250만 개의 공개 모델과 1,300만 명의 사용자를 보유한

새로운 기술이 등장해 산업 표준이 되기까지 걸리는 시간은 갈수록 짧아진다. Hugging Face(허깅페이스, AI 모델 공유 플랫폼)는 이미 250만 개의 공개 모델과 1,300만 명의 사용자를 확보한 거대 생태계로 자리 잡았다. 특히 글로벌 시장을 주도하는 포춘 500대 기업 중 3분의 1이 이곳의 모델과 도구를 실무에 활용하고 있다. 이는 오픈 소스 및 오픈 웨이트 AI가 소프트웨어 역사상 가장 빠르게 성장하는 빌더 생태계 중 하나로 진입했음을 보여주는 실질적인 지표다.

실제 개발자들이 프로덕션 트래픽을 라우팅하는 OpenRouter(오픈라우터, AI 모델 라우팅 서비스)의 데이터는 이 변화의 속도를 수치로 증명한다. 2025년 말까지 오픈 웨이트(Open-weight, 모델 가중치 공개) 모델의 사용 비중은 전체의 약 3분의 1 수준으로 급증했다. 플랫폼의 확장세는 더욱 가파르다. 6개월 만에 처리량이 5배 증가하며 주당 25조 개의 토큰을 처리하는 규모에 도달했다. 현재 이 방대한 트래픽을 만들어내는 가장 큰 단일 소스는 특정 기업의 폐쇄형 모델이 아니라 오픈 모델이다.

이러한 수치는 오픈 모델이 단순한 대안을 넘어 실무 적용 가능 단계에 완전히 진입했음을 입증한다. 250만 개의 공개 모델이라는 선택지와 주당 25조 개의 토큰 처리량은 기업들이 더 이상 폐쇄형 모델의 제약에 갇히지 않고 자체적인 통제권을 확보할 수 있는 환경이 조성되었음을 뜻한다. 거대 기업과 개별 개발자가 동시에 이동하는 이 흐름은 오픈 모델이 AI 인프라의 새로운 표준으로 작동하기 시작했다는 사실을 뒷받침한다.

오픈 모델의 성능이 폐쇄형 모델과의 격차를 빠르게 좁히고 있다

폐쇄형 모델을 사용할 때 발생하는 토큰 비용과 데이터 통제권 문제는 기업이 오픈 모델로 눈을 돌리게 만드는 실질적인 이유다. 올해 봄 기준 가장 강력한 폐쇄형 모델이 60점을 기록했을 때, 오픈 모델은 54점을 기록하며 그 턱밑까지 추격했다. 1년 전 리딩 오픈 모델의 점수가 22점에 불과했던 것과 비교하면 1년 만에 점수가 두 배 이상 상승한 비약적인 발전이다. 성능 격차가 좁아지며 오픈 모델을 실무에 즉시 적용할 수 있는 기술적 토대가 마련됐다.

성능의 추격과 함께 모델 통제권이라는 실무적 리스크가 구체적인 위협으로 부각된다. 폐쇄형 AI 모델은 소유자의 결정이나 정부의 요청에 따라 서비스가 일방적으로 중단될 수 있는 구조적 한계가 있다. 실제로 지난 6월의 어느 금요일 오후, 정부의 서한 한 통으로 인해 가장 진보된 모델 중 하나가 모든 곳에서 작동을 멈춘 사례가 발생했다. 모델을 임대해 사용하는 기업들은 타인이 쥐고 있는 전원 스위치에 비즈니스가 완전히 종속되어 있음을 확인했다.

기업은 이제 모델의 성능과 비용, 그리고 데이터 통제권 사이의 트레이드오프(Trade-off, 어느 하나를 얻으려면 다른 하나를 포기해야 하는 상충 관계)를 정밀하게 분석해야 한다. 자체 하드웨어 기반의 오픈 모델 도입 시점은 이러한 외부 종속성 리스크를 어느 수준까지 감당할 수 있는지, 그리고 모델의 제어권을 직접 소유하는 것이 비용 대비 얼마나 효율적인지에 대한 판단 기준에 따라 결정된다.

확인해야 할 핵심 지점

AI를 쓸 때마다 매달 나가는 구독료나 토큰 비용이 부담스럽지는 않은가. 유럽연합 집행위원회(European Commission)는 공공 기관이 AI를 구매할 때 오픈 소스를 우선적으로 고려하는 오픈 소스 우선(open source first) 규칙을 제안했다. 캐나다는 기업의 AI 도입률을 기존 12%에서 60%까지 끌어올리겠다는 국가적 목표를 설정했다. 정부 차원에서 특정 기업의 폐쇄형 모델에 대한 종속성을 줄이고 기술 주권을 확보하려는 구체적인 정책 추진이다.

실제 현장에서는 산업과 지역의 특수성에 맞춘 최적화 작업이 실전 배치 단계로 넘어갔다. PwC는 금융 전문 용어를 학습시킨 미세 조정(Fine-tuning, 특정 데이터셋을 추가 학습시켜 모델의 성능을 특정 작업에 맞게 최적화하는 과정) 오픈 모델을 구축해 자체 하드웨어에서 운영한다. 뉴질랜드 북부의 마오리 방송사는 마오리 언어인 테 레오(te reo) 전용 음성 모델을 직접 훈련시켰다. 로잔의 연구진은 적십자(Red Cross)와 협력해 의료 전용 모델을 개발했으며, 동아프리카 농부들은 인터넷 연결이 불가능한 환경에서 휴대폰 자체로 카사바 질병을 진단하는 오프라인 모델을 사용한다.

이러한 사례들은 모델의 절대적인 성능 수치보다 비용과 데이터 통제권의 균형이 실무에서 더 중요하다는 점을 보여준다. 기업은 범용 모델의 높은 토큰 비용을 감당하며 편의성을 택할지, 아니면 자체 하드웨어에 오픈 모델을 얹어 데이터 통제권을 가질지 선택해야 한다. 모델 성능과 운영 비용, 그리고 보안이라는 세 가지 축의 트레이드오프(Trade-off, 어느 한 쪽을 얻으면 다른 쪽을 희생해야 하는 상관관계)를 분석하는 것이 자체 하드웨어 기반의 오픈 모델 도입 시점을 결정하는 핵심 기준이 된다.

폐쇄형 모델의 토큰 비용과 데이터 통제권 문제는 기업의 실질적인 제약이었다. 하지만 오픈 모델의 성능이 54점으로 60점인 폐쇄형 모델을 턱밑까지 추격하며 실무 적용의 문턱이 낮아졌다. OpenRouter의 오픈-웨이트 모델 사용량이 6개월 만에 5배 증가해 주당 25조 토큰을 처리하는 규모로 성장한 사실이 이를 증명한다.

이제는 모델 성능, 비용, 통제권의 트레이드오프를 분석해 자체 하드웨어 도입 시점을 결정해야 한다. AI 모델의 제어권을 직접 소유하는 것이 비용 대비 얼마나 효율적인지 계산하는 과정이 기업의 실질적인 AI 경쟁력을 결정한다.