오픈 모델 판세: Qwen·딥시크가 만든 중국 우위와 미국 오픈 생태계가 해야 할 일

핵심 메시지

• 2024년에는 라마가 오픈 모델 생태계를 지배했지만, 2025년 딥시크 R1을 계기로 중국 기업들이 움직이기 시작했고 지금은 중국 모델이 사실상 업계 표준이 됐다.
• 허깅페이스의 다운로드와 파인튜닝 수를 정리하면, 지난 여름부터 누적 채택량의 우위가 중국으로 넘어가고 그 격차가 계속 벌어지고 있다.
• 딥시크와 Qwen은 성격이 다르다. 딥시크는 최첨단 활용을 노리는 세계적 수준의 단일 연구팀이고, Qwen은 알리바바의 역량으로 전 모달리티를 커버하는 풀스택 제공자에 가깝다.
• 오픈AI의 gpt-oss는 방향은 옳지만, 대기업 임원들이 오픈 모델을 시도할 명분을 준 것에 가깝고 지속적인 브랜드로 밀고 있다는 신호는 보이지 않는다.
• 오픈 모델은 우리가 만들지 않아도 어딘가에서 계속 나온다. 그렇다면 그 전제 위에서 생태계를 설계하고 주도권을 잡는 편이 낫다는 것이 발표의 결론이다.

쉽게 이해하기

발표자는 오픈 모델 생태계를 추적해 정리해 온 연구자로, 이 일이 자신의 본업이 아니라는 점을 먼저 밝힌다. 그만큼 이 영역을 전업으로 보는 사람이 적고 영향력을 행사할 지점들이 손가락 사이로 빠져나가고 있다는 문제의식에서 발표가 출발한다. 2024년의 이름들은 라마, 미스트랄, 딥시크, 그리고 아직 라마의 열등한 대안으로 여겨졌던 Qwen이었다.

2025년은 딥시크 R1을 단발성 사건이 아니라 '움직임이 시작된 시점'으로 본다. 3월에는 젬마 3와, 데이터까지 공개된 완전 오픈 모델로 초기 GPT-4급에 근접한 OLMo 2 32B가 나왔다. 4월에는 지금 실패로 평가되는 라마 4와 이후 채택을 휩쓴 Qwen 3가 몇 주 차이로 나왔고, 발표자는 라마 4가 더 잘 실행됐다면 여름의 논의가 전혀 달랐을 것이라고 말한다. 여름에는 바이두처럼 예상 밖의 기업이 오픈소스 모델을 내고, 문샷AI의 키미 K2, Z.ai의 GLM-4.5, 스텝펀 등 모델을 훈련하는 중국 조직 수 자체가 빠르게 늘었다. 다만 딥시크 모멘트는 모델 성능만이 아니라 소비자 쪽에서 추론 과정이 보이는 경험과 훈련 비용의 불확실성이 함께 만든 사건이었기에, 이후의 강한 모델들이 같은 충격으로 이어지지는 않았다.

채택 지표도 같은 그림을 보여준다. 허깅페이스 데이터는 저장소 접근을 다운로드로 세는 한계가 있지만 이상치를 걸러내면 Qwen이 라마를 넘어서는 궤적이 보이고, 새로 올라오는 파인튜닝 모델을 월별로 나눠 보면 흐름은 더 분명하다. 성능이 빠르게 개선되니 사용자는 계속 모델을 바꿔야 하고, 그래서 '자주 내놓는 것'이 곧 채택 전략이 된다. 발표자는 Qwen이 릴리스마다 직접 연락해 다뤄 달라고 요청할 정도로 커뮤니티에 투자하고 있으며 미국 기업 중 오픈 모델에서 이렇게 하는 곳은 없다고 말한다. 반대로 메타는 1년 간격의 발언만 비교해도 방향이 바뀌었고, 구글은 젬마로 꾸준히 하고 있으며 엔비디아는 사전학습 데이터까지 공개하는 등 라마가 하지 않았던 일을 하고 있다.

중국 모델을 쓰는 것 자체가 나쁜가에 대해서는 균형 잡힌 답을 내놓는다. 신경 쓰지 않으면 원치 않는 것이 딸려 오는데, 실제로 딥시크 R1은 무해한 질문에도 사회주의 핵심 가치를 따른다는 정형 문구를 꺼냈다. 검열이라는 말은 대개 이런 문구가 내 서비스 안에서 튀어나오는 문제로 나타난다는 것이다. 도구 사용 시 취약한 코드를 유도하도록 설계됐는가 같은 의심은 어떤 기관도 증명할 수 없는 영역이고, 그는 지금 실제 백도어나 위험이 있다고 보지 않는다. 다만 그런 의심이 합리적이기 때문에 미국 대기업은 중국 모델 위에 제품을 올리지 않고 스타트업은 혁신 속도를 얻기 위해 올리며, 두 흐름은 결국 충돌하게 된다.

그가 강조하는 전제는 '오픈 모델은 우리가 통제하든 안 하든 존재한다'는 것이다. 훈련 인재와 자원은 확산되고 있고 중국에서 좋은 오픈 모델을 내는 기업이 20곳을 넘어 계속 늘고 있다면 다른 지역에서도 같은 일이 벌어진다. 로컬 모델과 프런티어의 시간 격차를 보여주는 에포크AI 그래프를 인용하며 그는 멀티모달에서는 2년 안에 검열되지 않은 소라 2급 모델이 맥북에서 돌아갈 것이라 전망하고, 그럴수록 운전석에 앉아 있어야 한다고 말한다. 그래서 텍스트 모델에서 뒤처지지 않기, 프런티어와 부분적으로라도 정렬된 연구 역량, 대폭 늘어난 투자를 제안한다. 자신이 속한 AI2는 미국 국립과학재단에서 컴퓨터과학 분야 역대 최대 지원을 받았지만 4년에 1억 달러라면 최소한 매년 그만큼이 필요하다고 보고, 처음 '아메리칸 딥시크 프로젝트'로 부르다 ATOM(American Truly Open Models)으로 이름을 바꾼 커뮤니티 운동을 시작했다. 질의응답에서는 오픈 모델이 프런티어보다 뒤처진 현재가 위험을 준비할 완충 구간이라는 점, 증류를 강하게 차단해도 궤적은 크게 바뀌지 않는다는 점, 몇 년 안에 여러 나라가 자국용 모델 랩을 갖게 될 것이라는 전망, 미국의 자금 넉넉한 비공개 랩들도 Qwen 위에서 작업한다는 '섀도 사용' 이야기가 이어졌다.

주요 인사이트

• 채택은 성능을 따라오지만 성능만으로 결정되지 않는다. 자주 릴리스하고 각 생태계에서 잘 돌아가게 만들고 피드백을 다음 모델에 반영하는 '지저분한 노동'이 오픈 모델의 실제 경쟁력이다.
• 오픈AI가 오픈 모델을 냈다는 사실 자체가 다른 기업들에게 법적·정치적 명분을 제공했다는 점에서, 상징 효과는 모델 품질과 별개로 생태계에 도움이 됐다.
• '모델 신뢰'는 성능 지표가 아니라 선택의 기준이다. 메타의 태도 변화가 남긴 가장 큰 손실은 성능이 아니라 개발자들이 옮겨간 신뢰였다.
• 중국 모델의 실질적 리스크는 음모론적 백도어보다, 서비스 안에서 튀어나오는 정형화된 정치 문구처럼 훨씬 평범한 형태로 나타난다.
• 지금 오픈 모델이 프런티어보다 뒤처져 있다는 사실은 안전 연구에 주어진 완충 시간이다. 능력이 붙은 뒤에 준비를 시작하면 늦는다.

자주 묻는 질문

관련 AI 소식