2025년 8월 5일, OpenAI는 GPT-2 이후 처음으로 자사 모델의 가중치를 공개했어요. gpt-oss-120b와 gpt-oss-20b라는 이름으로 나온 이 모델은 Apache 2.0 라이선스 아래 누구나 내려받아 로컬에서 돌릴 수 있게 풀렸습니다. 폐쇄형 API 장사를 상징하던 회사가 왜 갑자기 문을 열었을까요. 그리고 그로부터 불과 몇 달 뒤, 정작 오픈소스 진영의 대표주자였던 메타는 반대로 문을 닫는 쪽으로 방향을 트는 조짐을 보이고 있어요. 오픈웨이트 모델은 왜 이렇게 계속 주목받고, 폐쇄형 모델과의 경쟁 구도는 지금 어디로 흘러가고 있는 걸까요?
오픈웨이트 모델이란 정확히 무엇인가
오픈웨이트 모델은 학습이 끝난 신경망의 가중치 파일을 공개해서 누구나 내려받아 실행하거나 자체 데이터로 미세조정할 수 있게 만든 모델이에요. 완전한 오픈소스와는 미묘하게 다른데, 학습에 쓰인 원본 데이터셋과 전체 학습 코드까지 공개해야 진짜 오픈소스로 분류되는 반면, 오픈웨이트는 결과물인 가중치만 열어두고 그 안에 들어간 데이터나 학습 파이프라인은 비공개로 남겨두는 경우가 대부분이에요. Llama, Qwen3, gpt-oss, DeepSeek 모두 이 기준으로 보면 정확히는 오픈웨이트 모델이고, 그래서 최근 업계에서는 ‘오픈소스 AI’보다 ‘오픈웨이트 AI’라는 표현을 더 정확한 용어로 쓰는 추세예요.
이렇게 구분이 생긴 이유는 간단해요. 가중치만 공개해도 사용자 입장에서는 로컬 실행, 미세조정, 온프레미스 배포 같은 핵심 혜택을 거의 다 누릴 수 있는 반면, 회사 입장에서는 학습 데이터의 저작권 문제나 경쟁사 역설계 우려를 피할 수 있거든요. 결국 오픈웨이트는 기업과 개발자 커뮤니티 양쪽의 이해관계가 절충된 실용적 타협점인 셈이에요.
2026년 현재 오픈웨이트 진영은 누가 이끌고 있나
2026년 오픈웨이트 시장은 한 회사가 독주하는 구도가 아니라 여러 진영이 각자 다른 강점을 내세우며 경쟁하는 다극 구도예요. OpenAI는 2025년 8월 gpt-oss-120b(활성 파라미터 51억 개 수준의 MoE 구조)와 gpt-oss-20b를 공식 발표를 통해 Apache 2.0으로 공개했고, 메타는 2025년 4월 Llama 4 Scout·Maverick을 자사 블로그에서 발표하면서 자연스러운 멀티모달 처리를 앞세웠어요. 알리바바의 Qwen 팀은 2025년 4월 말 여덟 개 모델로 구성된 Qwen3 패밀리를 Apache 2.0으로 내놓으며 코딩 성능에서 강세를 보였고, DeepSeek은 V3와 R1을 비롯한 최근 주요 모델을 MIT 라이선스로 공개해 재배포와 상업적 활용에 제약이 거의 없는 편이에요.
여기서 끝이 아니에요. 유럽에서는 프랑스의 Mistral AI가 오픈웨이트 노선을 유럽 주권형 AI 전략과 결합하고 있어요. 마이크로소프트와 수십억 달러 규모 파트너십을 확대하며 유럽 내 데이터센터 인프라를 함께 구축하는 동시에, 자사 모델 상당수를 Apache 라이선스로 공개해 미국 클로즈드 API에 대한 유럽의 대안으로 스스로를 포지셔닝하고 있죠. 라이선스 조건도 회사마다 제각각이라, DeepSeek·Qwen3처럼 제약이 거의 없는 경우가 있는 반면 Llama 4는 월간활성사용자(MAU) 7억 명을 넘는 서비스는 별도 계약이 필요하다는 조항을 두고 있어서, 도입 전에 라이선스부터 꼼꼼히 대조해야 해요.
그런데 놀랍게도 격차는 좁혀지다가 다시 벌어지고 있다
오픈웨이트와 폐쇄형 모델의 성능 격차는 2026년 들어 계속 좁혀지기만 한 게 아니라 일부 지표에서는 오히려 다시 벌어졌어요. 스탠퍼드 HAI가 발표한 2026년 AI 인덱스 리포트에 따르면, 2024년 8월에는 최상위 폐쇄형 모델과 최상위 오픈 모델의 격차가 0.5%포인트에 불과했지만 2026년 3월 기준으로는 이 격차가 3.3%포인트로 다시 벌어졌다고 밝히고 있습니다. 오픈웨이트가 계속 폐쇄형을 추격하기만 할 거라는 단순한 서사와는 다른 흐름인 셈이에요.
다만 이 격차는 과제 종류에 따라 크게 갈려요. 같은 리포트를 보면 수학 벤치마크(AIME 2025)에서는 폐쇄형 100점, 오픈 99.1점으로 사실상 거의 따라잡힌 반면, 과학 추론(GPQA Diamond)은 94.2 대 87.6, 코딩(SWE-bench)은 88.6 대 76.8, 가장 어려운 종합 추론 시험(Humanity’s Last Exam)은 57.9 대 44.9로 아직 두 자릿수 가까운 격차가 남아 있어요. 아레나 리더보드 상위 10개 모델 중 6개가 폐쇄형으로 채워져 있다는 점도 같은 리포트가 짚은 대목입니다. 정리하면 일상적인 코딩·챗봇 용도의 격차는 거의 사라졌지만, 가장 어려운 프론티어 추론 영역의 격차는 오히려 다시 커지고 있다는 게 2026년 중반 현재의 정확한 그림이에요.
오픈소스 챔피언 메타는 왜 폐쇄형으로 돌아서려 하나
가장 아이러니한 반전은 오픈소스 진영의 상징이었던 메타에서 나오고 있어요. 블룸버그가 2025년 12월 10일 보도한 바에 따르면, 메타는 Llama 4의 부진한 반응 이후 신임 최고AI책임자 알렉산드르 왕(전 Scale AI 창업자)을 중심으로 차기 프론티어 모델을 ‘아보카도(Avocado)‘라는 코드명으로 개발하면서 이를 유료로 판매하는 폐쇄형 모델로 낼 가능성을 검토하고 있다고 합니다. 마크 저커버그가 한때 “오픈소스가 폐쇄형과의 격차를 좁히고 있다”며 오픈소스 노선을 업계의 미래라고 공언했던 것과는 정반대 방향이에요.
이 반전은 단순한 변덕이 아니라 사업 모델의 논리 변화로 읽을 수 있어요. 메타는 원래 광고 사업이 본체였기 때문에 AI 모델 자체를 무료로 풀어 생태계를 키우고 자사 플랫폼 체류시간을 늘리는 전략이 합리적이었지만, Scale AI 창업자 영입에 143억 달러를 투입한 이후로는 프론티어 모델 자체를 직접 수익화하는 쪽으로 무게중심이 옮겨간 것으로 보여요. 그런데 흥미롭게도 같은 시기 다른 보도에서는 메타가 차기 모델의 오픈소스 버전도 함께 준비 중이라는 정황도 나오고 있어서, 완전한 폐쇄 전환이라기보다는 ‘프론티어는 유료로, 후속 경량 버전은 오픈웨이트로’라는 이원화 전략에 가까울 가능성도 남아 있어요.
그럼에도 오픈웨이트가 계속 확산되는 이유
메타 한 곳의 방향 전환과 별개로, 오픈웨이트 생태계 자체는 여전히 계속 확산되는 중이에요. 이유는 크게 세 가지로 정리할 수 있어요.
- 비용 절감: DeepSeek, Qwen3처럼 토큰 단가를 공개한 오픈웨이트 모델은 동급 성능의 폐쇄형 API 대비 훨씬 낮은 가격대로 형성돼 있는 경우가 많아서, 대량 호출이 필요한 서비스일수록 자체 호스팅의 총소유비용 이점이 커져요.
- 주권과 통제권: Mistral의 유럽 주권형 AI 전략처럼, 자국 데이터가 미국 클라우드 API를 거치지 않고 온프레미스나 자국 인프라 안에서 처리되길 원하는 정부·기업 수요가 오픈웨이트 채택을 밀어주고 있어요.
- 커스터마이징 자유도: 가중치를 직접 손에 쥐고 있으면 특정 도메인 데이터로 미세조정하거나 경량화해 온디바이스에 얹는 작업이 가능해서, 범용 API 하나로는 대응하기 어려운 특화 용도에 강해요. 이런 미세조정 전략을 언제 택해야 하는지는 RAG와 파인튜닝 중 어떤 걸 골라야 하는지 다룬 글에서 더 자세히 볼 수 있어요.
이 세 가지 이유는 폐쇄형 진영의 최상위 모델이 벤치마크에서 아무리 앞서 나가도 쉽게 사라지지 않는 구조적 유인이라는 공통점이 있어요.
결국 실무자는 오픈과 폐쇄를 어떻게 골라야 하나
결론부터 말하면 “무조건 오픈웨이트가 낫다”는 답은 없어요. 가장 어려운 추론이나 최고 수준의 정확도가 필요한 작업이라면 여전히 폐쇄형 최상위 모델의 격차가 남아 있고, 반대로 일상적인 코딩 보조나 사내 챗봇처럼 비용과 통제권이 더 중요한 영역이라면 오픈웨이트가 실질적으로 유리한 경우가 많아요. gpt-oss를 공개한 OpenAI조차 자사 최상위 모델은 여전히 비공개로 남겨두고 있다는 사실 자체가, 오픈과 폐쇄가 서로를 대체하는 관계가 아니라 용도에 따라 분업하는 관계로 자리잡고 있다는 걸 보여줘요.
결국 2025년 8월 gpt-oss가 던진 질문과 같은 해 12월 메타의 방향 전환이 던진 질문은 사실 같은 답을 가리키고 있어요. 오픈웨이트든 폐쇄형이든 절대적 승자는 없고, 각자 다른 이유로 계속 공존하며 서로의 전략을 견제하는 구도가 당분간 이어질 거라는 점이에요.
자주 묻는 질문
Q1. 오픈웨이트 모델과 오픈소스 모델은 같은 뜻인가요?
엄밀히는 달라요. 오픈웨이트는 학습된 가중치 파일을 공개해 누구나 내려받아 실행·미세조정할 수 있게 한 것이고, 완전한 오픈소스는 여기에 더해 학습 데이터와 코드까지 공개하는 걸 뜻해요. Llama나 Qwen3, gpt-oss 모두 가중치는 공개하지만 학습 데이터셋 전체를 공개하지는 않기 때문에 정확히는 '오픈웨이트'로 분류돼요.
Q2. 오픈웨이트 모델을 실무에 써도 성능이 폐쇄형에 뒤처지지 않나요?
작업 종류에 따라 갈려요. 스탠퍼드 HAI가 2026년 발표한 AI Index 리포트에 따르면 2026년 3월 기준 최상위 폐쇄형 모델이 최상위 오픈 모델을 수학(AIME 2025)에서는 100 대 99.1로 거의 따라잡혔지만, 가장 어려운 추론 벤치마크(Humanity's Last Exam)에서는 57.9 대 44.9로 격차가 여전히 크게 남아 있어요. 일반적인 코딩·챗봇 용도라면 오픈웨이트로도 충분한 경우가 많아요.
Q3. DeepSeek 모델은 정말 상업적으로 마음대로 써도 되나요?
네, 대부분 가능해요. DeepSeek은 V3, R1, V3.2 등 최근 주요 모델을 MIT 라이선스로 공개하고 있어서, 재배포나 상업적 서비스에 활용해도 별도 로열티나 사용자 수 제한 조항이 붙지 않아요. 반면 Meta의 Llama 4는 월간활성사용자(MAU) 7억 명을 넘는 서비스라면 별도 라이선스 협의가 필요하다는 조항이 있어 완전한 오픈소스보다는 제한적인 오픈웨이트에 가까워요.
Q4. 메타가 오픈소스 진영을 이끌던 회사 아니었나요?
그랬는데 2026년 들어 상황이 바뀌고 있어요. 블룸버그가 2025년 12월 보도한 바에 따르면 메타는 Llama 4의 부진 이후 신임 최고AI책임자 알렉산드르 왕 주도로 차기 프론티어 모델을 '아보카도(Avocado)'라는 코드명 아래 폐쇄형으로 전환하는 방안을 검토하고 있습니다. 오픈소스 전도사를 자처하던 회사의 방향 전환이라 업계에서도 이례적인 사례로 주목받고 있어요.
Q5. 오픈웨이트 모델을 도입하면 비용이 얼마나 절감되나요?
모델과 사용량에 따라 편차가 크지만, DeepSeek·Qwen처럼 토큰당 가격을 공개한 오픈웨이트 모델은 동급 성능의 폐쇄형 API 대비 입력 토큰 기준 수 분의 1 가격대에 형성돼 있는 경우가 많아요. 다만 이 절감액은 직접 호스팅에 드는 GPU 인프라 비용을 별도로 계산해야 실질적인 총소유비용(TCO) 비교가 가능해요.
Q6. 기업이 오픈웨이트 모델을 선택할 때 가장 먼저 확인할 건 뭔가요?
라이선스 조항부터 확인하는 게 순서예요. 같은 오픈웨이트라도 DeepSeek·Qwen3처럼 MIT나 Apache 2.0으로 제약이 거의 없는 경우가 있고, Llama 4처럼 사용자 규모에 따라 별도 계약이 필요한 조건부 라이선스도 있어서, 서비스 규모와 상업적 활용 계획에 맞춰 조항을 먼저 대조해봐야 해요.
Q7. 온디바이스나 소형 모델 트렌드와도 관련이 있나요?
네, 밀접하게 연결돼 있어요. 오픈웨이트로 공개된 모델은 누구나 경량화·양자화해 온디바이스 환경에 최적화할 수 있기 때문에, 오픈웨이트 생태계 확산이 [온디바이스 소형 모델 트렌드](/blog/on-device-ai-small-models)를 뒷받침하는 기반이 되고 있어요.
기업들은 왜 파인튜닝 대신 RAG를 고르고 있을까
OpenAI의 파인튜닝 API 축소 공지와 Menlo Ventures 리포트로 본 2026년 기업용 AI 도입 트렌드, RAG와 파인튜닝 중 실제 현장은 무엇을 선택하고 왜 그렇게 선택하는지 정리합니다.
BFQ 비디오 재생 벤치마크: 반응성을 높인 대가로 프레임이 얼마나 떨어졌나
BFQ+의 low-latency 휴리스틱이 반응성을 높이는 대신 소프트 실시간 애플리케이션에 어떤 지연 시간 대가를 요구하는지 논문의 비디오 재생 벤치마크로 확인합니다.
NCQ가 켜지면 디스크 스케줄러 보장이 무너지는 이유 (BFQ 논문 실측)
Native Command Queueing이 활성화되면 BFQ, CFQ 같은 OS 스케줄러의 공정성·지연 보장이 어떻게 무력화되는지 논문의 실측 데이터로 설명합니다.