오픈소스는 사업이다: 각 업체가 노리는 것
플래그십 모델 하나를 학습시키려면 막대한 연산 자원을 태워야 하고, 가중치는 한번 내보내면 거둬들일 수 없습니다. 그런데도 왜 이렇게 많은 회사가 오픈소스를 택할까요? 답은 자선과 무관합니다. 각자의 셈법을 읽어 두면 모델 선정 판단이 훨씬 단단해집니다.
이 규칙을 여러분 자신에게 대입하면 어떤 결론이 나올까요? 지금 다니는 회사가 돈을 버는 방식과 가장 가까운 것을 하나 골라 보세요.
다운로드 수는 부풀리기 쉽고, 순위는 측정 방식을 바꾸면 달라집니다. 업계가 더 중요하게 보는 것은 파생 모델 수입니다. 얼마나 많은 개발자가 실제로 그 가중치를 가져다 새 모델을 학습시켜 공개했는가입니다. 이 숫자는 조작할 수 없습니다. 파생 모델 하나하나의 뒤에는 실제 연산 투자가 있기 때문입니다.
이 숫자들이 실제로 말해 주는 것은 이것입니다. 개발자는 발로 투표합니다. 어떤 베이스 모델 위에서 학습을 이어 갈지 고를 때 이들이 따지는 것은 라이선스가 깨끗한지, 크기 라인업이 갖춰져 있는지, 커뮤니티에 바로 쓸 수 있는 툴체인이 있는지이고, 홍보와는 거의 관계가 없습니다. 그래서 파생 모델 수는 본질적으로 장기간에 걸친 사용자 선택의 기록입니다.
위 여섯 곳의 셈법은 제각각이지만, 한 가지에서만은 놀라울 만큼 일치했습니다. 작은 모델은 오픈소스로 풀어도, 가장 강한 것만은 열지 않는다. Google은 Gemma를 내놓고 Gemini는 지켰습니다. Meta는 Llama를 모두에게 주면서 가장 강한 성능은 자사 제품 안에 남겼습니다. OpenAI는 아키텍처 세부조차 공개하지 않습니다. 이유는 굳이 설명할 필요도 없었습니다. 플래그십이 곧 해자이고, 자기 해자를 스스로 메우는 곳은 없으니까요.
이 규칙은 3년 넘게 유지되었습니다. 올여름까지는 그랬습니다.
플래그십의 가중치가 처음으로 풀렸습니다
Qwen3.8-Max가 오픈소스로 공개되었습니다. 가중치가 공개된 최초의 Max 등급 플래그십 모델이며, 그전까지 전례가 없었습니다.
이것은 누구든 당대 최전선 규모의 모델을 내려받아 어떻게 만들어졌는지 뜯어보고, 고치고, 그 위에서 학습을 이어 갈 수 있다는 뜻입니다. 누구에게도 허락을 구할 필요가 없습니다. 오픈소스 진영과 비공개 진영 사이에 구조적인 것으로 여겨지던 성능 격차가 처음으로 성립하지 않게 되었습니다.
찬물을 한 바가지 끼얹자면, 이 크기는 여러분 대부분 돌리지 못합니다. 2.4조 파라미터의 가중치 파일은 수 TB 단위이고, 이 장 마지막의 계산기에서도 돌릴 수 없음으로 표시될 것입니다. 그러니 이 모델의 현실적인 의미는 여러분이 자기 컴퓨터에서 그것을 열 수 있느냐가 아니라, 다른 세 가지에 있습니다.
연구자가 이 규모의 모델을 처음으로 해부할 수 있게 되었습니다
지금까지 이 규모의 모델은 API 너머로 짐작하는 수밖에 없었습니다. 이제는 가중치를 직접 들여다볼 수 있습니다. 대형 모델이 대체 어떻게 작동하는가에 관한 여러 질문에 처음으로 검증할 수 있는 조건이 생긴 것입니다.
진짜 온프레미스 구축에 상한이 더 높은 선택지가 생겼습니다
데이터가 내부망을 벗어날 수 없는 기관은 그동안 작은 모델 중에서만 골라야 했습니다. 이제는 하드웨어를 감당할 수만 있다면 성능의 천장이 최상위 API와 같은 급입니다.
선생님으로 쓸 수 있습니다
여러분과 가장 관련이 깊은 항목입니다. 가중치가 공개된 최상위 모델이 있다는 것은, 증류의 선생님이 더 이상 남의 API여야만 하는 것은 아니라는 뜻입니다. 이 장의 후반부에서 증류를 다루니, 그때 이 일의 무게를 다시 짚어 보면 됩니다.
이 절과 앞 절을 합쳐서 쓰면 됩니다.
다음으로 사업 논리를 봅니다. 이 회사가 오픈소스를 계속 이어 갈지 판단합니다. 모델로 직접 돈을 버는 회사는 오픈소스 정책이 언제든 조여질 수 있고, 오픈소스가 고객 유치 수단인 회사는 대체로 더 안정적입니다.
마지막으로 생태계의 두께를 봅니다. 파생 모델이 많고 커뮤니티 도구가 갖춰져 있다는 것은, 문제가 생겼을 때 검색으로 답을 찾을 수 있고 버그가 나도 이미 겪어 본 사람이 있다는 뜻입니다.