기본

Open Weight

오픈 웨이트

AI 모델 분야에서 쓰이는 용어로, 학습된 가중치 파일을 누구나 다운로드해 직접 실행·파인튜닝할 수 있도록 공개한 LLM 운영 방식을 가리키며, Llama·Mistral·Qwen 등이 대표적입니다.

쉬운 풀이

오픈 웨이트(Open Weight)는 회사가 학습을 끝낸 모델의 "두뇌 파일"인 가중치(weights, 모델이 학습으로 익힌 숫자 표)를 누구나 내려받아 직접 돌릴 수 있게 공개한 방식이에요. 시험 끝난 선배의 정리 노트를 그대로 받아서 내 노트북에 두고 보는 느낌인데, 노트를 어디서 모았는지(학습 데이터)나 정리 방법(학습 코드)까지 다 알려주는 건 아닙니다. 그래서 같은 "오픈"이라도 오픈 소스 AI(Open Source AI)와는 한 칸 다른 단계로 봐요. 사내 GPU에 올려 데이터가 밖으로 안 나가게 쓸 수 있다는 점이 가장 큰 매력이라, 요즘 기업·공공에서 후보군을 추릴 때 가장 먼저 살피는 분류입니다.

한 줄 비유

완성품 도면은 주되 원자재 명세서와 공정도는 빼고 납품하는 사양서입니다.

활용 예시

Case 1

Meta — Llama 3.x 커뮤니티 라이선스로 사실상 표준 자리

Meta는 2024년 4월 Llama 3을 공개하며 가중치를 llama.com과 Hugging Face에서 직접 내려받을 수 있게 했습니다.^[6] 라이선스는 표준 오픈 소스가 아닌 자체 'Llama 3 Community License'로, 결재 단계에서 두 가지 단서를 꼭 확인해야 합니다. 출시 시점 월간 활성 사용자(Monthly Active Users, MAU) 7억 명을 넘는 사업자는 별도 라이선스를 받아야 하고, Llama 출력을 다른 LLM 학습에 쓰는 행위가 제한됩니다.^[7] 사내 챗봇·코드 도우미 같은 일반 기업 용도에서는 사실상 무료에 가까워, 한국 SI·금융권에서도 1차 후보로 검토됩니다.

Case 2

딥시크(DeepSeek) — R1 MIT 라이선스로 가장 자유로운 축

딥시크는 2025년 1월 20일 DeepSeek-R1 가중치를 MIT 라이선스로 공개했습니다.^[8] 공식 릴리스 노트는 "모델 가중치와 코드 모두 MIT, 상업적 활용·증류·파생 모델 제작 모두 허용"이라고 명시합니다.^[8] 라마와 달리 사용자 규모 제한이 없고, R1 출력으로 다른 모델을 학습시키는 것도 허용해 라이선스 관점에서는 가장 개방적인 축에 들어갑니다. 다만 OSI 정의 기준으로는 여전히 오픈 웨이트입니다. 학습 데이터셋·학습 파이프라인 전체는 공개되지 않았기 때문입니다.^[1]

Case 3

Mistral·알리바바 Qwen — 유럽·중국 진영의 Apache 2.0 라인업

프랑스 Mistral AI는 Mistral 7B·Mixtral·Ministral·Mistral Small 3.1 같은 오픈 라인을 Apache 2.0으로 공개하고, 알리바바도 Qwen2.5·Qwen3 일부 모델을 Apache 2.0으로 풀어 글로벌 다운로드 상위권을 유지하고 있습니다.^[4][5] 두 회사 모두 가장 큰 플래그십 모델은 별도 상용 라이선스나 API 전용으로 운영하며, 중·소형 라인만 가중치를 공개하는 "이중 트랙" 전략을 씁니다.^[9] 유럽 기업·공공기관 입장에서는 가중치를 사내 GPU에 올려 데이터 주권을 지킬 수 있다는 점이 가장 큰 결재 포인트입니다.

Case 4

업스테이지·네이버 — 한국 오픈 웨이트의 두 갈래

국내에서도 두 갈래 흐름이 동시에 진행 중입니다. 업스테이지는 Solar 라인을 Hugging Face에 공개하며 가중치는 자체 'Upstage Solar License', 코드는 Apache 2.0이라는 혼합 라이선스 구조를 택했습니다.^[10] 네이버클라우드는 'HyperCLOVA X SEED' 라인업(0.5B·1.5B·3B·8B Omni·32B Think)을 공개하며 상업적 활용까지 무료로 허용해 한국어 성능 특화 오픈 웨이트 진영을 형성했습니다.^[11] 라이선스 강도와 한국어 성능, GPU 메모리 요구량을 3축으로 비교한 1페이지 자료가 결재 통과에 가장 유효합니다.

참고사항

OSI 공식 페이지(opensource.org/ai/open-weights)를 열어 "Open Weights vs. Open Source AI" 비교표 한 장을 캡처해 둡니다.
Llama 3 커뮤니티 라이선스(llama.com/llama3/license/)에서 MAU 7억 명 조항과 파생 모델 명칭 규칙을 형광펜으로 표시해 둡니다.
Hugging Face에서 deepseek-ai/DeepSeek-R1 페이지를 열어 라이선스가 "MIT"로 표기되어 있는지 확인하고 사내 슬랙에 공유합니다.
사내 후보 오픈 웨이트 모델 3개를 골라 라이선스(MIT·Apache 2.0·커뮤니티 라이선스), 상업 이용 가능 여부, GPU 메모리 요구량을 비교한 1페이지 표를 만듭니다.
스탠퍼드 CRFM Foundation Model Transparency Index 최신판 PDF를 받아 후보 모델의 점수와 'open weights' 라벨 여부를 메모합니다.

오픈 웨이트는 "다운로드 가능"이라는 한 가지 자유만 보장하고, 학습 데이터·학습 코드까지는 손에 들어오지 않습니다.^[1] OSI는 이 점을 들어 오픈 웨이트가 재현 가능성, 데이터 투명성, 규제 대응 면에서 오픈 소스 AI에 미치지 못한다고 정리합니다.^[1] 스탠퍼드 CRFM의 2024년 보고서도 가중치 공개와 업스트림 투명성이 별개 변수라고 짚었습니다.^[2] 라이선스 형식 자체도 제각각이라 라마 커뮤니티 라이선스·MIT·Apache 2.0·Upstage Solar License를 한 묶음으로 다루기 어렵고, 결재 단계에서는 라이선스 원문 검토가 매번 필요합니다.

진화 방향은 두 줄기입니다.

정의를 다듬는 흐름입니다. 리눅스 재단은 2024년 8월 Open Model Initiative(OMI)를 출범시켜 "삭제 조항 없는 영구 개방 라이선스"를 표준으로 정착시키려 합니다.^[12]
라이선스 자체가 자유로워지는 흐름입니다. 딥시크 R1·미스트랄 Apache 2.0 라인업·알리바바 Qwen Apache 2.0 라인업처럼 사용자 규모 제한 없는 라이선스가 늘고 있고, 한국에서는 네이버 HyperCLOVA X SEED가 상업 이용 무료를 명시하며 이 흐름에 합류했습니다.^[11] 동시에 외부 다운로드 가능성이 곧 안전한 사내 도입을 뜻하는 것은 아니라, 라이선스 원문·학습 데이터 출처·평가 벤치마크 점수를 함께 검토해야 한다는 점이 업계 표준 체크리스트로 굳어지고 있습니다.^[2] 보는 시각에 따라 다르지만, 현재 시점에서는 "오픈 웨이트"가 사내 도입 후보 LLM을 1차로 좁히는 가장 실용적인 기준선으로 자리 잡았습니다.

이 용어와의 관계

유사 개념
Throughput같은 기본 갈래에서 자주 함께 등장하는 개념입니다.
유사 개념
Latency같은 기본 갈래에서 자주 함께 등장하는 개념입니다.
유사 개념
SWE-bench같은 기본 갈래에서 자주 함께 등장하는 개념입니다.