wikiline.dev🇺🇸
Wikiline › AI (인공지능) › LLM (대규모 언어 모델) › 오픈 가중치 모델 (Open-Weight Models)

오픈 가중치 모델 (Open-Weight Models)

타임라인 10건업데이트 0건갱신 2026-11-05별칭: open weight, 오픈 가중치, open source AI, 오픈소스 AI, 공개 모델

한 줄 정의

오픈 가중치 모델은 학습이 끝난 모델의 파라미터(가중치)를 누구나 내려받아 자기 서버에서 직접 돌릴 수 있도록 공개한 LLM입니다. 다만 가중치 공개가 곧 "오픈소스"를 뜻하지는 않습니다.

지금 상태 (2026-09 기준)

2023년 Meta의 Llama 2가 상업적 사용까지 허용하는 대형 오픈 가중치 모델을 처음 대중화했지만, 자체 커뮤니티 라이선스라는 조건이 붙어 있었습니다. 같은 해 말 Mistral AI가 표준 오픈소스 라이선스(Apache 2.0)로 Mixtral을 공개하며 더 개방적인 선택지를 보여줬습니다. "오픈소스 AI"라는 말이 회사마다 다르게 쓰이자, 2024년 10월 Open Source Initiative(OSI)가 처음으로 업계 공식 정의(가중치뿐 아니라 코드와 학습 데이터 정보까지 요구)를 내놨습니다. 2025년 1월 DeepSeek가 MIT 라이선스로 최상위권 추론 모델(R1)을 공개하면서, 오픈 가중치 모델이 폐쇄형 최상위 모델과 성능 격차를 좁힐 수 있다는 것을 보여줬습니다.

개념

  • 가중치 공개 ≠ 오픈소스: 모델 파라미터 파일을 내려받을 수 있어도, 그것을 만든 학습 코드나 학습 데이터가 공개되지 않으면 다른 사람이 같은 모델을 처음부터 재현할 수 없습니다. OSI의 Open Source AI Definition(OSAID) 1.0은 코드·가중치·데이터 정보 세 가지가 모두 자유로운 이용·연구·수정·재배포 조건을 갖춰야 "오픈소스 AI"라고 부를 수 있다고 규정합니다.
  • 라이선스 스펙트럼: 한쪽 끝에는 API로만 접근 가능한 완전 폐쇄형(Claude, GPT, Gemini 계열)이 있고, 가운데에는 가중치는 내려받을 수 있지만 사용 조건에 제약이 있는 모델(Llama 2 커뮤니티 라이선스)이, 다른 쪽 끝에는 Apache 2.0·MIT처럼 사실상 제약이 거의 없는 표준 오픈소스 라이선스로 가중치를 공개하는 모델(Mixtral, DeepSeek-R1)이 있습니다.
  • "오픈워싱(openwashing)" 논쟁: 일부 모델이 "오픈"을 마케팅으로 내세우면서도 실제로는 상업적 사용 제한이나 학습 데이터 비공개 같은 제약을 두는 경우가 있어, OSI 정의가 나오기 전까지 "오픈소스 AI"라는 말 자체가 신뢰하기 어려운 표현으로 여겨졌습니다.
  • 오픈 가중치 추론 모델의 등장(DeepSeek-R1): 그동안 최상위권 추론 성능은 폐쇄형 API 모델(OpenAI o1)의 영역으로 여겨졌으나, DeepSeek가 MIT 라이선스로 유사한 성능대의 모델을 공개하며 이 구도를 흔들었습니다. 자세한 모델 특성은 추론 모델 (Reasoning Models) 참고.

벤더별 비교

구분 Meta Mistral AI DeepSeek
대표 모델 Llama 2(2023-07), 이후 계열 Mixtral 8x7B(2023-12) DeepSeek-R1(2025-01)
라이선스 Llama 2 Community License (조건부 상업 이용 허용) Apache 2.0 MIT
구조 표준 Transformer Mixture-of-Experts Mixture-of-Experts

Anthropic·OpenAI·Google은 주력 모델을 폐쇄형 API로만 제공하고, 일부 경량 모델만 오픈 가중치로 따로 공개하는 전략을 쓴다고 알려져 있습니다. 각사의 구체적인 모델명과 공개 조건은 1차 출처로 확인하지 못해 표에는 넣지 않았습니다.

잘 쓰는 법

  • "오픈소스"라는 홍보 문구를 그대로 믿지 말고, 실제 라이선스 문서에서 상업적 사용·재배포·파생 모델 제한 조건을 직접 확인합니다.
    • 예: Llama 2는 "오픈소스"로 자주 불리지만 실제 라이선스 문서를 보면 월간 활성 사용자 7억 명 초과 기업은 별도 허가가 필요한 등 완전한 오픈소스 라이선스와는 다른 제약이 있습니다.
  • 오픈 가중치 모델을 자체 서버에 올릴 때는 라이선스가 요구하는 표시 의무(예: 특정 문구 고지)나 사용자 수 기준 제한이 있는지 확인합니다.
    • 예: Llama 2 Community License로 서비스를 만들 때는 "Built with Llama" 같은 표시 의무나 사용자 규모 제한 조항을 사전에 확인하지 않으면, 서비스가 커진 뒤에야 라이선스 위반을 발견할 수 있습니다.
  • OSI의 Open Source AI Definition처럼 업계 공식 기준이 있는 경우, 벤더의 자체 주장보다 그 기준 충족 여부를 우선 참고합니다.
    • 예: 어떤 모델이 "오픈소스 AI"를 자처해도, OSI의 OSAID 1.0 기준(코드·가중치·데이터 정보 모두 자유 이용 가능해야 함)을 충족하는지 직접 대조해보면 실제로는 가중치만 공개한 "오픈 가중치" 모델인 경우가 많습니다.

타임라인

2023-07-18 · Llama 2 공개 (Meta)

  • 이전 대비: 최초 등장. 상업적 사용까지 무료로 허용하는 대형 오픈 가중치 모델을 대중화
  • 7B~70B 파라미터 사전학습·대화형 미세조정 버전을 함께 공개, Microsoft를 우선 파트너로 Azure를 통해 배포. Llama 2 Community License Agreement라는 자체 라이선스 적용(완전한 OSI 오픈소스 라이선스는 아님)
  • 출처: Meta and Microsoft Introduce the Next Generation of Llama

2023-12-11 · Mixtral 8x7B 공개 (Mistral AI)

  • 이전 대비: Llama 2의 조건부 커뮤니티 라이선스보다 개방적인 표준 오픈소스 라이선스(Apache 2.0)로 대형 모델을 공개
  • Mixture-of-Experts 구조, 전체 46.7B 파라미터 중 토큰당 약 12.9B만 활성화. Llama 2 70B보다 빠른 추론 속도를 주장
  • 출처: Mixtral of experts (Mistral AI)

2024-10-28 · Open Source AI Definition 1.0 발표 (OSI)

2025-01-20 · DeepSeek-R1 공개 (오픈 가중치)

  • 이전 대비: 오픈 가중치 모델이 처음으로 폐쇄형 최상위 추론 모델(OpenAI o1)과 근접한 성능대에서 경쟁 구도를 형성
  • MIT 라이선스로 671B 파라미터(활성 37B) 모델과 1.5B~70B 규모의 distill 버전을 함께 공개
  • 출처: DeepSeek-R1 (Hugging Face)

2026-10-03 · Aleph Alpha Kolibri 공개 (독일 소버린 오픈 가중치)

  • 이전 대비: 미국·중국 중심이던 오픈 가중치 흐름에 독일발 소버린 모델이 추가됨
  • 독일어·영어 MoE 모델로 총 780억 파라미터 중 토큰당 약 35억만 활성화. 가중치는 Apache 2.0으로 Hugging Face에 공개, 학습 코드·방법은 비공개. 긴 독일어 문서 RAG·추론에 강하고 코딩 에이전트·멀티턴 도구 호출은 약하다는 평가(제3자 해설 기준, 공식 페이지는 직접 확인 못 함)
  • 출처: Kolibri: A Sovereign Open-Weight Model, How the sovereign German LLM works

2026-10-06 · EmbeddingGemma 2 공개 (Google, 오픈 가중치 멀티모달 임베딩)

2026-10-07 · Liquid AI, 엣지용 결정 모델 d1 공개 (오픈 가중치)

  • 이전 대비: 이번에도 대화형 LLM이 아니라, 토큰을 생성하지 않고 한 번의 forward pass로 구조화된 출력을 내는 "결정 모델"이 오픈 가중치로 나온 사례입니다.
  • d1-3B(텍스트·이미지)와 d1-omni-600M(텍스트+이미지 또는 오디오, 실험적) 두 종을 Hugging Face에 공개했습니다. 제작사 주장으로 d1-3B는 NVIDIA Jetson에서 16ms 응답을 냅니다. 라이선스는 확인하지 못했습니다.
  • 출처: Multimodal open d1 decision models for the edge (Hugging Face Blog)

2026-10-15 · Meta, Muse Spark Open 공개

  • 이전 대비: Liquid AI d1(엣지용 소형)과 달리 총 약 816B·활성 약 42B 규모의 프런티어급 MoE 모델이 오픈 가중치로 나옴.
  • 텍스트·이미지·오디오·영상 입력, 최대 1M 토큰 컨텍스트, BF16·NVFP4 체크포인트 제공. 라이선스는 원문에 명시되지 않음.
  • 출처: Welcome Muse Spark Open

2026-10-27 · Liquid AI, LFM3 공개 (오픈 가중치)

  • 이전 대비: 10-07 엣지용 결정 모델 d1 단일 공개에서, 텍스트·비전·오디오·옴니·결정 모델을 한 백본으로 묶은 제품군으로 확장.
  • 약 2B 파라미터급 LFM3 모델 전부가 Hugging Face에 오픈 가중치로 공개됐다.
  • 출처: Build specialized multimodal models with LFM3

2026-11-04 · Ricursive, Ripple-65B Preview 공개

  • 이전 대비: 직전 공개들(Muse Spark Open, LFM3)과 달리 미국 스타트업이 에이전틱 코딩에 초점을 맞춘 65B 밀집 모델을 내놓음.
  • 12조 토큰으로 학습한 65B 밀집 모델. 가중치는 공개됐으나 라이선스 조건은 페이지에 명시되지 않았다. TerminalBench 2.1 80.52점으로 미국 오픈웨이트 최고라는 것은 제작사 자체 주장이다.
  • 출처: Ripple-65B Preview

출처

관련 주제

트랜스포머 (Transformer)추론 모델 (Reasoning Models)