오픈웨이트는 오픈소스가 아니다
요즘 딥시크(DeepSeek), 큐원(Qwen), 라마(Llama) 같은 모델을 두고 ‘오픈소스’ 대신 ’오픈웨이트(Open Weights)’라는 표현을 많이 씁니다.
“오픈웨이트가 대체 무엇이고, 오픈소스와는 왜 구별해야 할까요?”
결론부터 요약하자면, 소스 코드와 학습 데이터 정보까지 전부 공개되어 누구나 똑같이 재현할 수 있어야 하는 오픈소스와 달리, 가중치(Weight) 파일만 공개하는 모델은 컴파일된 실행 파일에 가깝기 때문입니다. 즉, “오픈소스 모델”보다는 “오픈웨이트 모델”이라고 부르는 것이 정확한 사실에 부합합니다.
왜 이 구분이 중요한지, 그리고 돈과 법적 의무가 걸린 이 라벨의 실체를 정리해 보았습니다.
무엇이 다른가
오픈소스의 기준은 Open Source Initiative(OSI)에서 관리합니다. OSI가 발표한 오픈소스 AI의 정의는 단순히 가중치 파일 하나 풀어놓는 것으로 끝나지 않습니다. 학습 코드와 학습 데이터에 대한 정보까지 투명하게 공개해야 합니다. 목표는 단순한 재배포가 아니라 ’재현(Reproducibility)’이기 때문입니다. 숙련된 엔지니어가 그 정보만 보고 실질적으로 동등한 모델을 처음부터 직접 만들어낼 수 있어야 한다는 뜻입니다.
반면 DeepSeek이나 Llama가 공개하는 것은 학습이 끝난 가중치 파일뿐입니다. 그 모델이 어떤 구체적인 데이터로, 어떤 코드를 거쳐 학습되었는지는 대부분 비공개입니다. 내려받아 내 서버에서 실행할 수는 있지만, 같은 것을 처음부터 다시 만들 수는 없습니다. 이것이 바로 오픈웨이트입니다.
소프트웨어에 빗대어 보면 이해가 아주 쉽습니다. 오픈웨이트는 컴파일된 실행 파일(바이너리)을 받는 것과 비슷합니다. 프로그램이 실행은 되고, 필요하면 뜯어서 파인튜닝(Fine-tuning)을 할 수도 있습니다. 하지만 그 실행 파일을 만든 원본 소스 코드와 빌드 과정은 볼 수 없습니다. 어떤 데이터가 들어갔는지, 특정 답변이 왜 그렇게 튀어나오는지, 저작권 문제가 있는 자료가 섞였는지를 외부에서 검증할 방법이 없습니다.
반면 오픈소스는 소스 코드와 빌드 스크립트까지 전부 주는 것입니다. 같은 결과물을 처음부터 다시 만들 수 있어야 하고, 그 과정을 투명하게 검증할 수 있어야 합니다. 이 기준으로 본다면 DeepSeek이나 Llama 같은 모델에는 오픈소스보다 오픈웨이트라는 이름표가 훨씬 정확합니다.
이 구분이 왜 중요한가
오픈소스라는 이름에는 반드시 무거운 의무가 따릅니다. OSI 기준을 충족하려면 학습 코드와 데이터 정보까지 전부 외부에 내놓아야 합니다. 그렇게 되면 코드 감사, 데이터 출처 검증, 재현 가능성 검증까지 모조리 감당하겠다는 뜻이 됩니다. 대부분의 벤더가 가중치만 공개하면서도 공식적으로 ’오픈소스’라는 표현을 조심스럽게 피하는 이유가 여기에 있습니다.
그런데도 이 라벨을 둘러싸고 끊임없이 분쟁이 벌어지는 이유는, 이 이름표에 돈과 법적 의무가 직접 걸려 있기 때문입니다. 유럽연합 인공지능법(EU AI Act)은 진짜 오픈소스 라이선스로 공개한 모델에 한해 일부 엄격한 규제 의무를 면제해 줍니다. 오픈소스로 불릴 수만 있다면 이 규제 면제를 받는 것은 물론, 오픈소스 커뮤니티의 강력한 지지와 채용 시장에서의 평판까지 덤으로 얻을 수 있습니다. 그러니 의무는 피하면서 오픈소스라는 라벨의 달콤한 이점만 챙기려는 쪽과, 기준을 엄격하게 지키려는 쪽이 정면으로 부딪칠 수밖에 없습니다.
라이선스 관리 단체 외에 조금 더 실용적인 관점도 있습니다. 리눅스 재단(Linux Foundation)의 Model Openness Framework(MOF)는 “오픈이냐 아니냐”는 이분법 대신, 아키텍처·데이터·코드·문서의 공개 수준에 따라 3개 등급(Class I~III)을 매깁니다. 현재 오픈소스로 흔히 불리는 모델들은 대개 최소 기준인 Class III 정도에 머무르고 있습니다. “오픈소스인가 아닌가”는 끝없는 말싸움으로 번지기 쉽지만, “MOF 몇 등급인가”는 명확한 답이 나오는 질문이기에 실무적으로 훨씬 유용한 기준이라고 생각합니다.
시리즈의 또 다른 축, “프론티어”의 정의
오픈웨이트 진영이 정의와 기준이 너무 깐깐해서 논쟁이 벌어진다면, 이 시리즈의 또 다른 주인공인 ‘프론티어(Frontier)’ 모델 진영은 정반대입니다. 보편적으로 합의된 정의 자체가 아예 없습니다.
AI 안전 연구기관인 METR도, OECD도 한목소리로 같은 진단을 내놓습니다. 프론티어의 역량이나 경계를 객관적으로 정의하기 어렵다 보니, 규제 당국에서는 모델의 지능이나 능력을 직접 정의하는 대신 ’학습에 투입된 연산량(Compute)’을 대리지표로 삼아 규제선을 긋고 있습니다.
하지만 이 컴퓨트 대리지표가 왜 현실에서 불안정하게 흔들릴 수밖에 없는지는 이 시리즈의 4편에서 자세히 짚어보겠습니다.
정리
- “오픈소스 모델” 대신 “오픈웨이트 모델”로 부르기: 대부분의 경우 그것이 정확한 사실입니다.
- “오픈인가 아닌가” 대신 “MOF 몇 등급인가”, “라이선스에 어떤 조건이 걸려 있는가”를 보기: 소모적인 라벨 논쟁 대신 실질적인 판단 기준이 됩니다.
다음 편
오픈웨이트의 정확한 정의를 짚었으니 이제 진짜 핵심 질문이 남습니다. 그렇다면 우리는 왜 굳이 오픈웨이트를 써야 할까요?
흔히 나오는 답은 “프론티어 모델의 성능을 거의 따라잡았기 때문”이지만, 저는 그 답이 핵심을 빗나갔다고 생각합니다. 2편에서는 제가 직접 스마트폰에서 모델을 올려 돌려본 기록을 바탕으로, 오픈웨이트가 가진 진짜 강점이 무엇인지 이야기해 보겠습니다.