2025년 1월 27일, 글로벌 투자자들에겐 이름조차 낯선 중국 연구소가 단 하루 만에 엔비디아(Nvidia) 시가총액 5,890억달러를 날려버렸다. 미국 증시 사상 최대 일일 시가총액 손실이었다. 촉매는 **딥시크(DeepSeek)**였고, 죄목은 ‘개방성’이었다.
심지어 비트코인 (BTC)까지 흔들렸다. 최전선 AI가 더 이상 소수의 폐쇄형 연구소 전유물이 아니라는 단순한 사실이 시장에 각인된 것이다.
핵심 포인트
- 오픈 웨이트(Open weight) 모델은 학습을 마친 파라미터를 누구나 내려받아 실행·개조할 수 있게 공개한다. 이는 학습 데이터와 코드까지 함께 제공하는 ‘완전한 오픈소스 AI’와는 다르다.
- 공개 리더보드 기준, 최고 성능의 오픈 모델과 폐쇄형 모델 간 품질 격차는 1년여 만에 8%에서 2% 미만으로 축소되는 동안, 추론 단가는 수백 배 폭락했다.
- 저렴한 배포 비용, 국가 주권 이슈, 우호적인 규제, 거대한 개발자 생태계가 결합되며, 오픈 웨이트가 API 전용 사업자들을 정면으로 압박하고 있다.
‘오픈 웨이트 AI’의 정확한 의미
용어가 혼용되는 만큼 정의를 분명히 할 필요가 있다. 오픈 웨이트란 개발자가 학습을 마친 신경망의 최종 파라미터, 즉 모델이 학습을 통해 축적한 ‘숫자 값’을 공개하는 것을 뜻한다. 이용자는 이를 내려받아 자체 서버에서 모델을 돌리고, 파인튜닝까지 수행할 수 있다.
오픈 웨이트는 오픈소스와 동일하지 않다. **오픈 소스 이니셔티브(Open Source Initiative)**는 2024년 10월 28일 ‘오픈소스 AI 정의’를 내놓으며 훨씬 높은 기준을 제시했다. 오픈소스로 인정받으려면 가중치뿐 아니라 학습 코드, 그리고 숙련된 개발자가 시스템을 상당 부분 재현할 수 있을 수준의 데이터 정보까지 공개해야 한다.
오늘날 스스로를 오픈소스라 홍보하는 다수 모델은 이 기준을 충족하지 못한다. **메타(Meta)**의 라마(Llama), **알리바바(Alibaba)**의 쿠언(Qwen), 그리고 딥시크 모두 가중치는 내놓지만 전체 데이터 레시피는 감춘다.
오픈 소스 이니셔티브는 이 차이를 분명히 지적하며, 가중치만으로는 소프트웨어 오픈소스가 보장하는 자유를 제공할 수 없다고 못 박는다. 이 간극이 기업들이 핵심 정보는 숨긴 채 ‘열려 있다’고 포장하는, 이른바 ‘오픈워싱(open-washing)’ 논란을 키우고 있다.
그럼에도 다수 개발자에게 진짜 전리품은 가중치다. 가중치만 있으면 모델을 서비스하고, 축소·재학습해 제품에 실을 수 있다. 실제 공개 범위를 나눠보면 다음과 같다.
- 오픈 웨이트: 학습이 끝난 파라미터. 보통 사용·개조·상업적 활용까지 허용하는 라이선스가 붙는다.
- 완전 오픈소스: 가중치에 더해 학습 코드와, 모델을 재구축할 수 있을 정도의 데이터 문서화까지 포함.
- 폐쇄형: 아무것도 내려받을 수 없고, API 또는 웹 인터페이스를 통해 정량 과금 방식으로만 접근.
현재 폭발적으로 늘어나는 것은 이 가운데 ‘중간 지대’인 오픈 웨이트 모델이며, 이 부문이 폐쇄형 연구소들의 잠을 설치게 만든다.
더 읽어보기: Nvidia Falls Nearly 5% On A $250B OpenAI Guarantee That Isn't Signed Yet
오픈AI·앤트로픽과의 근본적 차이
**오픈AI(OpenAI)**와 **앤트로픽(Anthropic)**은 정반대 전략을 취해왔다. 이들은 최고 성능의 가중치를 자사 데이터센터 안에만 보관한 채, API를 통해서만 접근을 허용한다. 이용자는 프롬프트를 보내고 응답을 받지만, 모델 자체에는 손을 댈 수 없다.
이 구조엔 명확한 상업적 논리가 있다. 막대한 학습 투자를 보호하고, 구독·사용량 과금 모델을 유지하며, 필요할 때마다 행동을 수정하거나 접근을 차단할 수 있다.
안전 논리도 동원된다. 앤트로픽 최고경영자 **다리오 아모데이(Dario Amodei)**는 가중치가 공개되는 순간, 개발자는 더 이상 가드레일을 고치거나 위험한 시스템을 회수할 수 없게 된다고 주장해왔다.
문제는 ‘의존성’이다.
모델이 온전히 타사 서버 안에만 존재하면 가격, 가동 시간, 데이터 이용 조건, 버전 폐기 일정까지 모두 공급자가 정한다. 기업의 핵심 제품이 들여다볼 수도, 통제할 수도 없는 인프라 위에 올라타는 셈이다.
오픈AI는 수년간 ‘개방형 연구’를 표방해왔지만, 2019년 GPT-2 이후 2025년 8월 5일까지 새로운 오픈 언어 모델을 내놓지 않았다. 그날 공개된 두 개의 gpt-oss 모델은, 아파치 2.0 라이선스로 배포되며 오픈 웨이트 진영의 압력을 정면으로 의식한 움직임으로 읽힌다. 폐쇄형 API 비즈니스를 개척한 회사가 마침내 ‘상대 진영’의 경기장으로 내려온 셈이다.
더 읽어보기: OpenAI Seeks $250B In Nvidia Credit For Its Giant Ohio Campus
오픈 웨이트가 중앙집중형 모델을 위협하는 10가지 이유
이하 내용이 오픈 웨이트의 최종 승리를 보장하는 것은 아니다. 기술 최전선은 여전히 대형 연구소가 쥐고 있고, 리스크 또한 적지 않다. 다만 지난 3년간 방향성만큼은 일관되게 폐쇄형·계량 과금 모델에 역행해왔다.
핵심은 ‘블랙박스’를 비싼 돈을 내고 빌려 쓸 이유가 점점 희미해지고 있다는 점이다. 기술, 경제, 정치 세 축에서 동시에 수렴이 일어나고 있다.
다음은 균형추가 움직인 10가지 이유다.
1. 품질 격차는 거의 사라졌다
가장 중요한 사실은 ‘수렴’이다. 스탠퍼드대의 2025 AI 인덱스는, 챗봇 아레나(Chatbot Arena) 리더보드 기준 최고 폐쇄형 모델과 최고 오픈 모델 간 점수 차이가 2024년 1월 8%에서 2025년 2월 1.7%로 줄었다고 분석했다.
선두 그룹도 붐비기 시작했다. 1위와 10위 모델 간 점수 차이는 1년 새 11.9%에서 5.4%로 좁혀졌다.
2등 옵션의 성능이 1등과 큰 차이가 없는데 가격이 몇 분의 1 수준이라면, 폐쇄형 모델에 붙는 프리미엄은 설득력을 잃는다. 독점성을 팔아온 사업자에겐 치명적인 가격 구조다.
2. ‘지능’의 가격은 붕괴했다
비용 하락 속도는 품질 격차 축소를 앞질렀다. **에폭 AI(Epoch AI)**와 아티피셜 애널리시스(Artificial Analysis) 데이터를 인용한 AI 인덱스는 GPT-3.5급 쿼리 100만 토큰당 추론 비용이 2022년 11월 약 20달러에서 2024년 10월 0.07달러로 떨어졌다고 전했다.
2년도 안 돼 약 280배 하락한 셈이다.
딥시크는 동일한 논리를 학습 단계까지 밀어붙였다. V3 기술 보고서는 2,048개의 엔비디아 H800 칩으로 약 560만달러에 최종 학습을 마쳤다고 주장한다. 서방의 동급 모델이 수천만~수억달러를 투입한 것과 대비된다. ‘저렴한 지능’은 더 널리 뿌릴 수 있는 주체에게 힘을 실어줄 뿐, 가장 악착같이 감추는 쪽을 보상하지 않는다.
3. 이제 ‘모델의 소유권’을 가질 수 있다
폐쇄형 모델을 빌리면 집주인의 규칙을 그대로 따라야 한다. 공급자는 가격을 올리고, 약관을 바꾸고, 귀사의 제품이 의존하는 버전을 일방적으로 퇴역시킬 수 있다.
가중치를 보유하면 이런 지렛대는 무력화된다. 특정 버전을 고정해 수년간 사용하고, 인프라 제공자를 바꿔도 애플리케이션 스택을 갈아엎을 필요가 없다.
벤더 종속(vendor lock-in)은 추상적인 우려가 아니다. 실제로는 전환 비용, 강제 마이그레이션, 협상 불가능한 가격 인상으로 나타난다. 가중치를 소유하면 이를 단계적으로 해소할 수 있다.
- 모델 버전을 동결해 필요한 기간만큼 안정적으로 운용.
- 클라우드 사업자 간 이동 또는 온프레미스 전환 시에도 최소한의 재개발로 대응.
- 예고 없는 서비스 종료·버전 폐기로 실서비스가 하룻밤 새 멈추는 상황 방지.
물론 관대한 오픈 라이선스에도 꼼꼼히 읽어볼 단서 조항은 있다. 예컨대 메타의 라마 라이선스는 월간 활성 이용자 7억명을 넘는 기업에 별도 계약을 강제한다. 이 때문에 엄격한 오픈소스 진영은 라마를 ‘진짜 오픈소스’로 인정하지 않는다.
4. 프라이버시와 데이터 주권
어떤 데이터는 물리적으로 밖으로 나갈 수조차 없다. 병원, 은행, 공공기관 등은 법·규제상 민감 정보를 제3자 API로 전송할 수 없는 경우가 많다.
오픈 웨이트는 모델을 데이터 쪽으로 가져가는 방식으로 이 문제를 풀어낸다. 추론을 온프레미스나 프라이빗 클라우드 내부에서 수행해, 민감 정보가 외부 벤더 경계를 넘지 않도록 할 수 있다.
이 한 가지 속성만으로도 폐쇄형 API가 진입할 수 없는 시장이 열린다. 규제를 받는 환경에서는 온프레미스 통제가 도입 여부를 가르는 결정적 요인이 되곤 한다.
5. 각국이 ‘자국산 모델’ 구축에 나섰다
디지털 주권에 대한 불안은 전 세계적 현상이 됐다. 각국 정부는 소수 미국·중국 빅테크의 API에 대한 과도한 의존을 전략적 리스크로 보기 시작했다.
2025년 9월 2일, EPFL, ETH 취리히(ETH Zurich), 스위스 국립슈퍼컴퓨팅센터는 1,000개가 넘는 언어, 15조 토큰으로 학습한 완전 개방형 모델 ‘아페르투스(Apertus)’를 공개했다. 아부다비의 **테크놀로지 이노베이션 인스티튜트(Technology Innovation Institute)**는 2023년부터 오픈 ‘팔콘(Falcon)’ 시리즈를 밀어왔고, 여러 국가가 자체 모델 프로젝트로 뒤를 이었다.
지역별 패턴은 유사하다.
- 스위스는 가중치·데이터·코드를 모두 공개한 아페르투스를 내놓았다.
- UAE는 비교적 관대한 조건의 팔콘 모델을 잇달아 선보였다.
- 프랑스, 인도, 일본, 한국 등도 자국 모델 또는 연산 인프라 프로그램을 지원하고 있다.
‘빌려 쓰기만 허용된’ 모델로는 주권형 AI를 만들 수 없다. 오픈 웨이트는 출발선에 놓이는 최소 조건이고, 이 점이 정부를 자연스러운 오픈 진영의 후원자로 만든다.
6. 규제 방향도 ‘개방’ 쪽으로 기울었다
정책 환경 역시 점차 개방 쪽으로 기울고 있다. 2025년 7월 23일, **미 백악관(White House)**은 “America's AI Action Plan”을 발표하며, “오픈소스 및 오픈 웨이트 AI 장려”라는 별도 섹션을 뒀다.
유럽도 결은 다르지만 방향은 비슷하다. EU AI법(AI Act)은 무료·오픈소스 범용 모델(GPAI)에 대해, 시스템적 리스크로 분류되지 않는 한 일부 문서화 의무를 완화해준다.
이 인센티브 구조는 최소한 ‘프런티어 아래’ 모델들에 한해선 잠금보다 공개를 택하는 쪽에 손을 들어준다. AI 패권 경쟁에서 가장 큰 플레이어인 미국 정부가 오픈 웨이트를 공식적으로 장려할 경우, 폐쇄형 모델이 당연한 기본값이라는 전제는 설 자리를 잃는다.
7. 개발자 생태계는 거대한 플라이휠이다
규모는 또 다른 규모를 부른다. **허깅페이스(Hugging Face)**는 2025년 한 해 동안 이용자 1,300만명, 공개 모델 200만개 이상, 공개 데이터셋 50만개 이상으로 성장했다고 밝혔다.
다운로드 추이만 봐도 흐름이 보인다. 메타에 따르면 라마는 2024년 12월 초 6억5,000만건에서 2025년 3월 18일 기준 10억 다운로드를 넘겼고, 알리바바의 쿠언은 7억 다운로드에 도달했다(이후 내용 생략). 2026년 1월 기준 허깅페이스 누적 다운로드 수는 수백만 건을 돌파했고, 이를 기반으로 파생된 모델만 18만 개 이상이다. 개방형 모델 패밀리 가운데 포크(파생 버전) 수 기준으로는 이미 라마(Llama)를 앞질렀다.
오픈 모델 위에 쌓이는 모든 파인튜닝, 어댑터, 양자화(퀀타이제이션)는 곧 그 모델의 진입장벽이 된다. 닫힌 API 방식으로는 이런 커뮤니티의 누적 노력(compounding effect)을 흡수할 수 없다. 손에 쥘 수 없는 모델 위에선 아무도 제대로 쌓을 수 없기 때문이다.
노트북에서 돌아가는 모델
오픈 웨이트는 값싼 툴체인을 통해 일상적인 하드웨어와 만난다. 양자화는 파라미터 정밀도를 낮춰 메모리 사용량을 줄이고, LoRA 같은 기법은 전체를 다시 학습시키지 않고도 일부만 얇게 파인튜닝할 수 있게 만든다.
국소 실행(runtime)이 이 흐름을 대중화했다. Ollama, llama.cpp, vLLM 같은 도구 덕분에 이제 개발자는 소비자용 GPU 한 장, 심지어 일반 노트북에서도 쓸 만한 모델을 올려 서비스할 수 있다.
2,000달러짜리 PC에서 직접 돌릴 수 있는 모델은, 그 누구도 원격으로 전원을 내릴 수 없는 모델이다. 이 독립성이야말로 사용량 기반으로 과금하는 ‘미터기 모델’이 절대 제공할 수 없는 가치다.
감시 가능성과 해석 가능성
볼 수 없으면, 들여다볼 수도 없다. 폐쇄형 API는 내부 메커니즘을 전혀 노출하지 않은 채 결과값만 돌려준다.
오픈 웨이트는 연구자들이 모델에 직접 접근해, 어떤 상황에서 실패하는지, 안전성은 어떤지 공개된 환경에서 검증하게 해준다. 이 투명성 때문에 오픈 진영은 “장기적으로는 오픈 모델 쪽이 신뢰성을 더 확보하기 쉽다”고 주장한다.
의사결정 과정을 설명해야 하는 규제 산업에서는 이런 가시성이 선택이 아니라 의무다. 법으로 요구되기도 한다.
분산형 프런티어
가장 새로운 동인은 AI와 크립토의 교차점에서 나온다. 웨이트가 열려 있다면, 이를 학습·서비스하는 연산 자원 역시 특정 기업의 데이터센터에 묶여 있을 필요가 없다.
Prime Intellect 같은 프로젝트는 전 세계에 흩어진 하드웨어 위에서 모델을 학습하고, 원격 머신이 실제로 해당 연산을 수행했는지 검증하는 방식을 실험 중이다. Bittensor는 TAO (TAO) 토큰을 활용해 머신 인텔리전스를 사고파는 인센티브 기반 마켓을 운영하고 있다.
솔직한 단서는 있다. 오늘 시점에서 분산형 학습은 여전히 중앙집중식 클러스터보다 느리고 비싸다. 다만 오픈 웨이트와 검증 가능한 토큰 기반 컴퓨트를 결합한 이 구조는, 폐쇄형 연구소가 쉽게 복제할 수 없는 새로운 경쟁 축이라는 점에서 의미가 크다.
Also Read: 픽셀 11 가격 더 오른다…구글 “AI 데이터센터 비용 때문”
결론
오픈 웨이트가 폐쇄형 연구소를 시장에서 지워버리지는 못할 것이다. 최전선 경쟁은 여전히 더 많은 연산 자원을 투입하는 쪽에 유리하고, 공개 모델은 최고 수준의 폐쇄형 모델을 몇 달 정도 뒤쫓는 구도를 벗어나지 못하고 있다. 한 번 풀려나간 공개 웨이트는 악용 리스크를 되돌리기도 어렵다.
그러나 ‘극복한다’는 말은 ‘소멸시킨다’와는 다르다. 무게중심을 옮긴다는 뜻이고, 그 이동은 이미 시작됐다.
성능 격차는 얇아졌고, 지능의 단가는 제로에 수렴하고 있으며, 정부·개발자·규제 당국은 점점 더 ‘직접 소유할 수 있는 모델’을 선택하고 있다. 중앙집중형 AI는 맨 꼭대기에서 편의성을 파는 역할을 이어가겠지만, 나머지 시장은 눈에 띄지 않는 속도로 ‘직접 쥘 수 있는 웨이트’ 쪽으로 발걸음을 옮기고 있다.
Read Next: 애플, 메모리 가격 통제력 상실…그 차액은 소비자 몫