- 충분한 성능과 이식성을 갖춘 오픈 웨이트 모델은 개발자·클라우드·기업이 함께 확장하는 기반이 되어, 단일 공급자가 따라가기 어려운 혁신 생태계를 만들 수 있음
- Kubernetes가 공통 인터페이스 위에 네트워킹·스토리지·관측성 도구를 끌어모았듯, AI에서도 모델 서빙·미세조정·에이전트 런타임·평가로 이어지는 프로덕션 스택이 성장하고 있음
- Hugging Face의 공개 모델은 200만 개를 넘었고, GLM-5.2는 자체 SWE-bench Pro 평가에서 62.1% 로 GPT-5.5의 58.6%를 앞섰으며 Kimi K3도 독립 평가에서 Opus 4.8·GPT-5.5와 비슷한 점수를 받음
- 중국산 오픈 웨이트 모델을 광범위하게 금지하면 세계의 개발은 계속되는 반면 미국 연구자와 기업만 생태계에서 배제되고, 지난 1년간 Hugging Face 다운로드의 41% 를 차지한 중국 모델 주변으로 혁신이 축적될 수 있음
- 미국은 금지보다 상업적으로 활용 가능한 최전선 모델 공개, 이식성과 상호운용성을 중시하는 정부 조달, 전체 도구·운영 계층 구축, 독립 안전성 시험과 표준으로 경쟁해야 함
Kubernetes가 보여준 개방형 플랫폼의 힘
- Mesosphere는 Apache Mesos를 기반으로 오픈 소스 클라우드 네이티브 소프트웨어를 개발하고, 그 주변에 DC/OS를 구축해 지원과 독점 기능을 포함한 기업용 배포판으로 상용화함
- 이후 더 새롭고 완전한 오픈 소스 프로젝트였던 Kubernetes가 클라우드 네이티브 커뮤니티를 결집하며 Mesosphere를 흔듦
- 세계적인 분산 시스템·인프라 엔지니어들이 Kubernetes에 경력을 걸었고, Mesosphere의 충성도 높은 커뮤니티 구성원 일부도 이동함
- 혁신의 중심이 Kubernetes로 옮겨가자 네트워킹, 스토리지, 관측성, 배포 도구, 정책 엔진 등 부족했던 구성요소가 빠르게 개발됨
- 다수의 스타트업과 기존 공급업체가 참여하면서 Kubernetes를 프로덕션에서 운영하는 데 필요한 거의 모든 구성요소가 오픈 소스로 제공됨
- 클라우드 사업자와 Mesosphere/D2iQ, Rancher, Red Hat, Nutanix는 통합, 기업용 기능, 지원, 운영을 중심으로 사업을 구축함
- Kubernetes의 성공은 단순히 저장소를 공개한 결과가 아님
- 엔지니어·클라우드 사업자·기업용 공급업체가 고객 요구에 맞춰 확장할 수 있는 중립적 기반으로 자리 잡음
- 공통 인터페이스와 공급업체 중립적 거버넌스는 참여자들이 장기적으로 제품을 구축할 수 있다는 신뢰를 제공함
- 맞춤화 가능한 개방형 플랫폼이 산업의 중심이 되면 단일 공급자가 생태계 전체의 결합된 혁신 속도를 따라가기 어려워짐
오픈 웨이트와 오픈 소스 AI의 차이
- 흔히 오픈 소스라고 부르는 모델 대부분은 정확히는 오픈 웨이트 모델임
- 학습된 매개변수는 내려받아 수정할 수 있지만, 학습 데이터와 전체 학습 과정은 대개 공개되지 않음
- 따라서 Open Source Initiative의 오픈 소스 AI 정의에는 미치지 못함
- 완전한 오픈 소스가 아니더라도 사용자가 실행하고 수정할 수 있는 산출물 주변에는 생태계가 형성될 수 있음
- Kubernetes와 AI의 구조에는 중요한 차이도 있음
- Kubernetes 기여자는 실제 소스 코드를 조사·변경하고, 개선 사항을 공유 업스트림 프로젝트에 반영할 수 있었음
- 모델 미세조정 결과는 일반적으로 같은 방식으로 공유되지 않음
- 최전선 모델의 가중치를 내려받을 수 있어도 실행에는 값비싼 하드웨어가 필요할 수 있음
- AI에는 중립적 거버넌스와 공통 인터페이스를 제공하는 CNCF 같은 조직이 없음
- 두 생태계의 공통점은 충분한 성능과 이식성을 갖춘 기반이 원 제작자 혼자 만들 수 있는 범위를 넘어 보완적 혁신을 끌어들인다는 데 있음
셀프 호스팅에서 모델 플랫폼으로
- 오픈 웨이트 모델을 도입한 첫 번째 이유는 셀프 호스팅이었음
- 기업은 데이터를 직접 통제하면서 자체 클라우드나 데이터센터에서 모델을 실행하기 원함
- 사용량과 추론 비용이 늘면서 비용까지 직접 통제하려는 요구도 커짐
- 이런 수요를 바탕으로 vLLM, SGLang, llama.cpp, Ollama, MLX 등의 오픈 소스 모델 서빙 스택이 형성됨
- 오픈 웨이트는 셀프 호스팅을 넘어 개발자가 모델 자체를 수정하고 재배포할 수 있게 함
- Hugging Face에는 200만 개 이상의 공개 모델이 등록돼 있음
- Qwen과 Gemma 같은 인기 모델 계열 주변에서는 다양한 파생 산출물이 만들어짐
- 서로 다른 반도체 아키텍처와 규모를 위한 양자화·변환 가중치
- 코딩, 의학, 법률, 수학, 에이전트 워크플로용 미세조정 모델과 LoRA 어댑터
- 서로 다른 미세조정 결과를 결합한 모델 병합
- TensorRT-LLM, vLLM, MLX 등 각종 런타임에 맞춘 모델 변형
최전선과 좁아지는 성능 격차
- 과거에는 오픈 모델의 기반 성능이 가장 어려운 코딩·에이전트 작업에 부족해 최전선 경쟁에서 제외하기 쉬웠지만, 그 격차가 빠르게 좁아지고 있음
- Z.ai는 MIT 라이선스로 공개 가중치를 제공하는 GLM-5.2를 출시함
- 자체 평가의 SWE-bench Pro 점수는 62.1% 로 GPT-5.5의 58.6%보다 높음
- 다만 결과는 벤치마크와 에이전트 하네스에 따라 달라질 수 있음
- Moonshot은 Kimi K3가 장기 코딩 작업에서 폐쇄형 최전선 모델에 근접한다며 7월 27일 가중치 공개를 약속함
- Artificial Analysis의 독립 평가에서도 Kimi K3는 Opus 4.8·GPT-5.5와 비슷한 점수를 받음
- 기반 모델의 성능이 충분해지면 에이전트 런타임, 코딩 하네스, 샌드박스, 평가, 관측성, 전문 미세조정 프로젝트가 연쇄적으로 성장할 수 있음
- 이 구성요소들은 팀의 작업 부하, 하드웨어, 비용 구조에 맞춰 조정할 수 있는 프로덕션급 개방형 스택을 이룸
- 오픈 웨이트 모델을 오픈 소스 소프트웨어 위에서 실행하는 구조임
- 모든 벤치마크에서 모든 폐쇄형 모델을 이긴다고 보장할 수는 없음
- 최전선 AI는 인재 경쟁이며, 개방형 생태계는 세계 각지의 인재가 같은 기반 위에서 개발할 이유를 제공함
중국 모델 금지가 미국에 미칠 영향
- Kimi K3를 비롯한 강력한 중국 모델이 등장한 뒤 트럼프 행정부는 중국산 오픈 웨이트 모델에 대한 제한을 검토 중인 것으로 알려짐
- 잠재적 금지 조치가 어떤 형태가 될지는 아직 불분명함
- 중국산 오픈 웨이트 모델 사용을 광범위하게 금지하면 미국 연구자와 기업이 세계적인 AI 연구자·엔지니어가 모이는 생태계에서 스스로 분리될 수 있음
- 이 생태계에는 많은 중국인 연구자도 참여하고 있음
- 세계의 개발 활동은 계속되지만 미국 개발자만 접근하지 못하는 결과가 생김
- Qwen 주변에서는 이미 같은 흐름이 나타나고 있음
- Hugging Face 기준 지난 1년간 중국 모델은 전체 모델 다운로드의 41%를 차지함
- 최고의 오픈 웨이트 기반 모델이 중국에서 계속 나온다면 Kubernetes 때와 마찬가지로 해당 모델 주변에 도구와 혁신이 축적될 수 있음
미국이 경쟁할 네 가지 방법
-
최전선급 미국 모델 공개
- 미국 연구소는 스타트업이 실제 제품을 구축할 수 있는 라이선스로 최전선급 오픈 웨이트 모델을 공개해야 함
- 일부 진전은 이미 나타남
- NVIDIA Nemotron은 NVIDIA의 허용적 라이선스 아래 상업적으로 사용할 수 있음
- Thinking Machines의 Inkling, OpenAI의 gpt-oss, Google의 Gemma 4는 Apache 2.0으로 공개됨
- 그러나 OpenAI와 Google의 최고 성능 모델을 비롯해 미국 최전선 연구소 대부분의 최강 모델은 여전히 폐쇄형임
-
정부 조달로 개방형 시장 조성
- 정부 조달은 하나의 API 공급업체에 영구적으로 의존하는 시스템보다 이식성과 상호운용성을 갖춘 시스템에 수요를 만들어야 함
- 미국 국방부는 이미 비슷한 접근법을 사용함
- Platform One은 여러 군사 프로그램이 기반으로 삼을 수 있는 오픈 소스 도구와 기업용 제품을 제공함
- 같은 조달 방식으로 오픈 웨이트 모델 주변의 혁신을 가속할 수 있음
-
모델 외 전체 스택 구축
- 미국 기업은 모델을 둘러싼 나머지 계층도 구축해야 함
- 스타트업은 모델을 맞춤화·확장하고 제품에 내장할 수 있음
- 서빙, 도구, 지원, 운영 계층도 사업 기회가 됨
- 미국의 주요 반도체 기업은 하드웨어를 계속 개선하고, 하이퍼스케일러와 네오클라우드는 모델과 생태계를 서비스할 수 있음
-
금지 대신 시험과 표준 도입
- 안전성은 제한을 지지하는 가장 강한 근거지만, 전면적 금지는 지나치게 광범위해 전체 생태계에 대한 접근까지 희생함
- 더 나은 대응은 최전선 모델을 대상으로 독립 시험과 표준을 마련하는 것임
- Kubernetes 적합성 시험은 안전성이 아닌 호환성을 검증하므로 AI에 정확히 대응하는 사례는 아님
- 다만 독립적인 기준과 거버넌스 모델은 참고할 수 있음
- Demis Hassabis는 이와 유사한 미국 주도의 독립 표준 기구를 제안함
개방형 AI 생태계에서의 경쟁 전략
- 미국은 자국 개발자 주변에 장벽을 세우는 대신 중국 모델을 직접 실행하고, 내부를 분석하고, 벤치마크하고, 개선해야 함
- 동시에 더 나은 미국산 대안을 구축해 미국의 AI 스택을 세계에서 가장 도입하기 쉬운 선택지로 만들어야 함
- 미국은 수십 년 동안 세계 최고의 기술 인재를 유치하고 개발할 공간을 제공해 왔음
- 다른 국가들이 더 개방적인 스택을 표준으로 채택하는 동안 이 경쟁력을 폐쇄형 생태계로 바꾸면 미국은 스스로 AI 리더의 지위를 포기하게 됨