“가중치를 공개한다”는 말이 요즘 자주 나옵니다. 오픈 웨이트, 오픈 모델 같은 말도 섞여 씁니다. 무슨 뜻이고, 무엇이 되고 무엇이 안 되는지 정리했습니다.
가중치가 뭔가
모델은 엄청나게 많은 숫자 뭉치입니다. 학습을 거치면서 그 숫자들이 조금씩 조정되고, 다 끝나면 “이 숫자 조합이면 말이 되는 문장이 나온다”는 상태가 됩니다.
그 조정이 끝난 숫자들이 가중치입니다. 모델의 실체에 가장 가까운 것이라고 보시면 됩니다.
그래서 가중치를 공개한다 = 그 숫자 뭉치를 내려받게 해 준다는 뜻입니다.
무엇이 달라지나
- 내 컴퓨터나 내가 빌린 서버에서 돌릴 수 있습니다. 인터넷 없이도 됩니다.
- 내 자료가 밖으로 안 나갑니다. 민감한 내용을 다룰 때 이게 큽니다.
- 서비스가 없어져도 계속 쓸 수 있습니다. 이미 받아 뒀으니까요.
- 고쳐서 쓸 수 있습니다. 내 자료로 추가 학습을 시키는 것도 가능합니다.
오픈소스와는 다르다
헷갈리기 쉬운 부분입니다. 가중치 공개는 오픈소스와 같은 말이 아닙니다.
보통 소프트웨어의 오픈소스는 만드는 방법까지 공개됩니다. 그런데 모델은 대개 결과물만 공개됩니다. 어떤 자료로 어떻게 학습시켰는지는 안 밝히는 경우가 많습니다.
그래서 “오픈 웨이트”라는 말을 따로 쓰기도 합니다. “가중치는 열렸지만 나머지는 아니다”는 뜻입니다.
오픈 웨이트와 오픈소스 AI는 무엇이 다른가
오픈소스 이니셔티브(OSI)의 설명을 기준으로 하면 차이는 공개 범위입니다. OSI는 오픈 웨이트를 학습이 끝난 신경망의 최종 가중치와 편향이라고 정의하고, 이를 OSI 승인 라이선스로 공유하면 다른 사람이 모델을 미세 조정하거나 변형하거나 배포할 수 있다고 설명합니다. 다만 오픈 웨이트에는 학습 코드와 학습용 데이터셋을 만들고 다듬은 스크립트가 들어 있지 않고, 전체 데이터셋도 공개되지 않을 수 있습니다. 학습 코드나 중간 체크포인트가 없으면 개발 과정을 그대로 재현할 수 없다는 점도 적혀 있습니다.
OSI가 말하는 오픈소스 AI는 사용, 연구, 수정, 공유라는 네 가지 자유를 허용하는 조건으로 제공되는 것입니다. 수정에 적합한 형태의 자료와 시스템을 실제로 쓸 수단에 접근할 수 있어야 하고, 학습 코드는 전부 공유되며, 법적으로 허용되는 범위에서 학습 데이터셋도 공개됩니다.
| 항목 | 오픈 웨이트 | 오픈소스 AI |
|---|---|---|
| 최종 가중치 | 공개 | 공개 |
| 학습 코드 | 공유하지 않음 | 전부 공유 |
| 학습 데이터셋 | 공유하지 않거나 일부만 공개 | 법적으로 가능하면 공개 |
| 데이터 구성 설명 | 일부만 공개하거나 없음 | 전부 공개 |
표는 OSI 페이지의 비교를 간추린 것입니다. 모델 소개 글에서 오픈이라는 말을 보면 위 표의 어느 칸까지 공개된 것인지 먼저 따져 보면 됩니다.
공개됐다고 자유로운 건 아니다
가장 놓치기 쉬운 부분입니다. 내려받을 수 있는 것과 마음대로 써도 되는 것은 다릅니다. 라이선스에 조건이 붙는 경우가 있습니다.
- 상업적 이용 제한 — 개인은 되지만 회사에서는 안 되는 경우
- 사용자 수 제한 — 일정 규모를 넘으면 별도 협의
- 용도 제한 — 특정 분야에는 쓰지 말라는 조건
그래서 새 모델이 공개될 때 성능 점수보다 라이선스를 먼저 봐야 하는 경우가 생깁니다.
내 컴퓨터에서 돌아가나
또 하나의 현실적인 문제입니다. 큰 모델은 개인 장비로 못 돌립니다. 그래서 대개 용량을 줄인 형태가 뒤따라 나옵니다.
파일 이름에 Q4 같은 표기가 붙은 게 그런 것들입니다. 숫자의 정밀도를 낮춰 크기를 줄인 것이고, 대신 품질이 조금 떨어집니다. 어느 정도까지 줄여도 쓸 만한지는 직접 돌려 보고 판단하게 됩니다.
라이선스는 어디서 확인하나
Hugging Face 허브 문서에 따르면 저장소의 라이선스는 README.md, 즉 모델 카드의 메타데이터 부분에 적습니다. 문서는 다른 사람의 코드나 데이터를 쓸 생각이라면 그 프로젝트의 라이선스를 찾아 지키라고 당부합니다. 허브가 제공하는 목록에는 Apache 2.0과 MIT 같은 일반 라이선스뿐 아니라 Llama 2, Llama 3, Llama 3.1, Llama 3.2, Llama 3.3, Llama 4 커뮤니티 라이선스, Gemma 이용 약관, OpenRAIL 계열처럼 모델 전용 조건도 별도 식별자로 올라 있습니다.
목록에 없는 조건이라면 other를 고르고 라이선스 전문을 저장소의 LICENSE 파일에 넣은 뒤 license_name으로 이름을 붙이라고 안내합니다. 같은 모델 계열이라도 버전마다 라이선스 식별자가 따로 있다는 점이 실무에서 중요합니다. 새 버전이 나왔을 때 이전 버전의 조건이 그대로 이어진다고 가정하지 말고, 받으려는 모델 카드의 해당 항목을 직접 읽어야 합니다.
| 모델 카드에서 볼 곳 | 확인할 내용 |
|---|---|
| license 항목(메타데이터) | Apache 2.0, MIT 같은 일반 라이선스인지 모델 전용 조건인지 |
| LICENSE 파일 | 전문과 허용 용도, 재배포 조건 |
| license_name | 목록에 없는 조건이라면 그 이름과 전문 |
| 버전 표기 | 받으려는 버전의 식별자가 맞는지 |
이 표는 허브 문서에 적힌 방식을 바탕으로 필자가 확인 순서로 정리한 것입니다.
정리
가중치 공개는 선택지가 하나 늘어나는 일입니다. 무조건 좋은 것도, 항상 쓸 수 있는 것도 아닙니다. 라이선스와 내 장비를 같이 봐야 실제로 쓸 수 있는지가 나옵니다.
이 경우에는 이렇게 판단한다
장비 계산도 파일 용량 하나로 끝나지 않습니다. 가중치 외에 실행 프로그램, 입력 길이, 동시에 처리할 사람 수가 메모리를 차지합니다. 작은 모델로 한 번 답 품질과 속도를 비교해 본 뒤 규모를 키우는 쪽이 비용을 예측하기 쉽습니다.
업데이트
이 글의 기본 설명은 원문 발행 당시 공개 자료를 바탕으로 하며, 보강한 공식 자료는 2026년 10월 18일 기준입니다. 기능, 약관, 제공 범위와 수치는 바뀔 수 있으므로 실제 적용 전에는 아래 자료의 최신 안내를 다시 보세요.
확인 자료
- OSI: Open Weights 설명 — 오픈 웨이트의 정의와 오픈소스 AI와의 차이 (2026-10-18)
- Hugging Face 허브 문서: Licenses — 모델 카드의 라이선스 표기 방식과 지원 식별자 (2026-10-18)
- CISA 보안 기본 수칙 (2026-09-14 기준)