오픈 모델, 어디까지 왔을까요? — 이제 문제는 모델이 아닙니다

들어가며 — 오픈 모델, 도대체 어디까지 온 걸까요

이달 초 엔비디아가 자사 최상위 오픈 모델을 공개하는 걸 봤습니다. 모델 가중치만이 아니라 학습에 쓴 데이터와 레시피까지 통째로, 상업적 이용까지 되게 풀었죠. 그런데 이게 한 회사만의 일이 아닙니다. 작년 여름엔 모든 걸 닫아 두던 오픈AI마저 처음으로 가중치를 공개했고(gpt-oss), 딥시크·큐원 같은 오픈 모델은 코딩과 에이전트 작업 벤치마크에서 폐쇄 모델과 어깨를 나란히 합니다. 분위기가 분명히 바뀌었어요.

그래서 한 번 정리해 보고 싶었습니다. 오픈 모델 — 가중치를 받아 내 손에서 돌릴 수 있는 모델 — 은 도대체 어디까지 온 걸까요. 그리고 그게 우리 일에 무엇을 의미할까요. 이 글은 그 두 가지를 짚으려고 씁니다.

1. 어디까지 왔나 — 거의 다 왔습니다

결론부터 말하면, 받아서 직접 돌릴 수 있는 오픈 모델은 이미 최고 수준 근처까지 올라왔습니다.

한두 개의 예외가 아니라 흐름입니다. 가장 닫혀 있던 오픈AI가 가중치를 풀었고(아파치 2.0, 누구나 받아 상업적으로 쓸 수 있는 라이선스), 딥시크와 큐원 계열은 코딩·에이전트 벤치마크에서 폐쇄 모델과 동률에 가깝고, 엔비디아는 데이터와 레시피까지 통째로 내놨습니다. 서로 다른 진영이 같은 방향으로 움직이고 있어요.

이걸 한 곳에서 못 박아 준 자료가 있습니다. 영국 정부가 의뢰하고 AI 학자 요슈아 벤지오가 주도한 국제 AI 안전보고서 2026은, 최고 개방 모델이 최고 폐쇄 모델보다 약 1년 미만 뒤처질 뿐이라고 정리합니다. 1~2년 전만 해도 한참 벌어져 있던 격차가 빠르게 좁혀진 거죠. 그리고 우리가 회사에서 실제로 시키는 일 — 요약하고, 초안 쓰고, 표 정리하고, 자료 찾고 — 의 대부분은 최강 모델이 아니어도 충분히 되는 일입니다.

오픈 모델이 프런티어를 거의 따라잡자, 차이를 만드는 층은 모델이 아니라 그 위 — 어떻게 시키느냐 — 로 옮겨갑니다.

즉 “오픈 모델 어디까지 왔나”의 답은 “당신 일에 쓰기엔 이미 충분한 데까지” 입니다. 그런데 바로 여기서 더 중요한 질문이 따라옵니다.

2. 사라진 변수 — “좋은 모델이 없어서”

성능 좋은 모델이 비싸고 귀하던 시절에는, 일이 안 풀리는 이유를 모델 탓으로 돌릴 수 있었습니다. “더 좋은 모델이 있으면 될 텐데”, “그 비싼 도구를 회사가 안 사줘서” — 충분히 할 수 있는 말이었죠.

그런데 그 변수가 지금 사라지는 중입니다. 최상위급 모델을 누구나 받아 쓸 수 있고 성능 격차가 1년 안쪽으로 좁혀지면, “좋은 모델을 못 구해서” 라는 핑계가 더는 통하지 않습니다. 스포트라이트가 모델에서 사용자에게로 옮겨오는 거예요. 도식에서 모델들이 한 줄로 평평하게 깔린 자리가 그것입니다 — 바닥이 위로 올라와 거의 평준화됐고, 이제 차이를 만드는 층은 그 위에 있습니다.

이건 나쁜 소식이 아니라 좋은 소식입니다. 통제할 수 없는 변수(어떤 모델을 손에 넣느냐)가 빠지고, 통제할 수 있는 변수(그걸 어떻게 쓰느냐) 하나가 남았다는 뜻이니까요.

3. 오픈의 진짜 가치는 가격이 아니라 ‘통제권’

여기서 오해를 하나 풀어야겠습니다. 오픈 모델의 가치를 “공짜로 쓸 수 있어서 좋다”로만 보면 절반만 본 겁니다. 진짜 가치는 가격이 아니라 통제권에 있습니다.

같은 모델이라도 빌려 쓰는 것과 손에 쥐는 것은 다릅니다. 받아서 깔 것도 없이 무료 API로 불러 써볼 수도 있지만, 그건 빌려 쓰는 쪽이에요 — 호출 수에 한도가 붙고, 제공처 정책이 바뀌면 거둬질 수 있습니다. 반면 가중치를 받아 둔 오픈 모델은 누구도 회수하지 못합니다.

이 차이가 작지 않습니다. 지난 동향에서 짚었듯이, 빌려 쓰는 모델은 회사 사정과 무관한 이유로 나흘 만에 막힐 수 있습니다 — 수출 통제 한 줄에 가장 강한 모델이 접근 차단됐던 일이 실제로 있었죠. 하지만 받아 둔 가중치는 회사 방화벽 안에서, 데이터를 밖으로 내보내지 않고, 정책이 바뀌어도 내 손 안에 그대로 돌아갑니다.

그래서 오픈 모델은 도구 선택 기준은 성능이 아니라 회사가 쓸 수 있는 것이라는 오래된 진실의 새로운 버전입니다 — 보안·승인·결제만이 아니라, 이제는 거둬지지 않는다는 것까지가 “회사가 쓸 수 있는가”의 조건이 된 거죠.

4. 그럼 차이는 어디서 갈릴까요

모델이 평준화된 바닥이라면, 차이를 만드는 건 그 위에 무엇을 올리느냐입니다. 그리고 그 ‘위층’은 이미 이 블로그에서 여러 번 짚은 자리예요 — 무엇을 시킬지 정의하고, 나온 결과를 검증하고, 맥락을 제대로 주는 일.

AI를 도입했는데 왜 안 빨라지느냐고 물었던 글에서 봤듯이, AI가 평준화한 건 실행(손으로 찍어내는 일)이고 일의 시간을 쥔 정의와 검증(머리 쓰는 일)은 여전히 사람 몫입니다. 오픈 모델이 늘어나는 건 그 ‘실행’ 층이 더 흔해진다는 뜻일 뿐, 위층까지 대신해 주지는 않아요.

그래서 같은 오픈 모델을 손에 쥐어도 결과는 사람마다 갈립니다. 한 사람은 “알아서 잘 해줘”라고 던지고 나온 평균치를 그대로 쓰고, 다른 사람은 무엇을 원하는지 또렷이 정의해 시키고 나온 결과를 눈으로 검증합니다. 모델이 같아졌을 때, 둘의 차이는 전부 사용하는 방식에서 나옵니다.

5. “어디까지 왔나”의 답 — 이제 당신 차례입니다

“오픈 모델, 어디까지 왔을까요?”라는 질문의 진짜 답은 모델 스펙표에 있지 않습니다. 답은 이겁니다 — 이제 당신 차례까지 왔습니다.

성능이 평준화되고 최상위 모델조차 누구나 받아 쓸 수 있다는 건, 그동안 모델 뒤에 숨어 있던 질문이 앞으로 나왔다는 뜻입니다. “어떤 모델을 쓰지?”가 아니라 “이걸로 무슨 일을, 어떻게 시키지?”가 남은 거예요. 좋은 소식은, 그 질문은 비싼 도구를 사야 답할 수 있는 게 아니라는 점입니다. 오픈 모델 하나로도 얼마든지 연습할 수 있습니다.

저는 그래서 “이번엔 무슨 모델이 나왔다”는 소식보다, 그 모델로 당신이 무엇을 어떻게 시킬 것인가를 봅니다. 모델은 거의 다 따라왔습니다. 이제 차이를 만드는 건 도구가 아니라, 그걸 쓰는 일하는 방식입니다.

출처

OpenAI — Introducing gpt-oss (오픈AI의 첫 가중치 공개 오픈 모델, 아파치 2.0 라이선스로 누구나 다운로드·상용 가능)
International AI Safety Report 2026 (영국 정부 의뢰·요슈아 벤지오 주도, 최고 개방 모델이 폐쇄 모델보다 약 1년 미만 뒤처진다는 평가)
NVIDIA Newsroom — NVIDIA Debuts Nemotron 3 Family of Open Models (가중치·학습데이터·레시피까지 공개한 자체 오픈 모델 패밀리)
Artificial Analysis — NVIDIA Nemotron 3 Ultra launch (5,500억 파라미터(활성 550억) MoE, 2026-06-04 공개, 미국산 오픈 모델 중 최고 점수)
NVIDIA NIM Free API 안내 (받지 않고 무료 API로도 호출 가능하나 호출 수 한도가 붙는 무료 티어 — 빌려 쓰는 방식)

수치와 사실은 위 출처에 근거하며, 해석과 현장 관점은 박상훈의 견해입니다.