9부 46장. 정확히는 오픈웨이트란 무엇인가

AI 이야기를 하다 보면 이상하게도 모두가 같은 말을 하는데, 뜻은 제각각인 순간이 자주 온다. 그중 대표가 바로 "오픈"이다. 누군가는 "오픈소스 모델"이라고 말하고, 다른 누군가는 "오픈모델"이라고 하고, 또 어떤 사람은 "오픈웨이트"라고 부른다. 얼핏 들으면 비슷해 보이지만, 이 셋은 같은 말이 아니다.

이 차이를 구분하지 못하면 실무에서 금방 헷갈린다. 내려받아 로컬에서 돌릴 수 있다고 해서 다 오픈소스인 것은 아니다. 모델 가중치가 공개되었다고 해서 학습 방법까지 투명한 것도 아니다. 이름에 오픈이 붙어 있다고 해서 상업적으로 마음껏 써도 된다는 뜻도 아니다.

이번 장의 목표는 간단하다. "오픈"이라는 한 단어에 뭉뚱그려 넣지 말고, 무엇이 열려 있고 무엇은 닫혀 있는지를 정확히 보는 눈을 갖는 것이다.

왜 이렇게 헷갈릴까

소프트웨어 세계에서는 비교적 익숙한 기준이 있다. 소스코드가 공개되어 있고, 수정과 재배포 조건이 분명하며, 일정한 라이선스 기준을 만족하면 보통 오픈소스라고 부른다. 그런데 AI 모델은 사정이 조금 다르다.

AI 시스템은 하나의 파일이 아니라 여러 층으로 이루어져 있다. 모델 구조가 있고, 학습 코드가 있고, 학습에 쓴 데이터가 있고, 학습이 끝난 뒤 얻어진 가중치가 있다. 추론용 코드와 토크나이저, 평가 방식, 배포 조건도 따로 있다. 이 중 일부만 공개되어도 사람들은 편의상 "오픈"이라고 부르곤 한다.

바로 여기서 혼선이 시작된다.

같은 "오픈"이라도 누구는 가중치 공개를 뜻하고, 누구는 코드 공개를 뜻하며, 누구는 API가 아니라 직접 실행 가능하다는 뜻으로 말한다. 심지어 마케팅 문구로만 오픈이라는 말을 쓰는 경우도 있다. 그래서 실무에서는 단어 하나를 믿기보다, 무엇이 실제로 공개되었는지를 하나씩 확인해야 한다.

먼저, 웨이트는 무엇인가

오픈웨이트를 이해하려면 먼저 웨이트, 즉 가중치가 무엇인지 알아야 한다.

모델은 학습을 거치면서 수많은 숫자를 조정한다. 이 숫자들이 바로 가중치다. 쉽게 말하면, 모델이 세상을 이해하는 방식이 이 숫자들 안에 압축되어 들어 있다고 생각하면 된다. 문장을 읽고 다음 단어를 예측하거나, 코드를 완성하거나, 이미지를 해석하는 능력은 대부분 이 가중치에 담겨 있다.

중요한 점은, 가중치는 모델의 결과물이라는 것이다. 학습 코드는 모델을 훈련시키는 방법이고, 데이터는 모델이 무엇을 보고 배웠는지에 해당한다. 반면 가중치는 그 학습의 결과로 얻어진 최종 상태다.

비유해 보자. 요리책의 레시피가 학습 코드라면, 재료는 데이터이고, 다 만들어진 소스의 맛이 배어 있는 최종 요리가 가중치에 가깝다. 최종 요리를 맛볼 수 있다고 해서, 그 요리가 정확히 어떤 재료와 어떤 과정으로 만들어졌는지 자동으로 알게 되는 것은 아니다.

오픈웨이트는 정확히 무엇을 뜻하나

오픈웨이트는 말 그대로 학습된 모델 가중치가 공개된 상태를 뜻한다. 사용자는 그 가중치를 내려받아 직접 실행할 수 있고, 환경에 따라 미세 조정하거나 다른 시스템에 붙여 쓸 수도 있다.

이 말의 핵심은 아주 실용적이다. API 뒤에 숨겨진 모델을 빌려 쓰는 것이 아니라, 모델 자체를 내 환경으로 가져올 수 있다는 뜻이다. 그래서 오픈웨이트 모델은 로컬 실행, 사내 배포, 비용 통제, 커스터마이징 같은 주제와 자주 연결된다.

하지만 여기서 흔한 오해가 생긴다. 오픈웨이트는 어디까지나 가중치가 열려 있다는 뜻이지, 나머지 모든 것이 열려 있다는 뜻은 아니다. 학습 코드가 닫혀 있을 수도 있고, 학습 데이터가 비공개일 수도 있고, 재배포나 상업적 사용에 제약이 있을 수도 있다.

즉, 오픈웨이트는 아주 중요한 공개 방식이지만, "완전한 개방"과는 다른 개념이다.

오픈소스, 오픈모델, 오픈웨이트는 어떻게 다른가

이제 세 용어를 분리해서 보자.

오픈소스

오픈소스는 원래 소스코드 공개를 중심으로 한 말이다. 누가 봐도 수정 가능한 형태의 코드가 공개되어 있고, 그 사용 조건이 라이선스로 정리되어 있어야 한다. 소프트웨어 맥락에서 가장 엄격하고 분명한 표현에 가깝다.

AI에 이 말을 쓸 때는 조금 조심해야 한다. 모델을 실행하는 코드만 공개되었다고 해서 모델 자체가 오픈된 것은 아닐 수 있다. 반대로 가중치가 공개되었어도 학습 코드와 데이터가 닫혀 있으면 전통적인 의미의 오픈소스라고 부르기 애매하다.

그래서 어떤 모델을 두고 "오픈소스 모델"이라고 부를 때는, 정말 무엇이 공개되었는지 다시 물어봐야 한다.

오픈모델

오픈모델은 가장 넓고 모호한 표현이다. 실무에서는 "닫힌 API 전용 모델은 아니다" 정도의 뜻으로 느슨하게 쓰이는 경우가 많다. 가중치가 공개된 모델을 가리킬 때도 있고, 일부 코드와 문서가 함께 열려 있을 때도 있고, 단지 비교적 접근성이 좋다는 뜻으로 쓰일 때도 있다.

문제는 이 표현만으로는 공개 범위를 판단하기 어렵다는 점이다. 오픈모델이라고 적혀 있어도 실제로는 가중치만 공개되었을 수 있고, 연구용 사용만 허용될 수도 있으며, 상업적 배포에 제한이 있을 수도 있다.

즉, 오픈모델은 설명의 출발점은 될 수 있어도, 정확한 계약서 같은 단어는 아니다.

오픈웨이트

오픈웨이트는 세 표현 중에서 가장 기술적으로 구체적이다. 공개 범위가 최소한 어디까지인지 명확하기 때문이다. 적어도 학습된 가중치를 직접 받을 수 있어야 한다.

그래서 실무에서는 오히려 "오픈소스인가?"보다 "오픈웨이트인가?"를 먼저 확인하는 편이 더 도움이 될 때가 많다. 내가 직접 실행하고 배포하고 튜닝할 수 있는지와 가장 가깝게 연결된 질문이기 때문이다.

한눈에 구분하기

다음처럼 생각하면 혼동이 많이 줄어든다.

이 표에서 가장 중요한 문장은 마지막 칸이다. 오픈웨이트는 강력하지만, 모든 것이 열려 있다는 보증서는 아니다.

왜 오픈웨이트가 그렇게 중요하게 다뤄질까

오픈웨이트가 주목받는 이유는 단순하다. 실무에서 바로 체감되는 이점이 크기 때문이다.

첫째, 통제권이 커진다. 외부 서비스의 정책이나 가격 변화에 덜 흔들린다. 내가 원하는 인프라에서 모델을 돌리고, 호출 방식도 스스로 설계할 수 있다.

둘째, 프라이버시 관리에 유리하다. 민감한 데이터를 외부 API로 보내기 어려운 조직에서는, 모델을 내부 환경에 배치할 수 있다는 것 자체가 큰 의미가 있다.

셋째, 커스터마이징의 폭이 넓어진다. 시스템 프롬프트 수준을 넘어서, 특정 업무에 맞게 미세 조정하거나 검색 시스템, 데이터베이스, 사내 도구와 더 밀접하게 붙여 쓸 수 있다.

넷째, 대량 처리에서 비용 구조를 바꾸기 쉽다. 토큰당 과금 대신 인프라 중심으로 계산할 수 있어서, 반복 작업이 많은 환경에서는 계산법이 완전히 달라진다.

이쯤 되면 오픈웨이트가 거의 만능처럼 들릴 수 있다. 하지만 실전은 언제나 한 줄 더 있다.

오픈웨이트라고 해서 자동으로 되는 것은 아니다

오픈웨이트라는 말에서 가장 위험한 착각은 "그럼 다 할 수 있겠네"라는 생각이다. 실제로는 그렇지 않다.

가중치를 내려받았다고 해서 내 노트북에서 곧바로 잘 돌아가는 것은 아니다. 모델 크기, 메모리 요구량, 추론 엔진, 양자화 여부, GPU 유무에 따라 현실이 크게 달라진다. 실행은 가능해도 속도가 너무 느릴 수 있고, 기대한 품질이 안 나올 수도 있다.

또 라이선스 문제도 중요하다. 어떤 모델은 연구 목적엔 열려 있지만 상업적 이용에 제한이 있을 수 있다. 어떤 모델은 수정은 가능하지만 재배포 조건이 까다롭다. 어떤 모델은 서비스 규모에 따라 별도 조건이 붙기도 한다.

무엇보다 투명성의 범위가 제한될 수 있다. 가중치가 공개되어 있어도 다음과 같은 것은 닫혀 있을 수 있다.

• 어떤 데이터로 학습했는지

• 어떤 정제 과정을 거쳤는지

• 어떤 학습 코드와 하이퍼파라미터를 썼는지

• 어떤 안전 장치와 후처리가 들어갔는지

그래서 오픈웨이트는 실행의 자유를 늘려 주는 말이지, 완전한 재현성과 완전한 투명성을 보장하는 말은 아니다.

닫힌 모델과 비교하면 무엇이 달라지나

닫힌 모델은 보통 API나 서비스 형태로 제공된다. 사용자는 결과를 받을 수 있지만, 모델 자체를 직접 가져오지는 못한다. 이 방식의 장점은 분명하다. 관리가 편하고, 성능이 높고, 최신 버전으로 자동 갱신되는 경우가 많다.

반면 오픈웨이트 모델은 더 많은 선택권을 준다. 대신 그 선택권만큼 운영 책임도 따라온다. 서버를 어떻게 둘지, 어떤 추론 엔진을 쓸지, 어떤 양자화 버전을 선택할지, 품질을 어떻게 평가할지 스스로 결정해야 한다.

쉽게 말해 닫힌 모델은 잘 정돈된 렌터카에 가깝고, 오픈웨이트 모델은 차고에 들여와 직접 손보는 차량에 가깝다. 렌터카는 편하고 빠르지만 손댈 수 있는 범위가 좁다. 직접 가진 차량은 자유롭지만 유지 관리가 필요하다.

둘 중 무엇이 더 좋다고 단정할 수는 없다. 중요한 것은 내가 원하는 자유의 크기와 감당할 수 있는 운영 부담의 크기가 맞아떨어지는가다.

실무에서는 무엇을 확인해야 하나

어떤 모델이 "오픈"하다고 소개될 때는 감탄보다 확인이 먼저다. 특히 다음 질문이 중요하다.

• 가중치를 실제로 내려받을 수 있는가

• 실행에 필요한 코드와 문서가 충분한가

• 상업적 사용이 가능한가

• 미세 조정이 허용되는가

• 재배포 조건은 어떤가

• 로컬이나 사내 서버에서 무리 없이 돌릴 수 있는가

• 모델 카드나 제한 사항이 정리되어 있는가

이 질문을 던지면, 마케팅 언어와 실무 언어가 분리되기 시작한다.

예를 들어 누군가 "이건 오픈소스 모델이라 좋아요"라고 말했을 때, 실무자는 바로 이렇게 되묻는다. "가중치도 공개됐나요?" "상업적 이용 가능한가요?" "우리 환경에서 돌릴 수 있나요?" 이 세 질문만으로도 절반의 혼란은 정리된다.

특히 많이 생기는 오해들

이 장에서 꼭 걷어내야 할 오해가 몇 가지 있다.

첫 번째 오해는 오픈웨이트 = 오픈소스라는 생각이다. 아니다. 가중치가 공개되어도 학습 코드나 데이터가 닫혀 있으면 전통적인 의미의 오픈소스와는 거리가 있을 수 있다.

두 번째 오해는 오픈모델 = 아무 제한 없음이라는 생각이다. 아니다. 오픈모델은 넓은 말일 뿐이다. 실제 권한은 라이선스를 봐야 안다.

세 번째 오해는 오픈웨이트 = 품질이 낮음이라는 생각이다. 이것도 틀렸다. 오픈웨이트는 공개 방식에 대한 말이지 성능 등급표가 아니다. 성능은 모델 크기, 학습 데이터, 튜닝 방식, 사용 환경에 따라 달라진다.

네 번째 오해는 오픈웨이트 = 누구나 쉽게 로컬 실행 가능이라는 생각이다. 공개되어 있다는 것과 쉽게 운용할 수 있다는 것은 다른 문제다. 가벼운 모델은 개인 PC에서도 쓸 수 있지만, 큰 모델은 그렇지 않을 수 있다.

그래서 어떤 표현을 쓰는 게 가장 정확할까

대화를 정확하게 만들고 싶다면, 막연히 "오픈"이라고 말하기보다 조금 더 구체적으로 말하는 편이 좋다.

코드가 공개된 것을 말하고 싶다면 오픈소스라고 하자. 가중치가 공개된 것을 말하고 싶다면 오픈웨이트라고 하자. 공개 범위를 넓게 뭉뚱그려 말해야 할 때만 오픈모델이라는 표현을 쓰되, 뒤에 설명을 붙이는 편이 안전하다.

예를 들어 이렇게 말하면 훨씬 정확하다.

"이 모델은 오픈웨이트라서 직접 내려받아 사내에서 실행할 수 있습니다. 다만 학습 데이터 전체가 공개된 것은 아니고, 라이선스 조건도 따로 확인해야 합니다."

이 한 문장은 실무 감각이 살아 있다. 기술적 차이와 운영상의 차이를 동시에 담고 있기 때문이다.

결국 핵심은 '얼마나 열려 있는가'를 분해해서 보는 것이다

앞 장에서 우리는 오픈 모델을 통제권의 관점에서 보았다. 이번 장에서는 그 말을 한 단계 더 정밀하게 만들었다. 이제부터는 "오픈인가, 아닌가"처럼 흑백으로 보지 말고, 무엇이 열려 있는가를 층별로 나눠서 봐야 한다.

코드가 열려 있을 수 있다. 가중치가 열려 있을 수 있다. 문서가 잘 정리되어 있을 수 있다. 학습 데이터는 닫혀 있을 수 있다. 상업적 사용은 허용되지만 재배포는 제한될 수 있다. 이처럼 현실의 모델은 열림과 닫힘이 섞여 있는 경우가 많다.

그래서 실전 사용자에게 필요한 태도는 단순하다. 이름을 믿지 말고 공개 범위를 확인하라. "오픈"이라는 분위기에 기대지 말고, 코드, 가중치, 데이터, 라이선스, 배포 조건을 따로 보라.

그렇게 보기 시작하면 모델 시장이 덜 모호해진다. 그리고 바로 그 순간, 당신은 유행어를 따라가는 사람이 아니라 조건을 읽고 선택하는 사용자가 된다.

다음 장에서는 여기서 한 걸음 더 나아가, 모델 선택에서 늘 함께 따라오는 질문을 다룬다. 속도, 비용, 품질은 왜 동시에 최고가 되기 어려운가. 결국 모델을 잘 고르는 일은, 좋은 말의 정의를 아는 것에서 끝나지 않고 현실적인 트레이드오프를 읽는 능력으로 이어진다.