"오픈소스 LLM을 받아서 돌려봤다"라는 말을 요즘 자주 듣는다. 그런데 조금만 파고들면 궁금해진다. 우리가 내려받은 것은 정확히 무엇일까. 모델의 가중치(weight) 파일일까, 그것을 만든 학습 코드와 데이터까지일까. 대부분은 가중치만이다. 그래서 최근에는 이런 모델을 '오픈소스'가 아니라 '오픈 웨이트(open weight)'라고 더 정확하게 부르자는 움직임이 힘을 얻고 있다.
용어가 뭐 그리 중요하냐고 할 수도 있다. 하지만 나는 이 구분이 AI 시대에 '개방'이 무엇을 뜻하는지 다시 묻는, 꽤 근본적인 논쟁이라고 생각한다. 하나씩 짚어 보자.
가중치를 공개했다고 해서 모델을 재현할 수 있는 것은 아니다.
소프트웨어에서 소스코드에 해당하는 것은 AI에서는 학습 코드와 데이터다. 그것이 빠지면 '수정할 자유'의 의미가 달라진다.
3층구조 가중치·코드· 데이터 |
웨이트공개 가장 흔한 개방 형태 |
데이터쟁점 공개가 가장 어려운 층 |
라이선스제각각 사용 제한 붙는 경우 많음 |
모델은 세 겹으로 되어 있다
거대 언어 모델을 이해하려면 세 층을 나눠 보는 게 좋다. 첫째는 가중치다. 학습이 끝난 뒤 남는 거대한 숫자 배열로, 이것을 실행 엔진에 올리면 추론이 된다. 둘째는 학습 코드와 설정이다. 어떤 구조로, 어떤 하이퍼파라미터로 훈련했는지를 담은 레시피다. 셋째는 학습 데이터다. 무엇을 먹여 이 모델을 만들었는지에 해당한다.
전통적인 소프트웨어에서 "소스코드를 공개한다"라는 말은, 그 결과물을 처음부터 다시 빌드할 수 있게 재료를 전부 준다는 뜻이었다. 이 관점을 AI에 옮기면, 진짜 '오픈소스 AI'가 되려면 세 층을 모두 열어야 한다. 그런데 현실에서 공개되는 건 대개 첫째 층, 가중치뿐이다.
왜 가중치만 공개하나
여기에는 몇 가지 현실적 이유가 있다. 학습 데이터는 규모가 방대할 뿐 아니라 저작권과 개인정보 문제가 얽혀 있어 그대로 공개하기가 법적으로 까다롭다. 학습 코드와 인프라 설정은 회사의 핵심 노하우여서 경쟁상 공개를 꺼린다. 반면 가중치는 그 자체로 유용하고, 공개하면 생태계와 평판을 얻을 수 있다. 그래서 "가중치는 열되, 나머지는 닫는" 절충이 사실상 표준처럼 자리 잡았다.
오픈 웨이트와 오픈소스 AI는 무엇이 다른가
| 항목 | 오픈 웨이트 | 오픈소스 AI(엄밀) |
|---|---|---|
| 가중치 | 공개 | 공개 |
| 학습 코드 | 대개 비공개 | 공개 |
| 데이터 정보 | 불투명 | 최소한 출처 설명 |
| 처음부터 재현 | 불가능 | 이론상 가능 |
그래도 오픈 웨이트는 충분히 강력하다
구분을 강조한다고 해서 오픈 웨이트를 폄하하려는 것은 아니다. 오히려 반대다. 가중치를 손에 쥐면 할 수 있는 일이 엄청나게 많아진다. 내 서버에서 직접 돌려 데이터를 외부로 보내지 않아도 되고, 특정 도메인에 맞게 미세조정할 수 있으며, 요금 정책이나 서비스 종료에 휘둘리지 않는다. 폐쇄형 API만 쓰던 시절과 비교하면 개방의 폭이 크게 넓어진 것이 맞다.
- 주권 — 내 인프라에서 실행해 데이터 통제권을 지킴
- 맞춤 — 미세조정으로 특정 업무에 특화 가능
- 연구 — 내부 동작을 뜯어보고 분석할 수 있음
- 비용 — 규모가 커지면 자체 운영이 유리해질 수 있음
라이선스도 함께 봐야 한다
한 가지 더 조심할 점이 있다. 가중치가 공개됐다고 해서 라이선스까지 관대한 것은 아니다. 어떤 모델은 상업적 사용이나 일정 규모 이상 서비스에 조건을 붙인다. 어떤 모델은 특정 용도를 금지하는 사용 정책을 포함한다. 그래서 "오픈"이라는 단어 하나로 모든 걸 판단하면 안 되고, 배포 조건을 실제로 읽어봐야 한다. 개방의 정도는 스펙트럼이지 흑백이 아니다.
결국 내가 하고 싶은 말은 이렇다. AI에서의 '개방'은 소프트웨어 시절보다 훨씬 층이 많고 복잡하다. 용어를 정확히 쓰는 일은 트집이 아니라, 우리가 무엇을 손에 넣었고 무엇은 못 넣었는지 분명히 아는 출발점이다.
자주 묻는 질문
오픈 웨이트 모델은 무료인가요?
가중치를 무료로 내려받을 수 있는 경우가 많지만, 무료 배포와 사용 허용 범위는 별개입니다. 상업적 이용이나 대규모 서비스에 조건을 붙인 라이선스도 있으므로, 내려받기 전에 배포 라이선스와 사용 정책을 확인해야 합니다.
왜 학습 데이터는 공개하지 않나요?
데이터의 규모가 방대하고, 저작권과 개인정보 등 법적 위험이 얽혀 있어 원본을 그대로 공개하기가 어렵습니다. 또한 데이터 구성 자체가 경쟁력의 핵심이라 기업이 공개를 꺼리는 경향도 있습니다. 이 때문에 '완전한 오픈소스 AI'는 아직 드뭅니다.
오픈 웨이트만으로 모델을 처음부터 재현할 수 있나요?
일반적으로는 불가능합니다. 재현하려면 학습 코드와 데이터, 그리고 상당한 계산 자원이 필요한데, 가중치 공개만으로는 그 재료가 갖춰지지 않습니다. 다만 공개된 가중치를 이어받아 미세조정하거나 개선하는 것은 얼마든지 가능합니다.
개인이나 소규모 팀도 오픈 웨이트 모델을 쓸 수 있나요?
모델 크기에 따라 다릅니다. 작은 모델은 일반적인 GPU 한 장이나 고성능 개인 장비에서도 돌아가고, 큰 모델은 상당한 메모리를 요구합니다. 최근에는 경량화 기법이 발전해 예전보다 진입 문턱이 많이 낮아졌습니다.
댓글 0