The State of Open Source AI 2026 소개
The State of Open Source AI 2026 은 웹 브라우저 Firefox 로 잘 알려진 Mozilla 가 처음으로 펴낸 오픈소스 AI 연례 진단 보고서로, 오픈 가중치(open weights) 모델은 지금 어디까지 왔고, 어디가 취약한가 라는 한 가지 질문에 데이터로 답합니다. 결론부터 말하면, 오픈 모델은 최상위 폐쇄형(closed) 모델과의 능력 격차를 거의 다 좁혔고, 지능의 가격은 붕괴했으며, 진짜 경쟁은 이제 모델 그 자체가 아니라 그 위에 얹히는 계층, 즉 에이전트 하니스(agentic harness)로 옮겨갔다는 것입니다.
오픈 모델을 마지막으로 진지하게 써 본 것이 2023년 무렵의 Llama 2 였다면, 그때의 경험은 진짜였지만 동시에 이미 두 세대나 지난 이야기입니다. "오픈 모델은 아직 장난감 수준"이라는 인상이 그 시절에 굳어졌다면, 이 보고서는 그 인상을 데이터로 정면 반박합니다. 이 글에서는 보고서를 다섯 개의 큰 축으로 따라가 봅니다. (1) 지금의 현황, (2) 누가 여기에 돈을 걸고 있는가, (3) 왜 전 세계에서 동시에 벌어지는가, (4) 새 전선이 된 하니스, 그리고 (5) 계층이 열려 있는 동안 해야 할 다섯 가지 베팅입니다.
보고서는 스스로의 성격을 솔직하게 밝힙니다. "약점을 감추는 주장은 광고에 불과하다" 는 문장으로, 오픈이 이기고 있는 지점뿐 아니라 노출된 약점까지 지도처럼 함께 그리겠다고 선언합니다.
25년 전 브라우저 전쟁, 그리고 다시 시작된 같은 게임
Mozilla 의 최고기술책임자(CTO) Raffi Krikorian 은 서문에서 이 보고서의 관점을 압축적으로 드러냅니다. 뉴질랜드 북부의 마오리 방송사는 시장이 거들떠보지 않는 소수 언어를 위해 음성 모델을 직접 학습시키고, 동아프리카의 농부는 클라우드가 닿은 적 없는 밭에서 휴대폰만으로 카사바 병해를 진단하며, 스위스의 공공 컨소시엄은 국가 모델의 가중치와 데이터, 학습 코드를 전부 공개했습니다. 이들의 공통점은 "누구의 허락도 구하지 않았고, 누구에게서도 빌릴 수 없었다" 는 점입니다. 소유했기 때문입니다.
Mozilla 는 이 장면을 25년 전 브라우저 전쟁의 재연으로 읽습니다. 한 회사가 웹의 정문을 독점하려 했을 때 오픈 커뮤니티가 일어나 그것을 막았고, 그때 오픈이 이겼습니다. 보고서 전체를 관통하는 대립 구도는 여기서 나옵니다. 바로 빌려 쓰기(renting) 대 소유하기(owning) 입니다. 폐쇄형 API 에 올라타면 벤더의 가격 정책과 접근 통제를 그대로 물려받지만, 가중치를 손에 쥐면 언제든 떠날 수 있는 선택권을 갖습니다. 이 관점을 염두에 두고 데이터를 하나씩 살펴보겠습니다.
현재 상황: 격차는 좁혀졌고, 지능의 값은 붕괴했다
보고서의 1장은 오픈 AI 의 현주소를 데이터로 못박는 데 집중합니다. 핵심 메시지는 두 가지입니다. 능력의 격차는 거의 사라졌고, 추론(inference) 비용은 극적으로 떨어졌다는 것입니다.
능력 격차: 8.04\% 에서 0.5\%, 다시 3.3\% 로
가장 먼저 반박되는 통념은 "오픈 모델은 성능이 부족하다"는 것입니다. LMSYS Chatbot Arena 점수를 기준으로 최상위 폐쇄형 모델과 최상위 오픈 모델의 격차를 24개월에 걸쳐 추적하면, 그 궤적 자체가 하나의 서사입니다. 2024년 1월에 8.04\% 였던 격차는 2024년 8월 0.5\% 까지 좁혀졌고, 2025년 2월에는 DeepSeek-R1 이 잠시나마 미국 최상위 모델과 사실상 동률(\approx 0\% )을 이뤘습니다. 이후 2026년 3월 기준으로는 폐쇄형 추론(reasoning) 모델들이 앞서 나가면서 격차가 다시 3.3\% 로 벌어졌습니다.
여기서 중요한 것은 이 3.3\% 라는 숫자가 평균값 이라는 점입니다. 보고서는 이를 "들쭉날쭉한 전선(jagged frontier) 위의 평균" 이라고 표현합니다. 코딩, 지시 따르기, 일반 지식 영역에서는 오픈 모델이 이미 동률이거나 근접해 있고, 격차는 추론(reasoning), 긴 문맥(long-context) 검색, 에이전트형(agentic) 작업에 집중되어 있습니다. 다시 말해 "오픈 모델이 충분히 좋은가" 는 더 이상 올바른 질문이 아니며, 진짜 질문은 "당신의 작업(workload)에 무엇이 필요한가" 로 바뀌었습니다.
추론(inference) 비용은 36개월 만에 50\times 하락했다
두 번째 반전은 가격입니다. GPT-4 급 성능을 내는 가장 저렴한 모델의 100만 토큰당 가격은 36개월 만에 20달러에서 0.40달러로, 즉 50\times 떨어졌습니다. 이 하락 속도는 과거 플랫폼 전환기의 비용 곡선을 크게 앞지릅니다. 보고서는 같은 36개월 동안 닷컴 시대의 대역폭 곡선은 2.6\times, PC 컴퓨팅 곡선은 3.4\times 하락하는 데 그쳤다고 비교합니다. 지능의 가격은 역사적으로 유례가 드문 속도로 무너지고 있는 셈입니다.
흥미로운 대목은 이 붕괴를 이끈 주역이 오픈 가중치라는 사실입니다. 2023년 3월 GPT-4 가 100만 토큰당 45달러로 출발한 뒤 완만히 내려가던 곡선은, 2024년 7월 Llama 3.1 이 바닥값을 0.88달러로 끌어내리며 한 분기 만에 11\times 급락했고, 이후 DeepSeek 계열이 그 바닥을 더 낮췄습니다. 모델의 값이 0 을 향해 내려가는 이 흐름이야말로, 보고서가 "모델 계층의 값이 0 에 수렴하면 경쟁은 한 계층 위로 옮겨간다" 고 반복해서 말하는 근거입니다.
토큰은 오픈이, 요청 수는 클로즈드가 가져간다
가격이 무너지자 실제 트래픽도 이동했습니다. 모델 라우팅 플랫폼 OpenRouter 에서 오픈 가중치 모델이 처리하는 토큰 비중은 무시할 만한 수준에서 2025년 말 약 3분의 1 로, 2026년 중반에는 과반으로 늘었습니다. 다만 이 지점에는 사람들이 놓치기 쉬운 미묘한 결이 있습니다. 월간 토큰 물량 기준 상위 아홉 개 모델을 보면 중국산 오픈 모델이 약 82 조 토큰으로, 미국산 폐쇄형 모델의 약 23 조 토큰을 3.5:1 이상으로 압도합니다. 그러나 요청 건수(request count) 로 세면 이야기가 달라져서, Google 한 곳이 28.7\%, Anthropic 과 OpenAI 가 합쳐 약 20\% 로 여전히 폐쇄형 미국 공급자가 앞섭니다.
이 둘을 한 문장으로 요약하면 이렇습니다. "오픈은 토큰을 가져가고, 클로즈드는 요청을 가져간다." 오픈의 우위는 토큰을 대량으로 소모하는 코딩과 에이전트형 작업, 즉 돈이 실제로 쓰이는 곳 에 집중되어 있습니다. 개발자들이 비용을 기준으로 경로를 정할 때, 그들은 오픈 가중치로 향합니다.
도입은 쉽지만 배포는 어렵다: 운영의 간극
그렇다면 오픈은 모든 면에서 이기고 있을까요? 보고서가 가장 정직하게 드러내는 약점이 바로 여기에 있습니다. Mozilla 와 SlashData 가 공동 수행한 2026년 개발자 설문(n=1,410)에 따르면, AI 기능을 추가하는 개발자의 79\% 가 오픈 모델을 쓰고(폐쇄형은 71\% ), 절반은 두 유형을 함께 씁니다. 도입률에서는 오픈이 앞섭니다. 문제는 그다음 단계입니다. 오픈 모델을 쓰는 팀 중 프로덕션까지 도달하는 비율은 51\% 에 그친 반면, 폐쇄형은 63\% 에 이릅니다. 이 격차는 모델 성능이 아니라 운영 도구와 신뢰의 문제입니다.
이 "운영의 간극(operational gap)" 을 보고서는 원본 평가로 시각화합니다. 아홉 개 스택 계층을 아홉 개 성숙도 기준(1점에서 5점)으로 채점한 히트맵인데, 48개 구성요소와 1,361개 프로젝트를 대상으로 했습니다.
결과는 인상적입니다. 커뮤니티 활동성(4.00 )과 도입 용이성(3.63 )은 높지만, 표준화(2.83 )와 엔터프라이즈 준비도(2.79 )는 모든 계층에서 반복적으로 가장 차갑습니다. 그 반복되는 차가운 세로줄이 곧 운영의 간극입니다. 정리하면, 오픈 스택은 능력에서는 높은 점수를, 운영에서는 낮은 점수를 받습니다. 엔터프라이즈는 돈으로 폐쇄형 배포의 장벽을 넘을 수 있지만, 오픈 배포는 아직 아무도 완성하지 못한 도구를 기다리고 있는 셈입니다.
누가 베팅하는가: 오픈소스는 하나의 비즈니스 모델이다
2장의 메시지는 단순합니다. 오픈 가중치 AI 는 취미가들의 생태계가 아니라, 자금을 조달한 기업들이 세우고 전 세계 대기업이 프로덕션에서 돌리는 수천억 달러 규모의 상업 계층이라는 것입니다.
숫자가 이를 증명합니다. Databricks 는 연 매출 실행률(run-rate) 54억 달러를 넘겼고(전년 대비 65\% 이상 성장), Mistral AI 는 1년 만에 연간반복매출(ARR)을 20\times 키워 약 4억 달러에 이르렀으며, DeepSeek 는 약 2억 2천만 달러의 ARR 을 기록하고 최근 500억 달러가 넘는 기업가치로 74억 달러를 조달했습니다. 보고서는 이 생태계에서 이미 규모 있게 검증된 다섯 가지 수익 모델을 꼽습니다. 호스팅 추론(hosted inference), 엔터프라이즈 플랫폼, 온프레미스 라이선싱, 미세조정(fine-tuning) 서비스, 그리고 하니스 도구입니다.
생태계는 인수합병으로도 성숙하고 있습니다. CoreWeave 가 Weights & Biases 를 17억 달러에, Databricks 가 MosaicML 을 13억 달러에, Nvidia 가 GPU 오케스트레이션 도구 Run:ai 를 7억 달러에 인수하는 등 2023년부터 2026년까지 오픈 모델 주변에서 굵직한 인수가 이어졌습니다. 대형 기술 기업들도 각자의 방식으로 참여합니다. Microsoft 는 Mistral 에, Amazon 은 Hugging Face 에 투자했고, Google(Gemma), IBM(Granite), Meta(Llama)는 직접 오픈 가중치 모델을 출하합니다.
미터기(meter)가 규모에서 고장 난다
이 장에서 가장 강렬한 사례는 토큰 단위 과금(metered pricing) 이 규모에서 어떻게 무너지는가입니다. 보고서는 세 개 기업의 충돌을 나란히 놓습니다.
Microsoft 는 토큰 과금이 한 사업부의 연간 AI 예산을 불과 몇 달 만에 소진시키자 2026년 6월 30일까지 대부분의 Claude Code 라이선스를 취소하기로 했습니다. Uber 는 2026년 AI 코딩 예산을 넉 달 만에 다 써버렸고, 엔지니어 1인당 월 500달러에서 2,000달러까지 청구되자 도구별로 월 1,500달러 상한을 걸었습니다. 반대편의 Stripe 는 오픈 모델을 자체 호스팅해 추론 비용을 73\% 절감했습니다(폐쇄형 API 비용 지수를 1.00 이라 할 때 오픈 자체 호스팅은 0.27 ). vLLM 위에서 GPU 함대의 3분의 1 만으로 하루 5천만 건의 API 호출을 처리하는, 회사가 소유하고 예측할 수 있는 고정 비용입니다.
두 실패의 방아쇠는 동일합니다. 단가 결정권을 고객이 아니라 벤더가 쥐는 사용량 기반 과금으로 옮겨간 것입니다. 보고서의 표현을 빌리면, "도구가 너무 유용해 아껴 쓸 수 없을 때는, 경제성을 빌리는 것보다 소유하는 것이 더 중요해진다." 실제로 보고서는 세계 최대 소프트웨어 기업인 Microsoft 조차 가장 무거운 Copilot 작업을 위해 Azure 에서 호스팅하는 DeepSeek V4 를 검토하고 있었다고 전합니다. 자신의 파트너가 걸어둔 미터기를 우회한 셈입니다.
사용량의 5분의 1, 매출의 4%
이 비대칭은 시장 전체 수치에서도 확인됩니다. OpenRouter 에서 2025년 5월부터 9월까지, 폐쇄형 모델은 사용량의 약 80\% 와 매출의 약 96\% 를 차지했습니다. 뒤집어 말하면 오픈은 사용량의 약 20\% 를 담당하면서 매출은 약 4\% 만 가져갔습니다. 이 격차의 동인은 능력이 아니라 가격입니다. 약 90\% 수준의 능력 동등성에서 폐쇄형은 호출당 약 6\times 더 비쌉니다. Linux Foundation 을 위한 Nagle 과 Yue 의 연구는 이 오픈 대 클로즈드 가격 비대칭에서 발생하는 미실현 절감액을 연간 약 248억 달러로 추산합니다. 사용량은 값이 0 을 향하는 계층에 쌓이고, 매출은 스택의 더 위쪽에서 발생합니다.
다만 이 자본이 고르게 퍼져 있지는 않습니다. 보고서의 자금 분석에 따르면 모델, 추론, 컴퓨팅 계층에는 민간 벤처와 전략적 기업 자본이 두텁게 몰리는 반면, 데이터셋과 안전, 평가처럼 신뢰를 떠받치는 계층 은 주로 자선과 정부 자금에만 기대고 있습니다. 상업적으로 가장 덜 매력적인 곳이, 정작 오픈 생태계의 신뢰를 좌우하는 곳이라는 구조적 공백입니다.
왜 어디서나 일어나는가: 이념이 아니라 선택권(optionality)이다
3장은 오픈으로의 이동이 왜 특정 진영의 이념이 아니라 합리적 선택인지를 다룹니다. 핵심 개념은 선택권(optionality), 곧 떠날 수 있는 권리 입니다.
보고서는 클라우드 시대가 이미 같은 실험을 끝냈다고 지적합니다. 독점 API 와 데이터 중력(data gravity)이 결합하면 이탈 비용이 징벌적으로 커집니다. AWS S3 에서 1페타바이트를 빼내는 데만 9만에서 12만 달러의 이그레스(egress) 비용이 들고, 그 결과 약 80\% 의 기업이 일부 워크로드를 다시 자체 인프라로 되돌리는(repatriation) 중입니다. 37signals 는 클라우드를 떠난 뒤 연간 비용을 320만 달러에서 100만 달러 미만으로 줄였고, GEICO 의 클라우드 비용은 계획 대비 2.5\times 로 불어났습니다. 폐쇄형 모델 API 는 바로 이 함정을 그대로 재현합니다. 오픈 가중치는 그에 대한 이탈 권리(exit rights) 입니다.
19일 동안 최신 프론티어 모델이 멈춰 섰다
선택권이 추상이 아니라는 것을, 보고서는 2026년 6월의 한 사건으로 보여줍니다. Anthropic 이 최신 모델 Fable 5 와 Mythos 5 를 출시(6월 9일)한 지 사흘 만인 6월 12일, 미국 상무부의 수출 통제 명령이 즉시 발효되었습니다. 이 명령은 미국 안팎을 불문하고 모든 외국 국적자의 접근을 차단하는 것이었는데, 국적을 실시간으로 검증할 수 없어 선택적 준수가 불가능했고, 결국 두 모델은 모두에게 접속이 끊겼습니다. 6월 26일 Mythos 가 검증된 약 100개 미국 핵심 인프라 기관에 부분 복구되고, 6월 30일 통제가 해제되어 7월 1일 Fable 5 가 전 세계에 복구되기까지 약 19일이 걸렸습니다.
이 사건의 교훈을 보고서는 이렇게 정리합니다. "모델은 끌 수 있다. 그러나 당신이 쥔 기계에서 이미 돌아가고 있는 사본은 누구도 끌 수 없다." 기업에게 디스크 위의 가중치는 헤지(hedge)지만, 국가에게 그것은 정책과 허락의 차이를 가르는 문제입니다. 주권(sovereignty)은 이 논리를 국가 규모로 확대한 것에 지나지 않습니다.
최대의 오픈 가중치 공급원은 중국이다. 의도된 것이다
주권의 관점에서 보면 최근 몇 년간 가장 두드러진 현상은 중국의 부상입니다. 2026년 3월 기준 Hugging Face 누적 다운로드에서 알리바바의 Qwen 은 9억 4,200만 회로, 메타의 Llama(4억 7,600만 회)를 크게 앞섰습니다. 2026년 2월에는 Qwen 한 곳의 다운로드가 그 뒤를 잇는 여덟 개 조직의 합을 넘어섰습니다.
OpenRouter 트래픽에서도 중국 오픈 모델의 토큰 비중은 2024년 말 2\% 미만에서 2026년 4월 45\% 이상으로 급증했고, 가장 많이 쓰이는 상위 10개 모델 사이에서는 약 61\% 에 달합니다. DeepSeek 는 2만 6천 개가 넘는 기업 계정을 확보했고, 2025년 신규 AI 스타트업의 58\% 가 스택에 이를 포함했습니다.
보고서는 이것이 우연이 아니라 중국의 산업 정책 이라고 못박습니다. 국무원의 "AI 플러스" 이니셔티브(2025년 8월)와 제15차 5개년 계획(2026년 3월)이 오픈소스 확산을 핵심 지침으로 명문화했고, 공개 가중치를 배포하는 행위 자체가 반도체 수출 통제에 대한 거시 헤지로 작동합니다. 전 세계 추론 부하를 사용자의 로컬 하드웨어로 떠넘기는 방식이기 때문입니다. 훈련 데이터의 불투명성이나 하드코딩된 거부 응답 같은 우려는 실재하지만, 그 해법은 아키텍처적으로 이미 나와 있습니다. 최소 여덟 개 관할권이 호스팅 서비스를 금지했지만, 기업들은 가중치 자체는 자체 호스팅하거나 서방 엔드포인트를 통해 그대로 채택하고 있습니다.
유럽, 캐나다, 인도: 주권의 문제가 된 오픈
같은 논리로 국가들이 움직이고 있습니다. OECD.AI 기준 80개 이상의 관할권에 AI 정책이 있고, 47개국이 핵심 워크로드에 대한 외국 처리(foreign processing)를 제한합니다. 유럽은 오픈 가중치를 산업 정책으로 다루기 시작해, 프랑스가 AI 인프라에 1,090억 유로를 약속했고(2025년 2월), EU 는 AI Act 에서 적격 오픈소스 시스템에 표적 면제를 부여했으며, 24개 EU 언어를 아우르는 4천억 파라미터 규모의 주권형 오픈 모델(EUROPA) 프로젝트를 선정했습니다. 포르투갈은 550만 유로로 완전 공개 LLM(Amália)을 냈고, 독일은 공공 행정 AI 플랫폼(SPARK)을 오픈소스화했습니다.
캐나다는 캐나다 연구자에게 개방되는 주권형 공공 AI 슈퍼컴퓨터에 8억 9천만 달러를 배정했고, Cohere 는 H100 두 장만으로 돌아가는 2,180억 파라미터 MoE 모델 Command A+ 를 오픈소스로 공개했습니다. 인도는 시장가보다 약 40\% 저렴한 시간당 약 65루피에 38,231개의 GPU 를 공급하고, 2025년 한 해에만 GitHub 개발자를 5백만 명 이상 늘려 세계에서 가장 빠르게 성장하는 개발자 기반을 만들었습니다. 사우디아라비아(Humain, 770억 달러), 대한민국(5개년 715억 달러), UAE(G42와 Microsoft, 152억 달러) 등 국가 단위의 대규모 약정이 이어집니다. 이제 전략적 질문은 "국가 AI 정책을 가질 것인가" 가 아니라 "스택의 어느 계층을 소유할 수 있는가" 로 바뀌었습니다.
하니스(harness)가 새로운 프론티어다
이 보고서에서 가장 독창적이고 중요한 통찰이 담긴 4장입니다. 모델의 값이 0 을 향해 내려가는 지금, 경쟁과 잠금(lock-in)의 무게 중심은 모델 그 자체가 아니라 그 위에 얹히는 계층으로 옮겨갔다는 것입니다. 보고서는 그 계층을 하니스(harness) 라고 부릅니다.
비유가 명료합니다. 열린 웹 시대의 사용자 에이전트(user agent) 는 브라우저였습니다. 사용자 편에서 실행되며 사용자를 대신해 서버와 협상하는 코드였지요. 그 역할이 한 계층 위에서 재현되고 있습니다. 모델 위에는 이제 오케스트레이션 루프(orchestration loop), 도구, 메모리, 샌드박스, 권한 모델로 이루어진 에이전트 하니스가 자리합니다. 프로덕션의 어려움이 집중되고, 오픈 대 클로즈드, 소유 대 임대의 경쟁이 다시 시작되는 곳이 바로 여기입니다.
이 계층은 이미 하나의 제품 범주가 되었습니다. LangChain 은 GitHub 스타 12만 6천 개 이상에 개발자 점유율 약 60\% 를 확보했고, 도구 연결 표준인 MCP(Model Context Protocol) 는 16개월 만에 월간 SDK 다운로드가 2백만 회에서 9,700만 회로 늘고 1만 개 이상의 활성 서버를 확보했으며, 2025년 12월 Linux Foundation 산하 Agentic AI Foundation(AAIF)에 기부되었습니다(같은 시점 goose, AGENTS.md 등과 함께이며, 플래티넘 멤버로 AWS, Google, Microsoft, OpenAI 가 참여합니다).
그러나 도입 속도가 거버넌스를 앞지르고 있습니다. 성숙한 에이전트 거버넌스를 갖췄다고 답한 기업은 약 21\% 에 그치고, MCP 가 Linux Foundation 인프라가 된 직후인 2026년 초 8주 동안 보안 연구자들이 신고한 CVE 만 30 건이 넘었습니다. 인증(OAuth 2.1)은 표준화됐지만 인가(authorization)는 여전히 표준이 없다는 것이 문제의 핵심입니다.
모델이 하니스를 집어삼키고 있다
그렇다면 하니스는 오픈에게 열린 기회일까요? 여기서 이야기는 한 번 꼬입니다. 2026년 5월 Terminal-Bench 2.0 은 하니스가 마치 누구나 차지할 수 있는 공짜 점심처럼 보이게 만들었습니다. 제3자가 만든 스캐폴드(scaffold)가 Anthropic 자체 가중치를 돌려 79.8\% 를 기록한 반면, 같은 모델 위에서 Claude Code 는 58.0\% 에 그쳤습니다. 무려 21.8 포인트 차이로, 하니스가 가중치보다 앞선 것입니다.
그러나 여덟 주 뒤 Terminal-Bench 2.1 은 이 결과를 뒤집었습니다. 프론티어 연구소들이 이 결과를 읽고 하니스를 자체 개발로 끌어들였고, 두 하니스가 모두 등장하는 모든 모델에서 이제는 연구소 자체 하니스가 이깁니다. 최상위권을 보면 Codex CLI(GPT-5.5)가 83.4\%, Claude Code(Fable 5)가 83.1\% 로 연구소 자체 하니스가 앞서고, 최고의 독립 하니스는 80.4\% 에 머뭅니다. 21.8 포인트였던 격차가 최상단에서 약 3 포인트로 압축된 것입니다. 모델이 스택 위쪽을 잠식하며, 가중치와 스캐폴드를 하나의 제품으로 함께 출하하기 시작한 것입니다. 통합은 형성 중인 해자(moat)이며, 하니스가 한 연구소의 가중치에 밀착 조율될수록 다른 모델 위에서는 성능이 떨어지므로 그 아래의 가중치는 점점 교체 불가능해집니다. 잠금은 최적화의 부산물로 찾아옵니다.
그러나 중립적 하니스 위에서는 격차가 무너진다
다만 부재가 곧 무능은 아닙니다. 모든 모델을 하나의 중립적 스캐폴드(vals.ai Terminus-2) 위에 올리면 이야기가 달라집니다.
공정한 하니스 위에서 능력 격차는 몇 포인트에 불과하지만 가격 격차는 5\times 에 달합니다. 가장 강력한 오픈 모델인 GLM 5.2 는 태스크당 약 0.43달러에 67.79\% 를 기록해, 1.98달러의 Claude Opus 4.7(68.54\% )에 근소하게 뒤지고 2.41달러의 Opus 4.8(71.91\% )보다 약 4포인트 낮은 수준을, 약 5분의 1 비용으로 달성합니다. 통합이 연구소에 주는 또 하나의 이점은 데이터 플라이휠(data flywheel)입니다. 연구소 자체 하니스를 거친 실제 사용 데이터가 곧바로 다음 모델의 학습으로 되돌아가는 구조지요. 이 이점은 실재하며, 그렇기에 열려 있는 지금이 오픈 가중치와 함께 설계된 하니스를 만들 수 있는 창(window)입니다.
아직 풀리지 않은 구멍: 쓰기 권한(write surface)
하니스의 정중앙에는 아직 아무도 메우지 못한 구멍이 있습니다. 바로 쓰기 표면(write surface) 입니다. 보고서는 에이전트의 행동을 두 종류로 나눕니다. 문서를 가져오거나 데이터베이스를 조회하는 것 같은 읽기(reads) 는 되돌릴 수 있고 결과가 가벼우므로 대부분 기본 허용해도 됩니다. 반면 메시지를 보내거나 예산을 집행하거나 레코드를 수정하거나 거래를 실행하는 쓰기(writes) 는 비용이 크고 되돌리기 어렵습니다. 확인, 승인 임계값, 비용 상한, 취소 권한이 집중되어야 할 곳이 바로 이 쓰기입니다.
문제는 어떤 쓰기를 감독 없이 허용하고, 어떤 것에 사람의 승인을 요구하며, 어떤 것을 금지할지를 MCP 호스트, A2A 피어, 직접 도구 호출, 프레임워크 경계를 가로질러 정의하는 이식 가능한(portable) 표준 이 아직 없다는 점입니다. MCP 의 2025년 11월 명세는 인가를 OAuth 2.1 로 옮겼고 A2A v1.0 은 서명된 Agent Card 를 표준화했지만, 둘 다 인증(authentication)에서 멈춥니다. 에이전트가 누구인지 아는 것은, 그 에이전트가 무엇을 해도 되는지에 대해 아무것도 말해주지 않습니다. 사람이 최후의 방어선이 되는 방식도 한계에 부딪혔습니다. 사용자가 대부분의 프롬프트를 습관적으로 승인해 버리는 동의 피로(consent fatigue) 는 CoSAI 의 MCP 위협 모델에서 최상위 위협으로 꼽힙니다.
산업계의 대응은 개별 에이전트 내부의 취약한 프롬프트 필터 대신, 통제를 메타 하니스(meta-harness) 계층으로 끌어올리는 방향으로 가고 있습니다. Databricks 가 오픈소스로 공개한 Omnigent 같은 아키텍처는 세션이 지금까지 무엇을 했는지 추적하며 다음 쓰기를 상태 기반으로 게이팅합니다. 예컨대 에이전트가 검증되지 않은 패키지를 가져온 뒤에는 코드 푸시에 사람의 승인을 요구하거나, 일정 지출 이후 세션을 멈추는 비용 상한을 강제하는 식입니다.
클로즈드가 곧 안전은 아니다
여기서 보고서는 흔한 오해를 정면으로 반박합니다. 폐쇄형 API 가 안전하게 느껴지는 이유는 필터링, 모니터링, 취소 기능 때문인데, 이 세 가지는 모두 서빙(serving) 계층의 기능 이지 가중치를 비밀로 유지하는 것과는 무관합니다. 같은 통제가 하니스 계층에도 존재하며, 자체 호스팅한 오픈 모델에도 그대로 적용됩니다. 실제로 2025년에는 CVSS 9.3 에서 9.4 등급의 인가 실패가 Anthropic 의 Slack MCP, Microsoft Copilot(EchoLeak), Salesforce Agentforce(ForcedLeak), ServiceNow(BodySnatcher) 등 폐쇄형 시스템을 잇달아 강타했습니다. 이 사건들은 하나같이 같은 패턴을 보였습니다. 검색(retrieval) 단계의 권한은 확인됐지만 출력이 어디로 나가는지는 확인되지 않아, 정당하게 조회된 데이터가 공격자에게 새어 나간 것입니다. 가중치를 비밀로 유지하는 것은 이 문제를 전혀 막지 못했습니다. 미국 통신정보관리청(NTIA)은 정부가 오픈 가중치를 제한할지 검토한 끝에 "제한하지 말고 모니터링하라" 고 권고했습니다.
물론 보고서는 폐쇄형이 여전히 앞서는 네 영역도 정직하게 인정합니다. (1) 통합된 하니스, (2) 100만 토큰 수준의 긴 문맥 충실도(Gemini 3 가 다중 니들 검색에서 89\% 로 DeepSeek V4-Pro 의 41\% 를 앞섬), (3) SOC 2, HIPAA, 제로 데이터 보존이 기본 제공되는 즉시 사용 가능한 컴플라이언스, (4) 고객이 책임을 물을 수 있는 상대방(accountability)입니다. 안전 측면의 격차도 숨기지 않아서, 오픈 가중치 선두 주자인 DeepSeek 는 FLI AI 안전 지수에서 4점 만점에 0.37 점으로 F 등급을 받았습니다. 다만 컴플라이언스와 책임은 계약의 문제, 통합 하니스는 도구의 문제이며, 오직 긴 문맥 충실도만이 오픈 연구소가 직접 풀어야 할 모델의 문제라고 보고서는 정리합니다.
다섯 가지 베팅: 계층이 열려 있는 동안 해야 할 일
마지막 5장은 행동 지침입니다. 보고서는 프론티어를 이기려 하지 말고, 그 위의 계층이 아직 열려 있는 동안 그 계층을 소유하라고 제안합니다. 다섯 가지 베팅 중 어느 것도 최전선 모델 성능을 능가할 것을 요구하지 않습니다.
1. 오픈 하니스를 구축하라. Codex 가 GPT-5.5 에 맞춰 조율되었듯, 오픈 가중치와 함께 설계되고 그에 맞춰 조율된 하니스를 만듭니다. 범용이든, 프론티어가 손대지 않는 특정 수직 영역용이든 상관없습니다.
2. 메모리를 소유하라. 스택에서 유일하게 복리로 쌓이는 자산이 메모리입니다. 이식 가능하고 추가 전용(append-only)인 형식으로, 자신의 방화벽 뒤에 둡니다. Mem0 는 이미 스타 4만 7천 개를 넘겼고 Letta, Zep, LangMem 등이 규모 있게 운영됩니다. 수년간 축적된 문맥은 접근이 끊기는 순간 재구성할 수 없습니다.
3. 이식 가능한 권한을 해결하라. 하니스 정중앙의 미해결 구멍인 쓰기 표면을 푸는 팀이, 지금 모델을 폐쇄형으로 유지하는 데 쓰이는 보안 논리 자체를 손에 넣습니다.
4. 미터기를 깨라. Uber 의 요금은 이용자들이 보조금 가격에 삶을 재편한 뒤 약 92\% 올랐습니다. 낮은 가격은 결코 제품이 아니었고, 잠금이 제품이었습니다. 자체 호스팅은 하루 약 8천 건의 대화를 넘으면 손익 분기를 넘어섭니다. 값이 싸고 지루한 지금, 제2의 공급원을 확보해 둡니다.
5. 오픈 기본값을 복수화하라. 공급자가 하나뿐인 공유지는 더 이상 공유지가 아닙니다. Qwen 이 9억 4,200만 다운로드로 Llama 의 4억 7,600만을 앞서는 지금, 오픈 생태계가 단일 원천으로 기우는 것 자체가 위험입니다. 하나의 원천이 기본값을 공급하면 그 원천의 정렬 선택과 사각지대가 모든 파생물로 전파되기 때문입니다.
보고서는 이 판단을 뒤집을 신호를 추적하는 워치리스트(watchlist) 도 함께 제시합니다. 능력과 도입(토큰 점유율이 정체되는데 추론 격차가 벌어지는가), 하니스(연구소 하니스의 우위가 더 벌어지거나 폐쇄형 플랫폼이 권한 표준을 먼저 정하는가), 시장 구조(주권 자금이 끊기거나 오픈 연구소의 경제성이 규모화에 실패하는가), 신뢰와 안전(안전 튜닝이 얼마나 쉽게 벗겨지는가, 오용 사건이 발생하는가)의 네 갈래이며, 두 갈래가 동시에 후퇴하면 판단을 수정할 신호로 봅니다.
결론: 렌트에서 오너십으로
이 보고서의 메시지는 한 문장으로 압축됩니다. 오픈은 필요조건이지, 충분조건이 아닙니다. 오픈 가중치가 능력에서 프론티어에 근접하고 가격을 붕괴시킨 것은 사실이지만, 배포를 완성하는 운영 도구, 특히 표준화와 엔터프라이즈 준비도, 그리고 하니스 중앙의 권한 표준은 아직 미완성입니다. 그리고 오픈만으로는 오용이 집중되는 영역의 강한 마찰(friction)이나 훈련 데이터의 투명성 문제까지 저절로 해결되지 않습니다.
그럼에도 보고서가 던지는 최종 메시지는 분명합니다. 오픈은 엔진을 손이 닿는 곳에 두어, 이 싸움을 이길 수 있는 싸움으로 만듭니다. Mozilla 는 마지막으로 하나의 시험을 제안합니다. AI 에 관한 결정이 내려지는 방에 누가, 어떤 지위로 앉아 있는지를 보라는 것입니다. 오늘 그 방에는 엔진을 소유한 사람들이 앉아 있습니다. AI 를 열려 있고 이식 가능하며 널리 배포되게 지키는 사람들이 동등한 자격으로 그 방에 앉는 날, 빌려 쓰기에서 소유하기로의 전환은 이미 일어난 것입니다. 창은 지금 열려 있고, 우리가 아닌 척할 수 있을 만큼 천천히, 그러나 생각보다 짧은 시간 안에 닫히고 있습니다.
The State of Open Source AI 2026 보고서 (PDF)
The State of Open Source AI 2026 (인터랙티브 웹 리포트)
Mozilla
더 읽어보기
- Stanford HAI 2026 AI Index (기술 성능): https://hai.stanford.edu/ai-index/2026-ai-index-report/technical-performance
- OpenRouter State of AI (토큰 점유율): State of AI 2025: 100T Token LLM Usage Study | OpenRouter
- Linux Foundation, 오픈 모델의 숨은 경제학: Revealing the Hidden Economics of Open Models in the AI Era
- Anthropic, MCP 기부와 Agentic AI Foundation 출범: https://www.anthropic.com/news/donating-the-model-context-protocol-and-establishing-of-the-agentic-ai-foundation
- Databricks, 메타 하니스 Omnigent 소개: Introducing Omnigent: A Meta-Harness to Combine, Control and Share Your Agents
이 글은 GPT 모델로 정리한 글을 바탕으로 한 것으로, 원문의 내용 또는 의도와 다르게 정리된 내용이 있을 수 있습니다. 관심있는 내용이시라면 원문도 함께 참고해주세요! 읽으시면서 어색하거나 잘못된 내용을 발견하시면 덧글로 알려주시기를 부탁드립니다. 
파이토치 한국 사용자 모임
이 정리한 이 글이 유용하셨나요? 회원으로 가입하시면 주요 글들을 이메일
로 보내드립니다! 텔레그램(Telegram)이나 Slack/Discord/Teams/Dooray/GoogleChat 등으로도 새 글 알림을 받으실 수 있습니다. 
아래
쪽에 좋아요
를 눌러주시면 새로운 소식들을 정리하고 공유하는데 힘이 됩니다~ 