타에 따르면 Llama는 2024년 12월 초 6억5,000만건에서 2025년 3월 18일 기준 10억 다운로드를 돌파했다. 알리바바의 Qwen 역시 7억 다운로드에 근접했다. 이 수치는 오픈 웨이트가 더 이상 틈새가 아니라 주류 선택지로 올라섰음을 보여주는 방증이다. 2026년 1월 기준 허깅페이스 누적 다운로드 수는 수백만 건에 달했고, 이를 기반으로 파생된 버전은 18만 개를 넘어섰다. 이 과정에서 해당 계열 모델은 가장 많이 포크된 오픈 패밀리라는 타이틀을 라마(Llama)로부터 빼앗았다.
각종 파인튜닝, 어댑터, 양자화(퀀타이제이션)가 오픈 모델 위에서 쌓일수록 그 모델의 진입장벽과 네트워크 효과는 더 높아진다. 폐쇄형 API로는 이 복리 효과를 포착할 수 없다. 손에 쥘 수 없는 모델 위에서는, 누구도 진짜로 ‘그 위에’ 쌓을 수 없기 때문이다.
당신의 노트북에서 돌아가는 AI
오픈 가중치는 저렴한 툴체인을 통해 일반 하드웨어와 만난다. 양자화는 모델의 정밀도를 낮춰 메모리 사용량을 줄이고, LoRA 같은 기법은 전체 모델을 다시 학습하지 않고도 일부만 미세 조정할 수 있게 해준다.
로컬 런타임의 등장으로 이 흐름은 주류로 올라섰다. Ollama, llama.cpp, vLLM 같은 도구 덕분에 이제 개발자는 단일 소비자용 GPU, 심지어 일반 노트북에서도 충분히 쓸 만한 모델을 서빙할 수 있다.
2,000달러짜리 머신에서 직접 돌릴 수 있는 모델은, 누구도 원격으로 “꺼버릴” 수 없는 모델이다. 이 자율성이야말로, 사용량 기반으로 과금되는 폐쇄형 모델이 끝내 제공할 수 없는 역량이다.
감사 가능성과 설명 가능성
볼 수 없는 것은 들여다볼 수도 없다. 폐쇄형 API는 내부 메커니즘을 전혀 공개하지 않은 채, 결과값만 돌려준다.
반대로 오픈 가중치는 연구자들이 모델을 직접 탐색하고, 실패 양상을 분석하며, 안전성을 공개적으로 검증할 수 있게 해준다. 이런 투명성이야말로, 오픈 진영이 “시간이 지날수록 신뢰성을 더 높이기 쉽다”고 주장하는 근거다.
의사결정 과정을 설명해야 하는 규제 산업에서는 이런 가시성이 선택이 아니라 의무에 가깝다. 법과 규제가 이를 요구하기 때문이다.
탈중앙화 프론티어
가장 최신의 논거는 AI와 크립토가 만나는 지점에서 나온다. 가중치가 공개돼 있다면, 이를 학습·서빙하는 연산 자원은 굳이 한 기업의 데이터센터 안에 있을 필요가 없다.
Prime Intellect 같은 프로젝트는 전 세계에 분산된 하드웨어를 묶어 모델을 학습하고, 원격 머신이 실제로 주장한 연산을 수행했는지 검증하는 메커니즘을 도입했다. Bittensor는 자체 토큰 TAO (TAO)로 가격이 매겨지는, 기계 지능을 위한 토큰 인센티브형 마켓을 운영 중이다.
솔직히 말해, 오늘 시점에서 탈중앙화 학습은 여전히 중앙집중식 클러스터보다 느리고 비싸다. 그럼에도, 오픈 가중치에 검증 가능한 토큰화 연산을 결합하는 이 구조는 폐쇄형 연구소가 복제하기 힘든 전혀 새로운 경쟁 축을 만들고 있다.
관련 기사: 픽셀 11, 더 비싸진다…구글 "AI 데이터센터 비용 때문"
결론
오픈 가중치가 폐쇄형 연구소를 완전히 사라지게 만들지는 못할 것이다. 최전선 경쟁은 여전히 더 많은 연산 자원을 태우는 쪽이 유리하고, 오픈 릴리스는 최고 수준의 폐쇄형 모델보다 수개월 정도 뒤처져 나온다. 일단 퍼져버린 공개 가중치는 오용 리스크를 되돌릴 수 없다는 점도 분명한 부담이다.
그러나 “극복한다”는 말은 “삭제한다”는 뜻이 아니다. 무게중심을 어디에 두느냐가 바뀐다는 뜻이고, 그 변화는 이미 시작됐다.
성능 격차는 점점 얇아지고, 지능의 한계비용은 거의 0에 가까워지고 있다. 정부, 개발자, 규제 당국은 점점 더 “손에 쥘 수 있는 모델”을 택하고 있다. 중앙집중형 AI는 맨 꼭대기 시장에서 편의성을 팔며 남을 것이다. 그러나 나머지 시장은 조용히, 스스로 소유할 수 있는 가중치 쪽으로 걸어가고 있다.
다음 읽기: 애플, 메모리 가격 통제력 잃고…차액은 소비자 몫
