오픈 모델 2025 결산 — Qwen·DeepSeek·MiniMax의 승패와 라이선스 지형 변화, 2026년 전망

핵심 메시지

• 이제 오픈 모델 경쟁의 핵심은 모델 자체가 아니라 모델과 밀착된 코딩 CLI와 하네스라는 진단이 나왔다.
• DeepSeek은 2025년 최고점을 찍었지만 방향이 불분명해져 2026년에도 최상위권에 남을지 확실치 않다고 두 사람은 평가했다.
• 라이선스 환경은 크게 개선돼 상위 모델 대부분이 아파치 2.0 계열로 이동했지만, 텐센트 모델은 여전히 한국·EU·영국에서 쓸 수 없는 조건을 달고 있다.
• GPU 다섯 장으로 소형 비전 모델을 학습시키는 개인 개발자가 프런티어 모델이 못 하는 일을 해내는 사례가 오픈 생태계의 진짜 가치로 지목됐다.
• 서구 랩이 중국 프런티어를 따라잡는 것은 기술이 아니라 사업의 문제이며, 레시피와 논문이 공개돼 있어 생각보다 빠를 것이라는 전망이 제시됐다.

쉽게 이해하기

인터커넥츠 채널이 진행한 연말 라이브에서 진행자와 게스트 플로리안은 2025년 한 해의 공개 가중치 모델을 티어 목록으로 정리하며 서로 다른 평가를 주고받았다. 진행자는 자신이 AI2에서 일한다고 밝히며, 최상위 조직은 누구나 알고 있으니 정작 시간을 많이 쓴 부분은 '주목할 만한 전문 조직'과 '떠오르는' 구간이었다고 말했다. 그의 표현대로 MiniMax나 Qwen, Z.AI 같은 이름은 어디서든 다뤄지지만, IBM 같은 회사가 오픈 모델로 무엇을 얻으려는지는 훨씬 흥미로운 질문이다.

두 사람이 2026년의 축으로 꼽은 것은 코딩이었다. 코딩 시장이 워낙 크기 때문에 모두가 코드에 강한 모델을 만들고 나머지는 부차적으로 두는 흐름이 뚜렷하고, 여기서 결정적인 것은 모델과 함께 움직이는 CLI라는 것이다. 자체 CLI를 운영하면 그 사용 기록이 다음 세대 모델의 학습 데이터가 되고, 그 모델이 다시 CLI를 개선하는 순환이 만들어진다. 최상위 티어에서 Kimi와 Qwen은 자체 CLI를 갖췄지만 DeepSeek은 그렇지 않다는 점이 지적됐다. Kimi는 경쟁 코딩 도구보다 훨씬 저렴한 요금제를 앞세우고 있고, Z.AI 역시 이 사업이 회사에 유의미한 규모라고 밝혔다고 진행자는 전했다.

DeepSeek에 대해서는 뚜렷한 물음표가 붙었다. 출시하는 모델의 완성도는 여전하지만 회사가 무엇을 하려는지 아무도 모른다는 것이다. OCR 모델을 예고 없이 내놓고 사라졌다가 수학 모델을 발표하는 식의 행보가 이어졌고, 게스트는 칩과 컴퓨트 부족이 발표가 줄어든 주된 이유일 것이라고 추측했다. 그러면서도 DeepSeek이 Qwen, Kimi와 함께 다음 세대 아키텍처를 실제로 연구하는 소수라는 점은 인정했다.

OpenAI의 gpt-oss는 출시 직후 평가보다 훨씬 잘 쓰이는 모델로 평가가 바뀌었다. 다만 의도된 방식대로 설정했을 때는 해당 규모에서 최선의 선택이지만 설정을 조금만 바꾸면 성능이 대안들보다 크게 떨어진다는 점이 지적됐다. 게스트는 다국어 성능과 견고성이 개선된 후속 버전을 바랐고, 진행자는 OpenAI가 더 큰 현안에 밀려 후속 모델을 못 내놓을 가능성을 반반으로 봤다.

생태계의 저변에 대한 이야기도 나왔다. 진행자는 문드림을 만드는 개발자가 GPU 다섯 장 규모로 소형 비전 모델을 사전학습시키면서 프런티어 모델이 못 하는 작업들을 해내고 있고, 그 비결이 결국 데이터를 갈아넣는 일이라고 전했다. 같은 표에 OpenAI와 이런 1인 프로젝트가 함께 올라 있다는 사실 자체가 오픈 생태계의 컴퓨트 격차를 보여 준다. TNG라는 조직은 DeepSeek 모델에서 거부 반응을 일으키는 전문가 모듈을 찾아 삭제하고 이어 붙이는 방식으로 더 나은 모델을 만들어 실제 사용량을 얻고 있다고 소개됐다.

주요 인사이트

• '내놓지 않으면 점수는 없다'는 원칙이 티어 평가에 그대로 적용됐다. 엔비디아는 작은 모델은 좋았지만 큰 모델을 공개하지 않아 순위가 올라가지 못했고, 티어 목록 이후 나온 발표는 반영되지 못했다.
• 오픈 릴리스의 완성도가 들쭉날쭉하다는 점이 솔직하게 언급됐다. 비사고 모드를 함께 지원한다고 광고한 모델을 실제로 그렇게 돌리려니 작동하지 않아 사실상 추론 전용 모델이었던 사례가 나왔다.
• 밀집 모델은 벤치마크에서 밀려 보이지만 실무에서는 여전히 값이 있다. 파인튜닝이 쉽고 결과가 예측 가능한 데 반해, 혼합 전문가 모델은 강화학습 단계에서 배치 크기를 크게 잡아야 모든 전문가가 활성화되는 등 난도가 높다는 설명이 나왔다.
• 라이선스 문제는 한국 독자에게 특히 직접적이다. 게스트는 텐센트가 흥미로운 모델을 많이 내놓지만 라이선스 제약 때문에 EU와 영국, 한국에서는 쓸 수 없다고 지적하며 2023년 수준의 조건이라고 평했다.
• 서구 진영에서도 진짜 개방을 지향하는 축이 늘고 있다. AI2와 스탠퍼드의 마린 프로젝트, GPU 자원을 대규모로 투입하는 유럽의 아페르투스 등이 언급됐고, 진행자는 이들 사이의 역할 분담과 순서 조율이 중요한 과제라고 말했다.
• 메타에 대해서는 전망이 회의적이었다. 2026년에 오픈 가중치 라마가 나오지 않을 수도 있고, 나온다면 발만 담그는 8B급 전술적 모델일 것이라는 예상이다. 반면 SAM 계열 같은 멀티모달 성과는 훌륭하다는 평가가 함께 나왔다.

자주 묻는 질문

관련 AI 소식