The AI Prism에서 처음 게시됨

2019년, OpenAI는 GPT-2에 관한 논문을 발표했으나, 이후 "악용 가능성에 대한 우려"를 이유로 몇 달 동안 전체 모델을 공개하지 않았습니다. 2022년에는 DALL-E 2와 InstructGPT에 대한 상세한 기술 보고서(technical write-ups)를 발표했습니다. Anthropic은 2023년 내내 해석 가능성 (interpretability) 논문을 연달아 발표하며 시간을 보냈습니다. 만약 당신이 이러한 연구를 기반으로 무언가를 만들었다면, 당신은 자신이 무엇을 가지고 작업하고 있는지 정확히 알 수 있었습니다.

하지만 지금은 어떨까요? GPT-4의 보고서는 아키텍처 (architecture), 하드웨어 (hardware), 학습 연산량 (training compute), 그리고 데이터셋 구축 (dataset construction)에 관한 정보를 명시적으로 공개하지 않았습니다. 그리고 그 이후로는 더욱 조용해졌습니다. 기술 보고서 (Technical reports)는 시스템 카드 (system cards)로 변했습니다. 오픈 웨이트 (Open weights)는 정책 논쟁의 대상이 되었습니다.

이곳 The AI Prism에서 우리는 이러한 변화를 추적해 왔으며, 데이터는 이를 확인해 줍니다. 거대한 AI 투명성의 역전 현상은 실재하며, 측정 가능하고, 의도적입니다. 프런티어 연구소 (Frontier labs)들은 비밀주의로 흘러 들어간 것이 아니라, 그것을 선택했습니다. 그리고 한때 취미 활동가들의 사이드쇼로 치부되었던 오픈 소스 (open source) 커뮤니티가 그 빈틈을 향해 달려들었습니다.

이것은 기술 역사상 가장 투명했던 연구 문화가 어떻게 문을 닫게 되었는지, 그리고 왜 이제는 오픈 소스가 실제로 작업 내용을 볼 수 있는 유일한 장소가 되었는지에 대한 이야기입니다.

2023년, 논문 공장이 문을 닫다

정확한 시점을 짚어봅시다. OpenAI의 GPT-4 Technical Report (2023년 3월)는 과학 논문처럼 읽히지만 보도 자료 (press release)처럼 작동합니다. 보고서 자체의 문구는 다음과 같습니다: "GPT-4와 같은 대규모 모델의 경쟁 환경과 안전상의 영향력을 고려하여, 본 보고서에는 아키텍처 (모델 크기 포함), 하드웨어, 학습 연산량, 데이터셋 구축, 학습 방법 또는 이와 유사한 사항에 대한 추가적인 세부 정보를 포함하지 않습니다."

Hacker News에서의 반응은 즉각적이었고 잔혹했습니다. "OpenAI는 ClosedAI라고 불려야 한다"는 2023년 3월의 유행어가 되었습니다. 비판가들은 OpenAI라는 이름을 가진 회사가 자사 모델의 크기조차 공개하기를 거부하는 아이러니를 지적했습니다.

그것은 아무것도 바꾸지 못했습니다. 그 이후의 모든 주요 모델들 — GPT-4o, o1, GPT-5 라인업 — 은 기술 보고서 (technical report)가 아닌 "시스템 카드 (system card)"와 함께 출시되었습니다. 2025년 12월 GPT-5.2의 출시는 블로그 포스트, 벤치마크 차트, 그리고 안전 카드 (safety card)뿐이었습니다. 아키텍처 (architecture)도, 데이터 (data)도, 훈련 세부 사항 (training details)도 없었습니다.

이러한 패턴은 업계 전반에 걸쳐 유지되고 있습니다. 스탠퍼드 대학교의 파운데이션 모델 투명성 지수 (Foundation Model Transparency Index)는 2023년에 OpenAI를 최상위권으로 분류했습니다. 하지만 2025년 12월 판에서 동일한 지수는 OpenAI를 13개 기업 중 6위로 기록했으며, 이는 14포인트 하락한 수치입니다.

침묵 뒤에 숨겨진 경쟁적 계산

왜 연구소들은 입을 닫았을까요? 경제적 측면부터 시작해 봅시다. Ben Werdmuller가 2026년 7월 설명했듯이: "제품 그 자체로서의 AI 모델은 브랜드 충성도와 피상적인 전환 비용 (switching costs)에 해당하는 것 외에는 해자 (moat)가 거의 없습니다." 모델이 곧 제품일 때, 그것이 어떻게 작동하는지를 공개하는 것은 레시피를 넘겨주는 것과 같습니다.

이러한 변화는 자금의 흐름을 따릅니다. OpenAI는 영리 부문을 중심으로 구조를 재편했고, 토큰 (token) 단위로 API 접근 권한을 판매하기 시작했습니다. Anthropic도 마찬가지였습니다. 일단 수익이 독점적인 모델에 의존하게 되면, 기술 보고서는 기여가 아닌 부채 (liability)가 됩니다.

2026년에 이르러, 이 공포에는 이름이 생겼습니다: 바로 오픈 웨이트 (open weights)입니다. Axios는 7월에 보도하기를, OpenAI와 Anthropic이 오픈 웨이트 모델이 "그들의 수익 (bottom line)"에 가하는 위협에 대해 조용히 뜻을 같이했다고 전했습니다 — 헤드라인은 이를 명확하게 밝혔습니다. Anthropic의 CEO Dario Amodei의 7월 27일 입장문 (position paper)은 "산업적 규모의 증류 (industrial-scale distillation)"를 단속하고 강력한 칩이 중국의 손에 들어가지 않도록 규제할 것을 촉구했습니다.

Hacker News에서도 이러한 아이러니를 놓치지 않았습니다. 해당 게시물에는 1,742개의 댓글이 달렸으며, 많은 이들이 이를 "사다리 걷어차기 (ladder pulling)" — 즉, 자신이 올라간 뒤 사다리를 치워버리는 행위라고 비판했습니다. 결국 증류 (Distillation)는 많은 연구소(lab)들이 자신들만의 모델을 구축하는 방식이기 때문입니다. 현재 재무부(Treasury Department)는 중국 기업들이 미국 모델을 부적절하게 증류하여 자체 모델을 구축했는지 여부를 조사하고 있습니다.

안전인가, 국가 안보인가, 아니면 둘 다인가?

공정하게 말하자면, 연구소들에게는 이익 이상의 이유가 있으며 그중 일부는 정당합니다. Amodei의 게시물은 두 가지 악몽 같은 시나리오를 제시합니다. 바로 권위주의 정부가 더 강력한 AI를 구축하는 것과, 유능한 모델이 사이버 공격이나 생물학적 공격에 오용되는 것입니다. 그는 "위험한 능력을 갖추지 않은 오픈 웨이트 (Open-weights) 모델은 공공재이다"라고 적었습니다.

그가 제안한 세 가지 조치는 다음과 같습니다: 중국에 강력한 칩 공급 금지, 산업 규모의 증류 (industrial-scale distillation)에 대한 단속, 그리고 "오픈 및 클로즈드 모델을 포함한 모든 충분한 능력을 갖춘 모델"에 대한 의무적인 안전 테스트입니다. 마지막 조치는 진정으로 형평성을 갖추고 있습니다. 이는 프런티어 연구소 (frontier labs)에도 적용될 것이기 때문입니다.

하지만 무엇이 빠져 있는지 주목하십시오. 그 어떤 것도 연구 논문을 발표할 것을 요구하지 않습니다. 정책적 요구 사항은 모두 칩, 증류, 그리고 출시 결정에 대한 '통제'에 관한 것입니다. 이 분야가 세워진 근간인 가치인 투명성 (Transparency)은 목록에 없습니다. 2024년 12월에 발표된 OpenAI의 Frontier Safety Framework는 위험한 능력을 추적하기 위한 임계값을 설정했지만, 회사가 이를 어떻게 테스트하고 집행하는지는 내부적으로만 유지됩니다. 우리는 2026년 안전 분석을 통해 더 넓은 정렬 (alignment) 논쟁을 심층 조사했으며, 그 패턴은 일관적입니다. 안전 프레임워크가 성숙해질수록, 근간이 되는 연구는 더 요란해지는 것이 아니라 오히려 조용해집니다.

데이터가 말해주는 것: 투명성은 측정 가능한 수준으로 하락하고 있다

이것은 단순한 느낌이 아닙니다. 13개 기업에 걸친 100개의 투명성 지표를 조사한 Stanford의 FMTI 2025년 12월호에 따르면, 평균 점수가 전년 대비 17점 하락하여 100점 만점에 41점을 기록했습니다. 개별 점수가 그 내막을 보여줍니다:

• OpenAI: -14점, 2023년 2위에서 2025년 6위로 하락.

• Meta: -29점, 1위에서 5위로 하락 — 오픈 웨이트 (open-weights)의 선구자조차 점수가 낮아졌습니다.

• Mistral: -37점, 재참여 기업 중 가장 큰 폭으로 하락.

• xAI 및 Midjourney: 14점, 공동 최하위.

• 2025년에 투명성 보고서를 제출한 **연락된 기업은 단 30%**에 불과하며, 이는 2024년의 74%에서 감소한 수치입니다.

Stanford AI Index는 구조적인 통계치를 추가합니다: 2024년 주목할 만한 AI 모델의 거의 90%가 산업계에서 나왔으며, 이는 2023년의 60%에서 상승한 수치입니다. 모델을 만드는 주체는 기업이며, 기업은 무엇보다 주주들에게 책임을 집니다.

그리고 가장 중요한 반전이 있습니다: 오픈 웨이트 (open-weight) 방식의 중국 연구소들조차 낮은 점수를 기록했다는 점입니다. DeepSeek는 32점, Alibaba는 26점을 기록했습니다 — 누구나 다운로드할 수 있는 웨이트 (weights)를 공개했음에도 불구하고 말입니다. 오픈 웨이트 (open weights)와 투명성 (transparency)은 같은 것이 아니며, 이 지표가 이를 증명합니다.

오픈 소스 (Open Source)가 공백을 메웠다 — 그리고 단 한 번의 릴리스 사이클 만에 따라잡았다

연구소들이 침묵하는 동안, 오픈 소스 (open source) 생태계는 요란하게 움직였습니다. 그 전형은 2025년 1월, DeepSeek가 허용적인 MIT 라이선스 하에 R1의 웨이트 (weights), 기술 보고서, 그리고 학습 방법론을 공개했을 때 설정되었습니다. 이 논문은 매우 완벽하여 이후 Nature에 게재되기도 했습니다. 인간이 라벨링한 추론 흔적(reasoning traces)이 없는 순수한 강화학습 (reinforcement learning) 방식이었기에, 연구자들은 이를 읽고 재구축할 수 있었습니다. Hacker News에서 이 모델은 **1,843개의 추천(upvotes)**을 받았습니다.

2026년 7월이 되면 그 격차는 거의 사라집니다. Mozilla의 State of Open Source AI 보고서에 따르면, 가장 뛰어난 오픈 모델(Moonshot의 Kimi K3)은 Artificial Analysis Intelligence Index에서 57점을 기록했으며, 이는 가장 뛰어난 폐쇄형 모델(Claude Opus 5)의 61점과 비교됩니다 — 이는 전체 4위로, 가장 큰 폐쇄형 연구소(closed labs) 중 세 곳보다 앞선 성적입니다. Epoch AI는 오픈 프론티어(open frontier)를 156, 폐쇄형 프론티어(closed frontier)를 162로 평가했습니다: 6점 차이로, 이는 약 한 번의 출시 주기(release cycle) 정도이며 신뢰 구간(confidence intervals)이 겹치는 수준입니다.

폐쇄형 진영의 경제성은 가혹합니다. Kimi K3는 최상위 모델과 3.6점 차이밖에 나지 않으면서 가격은 약 3분의 1 수준이며, LMArena의 Frontend Code Arena에서 1,679 Elo로 1위를 차지했습니다. MIT 라이선스로 출시된 GLM-5.2는 GPT-5.5의 58.6%와 대비되는 62.1%의 SWE-bench Pro 점수를 기록했습니다.

Thinking Machines는 2026년 7월에 975B 규모의 오픈 웨이트(open-weights) 모델인 Inkling을 출시했습니다. Google은 Gemma를 계속해서 밀어붙이고 있습니다. Hugging Face에는 200만 개 이상의 공개 모델이 호스팅되어 있습니다.

사용량 수치가 진실을 말해줍니다. 2025년 말 기준으로 OpenRouter 토큰의 약 3분의 1이 오픈 웨이트 모델로 흘러갔습니다. 현재 해당 플랫폼에서 사용량이 가장 많은 7개 모델은 모두 오픈 웨이트를 제공합니다. 대부분의 프로덕션 워크로드(production workloads)에 있어, 오픈 프론티어는 이미 기준치를 충족하고 있습니다.

Kubernetes의 교훈: 허가 없는 자유가 폐쇄된 통제를 이긴다

오픈 소스는 이전에도 이런 경험이 있었습니다. Mesosphere를 공동 창업했으며 Kubernetes가 자신의 회사 플랫폼을 잠식하는 과정을 지켜본 Tobi Knaup는 결정적인 비유를 작성했습니다: 오픈 웨이트가 그들의 'Kubernetes 모먼트(Kubernetes moment)'를 맞이하고 있다는 것입니다. 그는 "사람들이 맞춤 설정(customize)할 수 있는 오픈 플랫폼이 산업의 무게 중심이 되는 순간,"라고 적었습니다. "그 어떤 단일 벤더(vendor)도 그 주변에서 일어나는 결합된 혁신의 속도를 따라잡을 수 없습니다."

인프라는 이미 존재합니다: vLLM, SGLang, llama.cpp, Ollama, 그리고 MLX — 허가 없이도 커뮤니티에 의해 구축된 완전한 서빙 스택 (serving stack)입니다. Qwen과 Gemma 주변에서 개발자들은 단일 연구소(lab)가 따라잡을 수 없는 속도로 양자화된 가중치 (quantized weights), LoRA 어댑터 (LoRA adapters), 모델 병합 (model merges), 그리고 런타임 포트 (runtime ports)를 만들어내고 있습니다.

경고는 일찍 나왔지만 무시되었습니다. Google의 유출된 “We Have No Moat” 메모 (2023년 5월)는 오픈 소스 커뮤니티가 Google의 우위를 침식하고 있다고 회사에 알렸습니다. Mark Zuckerberg는 2024년 7월에 오픈 소스 AI가 나아가야 할 길이라고 주장하며 시간을 보냈습니다. “Open source AI must win” 캠페인은 2026년 6월에 Hacker News에서 1,600개 이상의 포인트를 끌어모았습니다.

폐쇄형 연구소(closed labs)의 자체 생태계조차 이탈하고 있습니다. 2026년 7월 24일, Nvidia, Microsoft, Meta 등이 발표한 공개 서한은 오픈 웨이트 (open-weight) 모델에 대한 과도한 규제를 경고했습니다. 스타트업 창업자들은 새로 결성된 Little Tech Association을 통해 정부에 중국의 오픈 웨이트 모델을 차단하지 말 것을 촉구했습니다. 스타트업의 80%가 중국 모델을 사용한다는 a16z 파트너 Martin Casado의 주장(Hacker News에서 논쟁의 여지가 있었으나 방향성 측면에서 시사하는 바가 큼) 또한 같은 곳을 가리킵니다: 모델 계층은 범용화 (commoditizing)되고 있으며, 가치는 하네스 (harness) 계층으로 이동하고 있습니다. 우리는 2026년 오픈 소스 대 폐쇄형 소스 AI 분석에서 그 전쟁을 정리한 바 있습니다.

오픈 워싱 (Open-Washing) 문제: 가중치가 전부가 아니다

오픈 소스의 승리를 선언하기 전에, 불편한 진실을 직시해야 합니다. 오픈 가중치 (Open weights)는 오픈 소스 (Open source)가 아닙니다. Open Source Initiative의 오픈 소스 AI 정의에 따르면, 시스템을 재구축할 수 있는 훈련 코드 (Training code)와 충분한 데이터 문서화 (Data documentation)가 필요합니다. 거의 모든 "오픈" 모델이 이 기준을 충족하지 못합니다. 가중치는 허용적이지만, 레시피 (Recipe)는 여전히 비밀입니다.

이것이 바로 DeepSeek와 Alibaba가 오픈 가중치를 공개했음에도 불구하고 투명성 측면에서 매우 낮은 점수를 받는 이유입니다. 가중치를 공개하는 것은 모델을 실행할 수 있게 해줄 뿐, 어떻게 훈련되었는지, 어떤 데이터로 훈련되었는지, 혹은 어떤 안전 장치 (Safeguards)가 적용되었는지는 알려주지 않습니다. Knaup는 이를 직접적으로 지적합니다. 대부분의 "오픈 소스" 모델은 "오픈 가중치 (Open-weight)"라고 부르는 것이 더 정확합니다.

또한 소스 공개 (Source-available) 또는 가중치 전용 (Weight-only) 출시를 "오픈"이라고 마케팅하는 오픈 워싱 (Open-washing)의 오랜 역사가 존재합니다. 2025년 8월 OpenAI의 GPT-OSS 출시 역시 오픈 연구 (Open research)가 아닌 오픈 가중치였습니다. 즉, 훈련 데이터도, 레시피도 없었습니다.