일부 오픈 소스 모델은 클라우드 제공업체의 무임승차를 막기

소리 없이 반영된 라이선스 약관 한 줄이 기존의 무료 이용 관행을 순식간에 무력화했다. 오픈 소스는 누구나 제약 없이 무료로 사용할 수 있다는 인식이 일반적이지만, 상용화 속도가 빨라지며 이 전제가 빠르게 무너지고 있다. Minimax(중국 AI 스타트업)는 모델을 통해 수익을 창출하는 경우 비용을 지불하도록 라이선스 정책을 변경하며 상업적 이용에 제동을 걸었다.

개인 사용자는 앞으로도 모델을 무료로 이용할 수 있는 권한을 유지한다. 다만 모델을 서비스하여 수익을 창출하는 클라우드 제공업체는 발생한 이익의 일부를 Minimax에 공유해야 하는 의무를 진다. 클라우드사의 무임승차를 방지함으로써 오픈 소스 모델의 개발과 운영을 지속 가능하게 지원하려는 목적이다.

미국 스타트업들은 초기 시장 적합성(Product-Market Fit)을 찾기 위해 폐쇄형 모델을 먼저 도입하는 전략을 취한다. 폐쇄형 모델을 통해 첫 사용자 그룹을 빠르게 확보하고, 실제 서비스 운영 과정에서 발생하는 데이터를 충분히 축적하는 단계가 선행된다. 이후 오픈 소스 모델로 전환함으로써 토큰 비용을 최대 100배까지 획기적으로 줄이는 방안을 구체적으로 고려한다.

모델 제공자는 수익 회수를 위해 라이선스 조건을 강화하고, 사용자는 비용 절감을 위해 오픈 소스로 이동하는 이해관계가 충돌한다. 서비스 성숙도에 따라 폐쇄형에서 오픈 소스로 전환하는 시점이 기업이 직면한 토큰 비용 리스크를 관리하고 비용 절감 효과를 극대화하는 핵심 판단 기준이 된다.

미국 AI 기업들은 폐쇄형 소스 방식을 선호하는 반면, 중국

무료 공개가 곧 기업의 손실이라는 상식은 AI 시장에서 다르게 작동한다. OpenAI와 Anthropic은 모델의 핵심 코드를 상업적 인터페이스 뒤에 가두는 폐쇄형 소스 방식을 취한다. 이와 대조적으로 중국 AI 연구소들은 개발자가 코드를 직접 다운로드하고 내부 구조를 검토하며 깊게 커스터마이징할 수 있는 오픈소스 모델을 공격적으로 배포한다. 미국 기술 거인이 구축한 폐쇄적 생태계에 대한 의존도를 낮추고 개발자 접점을 빠르게 넓히려는 계산이다.

Kimi는 모델을 무료로 공개했음에도 API(응용 프로그램 인터페이스, 소프트웨어 간 통신 규칙)와 구독 서비스에서 강력한 수요를 확보했다. 모델 자체는 무료로 제공하되 이를 효율적으로 구동할 수 있는 최적의 인프라 지원을 통해 실질적인 수익을 창출하는 구조다. 특정 목적에 맞게 추가 학습시킨 미세 조정(fine-tuned) 모델은 오픈소스로 공개하고, 모든 학습의 기초가 되는 기반(base) 모델은 기업 간 거래를 통해 유료로 판매하는 전략을 병행한다.

오픈소스 모델의 공개는 시장에 기술력을 증명해 우수 인재를 끌어들이는 브랜딩 도구로도 활용된다. 인프라 지원과 기반 모델 판매, 브랜드 가치 상승이라는 다각적 수익 경로를 구축해 폐쇄형 모델의 한계를 공략한다. 개발자들은 폐쇄형 모델의 높은 토큰 비용 리스크를 확인하고, 서비스 성숙도에 따라 오픈소스로 전환함으로써 운영 비용을 절감하는 판단 기준을 갖게 된다.

중국의 오픈 소스 AI 기술이 미국 연구소들의 개발에 실질적인

기준이 바뀌는 시간이 극도로 단축됐다. DeepSeek의 강화 학습(RL, 보상을 통해 최적의 행동을 찾아내는 학습 방식) 훈련 알고리즘은 현재 다수 미국 연구소의 기본 설정으로 채택되고 있다. 중국 연구소들이 공개한 오픈 소스 가중치(Weights, 모델의 학습된 파라미터 값) 역시 미국 내 하드웨어 인프라에서 활발하게 구동되는 상황이다. 이는 기술 패권을 다투는 제로섬 게임이 아니라, 전체 AI 생태계의 파이를 함께 키우는 협력적 관계로 작동하고 있음을 보여준다.

운영 비용의 급증은 기업의 전략적 판단을 강요한다. Uber는 1년 치로 책정했던 AI 토큰 예산을 단 4개월 만에 모두 소진하며 비용 관리의 한계를 드러냈다. Microsoft 또한 토큰 비용이 당초 예상했던 수준보다 더 비싸다는 점을 공식적으로 언급했다. 미국 시장의 대기업들조차 폐쇄형 모델이 요구하는 높은 토큰 비용에 상당한 부담을 느끼고 있는 실정이다.

이러한 비용 리스크는 서비스 성숙도에 따른 오픈 소스 전환의 실질적인 판단 기준이 된다. 폐쇄형 모델의 높은 토큰 비용을 계속 감당하는 대신, 오픈 소스 모델을 도입함으로써 운영 비용을 직접적으로 절감하고 제어할 수 있기 때문이다. 기업은 모델의 성능뿐만 아니라 토큰 비용의 효율성을 중심으로 AI 도입 및 전환 전략을 재편하는 단계에 진입했다.

OpenAI의 폐쇄적 생태계와 중국의 공격적 오픈소스 전략은 결국 비용 효율성이라는 실리로 수렴한다. 모델 증류를 통한 지식 전이와 라이선스 유료화는 오픈소스의 수익 구조를 현실화했다.

기업은 폐쇄형 모델의 토큰 비용 리스크를 측정해 서비스 성숙도에 따른 최적의 전환 시점을 결정해야 한다. AI 도입의 성패는 성능의 정점이 아니라 비용의 최저점을 찾는 설계 능력에 달렸다.