'오픈소스 AI'라는 말은 틀렸다 — 오픈 웨이트와 오픈소스를 가르는 선
목차
라마나 딥시크를 "오픈소스 AI"라고 부르는 경우가 많지만, 정확히 말하면 모델 가중치만 내려받을 수 있는 "오픈 웨이트(open-weight)"에 해당한다. 학습 데이터와 코드까지 공개해 제3자가 재현할 수 있어야 비로소 오픈소스라는 것이 OSI(Open Source Initiative)의 기준이다.
배경 / 왜 지금 이 주제인가
메타는 라마(Llama) 시리즈를 꾸준히 "오픈소스"라고 홍보해 왔지만, OSI는 라마 2가 나온 2023년부터 "이 라이선스는 오픈소스가 아니다"라는 입장을 반복해 왔다. 라마 3.1이 나온 뒤에도 OSI는 "어떤 기준으로도 오픈소스가 아니다"라고 재확인했고, 자유소프트웨어재단(FSF)도 같은 결론을 냈다고 전해진다.
이 논쟁은 소프트웨어 업계에서는 이미 정리된 "오픈소스"라는 단어를 AI 모델에 그대로 가져다 쓰면서 생긴 혼선이다. 소프트웨어의 "소스"는 소스 코드지만, AI 모델에서 누구나 내려받는 것은 가중치(weights)이지 학습 데이터나 학습 코드가 아니다. 이 간극을 메우기 위해 OSI는 2024년 "오픈소스 AI 정의(OSAID, Open Source AI Definition) 1.0"을 발표했고, 이후에도 이 주제는 해커뉴스 등에서 몇 달 간격으로 재점화되고 있다.
핵심 데이터 & 현황
- OSAID 1.0의 3대 요건: 데이터 정보(data information)·코드(code)·파라미터(parameters) 세 가지를 모두 OSI 승인 조건으로 공개해야 "오픈소스 AI"로 인정한다 (OSI, 2024). 데이터 정보는 학습 데이터 전체의 출처·수집·선별·라벨링·필터링 방식을 숙련된 개발자가 "실질적으로 동등한 시스템"을 만들 수 있을 정도로 상세히 설명하는 것을 뜻하며, 데이터셋 자체를 반드시 통째로 공개하라는 요구는 아니다.
- 라마 3.x 라이선스 판정: OSI는 라마 3.1·3.2 라이선스가 상업적 이용 제한(월간 활성 사용자 7억 명 초과 시 별도 계약 필요)과 특정 용도 제한을 두고 있어 오픈소스 정의를 충족하지 못한다고 밝혔다 (OSI, 2024).
- 딥시크(DeepSeek): 모델 가중치와 추론 코드를 MIT 라이선스로 공개했지만, 사전학습·지시학습(instruction-tuning) 데이터와 학습 코드는 비공개다. 오픈소스 AI 지수를 추적하는 OSAI Index는 이 때문에 딥시크 모델을 "오픈 웨이트"로 분류한다 (OSAI Index 분석).
- 예외 사례 AllenAI OLMo2: 가중치뿐 아니라 학습 데이터셋(Dolma), 학습 코드, 재현 가능한 학습 레시피, 학습 중간 체크포인트까지 모두 공개해 OSAID 요건에 가장 근접한 사례로 꼽힌다 (AllenAI).
해석: 네 사례를 나란히 놓으면 "오픈소스"라는 라벨이 실제로는 가중치 공개부터 전 과정 공개까지 폭넓은 스펙트럼을 뭉뚱그리고 있다는 점이 드러난다. 라마·딥시크처럼 널리 쓰이는 모델일수록 오히려 데이터·코드는 닫혀 있는 경우가 많다.
심층 분석
1) OSAID 기준으로 본 "진짜 오픈소스"의 조건
OSAID는 소프트웨어의 4대 자유(사용·연구·수정·공유)를 AI 시스템에 그대로 적용하면서, 이를 행사하려면 "수정에 적합한 형태(preferred form for modification)"에 접근해야 한다고 규정한다. 가중치만 있으면 모델을 돌리고 미세조정(fine-tuning)할 수는 있지만, 처음부터 다시 학습하거나 학습 데이터의 편향·저작권 문제를 검증하는 것은 불가능하다. OSI는 이 차이를 소프트웨어의 컴파일된 바이너리와 소스 코드의 차이에 비유한다.
2) 라마·딥시크는 왜 "오픈소스"가 아닌가
두 모델의 결격 이유는 서로 다르다. 라마는 데이터·코드를 일부 공개하지 않는 것과 별개로, 라이선스 자체에 사용자 수 기준 상업적 제한과 특정 용도 금지 조항이 있어 "자유로운 사용"이라는 요건에서 걸린다. 반면 딥시크는 라이선스(MIT)는 제한이 거의 없지만, 애초에 데이터와 학습 코드를 공개하지 않아 "연구·재현"이라는 요건에서 걸린다. 분석: 즉 "라이선스가 자유로운가"와 "재현 가능한가"는 별개의 축이며, 한쪽을 충족해도 다른 쪽에서 오픈소스 정의를 벗어날 수 있다.
3) 그럼에도 오픈 웨이트가 갖는 의미
가중치 공개 자체도 산업적으로는 큰 의미가 있다. 기업이 모델을 자체 서버에서 돌리거나(온프레미스), 자사 데이터로 미세조정하거나, 파생 모델을 만들어 배포하는 데는 가중치만으로도 충분한 경우가 많다. 해커뉴스 등의 논쟁에서도 실무자들은 "법적 정의보다 내 하드웨어에서 돌릴 수 있는지, 통제권이 있는지가 더 중요하다"는 실용적 입장을 자주 낸다. 다만 보안 연구자들은 가중치만 공개된 모델은 안전장치(가드레일) 제거가 쉽고, 사후 문제가 생겨도 회수가 불가능하다는 점을 반대 근거로 든다.
국내 시사점
국내에서도 "오픈소스"라는 표현은 비슷하게 느슨하게 쓰인다. 네이버는 2025년 4월 하이퍼클로바X의 경량 모델 3종(SEED, 3B·1.5B·0.5B)을 상업적 이용이 가능한 형태로 공개했다고 밝혔다. LG AI연구원도 2026년 7월 K-엑사원 2.0(750B)을 허깅페이스에 올리며 라이선스를 아파치 2.0으로 전환해 누구나 상업적으로 쓸 수 있게 했다고 보도됐다. 두 사례 모두 "공개"라는 단어가 쓰이지만, 공개된 범위는 가중치와 평가 결과 위주로 전해졌을 뿐 학습 데이터·학습 코드까지 공개됐다는 내용은 확인되지 않는다. 즉 OSAID 기준으로 보면 이 역시 "오픈 웨이트" 단계에 가깝다. 엔터프라이즈 입장에서는 이 구분이 실무적으로도 중요하다—라이선스 조항(상업적 이용 범위, 재배포 제한)과 재현·검증 가능 여부를 분리해서 확인해야, 도입 후에 "오픈소스라 믹스해도 되는 줄 알았다"는 식의 오해를 피할 수 있다.
전망 & 주목할 변수
- 긍정 변수: AllenAI OLMo 시리즈처럼 데이터·코드까지 공개하는 완전 개방형 모델이 학계·비영리 진영에서 꾸준히 나오고 있어, OSAID 기준을 충족하는 사례가 점차 늘어날 가능성이 있다.
- 리스크 변수: "오픈소스"라는 단어가 마케팅 용어로 굳어지면서, 실제 공개 범위와 무관하게 쓰이는 "오픈소스 워싱(washing)" 우려가 계속 제기된다.
- 체크포인트: 모델을 도입하거나 비교할 때는 "오픈소스냐"가 아니라 "라이선스 조항이 무엇을 제한하는가"와 "데이터·코드가 공개됐는가"를 각각 따로 확인하는 것이 안전하다.
결론
- "오픈소스 AI"와 "오픈 웨이트"는 공개 범위가 다른 별개의 개념이며, OSAID 1.0은 데이터 정보·코드·파라미터 세 가지 공개를 모두 요구한다.
- 라마는 라이선스 제한 때문에, 딥시크는 데이터·코드 비공개 때문에 각각 다른 이유로 OSAID 기준을 충족하지 못한다.
- 가중치만 공개돼도 실무적 가치는 있지만, 재현·검증이 필요한 상황에서는 "오픈소스"라는 표현을 그대로 믿지 말고 라이선스 원문과 공개 범위를 직접 확인해야 한다.
참고 링크
목차
관련 글
효율이 오르면 왜 전력 소비는 더 늘어나는가 — AI와 제번스의 역설
AI 추론 비용은 분기마다 거의 반으로 떨어지는데 데이터센터 전력 수요 전망은 오히려 더 가속하고 있다. 1865년 석탄 시대에 관찰된 제번스의 역설이 AI 효율화 시대에도 똑같은 모양으로 반복되는 이유를 데이터로 짚어본다.
AI는 왜 이 일만 못할까 — '들쭉날쭉한 경계'라는 개념
AI가 어떤 업무는 사람보다 뛰어나게 해내면서도 비슷해 보이는 다른 업무에서는 오히려 성과를 떨어뜨리는 이유를, 하버드-BCG 현장실험과 '검증 비대칭' 이론으로 짚고, 업무별로 AI를 어디까지 믿어야 할지 판단하는 기준을 정리합니다.
모델이 상품이 될 때, 돈은 어디로 흐르는가 — AI 가치사슬의 모트
모델 가격은 계속 떨어지는데 모델 기업 매출은 급등하고, 기업 89%가 AI를 쓰지만 수익 체감은 37%뿐입니다. 이 간극이 생기는 이유를 모델·인프라·애플리케이션·운영 잔여물 네 구간의 방어력 차이로 짚어봤습니다.
예측 치안과 사회신용, 민주주의도 다르지 않다 — 감시 기술의 수렴
영국 갱스매트릭스와 미국 오클랜드의 예측치안 알고리즘은 중국 사회신용시스템과 명분·절차는 다르지만, 과거 데이터로 위험군을 가려내는 기법 수준에서는 서로 닮아 있습니다. 감시 기술을 가르는 선이 체제가 아니라 투명성과 책임성이라는 점을 데이터로 짚어봅니다.