오픈 웨이트
오픈 웨이트(open weight)는 모델의 가중치를 내려받을 수 있게 공개했지만 오픈소스는 아닌 공개 방식을 가리키는 말이다.
가중치만 열어 두고 사용 조건에 제한을 붙인 커스텀 라이선스를 함께 붙이는 것이 보통이다. Llama와 Gemma가 대표적이다.
"무료로 받을 수 있다"와 "마음대로 써도 된다"는 다른 말이다. 이 문서는 그 차이를 다룬다.
왜 이 구분이 필요한가
실무에서 이런 일이 벌어진다.
1. "이 모델 오픈소스래" → 내려받아 서비스에 넣는다 2. 서비스가 잘 된다 3. 법무 검토에서 라이선스를 읽는다 4. 사용 제한 조항, 표시 의무, 이름 규칙이 나온다 5. 이미 배포된 제품을 고쳐야 한다
이 문제는 순서가 거꾸로일 때만 생긴다. 먼저 읽으면 5분이면 끝나는 확인이, 나중에 읽으면 제품을 손대야 하는 일이 된다.
한국어 자료에서 이 구분이 특히 흐릿하다. "오픈소스 LLM 추천" 같은 글에 Llama와 Qwen이 나란히 들어가 있는데, 둘은 법적으로 전혀 다른 물건이다.
세 가지 공개 방식
AI 모델의 공개 방식은 크게 셋으로 나뉜다.
| 구분 | 가중치 | 사용 제한 | 예 |
|---|---|---|---|
| 오픈소스 | 공개 | 없음 (OSI 승인 라이선스) | Qwen3, DeepSeek-R1, gpt-oss |
| 오픈 웨이트 | 공개 | 있음 (커스텀 라이선스) | Llama, Gemma |
| 비공개 | 비공개 | API 약관 | Claude, GPT 계열 |
가운데 칸이 이 문서의 주제다.
가중치를 받을 수 있다는 점에서는 왼쪽과 같고, 조건이 붙는다는 점에서는 오른쪽에 가깝다. 그래서 둘 중 어느 쪽으로도 뭉뚱그릴 수 없어 별도의 이름이 생겼다.
가중치(weight)란 모델이 학습을 통해 얻은 숫자 덩어리다. 이것이 있어야 모델을 실제로 돌릴 수 있다.
가중치를 받으면 내 컴퓨터나 회사 서버에서 직접 실행할 수 있다. 데이터가 외부로 나가지 않는다는 뜻이라, 이것 하나 때문에 오픈 웨이트 모델을 검토하는 회사가 많다.
왜 가중치를 받으려 하는가
조건이 붙어 있는데도 오픈 웨이트 모델을 쓰는 이유가 있다. API로 부르면 훨씬 편한데도 가중치를 받는 쪽을 택하는 상황은 대개 넷 중 하나다.
① 데이터가 밖으로 나가면 안 된다
가장 흔한 이유이자 대체 불가능한 이유다.
비공개 모델은 입력한 내용이 반드시 외부 서버로 간다. 학습에 쓰지 않겠다는 약속을 받을 수는 있어도 전송 자체를 막을 수는 없다. 의료 기록, 미공개 재무 자료, 계약상 반출이 금지된 코드처럼 전송 자체가 문제인 데이터에는 이 차이가 결정적이다.
가중치를 받아 사내 서버에서 돌리면 데이터가 그 서버를 벗어나지 않는다.
② 대량 처리에서 비용이 뒤집힌다
API는 쓴 만큼 낸다. 요청이 적으면 압도적으로 싸다. 그런데 요청량이 아주 많아지면 어느 지점부터 자체 실행이 유리해진다.
GPU 값과 전기·운영 인력을 다 합쳐도 토큰 요금이 그보다 더 나오는 규모가 있기 때문이다. 그 손익분기가 어디인지는 작업 종류와 트래픽에 따라 크게 다르므로 직접 계산해야 한다.
③ 모델이 사라지지 않는다
비공개 모델은 제공사가 내리면 그날로 끝이다. ChatGPT에서 GPT-4o와 GPT-5가 2026년 2월 13일 같은 날 은퇴한 것이 그 예다.
받아 둔 가중치는 누가 회수하지 못한다. 오래 유지해야 하는 시스템, 결과가 재현돼야 하는 연구에서는 이것만으로 선택 이유가 된다.
④ 원하는 대로 고칠 수 있다
특정 분야 데이터로 추가 학습을 시키거나, 출력 형식을 강제하거나, 내부 구조에 손을 대는 일은 가중치가 있어야 가능하다.
의료·법률·제조처럼 용어와 문체가 특수한 분야에서 이 차이가 크다. 범용 모델에 프롬프트로 설명하는 것과, 그 분야 자료로 아예 학습시킨 모델을 쓰는 것은 같은 작업이라도 결과가 다르다.
⑤ 인터넷 없이 돌아간다
폐쇄망이나 현장 장비처럼 외부 통신 자체가 불가능한 환경에서는 자체 실행 외에 선택지가 없다.
실제로 돌리려면
가중치를 받는 것과 돌리는 것은 다른 문제다.
하드웨어
VRAM(그래픽카드 메모리)이 병목이다. 모델 크기에 대략 비례한다.
공개된 예로 gpt-oss 계열을 보면 이렇다.
| 모델 | 전체 파라미터 | 필요 메모리 |
|---|---|---|
| gpt-oss-120b | 약 1,168억 | 80GB (GPU 한 장) |
| gpt-oss-20b | 약 209억 | 16GB |
작은 쪽은 개인용 그래픽카드로도 닿는 범위지만, 큰 쪽은 데이터센터급 GPU가 필요하다.
양자화(quantization)로 요구 사양을 낮출 수 있다.
가중치의 정밀도를 낮춰 크기를 줄이는 기법이다. 메모리가 크게 줄어드는 대신 품질이 조금 떨어진다. 개인 PC에서 큰 모델을 돌리는 대부분의 사례가 이 방식이다.
gpt-oss는 처음부터 MXFP4로 양자화된 상태로 배포돼, 위 표의 숫자가 이미 그 결과다.
실행 도구
가중치 파일만 받아서는 아무것도 못 한다. 돌려 주는 도구가 따로 있다.
| 도구 | 성격 |
|---|---|
| Ollama | 개인용. 명령 하나로 받아서 실행 |
| LM Studio | 개인용. 그래픽 화면 |
| vLLM | 서버용. 처리량 중심 |
| llama.cpp | CPU에서도 돌아가는 경량 실행기 |
가중치를 구하는 곳은 대개 Hugging Face다. 모델 카드에 라이선스가 함께 표시되지만, 표시된 이름만 믿지 말고 원문 파일을 열어 확인하는 편이 안전하다.
파인튜닝하면 라이선스는 어떻게 되나
원본의 조건이 따라온다. 이것이 오픈 웨이트에서 가장 자주 어긋나는 지점이다.
내 데이터로 추가 학습을 시켜 만든 모델은 라이선스상 파생 모델이다. "내가 학습시켰으니 내 것"이 아니다.
| 원본 | 파생 모델에 따라오는 것 |
|---|---|
| Llama | 이름 앞에 "Llama" 필수, "Built with Llama" 표시, 저작권 고지, 사용 정책, 7억 MAU 조항 |
| Gemma | 사용 제한 정책, 하위 계약 포함 의무, 약관 사본 제공, Notice 파일 |
| Apache-2.0 · MIT | 저작권·라이선스 고지 정도 |
파인튜닝한 모델을 제품으로 팔 계획이라면 여기서 결정이 갈린다.
Llama 기반으로 만든 모델은 이름 앞에 "Llama"를 넣어야 한다. 독자 브랜드로 내놓으려던 계획과 정면으로 부딪친다.
Gemma 기반이라면 내 고객과의 계약서에 사용 제한을 집행 가능한 조항으로 넣어야 한다. 서비스 약관을 손대야 한다는 뜻이다.
모델을 고르는 시점에 결정할 일이지, 출시 직전에 발견할 일이 아니다.
API로 쓰는 것과 비교
| 항목 | 오픈 웨이트 자체 실행 | 비공개 모델 API |
|---|---|---|
| 데이터 전송 | 없음 | 있음 |
| 초기 비용 | 높음 (GPU·구축) | 없음 |
| 소량 사용 비용 | 불리 | 유리 |
| 대량 사용 비용 | 유리해지는 구간 있음 | 쓴 만큼 |
| 모델 유지 | 내가 통제 | 제공사가 내리면 끝 |
| 최고 성능 | 격차 있음 | 앞서 있음 |
| 운영 부담 | 크다 | 없음 |
| 라이선스 확인 | 필요 | 약관 확인 |
운영 부담을 과소평가하는 경우가 많다. GPU 서버를 사서 끝이 아니라 장애 대응, 버전 관리, 성능 튜닝, 보안 패치가 계속 따라온다. 그 인건비까지 넣고 계산해야 실제 비교가 된다.
오픈소스 AI란 무엇인가
오픈소스라는 말은 아무나 붙일 수 있는 표현이 아니다. 소프트웨어에서는 OSI(Open Source Initiative)가 승인한 라이선스를 쓴 것만 오픈소스라 부른다.
AI 모델에도 같은 기준이 필요해지자 OSI가 오픈소스 AI 정의(OSAID) 1.0을 내놨다.[1]
네 가지 자유
OSAID는 다음 넷을 모두 보장해야 오픈소스 AI라고 본다.
- 사용 — 어떤 목적으로든, 허락을 구하지 않고 쓸 수 있다
- 연구 — 어떻게 작동하는지 살펴보고 구성요소를 뜯어볼 수 있다
- 수정 — 어떤 목적으로든 고칠 수 있다
- 공유 — 고치든 안 고치든 남에게 넘겨줄 수 있다
첫 번째 항목이 핵심이다. "어떤 목적으로든, 허락을 구하지 않고"라는 조건 때문에 사용 제한 조항이 하나라도 붙으면 오픈소스가 아니게 된다.
세 가지 구성요소
이 자유를 실제로 행사하려면 고칠 수 있는 형태로 세 가지가 제공돼야 한다.
| 구성요소 | 내용 |
|---|---|
| 데이터 정보 | 학습 데이터에 대한 상세한 정보 |
| 코드 | 학습과 실행에 필요한 완전한 소스코드 |
| 파라미터 | 모델 가중치를 비롯한 설정값 |
셋 모두 OSI 승인 조건으로 제공돼야 한다.
가중치만으로는 왜 부족한가
가중치는 위 셋 중 하나(파라미터)에 불과하다.
가중치만 있으면 모델을 돌릴 수는 있지만 다시 만들 수는 없다. 무엇으로 학습했는지 모르면 왜 이렇게 답하는지 알 수 없고, 같은 것을 처음부터 다시 만들 수도 없다.
소프트웨어로 치면 실행 파일만 받고 소스코드는 못 받은 상태에 가깝다. 그래서 OSAID는 가중치 공개만으로는 오픈소스로 인정하지 않는다.
Apache 2.0으로 나왔다고 OSI 정의를 충족하는 것은 아니다.
가중치에 Apache-2.0이나 MIT를 붙인 모델도 학습 데이터 정보를 공개하지 않는 경우가 많다. 이런 모델은 라이선스 관점에서는 문제가 없지만 OSAID의 세 구성요소는 채우지 못한다.
실무에서 중요한 것은 대개 앞쪽 — 즉 내가 이걸 상업적으로 써도 되는가 다. 그 답은 라이선스가 정하며, Apache-2.0·MIT는 명확히 "된다"이다.
오픈 웨이트 라이선스의 실제 조항
말로만 "제한이 있다"고 하면 감이 안 온다. 실제 조항을 본다.
Llama 커뮤니티 라이선스
Llama는 Meta가 만든 대표적인 오픈 웨이트 모델이다. Llama 4 커뮤니티 라이선스에 붙은 의무는 이렇다.[2]
① 사용자 규모 제한
> "monthly active users of the products or services made available by or for Licensee...is greater than 700 million monthly active users in the preceding calendar month, you must request a license from Meta"
월간 활성 사용자 7억 명을 넘으면 Meta에 별도 라이선스를 요청해야 하고, Meta가 재량으로 허가한다. 이 조항 하나만으로도 OSI 정의의 오픈소스가 아니다.
이 기준은 Llama 2부터 3.1, 3.2, 4까지 일관되게 들어가 있다.
7억 명 조항은 대부분의 회사와 무관하다. 이 숫자를 넘는 서비스는 세계적으로 몇 개 안 되고, 사실상 특정 거대 기업을 겨냥한 조항이다.
그렇다고 무시해도 되는 것은 아니다. 조항이 존재한다는 사실 자체가 이 라이선스를 오픈소스가 아니게 만들고, 법무 검토에서 걸리는 지점이 되기 때문이다.
② 표시 의무
> "prominently display "Built with Llama" on a related website, user interface, blogpost, about page, or product documentation"
"Built with Llama"를 눈에 띄게 표시해야 한다. 웹사이트, 사용자 화면, 블로그, 소개 페이지, 제품 문서 중 어딘가에 넣어야 한다.
③ 파생 모델 이름 규칙
> "include "Llama" at the beginning of any such AI model name"
Llama를 가지고 만든 모델은 이름 앞에 "Llama"를 넣어야 한다. 브랜드를 새로 만들려는 쪽에는 실질적인 제약이다.
④ 저작권 고지
배포하는 모든 사본에 Notice 파일로 다음 문구를 넣어야 한다.
> "Llama 4 is licensed under the Llama 4 Community License, Copyright © Meta Platforms, Inc. All Rights Reserved."
⑤ 사용 정책 준수
별도의 Acceptable Use Policy를 따라야 한다.
Gemma 이용약관
Google의 Gemma도 오픈 웨이트다. 구조가 Llama와 다르다.[3]
상업적 이용은 막지 않는다. 약관 2.2조가 사용·복제·수정·배포를 목적으로 구분하지 않고 허용한다.
대신 사용 제한 정책(Prohibited Use Policy)이 3.2조를 통해 약관에 편입돼 있다. 금지 항목의 구체적인 내용은 별도 문서에서 관리되며, 그 문서가 바뀌면 조건도 바뀐다.
재배포할 때의 의무는 셋이다.
| 조항 | 의무 |
|---|---|
| 3.1.1 | 사용 제한을 집행 가능한 조항으로 하위 계약에 포함 |
| 3.1.2 | 제3자 수령인에게 약관 사본을 제공 |
| 3.1.4 | Notice 텍스트 파일을 첨부 |
3.1.1이 특히 무겁다. 내 고객과의 계약서에도 같은 제한을 넣어야 한다는 뜻이라, 서비스 약관을 손대야 하는 일이 된다.
진짜 오픈소스 라이선스로 나온 모델
가중치를 OSI 승인 라이선스로 낸 모델도 많다. 사용 제한 조항이 없다.
| 모델 | 라이선스 | 개발 |
|---|---|---|
| gpt-oss-120b · gpt-oss-20b | Apache-2.0 | OpenAI |
| Qwen3 | Apache-2.0 | Alibaba |
| DeepSeek-R1 | MIT | DeepSeek |
| Mistral 공개 모델 다수 | Apache-2.0 | Mistral AI |
ChatGPT를 만드는 OpenAI가 Apache-2.0 모델을 냈다는 점이 눈에 띈다. gpt-oss-120b는 80GB GPU 한 장에서 돌아가고, gpt-oss-20b는 16GB면 된다.
사용 제한 없이 상업적으로 쓰고 싶다 → Apache-2.0 · MIT 계열
(Qwen3, DeepSeek-R1, gpt-oss, Mistral 공개 모델)
성능이 우선이고 조건은 감수한다 → Llama, Gemma 등 오픈 웨이트 단, 표시 의무와 이름 규칙을 제품 설계에 미리 반영해야 한다
가중치를 받을 필요가 없다 → API로 쓰는 비공개 모델이 대개 더 편하고 싸다
실무에서 확인할 것
오픈 웨이트 모델을 도입하기 전에 최소한 이 다섯 가지를 본다.
- 라이선스 이름과 버전 — 같은 프로젝트도 버전마다 다를 수 있다
- 사용 제한 조항의 유무 — 있으면 오픈소스가 아니다
- 표시·이름 의무 — 제품 화면과 브랜드에 영향을 준다
- 하위 계약 의무 — 내 고객 약관까지 고쳐야 하는지
- 별도 문서로 빠진 정책 — 그 문서가 바뀌면 조건이 바뀐다
5번이 가장 놓치기 쉽다. 사용 제한을 본문이 아니라 링크로 걸어 두면 라이선스 원문만 읽어서는 무엇이 금지인지 알 수 없다. 그 링크 문서까지 읽고, 언제 바뀌는지도 확인해야 한다.
라이선스별 판정은 라이선스별 상업적 이용 가능 여부 문서에 정리해 두었다.
확인은 원문으로 한다
이 문서를 포함해 어떤 요약도 법률 자문이 아니다. 라이선스는 원문이 유일한 근거다.
- 모델 저장소의
LICENSE파일 - 개발사 공식 라이선스 페이지
- 별도 문서로 빠진 사용 제한 정책
세 곳을 직접 열어 보는 데 5분이면 된다. 도입 규모가 커질수록 이 5분의 값어치가 커진다. 판단이 서지 않으면 법무 검토를 받는 편이 맞다.
흔한 오해
"내려받을 수 있으면 오픈소스다"
아니다. 내려받기와 사용 권한은 별개다. Llama와 Gemma가 그 증거다.
"오픈 웨이트는 상업적으로 못 쓴다"
그것도 아니다. Llama와 Gemma 모두 상업적 이용 자체는 허용한다. 막는 것이 아니라 조건을 붙이는 것이다.
"어차피 아무도 확인 안 한다"
투자를 받거나, 인수 실사를 받거나, 대기업에 납품할 때 반드시 확인받는다. 그때 발견하면 이미 늦다.
"Apache 2.0이면 OSI 정의의 오픈소스 AI다"
라이선스는 문제없지만 학습 데이터 정보가 없으면 OSAID는 충족하지 못한다. 다만 실무에서 중요한 것은 대개 상업적 이용 가부이므로, 이 구분이 발목을 잡는 경우는 드물다.
"오픈 웨이트면 데이터가 절대 안 나간다"
자체 서버에서 돌릴 때만 그렇다. 같은 오픈 웨이트 모델이라도 남의 클라우드에 올려 API로 부르면 데이터는 그 회사 서버를 거친다.
모델의 공개 방식이 아니라 어디서 돌리느냐가 결정한다. Hugging Face나 클라우드 업체가 제공하는 호스팅 서비스로 쓰는 경우가 흔한데, 이때는 비공개 모델 API와 데이터 흐름이 다르지 않다.
"한국어 자료에 그렇게 나와 있던데"
라이선스는 원문이 유일한 근거다. 이 문서를 쓰면서 확인해 보니, Gemma를 Apache-2.0으로 적어 둔 2차 자료가 실제로 있었다. Gemma 공식 약관은 사용 제한 정책이 붙은 커스텀 라이선스다.
자주 묻는 것
오픈 웨이트 모델은 공짜인가?
가중치를 받는 데는 돈이 들지 않는다. 하지만 돌리는 데는 든다. GPU를 사거나 빌려야 하고, 전기와 운영 인력이 필요하다. 소량만 쓴다면 API가 거의 항상 더 싸다.
Llama를 상업적으로 써도 되나?
된다. 다만 "Built with Llama" 표시, 파생 모델 이름 규칙, 저작권 고지, 사용 정책 준수가 따라붙는다. 월간 활성 사용자 7억 명을 넘으면 Meta에 별도 라이선스를 요청해야 한다.
내 데이터로 파인튜닝한 모델을 팔아도 되나?
원본 라이선스가 정한다. Llama 기반이면 이름 앞에 "Llama"를 넣어야 하고, Gemma 기반이면 고객 계약서에 사용 제한을 넣어야 한다. Apache-2.0·MIT 기반이면 이런 제약이 없다.
성능은 비공개 모델과 얼마나 차이 나나?
최전선 성능은 비공개 쪽이 앞서 있다는 것이 2026년 8월 기준의 일반적인 상태다. 다만 격차가 작업에 따라 다르다. OpenAI는 gpt-oss-120b가 핵심 추론 벤치마크에서 o4-mini에 근접한 성능을 낸다고 발표했다.
내 작업에서 얼마나 차이 나는지는 직접 돌려 봐야 안다. 용도가 좁고 명확할수록 격차가 줄어드는 경향이 있다.
어떤 모델부터 봐야 하나?
라이선스 제약 없이 시작하고 싶다면 Apache-2.0·MIT 계열 (Qwen3, DeepSeek-R1, gpt-oss, Mistral 공개 모델)부터 보는 편이 단순하다. 나중에 제품화할 때 다시 검토할 일이 없다.
오픈 웨이트 모델도 할루시네이션이 있나?
있다. 공개 방식과 할루시네이션은 관계가 없다. 오히려 작은 모델일수록 더 자주 나타나는 경향이 있다.
가중치를 받으면 학습 데이터도 볼 수 있나?
대개 볼 수 없다. 가중치만 공개하고 학습 데이터는 공개하지 않는 것이 보통이다. OSI가 오픈소스 AI 정의에서 데이터 정보를 별도 구성요소로 요구하는 이유가 여기에 있다.
여담
"오픈 웨이트"라는 말은 필요해서 생긴 단어다.
처음에는 다들 그냥 "오픈소스 모델"이라고 불렀다. 그런데 Llama가 사용자 수 제한과 표시 의무를 붙여 나오면서 기존 단어로는 설명이 안 되는 상태가 됐다. "오픈소스라고 하기엔 조건이 있고, 비공개라고 하기엔 받을 수 있는" 물건이었기 때문이다.
OSI가 오픈소스 AI 정의를 따로 만든 것도 같은 맥락이다. 소프트웨어의 오픈소스 정의를 모델에 그대로 적용하면 무엇을 공개해야 하는지가 불분명해진다. 소스코드에 해당하는 것이 가중치인지, 학습 데이터인지, 학습 코드인지가 정해져 있지 않았기 때문이다.
Meta가 "오픈소스"라는 표현을 계속 쓰는 것을 두고 지적이 이어졌고, Llama 저장소에는 "Additional Commercial Terms를 빼야 오픈소스다"라는 이슈가 올라와 있다. 이름을 어떻게 부르느냐가 곧 신뢰의 문제가 된 사례다.
