사이버 보안용 AI를 선택하는 기준은 성능 순위만으로 충분하지 않다. 같은 수준의 과제를 해결하더라도 누가 모델을 운영하는지, 데이터가 어디로 이동하는지, 사용을 사후에 통제할 수 있는지에 따라 위험과 효용이 크게 달라진다.
오픈웨이트 AI의 사이버 역량이 중요한 이유도 여기에 있다. 쟁점은 특정 모델이 폐쇄형 서비스보다 우수한지가 아니라, 높은 수준의 기능이 조직 내부와 통제 밖 환경으로 얼마나 쉽게 이전될 수 있는지다.
모델 선택에는 세 가지 축이 있다
오픈웨이트 모델은 매개변수를 내려받아 직접 실행하고 수정할 수 있다. 기업은 데이터를 외부 공급자에게 보내지 않고 자체 환경에서 모델을 호스팅할 수 있으며, 특정 업무에 맞게 변경할 수도 있다. 공급자가 서비스를 개편하거나 지원을 종료하더라도 확보한 버전을 계속 운영할 수 있다는 점도 장기적인 통제권 측면에서 의미가 있다.1
반면 폐쇄형 모델은 개발사가 가중치를 공개하지 않고 통제된 인터페이스를 통해 제공한다. 이용 조직의 수정 가능성은 제한되지만, 공급자는 접근 기록, 유해 요청 분류, 계정 차단과 같은 배포 단계의 안전장치를 적용할 수 있다.1
따라서 두 방식을 비교할 때는 다음 세 축을 함께 봐야 한다.
기능: 실제 보안 과제를 어느 수준까지 해결하는가
운영 자율성: 내부 배포·수정·버전 유지가 가능한가
통제 가능성: 오남용을 관찰하고 접근을 제한할 수 있는가
오픈웨이트는 두 번째 축에서 강점이 있지만, 세 번째 축에서는 구조적인 제약이 있다. 가중치가 복제된 뒤에는 모든 실행 환경에 동일한 모니터링이나 차단 정책을 적용하기 어렵다. 유해 요청을 거부하도록 학습된 모델도 가중치 접근 권한이 있으면 해당 조치를 되돌릴 수 있어, 독립적인 안전 경계로 보기 어렵다.1
최근 평가가 보여준 제한적인 신호
영국 AI 보안 연구소(AISI)는 2023년부터 최전선 AI의 사이버 역량을 추적해 왔으며, 공개 가중치 모델과 폐쇄형 최전선 모델의 격차도 공개적으로 평가했다.1
평가에는 취약점 연구, 리버스 엔지니어링, 웹 공격, 암호학 분야의 70개 과제로 구성된 ‘Narrow Cyber Tasks’가 사용됐다. 2026년 6월 출시된 GLM-5.2는 이 벤치마크에서 2026년 2월 출시된 Opus 4.6과 같은 수준의 성능을 보였다. ‘The Last Ones’ 모의 네트워크 공격에서는 GLM-5.2가 Opus 4.5와 비슷한 결과를 기록했다.1
비용 측정에서도 차이가 나타났다. 1억 토큰 규모 Cyber Range 테스트 비용은 Opus 4.5·4.6이 약 85달러, GLM-5.2가 약 46달러, DeepSeek V4-Pro가 1.19달러였다.1
이 수치는 오픈웨이트 모델 전체가 폐쇄형 모델을 따라잡았다는 결론보다 좁게 해석해야 한다. 확인된 것은 특정 모델들이 정해진 과제와 모의 환경에서 비교 가능한 결과를 냈다는 점이다. 벤치마크 점수만으로 실제 침해 성공률이나 다양한 운영 환경에서의 성능까지 판단할 수는 없다.
비용은 가격표가 아니라 반복 가능성의 문제다
사이버 영역에서 낮은 실행 비용이 갖는 의미는 단순한 예산 절감에 그치지 않는다. 같은 예산으로 더 많은 실험을 수행하거나 자동화 범위를 넓힐 여지가 생기기 때문이다. 방어 조직에는 취약점 분석과 보안 점검의 확대 가능성을, 악용 관점에서는 역량 접근의 문턱이 낮아질 가능성을 뜻한다.
다만 제시된 Cyber Range 비용을 전체 운영비와 동일하게 봐서는 안 된다. 자체 호스팅에는 연산 환경을 마련하고 모델을 유지·관리하는 책임이 따른다. 반대로 폐쇄형 서비스의 가격에는 개발사가 관리하는 인터페이스와 배포 통제가 결합될 수 있다. 따라서 조직의 구매 판단에서는 테스트 비용뿐 아니라 데이터 처리 방식, 운영 인력, 안전장치, 버전 유지 정책을 함께 비교해야 한다.
보안팀과 경영진이 서로 다른 질문을 해야 한다
보안 실무자는 모델이 어떤 작업을 잘하는지에 초점을 맞출 필요가 있다. 취약점 연구와 웹 공격, 리버스 엔지니어링처럼 세부 영역별 성능을 구분하고, 내부 시스템을 대상으로 별도의 검증을 수행해야 한다. 종합 점수가 유사하더라도 조직이 필요로 하는 과제에서는 결과가 다를 수 있기 때문이다.
경영진과 위험관리 조직은 배포 방식에 주목해야 한다. 내부 호스팅이 데이터 통제에 유리하더라도, 모델 파일과 수정 권한까지 광범위하게 배포하면 새로운 관리 문제가 생긴다. 반대로 폐쇄형 서비스는 공급자 통제에 의존하므로 서비스 변경과 접근 정책을 조직이 직접 결정하기 어렵다.
결국 선택지는 ‘개방형이냐 폐쇄형이냐’의 이분법이 아니다. 어떤 업무에는 내부 데이터 처리가 가능한 오픈웨이트 모델이 적합할 수 있고, 다른 업무에는 모니터링과 사용자 차단이 가능한 관리형 서비스가 더 적합할 수 있다. 중요한 것은 모델 유형에 맞는 통제 수단을 별도로 설계하는 것이다.
앞으로 확인해야 할 것
향후 평가에서는 단일 시점의 순위보다 다음 변화를 추적할 필요가 있다.
새로운 오픈웨이트 모델이 폐쇄형 최전선 모델의 성능에 도달하는 데 걸리는 시간
제한된 과제 성능이 장시간의 모의 네트워크 작전에서도 유지되는지
낮은 테스트 비용이 실제 반복 운영과 자동화에서도 이어지는지
자체 호스팅의 데이터 통제 이점과 가중치 유출·변조 위험을 어떻게 균형화하는지
배포 단계의 안전장치를 적용하기 어려운 환경에서 어떤 대체 통제가 가능한지
오픈웨이트 AI의 사이버 성능은 모델 경쟁의 결과표가 아니다. 조직 입장에서는 역량, 비용, 데이터 주권, 운영 책임과 통제 가능성이 한꺼번에 재편되는 문제다. 다음 모델의 점수보다 더 중요한 신호는 높은 수준의 기능이 어떤 조건으로 배포되고, 그 사용을 누가 관리할 수 있는지다.
참고
1How Far Behind the Frontier are Leading Open Weight Models on Cyber?
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.