개념
오픈 웨이트(open weights) 모델은 학습이 끝난 가중치 파일이 공개되어, 누구나 내려받아 자기 장비에서 실행하거나 원하는 대로 조정할 수 있는 모델을 말한다. API로만 접근할 수 있는 폐쇄형 모델과 대비되는 개념이다.
용어를 오픈소스와 구분해 쓰는 이유가 있다. 소프트웨어에서 오픈소스는 소스 코드가 공개되어 결과물을 재현하고 검증할 수 있다는 뜻이지만, 모델에서 가중치 공개는 완성된 결과물을 받는 것에 가깝다. 어떤 데이터로 어떻게 학습했는지가 함께 공개되지 않으면 같은 모델을 다시 만들어 낼 수 없기 때문에, 가중치만 공개된 경우를 오픈 웨이트라 부르며 따로 구분한다.
라이선스도 함께 살펴야 한다. 공개된 가중치라도 상업적 이용 범위, 재배포 조건, 출력물로 다른 모델을 학습시키는 것에 대한 제한이 저마다 다르다. 완전히 자유로운 허가형 라이선스부터 특정 규모 이상의 서비스에는 별도 계약을 요구하는 형태까지 폭이 넓다.
공개 범위에도 층위가 있다. 사전 학습만 끝낸 기본 모델과 지시 이행 학습까지 마친 모델을 함께 내놓는 경우가 많은데, 전자는 추가 학습의 재료로 쓰기 좋고 후자는 그대로 대화형 서비스에 쓸 수 있다. 같은 이름 아래 크기가 다른 여러 모델을 함께 공개해, 장비 사정에 맞춰 고르게 하는 것도 일반적인 방식이다.
쓰임새
가장 큰 동기는 데이터 통제다. 외부로 내보낼 수 없는 자료를 다뤄야 하는 조직은 모델을 자체 인프라에 올려 데이터가 밖으로 나가지 않게 한다. 규제 산업이나 내부망 환경에서 특히 그렇다.
조정의 자유도도 이유가 된다. 가중치가 손에 있으면 LoRA 같은 기법으로 용도에 맞게 다듬거나 양자화로 작은 장비에 맞게 줄일 수 있고, 필요하면 노트북에서 오프라인으로 돌릴 수도 있다. 모델 제공자의 사정으로 버전이 바뀌거나 서비스가 종료될 위험에서 자유롭다는 점도 장기 운영에서는 중요한 고려 사항이다.
성능을 어떻게 볼지도 판단 요소다. 공개 모델과 최상위 폐쇄형 모델 사이에는 대체로 격차가 있지만, 그 격차가 실제 업무에서 문제가 되는지는 작업에 따라 다르다. 정해진 형식으로 분류하거나 요약하는 반복 작업이라면 작은 공개 모델로 충분한 경우가 많고, 복잡한 추론이 필요한 자리에만 상위 모델을 쓰는 혼합 구성이 현실적인 선택지가 된다.
자주 하는 오해
오픈 웨이트는 곧 오픈소스 아닌가?
학습 데이터와 학습 코드가 공개되는 경우는 드물다. 가중치 공개는 재현 가능성이나 검증 가능성을 보장하지 않는다.
공개된 모델이니 마음대로 써도 되지 않나?
라이선스마다 허용 범위가 다르다. 상업적 이용이나 재배포에 조건이 붙는 경우가 있어, 서비스에 투입하기 전에 라이선스 원문을 확인해야 한다.
가중치를 받으면 곧바로, 그것도 더 싸게 쓸 수 있지 않나?
서빙 엔진 설정, 장비 확보, 부하 분산, 모니터링까지 갖춰야 서비스가 된다. 안전장치도 직접 붙여야 하는데, 폐쇄형 API가 기본으로 제공하던 유해 요청 차단이나 프롬프트 인젝션 대응을 공개 모델에서는 운영하는 쪽이 설계해야 한다. 비용도 트래픽 규모에 달려서, 사용량이 적거나 들쭉날쭉하면 요청 없는 시간에도 나가는 장비 값 탓에 추론 단가는 API 쪽이 오히려 낮다.