숫자 두 개를 나란히 놓고 시작하자. 4.89테라바이트와 3.39킬로바이트. 앞의 것은 이 글을 쓰는 오늘 허깅페이스(Hugging Face)에 올라온 알리바바(Alibaba) Qwen3.8-2.4T-A95B의 저장소 크기이고, 뒤의 것은 그 옆에 나란히 놓인 라이선스 파일의 크기다. 213개로 쪼개진 파일 더미 안에 2조 4천억 개의 숫자가 들어 있고, 그 옆의 세 쪽짜리 문서가 그 숫자를 누가 어떤 조건으로 쓸 수 있는지를 정해두었다. 10일 전 예고했던 공개가 실제 파일로 도착했다는 소식에 개발자들의 소셜 피드가 하루 종일 들썩였고, 저장소의 좋아요 숫자는 내가 페이지를 세 번 새로고침하는 사이에 8에서 300 가까이로 뛰었다.

그런데 나는 이번 공개에서 정작 눈여겨봐야 할 것이 저 거대한 파일 더미보다 옆에 붙은 작은 텍스트 파일이라고 본다. 그 파일을 열어 보면 첫 문단에는 우리가 아는 가장 관대한 오픈소스 라이선스의 문장을 거의 그대로 옮겨 놓았다. 누구에게나 무상으로, 제한 없이, 사용하고 복제하고 수정하고 배포하고 호스팅하고 미세조정할 권리를 허락한다는 선언이다. 그리고 그 아래에 조건 두 개가 붙는다. 이 글은 그 두 개의 조건이 무엇이며 왜 거기 붙어 있는지, 그리고 그것이 지금 이 산업의 개방을 어떻게 설명해 주는지를 따라가 보려는 시도다.

조리법 없이 ‘다운’받은 요리

먼저 말을 정리하고 가자. 요즘 기사에서 오픈소스 AI와 오픈웨이트가 거의 같은 뜻으로 쓰이는데, 두 단어는 같은 것을 가리키지 않는다. 오픈웨이트는 학습이 끝난 모델의 가중치, 그러니까 수천억 개의 숫자 덩어리를 내려받을 수 있게 풀어 놓았다는 뜻이다. 반면 오픈소스 이니셔티브(OSI)가 정한 오픈소스 AI의 요건은 세 가지를 함께 요구한다. 가중치, 학습과 실행에 쓰인 코드, 어떤 데이터로 무엇을 어떻게 걸러 가며 배웠는지에 관한 충분한 정보다. 이 셋이 갖춰져야 다른 사람이 그 모델을 뜯어보고 검증하고 처음부터 다시 만들어 볼 수 있기 때문이다.

이 기준을 대면 오늘 시장에서 오픈소스라고 불리는 모델의 대부분은 오픈소스가 아니다. 메타(Meta)의 Llama 4도, Qwen3.8도, 딥시크(DeepSeek)의 V4도, 구글(Google)의 Gemma 4도 완제품만 건네주고 조리법은 금고에 두었다. 요리를 통째로 받았으니 먹을 수는 있는데, 무엇을 넣고 어떻게 익혔는지는 알 수 없으니 같은 요리를 다시 만들어 낼 수는 없다.

그리고 이 격차는 좁혀지는 것이 아니라 벌어지고 있다. 최근 공개된 한 대규모 실증 연구는 다운로드 수를 가중치로 계산했을 때 학습 데이터 정보를 공개한 모델의 비중이 2022년 이전 79.3퍼센트에서 2025년 39퍼센트까지 떨어졌다고 보고했다. 라이선스가 아예 표기되지 않은 모델의 비중은 같은 기간 17.3퍼센트에서 31.2퍼센트로 올랐다. 스탠퍼드를 비롯한 연구진이 매년 내는 파운데이션 모델 투명성 지수도 평균 점수가 2024년 58점에서 2025년 40점으로 주저앉았고, 가장 많이 가려진 항목은 당연히 학습 데이터와 학습 연산량이었다. 다운받을 수 있는 모델은 해마다 늘어나는데 그 모델에 대해 알 수 있는 것은 오히려 줄어들고 있는 셈이다.

3.39킬로바이트에 적힌 경쟁 전략

다시 오늘의 라이선스로 돌아가자. 문서의 제목은 Qwen3.8-Max 라이선스인데 정작 저장소에 올라온 파일 이름은 Qwen3.8-2.4T-A95B다. (이 어긋남은 뒤에서 다시 이야기하겠다.)

관대한 첫 문단 뒤에 붙은 첫 번째 조건은 이렇다. 월간 활성 사용자가 1억 명을 넘거나 월 매출이 2천만 달러를 넘는 상업 제품에 이 모델을 쓸 경우, 해당 제품의 화면에 모델 이름을 눈에 띄게 표시해야 한다. 두 번째 조건이 더 흥미롭다. 라이선스를 받은 쪽이나 그 계열사가 모델 서비스업이나 이른바 AI 업무 비서(라이선스 원문에서는 Agent가 아닌 “AI Work Assistant”를 썼다) 사업을 하면서 12개월 누적 매출이 5천만 달러를 넘으면, 상업적으로 쓰기 전에 Qwen으로부터 별도의 라이선스를 따로 받아야 한다는 것이다.

여기서 AI 업무 비서(AI Work Assistant)가 무엇인지를 라이선스가 직접 정의해 두었는데, 코딩 보조와 사무 생산성을 주목적으로 하는 독립 제품을 말하며 예시로 Qoder와 QwenWork를 들고 있다. 둘 다 알리바바 자신의 제품이다. 번역 도구 같은 단일 목적 도구나, 쇼핑 도우미처럼 다른 영역의 비서나, 본업이 따로 있는 제품에 얹힌 AI 기능은 여기 해당하지 않는다고 예외까지 달아 두었다. 그러니까 이 조항은 자사 주력 상품과 정면으로 겹치는 사업만 골라 문턱을 세운 것이다. 사내에서 쓰는 것까지는 얼마든지 좋고, 남에게 팔더라도 내 주력 상품만 건드리지 않으면 문제 삼지 않겠다는 뜻이다.

앞서 미뤄 둔 이야기가 여기서 풀린다. 우리가 내려받는 Qwen3.8-2.4T-A95B는 텍스트만 처리하고, 기본 문맥 길이는 26만 토큰대이며, 사고 과정을 끄는 것도 불가능하다. 반면 회사가 클라우드에서 파는 Qwen3.8-Max는 같은 모델을 바탕으로 하되 이미지 입력이 되고 문맥이 기본 100만 토큰이며 내장 도구까지 딸려 온다. 모델 카드가 그 차이를 스스로 밝혀 놓았다. 저장소 이름과 라이선스 제목이 어긋나 있던 이유가 여기 있었던 셈인데, 엔진은 풀어 주되 변속기와 계기판과 정비 계약까지 얹은 완성차는 여전히 클라우드에서만 팔겠다는 것이다.

메타는 빗장을 풀고 알리바바는 걸었다

이 대목에서 반대 방향으로 움직인 회사를 나란히 놓으면 그림이 선명해진다. 메타는 지난 3년 동안 개방을 내세우면서도 Llama 커뮤니티 라이선스에 세 겹의 빗장을 걸어 두었다. 월간 활성 사용자 7억 명을 넘는 회사는 별도 허락을 받으라는 조항, 제품 화면과 모델 이름에 Llama의 이름을 붙이라는 표기 의무, 그리고 Llama로 다른 AI 모델을 훈련시키지 말라는 금지 조항이다. 오픈소스 이니셔티브가 이 라이선스는 오픈소스가 아니라고 못 박은 것도 이 조항들 때문이었다.

그런데 이번 달 10일에 메타가 내놓은 새 개방형 모델 Muse Glimmer에는 그 조항들이 하나도 없다. 그래픽카드 한 장짜리 개인용 컴퓨터에서 돌아가는 300억 개 매개변수 모델을 아파치 2.0으로, 그러니까 아무 조건 없이 풀었다. 같은 날 마크 저커버그는 6천 5백 단어짜리 에세이를 발표해 미국 정부가 개방형 모델에 대한 규제의 문턱을 낮춰야 한다고 주장했고, 자사 최상위 모델인 Muse Spark 1.2의 가중치까지 열겠다고 예고했다.

3년 동안 조건을 붙여 온 회사가 조건을 떼고, 3년 동안 조건 없이 풀어 온 회사가 조건을 붙였다. 나는 이 교차가 이 산업의 개방을 이해하는 가장 정직한 열쇠라고 본다. 조건이란 대체재가 없을 때만 받아 낼 수 있는 값이기 때문이다. 딥시크가 V4를 MIT라이선스로, 텐센트(Tencent)가 Hunyuan Hy3를 아파치 2.0라이선스로, 문샷(Moonshot)이 2조 8천억 파라미터의 Kimi K3를 풀어 놓은 시장에서 Llama의 7억 명 조항은 협상력이 되지 못하고 그저 마찰로 남았으며, 반대로 성능표 상단에 올라선 쪽은 이제 조건을 적어 넣을 여유가 생겼다. 그러니까 어떤 회사가 모델을 얼마나 열어 두는지는 그 회사가 무엇을 믿느냐보다 지금 어디쯤 서 있느냐에서 나온다고 봐야 한다. 모델에 붙은 라이선스는 그 회사의 철학을 적어 둔 문서처럼 보이지만 거기 실제로 적혀 있는 것은 그 회사의 현재 위치다.

공짜로 뿌려서 무엇을 거두는가

그렇다면 수억 달러를 들여 만든 모델을 왜 무료로 푸는가. 이 행동을 선의로 읽으면 답이 나오지 않는다. 전략과 계산으로 읽어야 한다.

가장 먼저 눈에 띄는 것은 상대가 돈을 버는 비즈니스모델을 헐값으로 만드는 전략이다. 경쟁사가 모델 사용료로 먹고사는데 내가 비슷한 성능의 모델을 공짜로 뿌리면, 나는 그 시장에서 한 푼도 벌지 못하지만 대신 상대의 가격표가 무너진다. 내 수익이 애초에 다른 층에 있으니 아쉬울 것이 없는 거래다.

그다음은 깔때기다. 가중치를 공짜로 열어 두면 개발자가 몰려들고, 그중 실제로 규모 있게 돌려야 하는 조직은 결국 그 모델을 가장 잘 굴리는 클라우드로 오게 되어 있다. 알리바바가 대표적이다. Qwen은 허깅페이스에서 누적 다운로드 10억 건을 넘겨 Llama를 제치고 가장 많이 내려받은 모델 패밀리가 되었고, 파생 모델만 11만 개가 넘는다. 새로 만들어지는 언어모델 파생 중 40% 이상이 Qwen을 바탕으로 한다는 집계도 있다. 같은 기간 알리바바의 클라우드 부문 매출은 큰 폭으로 뛰었고 AI 관련 매출이 외부 클라우드 매출의 상당 부분을 차지하게 되었다. 가중치를 공짜로 내주는 대신 그것을 굴리는 인프라, 미세조정, 운영에서 값을 받는 구조인 셈이다.

마지막으로 기본값의 선점이 있다. 지난 글에서 나는 오픈웨이트가 기업 시스템의 기본 설정 자리에 앉기 시작했다고 썼는데, 어떤 기업도 그 자리에 한번 앉으면 잘 비켜 주지 않는다. 파생 모델은 원본의 라이선스를 그대로 물려받고, 사내 도구와 파이프라인은 특정 모델의 형식에 맞춰 굳어 간다. 이렇게 되면 결국 남들이 내가 정한 형식으로 일하게 되는데, 그 형식의 소유권은 여전히 내 손에 남아 있다.

미감과 마감이라는 마지막 격차

여기까지가 파는 쪽의 계산이라면 사는 쪽의 계산도 정직하게 적어야 마땅하다. 나는 업무특성상 컨설팅 현장에서 오픈웨이트 모델을 실무에 올려 보라고 권하는 일이 많은데, 그러면서도 매번 같은 단서를 붙인다. 가격은 분명히 이쪽이 유리하지만 결과물의 미감과 마감은 아직 클로드(Claude)나 ChatGPT를 따라오지 못한다는 것이다.

정확히 무슨 말인가. 같은 지시를 주면 어느 쪽이든 답을 내놓고, 벤치마크 점수도 이제 서로 엇비슷하다. 그런데 그 결과물을 그대로 고객사 회의에 들고 갈 수 있느냐를 물으면 이야기가 달라진다. 문서의 어조가 미묘하게 어긋나 있고, 표의 정렬이 한 칸씩 틀어져 있고, 코드는 돌아가는데 변수 이름이 제각각이고, 열 번을 시켰을 때 열 번이 같은 형식으로 나오지 않는다. 결국 사람이 다시 손을 대야 하고, 그 손대는 시간이 아낀 토큰 값을 넘어서는 순간이 온다.

내가 말하는 미감이란 취향의 문제라기보다 사람이 다시 손대지 않아도 되는 완성도에 가깝고, 마감이란 실력의 문제라기보다 열 번을 시키면 열 번 같은 수준으로 끝내 주는 믿음직함에 가깝다. 그리고 프로젝트를 한 번이라도 굴려 본 사람이라면 알 텐데, 사람이 함께 일할 상대에게 가장 먼저 바라는 것이 바로 이 둘이다. 똑똑한지를 묻기 전에 내 손이 덜 가는지를 묻고, 뛰어난지를 묻기 전에 지난번과 같은지를 묻는다. 그래서 나는 이 격차를 사소한 취향 차이로 넘기지 않는다.

그런데 이 격차가 영구적이라고 보지도 않는다. 이유는 오픈웨이트라는 방식 자체에 있다.

폐쇄형 모델의 미감과 마감은 회사 안에서 만들어진다. 급여를 받는 연구자들이 데이터를 다듬고 후처리 규칙을 손보고 사람 평가를 붙여 가며 깎아 낸다. 훌륭한 방식이지만 그 회사가 고용할 수 있는 사람 수와 그들이 상상할 수 있는 상황의 폭을 끝내 넘어서지 못한다. 반면 가중치가 풀리는 순간 개선의 주체가 회사 바깥으로 옮겨 간다. 누군가는 자기 회사의 문서 양식에 맞춰 미세조정한 결과를 허깅페이스에 올리고, 누군가는 한국어 존댓말이 흔들리는 구간을 잡아낸 데이터셋을 깃허브(GitHub)에 공개하고, 누군가는 표 출력이 깨지지 않게 만드는 프롬프트 템플릿과 파서를 저장소에 남긴다. 파생 모델 11만 개라는 숫자를 나는 그 손질이 11만 번 일어났다는 기록으로 읽는다.

여기서 반드시 짚어야 할 대목이 있다. 이것은 간접적인 기여가 아니다. 고쳐진 결과물이 원본과 같은 플랫폼에 같은 형식으로 올라가고 소스까지 함께 공개되기 때문에, 원 개발사는 그것을 읽고 그대로 가져다 다음 버전에 반영할 수 있다. 폐쇄형 서비스에 대한 불만은 후기나 문의 게시판에서 끝나 버리기 쉬운데, 오픈웨이트에서는 그 불만이 고쳐진 파일이 되어 원본 옆에 나란히 올라오는 것이다. 게다가 이 참여는 누가 시켜서 하는 것도 아니고 대가를 요구하지도 않는다. 자기 문제를 풀려고 만든 것을 이왕이면 남도 쓰라고 올려 두는 것이고, 그 대가로 받는 것이라고는 저장소의 별 몇 개와 이름이 조금 알려지는 정도다. 세계에서 가장 값싼 연구개발 인력이 자발적으로 줄을 서 있는 셈이고, 그 줄이 지금 매주 길어지고 있다.

미감과 마감이라는 것이 결국 무수한 사례에 대한 무수한 손질의 누적이라면, 이런 구조가 몇 년만 더 굴러가도 따라잡히지 않을 이유가 없다. 이미 조짐도 보인다. 지난달 허깅페이스가 자사 시스템 침해를 분석할 때 앤트로픽(Anthropic)의 Claude Opus와 Fable 5모델로 먼저 시도했다가 안전장치에 막혀 중국 Z.ai의 개방형 모델 GLM 5.2로 갈아탄 일이 있었다. 성능보다는 쓸 수 있느냐가 갈랐던 사건이지만, 어쨌든 실전 한복판에서 검증된 것은 열려 있던 쪽이었다. 폐쇄형 진영이 지키고 있는 것이 품질의 천장이라면 개방형 진영은 아래에서 바닥을 밀어 올리고 있다. 품질의 천장은 한 회사가 고용한 사람들의 속도로 올라가는 반면 품질의 바닥은 세계 곳곳의 개발자들이 각자 붙은 속도로 올라온다.

개방이라는 이름의 외교

여기에 정책이라는 층이 하나 더 얹힌다. 유럽연합의 AI법은 자유롭고 개방적인 라이선스로 배포된 범용 AI 모델에 대해 일부 문서화 의무를 면제해 준다. 물론 시스템 리스크가 있는 최상위 모델은 면제 대상이 아니고 유럽의 이 면제 조항과 오픈소스 이니셔티브의 정의는 목적도 법적 지위도 다르지만, 어느 쪽이든 개방이라는 딱지가 규제 비용을 낮춰 준다는 사실만은 분명하다. 모델을 여는 결정이 연구 문화의 문제만이 아니라 준법 비용의 문제이기도 하다는 뜻이다.

지정학도 같은 방향으로 민다. 미국이 자국 최상위 모델을 통제 목록에 올릴수록 문밖의 수요는 사라지지 않고 옆 가게로 갔고, 그 옆 가게가 대부분 중국의 개방형 모델이었다. 허깅페이스의 최근 보고서에 따르면 중국에서 만들어진 모델이 지난 1년간 전체 다운로드의 41퍼센트를 차지해 처음으로 미국을 앞질렀다. 저커버그가 워싱턴을 향해 규제 완화를 요구한 것도, 엔비디아(NVIDIA)와 마이크로소프트(Microsoft)를 포함한 스물다섯 곳의 기업과 단체가 개방형 모델에 대한 성급한 규제에 반대하는 공개서한을 정부에 보낸 것도 이 흐름 위에 있다. 개방이라는 말이 이제 기술 철학의 자리에서 내려와 외교통상 정책의 회의 탁자 위에 올라가게 된 것이다.

한국은 이 지형에서 흥미로운 위치에 있다. 과학기술정보통신부의 독자 AI 파운데이션 모델 사업에 참여한 팀들이 지난달과 이번 달에 걸쳐 2차 평가용 모델을 허깅페이스에 차례로 올렸는데, LG AI연구원의 K-EXAONE 2.0은 7천 5백억 개 매개변수로 몸집을 키우면서 라이선스를 아파치 2.0으로 바꿨고, SK텔레콤의 A.X K2도 아파치 2.0이며, 업스테이지의 Solar Open 2는 2천 5백억 개 규모에 100만 토큰 문맥을 얹었고, 모티프테크놀로지스는 3천 1백억 개짜리 Motif 3의 정식 버전에 MIT라이선스를 적용하겠다고 예고했다. 오늘 알리바바가 붙인 조건들에 비하면 훨씬 더 열려 있다. 이유는 어렵지 않다. 지켜야 할 점유율이 아직 없는 쪽에게 개방은 비용이 아니라 거의 유일한 유통 경로이기 때문이다. 평가 기준 자체가 성능만이 아니라 개방성과 실제 활용도로 옮겨 간 것도 같은 사정을 반영한다. 잘 만든 모델보다 많이 쓰는 모델이 이기는 국면에서, 조건을 붙일 수 있다는 것 자체가 이미 이겼다는 신호다.

문이 열린 뒤에 남는 책임

다만 개방을 응원하는 마음과는 별개로 짚어야 할 것이 있다. 가중치가 손을 떠나는 순간 그 모델에 붙어 있던 사용 정책은 종이가 된다. 아무리 정교한 안전장치를 넣어 두어도 남의 서버에서 돌아가는 파일에 그 안전장치를 강제할 방법이 없다. 앞서 이야기한 허깅페이스 사건에서 방어자에게 자유를 준 바로 그 성질이, 다른 자리에서는 공격자에게도 똑같이 자유를 준다.

그래서 개방형 모델을 들여오는 조직은 통제권과 함께 책임까지 넘겨받는 것이다. 폐쇄형 모델을 쓸 때 우리가 무의식적으로 공급사에게 맡겨 두었던 판단, 그러니까 이 요청을 들어줘도 되는가와 이 출력물을 이렇게 써도 되는가에 대한 판단 과정을 이제는 우리 회사가 직접 설계해야 한다. 규제가 늦고 공급사가 무책임하다고 탓하기 전에, 스스로 문을 열고 들여온 것에 대한 몫이 우리에게 있다는 사실부터 인정하는 편이 정직하다.

계약서를 읽는 조직

컨설팅 현장에서 고객사가 AI모델을 선정하는 회의에 들어가 보면 대화의 대부분이 성능과 비용에 몰려있다. 벤치마크 점수를 비교하고, 자체 인프라로 돌렸을 때의 토큰 단가를 계산하고, GPU 몇 장이 필요한지를 따진다. 다 필요한 일이다. 그런데 그 자리에서 라이선스 파일을 실제로 열어 본 사람이 있느냐고 물으면 대개 정적이 흐른다. 3.39킬로바이트, 읽는 데 5분이 걸리지 않는 문서다.

확인할 것도 사실 몇 가지에 지나지 않는다. 먼저 지금 내려받으려는 그 파일이 정말 존재하는지부터 봐야 한다. 문샷이 지난달 Kimi K3를 개방한다고 발표한 뒤 실제 가중치가 올라오기까지 11일이 걸렸고, 알리바바가 이번 주에 올린 Qwen3.8-2.4T-A95B도 발표로부터 열흘이 지난 뒤였는데, 그 사이에 기사와 발표 자료로 만들어진 인식만 보고 GPU를 예약하고 일정을 짜는 팀을 나는 여러 번 봤다. 그다음은 공개된 가중치가 우리가 시연에서 써 본 그 모델과 같은 물건인지를 확인하는 일이다. Qwen3.8-Max로 시연을 보고 Qwen3.8-2.4T-A95B를 운영에 올린다면, 입력 형식과 문맥 길이와 내장 도구가 다른 두 개의 모델을 하나로 착각한 채 사업 계획을 세우는 셈이 된다. 마지막으로 우리 회사의 매출 규모와 사업 형태가 그 라이선스의 조건선에서 어느 쪽에 있는지를 따져야 한다. 지금은 여유롭게 아래에 있더라도, 사업이 잘돼서 기업이 지정한 분기점을 넘는 날 그 조항은 축하 대신 청구서로 도착한다.

기본값을 정하는 일이 회사의 월말 정산서를 미리 쓰는 일이라고 지난 글에 썼는데, 여기에 한 문장을 보태야겠다. 기본값을 정하는 일은 그 모델을 만든 회사의 계약 조건을 우리 조직의 기본 조건으로 삼는 일이기도 하다. 파생 모델은 원본의 라이선스를 물려받고, 그 파생 위에 쌓아 올린 우리 시스템도 함께 물려받는다.

무료라는 말과 자유롭다는 말이 같은 뜻은 아니다. 오늘 열린 4.89테라바이트는 분명히 공짜로 받았지만, 그 공짜가 어디까지인지는 옆에 놓인 3.39킬로바이트가 정한다. 개방이라는 단어가 지난 30년간 소프트웨어 업계에서 쌓아 온 신뢰의 무게가 있는데, 지금 그 단어는 완제품 배포와 유통 전략을 함께 가리키는 말로 쓰이고 있다. 나는 이것을 기만이라고 부르고 싶지는 않다. 오히려 세계의 개발자들이 대가 없이 밀어 올리고 있는 그 품질의 바닥이 언젠가 천장에 닿을 것이라고 믿는 쪽에 가깝다. 다만 우리가 개방이라는 단어를 들을 때마다 자동으로 떠올리던 “안전한 무료”라는 생각은 이제 라이선스 파일을 한 번 열어 보는 5분으로 대체할 때가 되었다고 생각한다. 열어 준 쪽의 선의를 의심하자는 것이 아니라, 무엇이 열렸고 무엇이 닫혔는지는 결국 받아 쓰는 쪽이 확인할 몫이기 때문이다.

이 칼럼은 [AI와 인간 사이] 시리즈의 16번째 글입니다.

이미지 출처: AI 생성 콘텐츠