미국의 오픈 모델 패러독스

미국은 폐쇄형 프런티어 모델을 선도하지만 자국 모델의 출력을 합법적으로 학습에 활용하기 어려워,
오픈 모델 계층에서는 중국 의존이 커지는 역설(Paradox)에 놓임
신규 오픈 모델 미세조정·변형에서
Qwen의 점유율은 2024년 1월 1%에서 2026년 2월 69%로 상승했으며, 미국 AI 스타트업과 서구 연구소도 중국 모델을 제품·교사 모델·합성 데이터 원천으로 활용함
증류(distillation) 만으로 중국의 우위를 모두 설명할 수는 없지만, 강력한 기반 모델과 프런티어급 시스템 사이의 비싼 마지막 격차를 저렴한 학습 문제로 바꾸는 데 기여함
오픈 가중치는 특정 버전의 배포·수정 권한을 제공할 뿐, 향후 개선 모델에 대한 접근이나 모델 내부의
신뢰성과 안전성까지 보장하지 않아 국방·정보·핵심 인프라에는 공급망 위험이 남음
미국은 서구 기반 모델 개발과 해외 증류 방해를 이어가는 동시에, 검증된 서방·동맹 기업이 제한·계량·감사 가능한 조건으로 프런티어 모델을 학습에 활용하는
통제된 교사 접근권을 마련할 필요가 있음

중국 모델을 경유하는 능력 이전

ATOM의 보고서에 따르면
Qwen의 신규 오픈 모델 미세조정·변형 점유율은 2024년 1월 1%에서 2026년 2월 69%로 상승함
다수의 미국 AI 스타트업이 기술 스택 어딘가에서 중국산 오픈 가중치를 사용하는 것으로 보임
서구 애플리케이션 기업은 중국 오픈 모델 위에 제품을 구축하고, 서구 연구소는 프런티어 격차를 좁힐 교사 모델과 합성 데이터 원천으로 활용함
Thinking Machines는
Inkling을 독립적으로 사전학습했지만, 지도 미세조정을 시작하기 위해 Moonshot의 Kimi K2.5가 생성한 합성 데이터를 사용함
Inkling의 능력 중 얼마가 Kimi에서 왔는지보다 중요한 점은 중국 오픈 모델로 가능한 학습 경로가 GPT나 Claude 출력에는 금지돼 있다는 사실임
현재 능력 이전은
서구 프런티어 모델 → 무단 해외 추출 의혹 → 중국 오픈 가중치 → 합법적인 서구 후속학습

경로를 따르며, 미국 프런티어 모델 → 합법적인 서구 후속학습

이라는 직접 경로는 빠져 있음

증류가 줄이는 마지막 격차

사전학습이 유능한 기반 모델을 만든다면
후속학습은 이를 코딩·추론·도구 사용·에이전트 시스템으로 전환함
강한 교사를 활용하면 비용이 많이 드는 능력 발견 과정의 일부를 더 저렴한 학습 문제로 바꿀 수 있음
증류만으로 중국 오픈 모델의 우위를 모두 설명할 수는 없음
중국 연구소는 세계적 연구진, 대규모 연산 자원, 강력한 사전학습 모델, 소프트웨어·하드웨어 공동 설계, 빠르게 발전하는 후속학습 역량을 갖추고 있음
다만 증류는 강력한 기반 모델과 프런티어급 시스템 사이의
마지막 격차를 압축하며, 중국 모델 전체 능력에서 차지하는 비중이 작더라도 미국 오픈 모델 대비 우위에는 유의미하게 기여함
신원 확인과 접근 통제는 중국 기업의 대규모 증류를 더 어렵고 느리고 비싸게 만들 수 있지만, 국가 행위자가 지원하는 증류까지 없애지는 못함
서구 프런티어가 발전할 때마다 중국 연구소에는 새로운 교사가 생기지만, 서구 개발자는 같은 능력을 독자적으로 재현하거나 중국 모델을 통해 뒤늦게 학습해야 함

오픈 계층을 장악하는 공급자

오픈 계층 공급자는 제품, 합성 데이터, 후속학습 시스템, 평가, 에이전트, 최적화와 응용 AI의 기본 기반이 됨
경쟁의 핵심은 세계 기업이 디지털 지능을 구축하고 개선하는
기반 계층을 누가 차지하느냐에 있음
중국 모델을 내려받으면 해당 버전을 로컬에서 실행·수정하고 허가 없이 계속 사용할 수 있지만, AI 능력은 지속적인 업그레이드 주기를 따름
서구 스타트업·모델 개발자·연구자는 새로 나오는 Qwen, Kimi, GLM, DeepSeek를 더 강한 기반 모델, 교사, 합성 데이터 원천, 연구 플랫폼으로 계속 활용함
중국이 최상위 모델 공개를 중단해도 기존 제품이 즉시 고장 나지는 않지만 경쟁에서는 뒤처지게 됨
Reuters에 따르면 중국 당국은 아직 공개되지 않은 모델을 포함해 첨단 모델의 해외 접근 제한을 논의했음
최종 정책은 발표되지 않았으며, 서구의 접근은 중국 연구소와 규제 당국이 계속 모델을 공개하는 데 달려 있음

오픈 가중치가 보장하지 않는 것

오픈 가중치가 곧 감사 가능한 모델을 뜻하지는 않음

가중치는 학습 결과를 압축한 것이므로 전체 사전학습 말뭉치, 필터링되거나 오염된 데이터, 학습 중 개입, 희귀한 트리거에 의존하는 행동의 삽입 여부를 드러내지 않음
Qwen이나 Kimi 등 중국 모델에 백도어가 있다는 의혹을 제기하는 것은 아니지만, 가중치를 보유했다는 사실만으로 백도어가 없다고 입증할 수도 없음
백도어는 일반 테스트에서는 잠복하다 알 수 없는 트리거에만 반응할 수 있으며, 의도적으로 삽입된 행동이 지도 미세조정·강화학습·적대적 학습 이후에도 남을 수 있다는 연구가 있음
이러한 공급망 위험은 많은 소비자 애플리케이션에서 수용 가능할 수 있지만
국방·정보·핵심 인프라에는 적합하지 않음
오픈 가중치는 배포 통제권을 제공할 뿐, 더 나은 모델에 대한 지속적 접근이나 모델 자체의 정렬·신뢰·안전을 보장하지 않음

미국 내 합법적인 능력 이전 경로

미국 기업에는 자국 프런티어 능력을 더 저렴하고 소유 가능한 모델로 전환할
합법적 경로가 필요함
이를 마련하지 않으면 서구는 폐쇄형 프런티어를 선도하면서도 오픈 계층에서는 중국에 의존하게 될 수 있음

서구 기반 모델 개발 지속

Reflection, TML, Nemotron이 진전을 이루고 있지만 강한 사전학습만으로 교사 문제를 해결할 수는 없음
미국 개발자에게는 미국 프런티어에서 이미 개발된 능력을 합법적으로 흡수할 방법도 필요함

통제된 교사 접근권 도입

프런티어 연구소가 자격을 갖춘 서방·동맹 기업에 구조화된 학습 권리를 판매하고, 결과 모델은 공개하거나 비공개로 배포할 수 있음
접근 시점을 프런티어보다 늦추고 허용 능력을 정의하며, 검증된 기업으로 대상을 제한하고 사용량을 계량·감사할 수 있음
민감한 생물학·사이버 능력은 계속 제한 가능함
최신 프런티어 모델의 복제를 허용하는 것이 아니라, 정교한 해외 행위자가 이미 은밀하게 추구하는 능력 이전에
합법적이고 가격이 책정된 경로를 만드는 방안임

해외 증류 비용 인상

신원 확인, 접근 통제, 프록시 차단과 집행을 강화해 해외 증류 비용을 계속 높여야 함
자발적 시장이 형성되지 않으면 주요 연방 AI 계약에 접근권 제공을 조건으로 붙이는 방안도 가능함
자격 기준, 프런티어 대비 접근 지연 기간, 가격 책정, 제한할 능력은 추가 논의가 필요함
선도 AI 연구소들은 공개 웹의 방대한 데이터를 학습에 활용했으며, 공개 웹 학습이 허용되지 않았다면 선도 AI도 존재하지 않았을 것임
개방적이고 자유로운 미래는 서구의 경쟁력에 필수적임
현재는 서구가 프런티어를 만들고 그 능력 일부가 중국 모델을 통해 간접적으로 이동한 뒤, 서구 개발자가 지능을 저렴하고 적응 가능하며 자율적으로 만들기 위해 다시 중국 모델에 의존함
선택지는 증류 여부 자체가 아니라, 서구가 능력 이전을 위한
합법적인 국내 경로를 만들 것인지 중국을 경유하는 간접 경로에 계속 의존할 것인지임

미국의 오픈 모델 패러독스

요약

핵심 포인트

중국 모델을 경유하는 능력 이전

이라는 직접 경로는 빠져 있음

증류가 줄이는 마지막 격차

오픈 계층을 장악하는 공급자

오픈 가중치가 보장하지 않는 것

미국 내 합법적인 능력 이전 경로

서구 기반 모델 개발 지속

통제된 교사 접근권 도입

해외 증류 비용 인상

댓글과 토론

댓글

중국 모델을 경유하는 능력 이전

이라는 직접 경로는 빠져 있음

증류가 줄이는 마지막 격차

오픈 계층을 장악하는 공급자

오픈 가중치가 보장하지 않는 것

미국 내 합법적인 능력 이전 경로

서구 기반 모델 개발 지속

통제된 교사 접근권 도입

해외 증류 비용 인상

댓글과 토론