Qwen Kimi GLM 비교로 본 오픈 모델 도입 체크리스트

무슨 일이 일어나고 있나

Interconnects 필자가 미 의회 브리핑에서 쓴 자료를 공개했는데요, 숫자가 꽤 구체적입니다. 허깅페이스 다운로드 기준으로 중국 오픈 웨이트 모델이 2025년 7월에 미국을 추월했고 현재 32억 다운로드로 미국의 두 배 수준입니다. Artificial Analysis Intelligence Index에서는 Z.ai의 GLM-5.3이 45점, Moonshot AI의 Kimi K3가 44점을 기록한 반면 미국 최고 오픈 모델인 Thinking Machines의 Inkling은 26점에 머물렀어요. 1등과 미국 최고 사이에 19점 차이가 난다는 뜻입니다. OpenRouter 실사용 점유율은 70%대에서 80%대로 올라갔고, arXiv 논문에서 오픈 모델을 언급할 때 중국계 모델 비중이 40%를 넘어 미국계 30%를 앞섰습니다. 원문은 2025년 4월 무렵부터 중국 기업이 오픈 웨이트 영역의 명확한 선두였다고 정리합니다.

원문이 정의를 꽤 공들여 나눈 대목도 실무상 중요합니다. 오픈 웨이트는 가중치와 라이선스, 추론 코드까지 공개된 형태로 Meta의 Llama, Alibaba의 Qwen, Google의 Gemma, DeepSeek 모델이 여기 속합니다. 진짜 오픈소스는 여기에 학습 코드와 학습 데이터까지 더해 재현 가능한 형태고, Allen Institute for AI의 Olmo, OpenAthena의 Marin, EleutherAI의 Pythia처럼 미국 비영리가 주도해 왔습니다. Nvidia의 Nemotron은 학습 데이터 상당량을 허용적 라이선스로 공개하지만 전부는 아니어서 그 중간에 놓입니다. 즉 '오픈'은 스펙트럼이고, 우리가 흔히 오픈이라 부르는 모델 대부분은 학습 데이터 계보를 확인할 수 없는 오픈 웨이트입니다.

같은 기간 프라이버시 쪽에서는 전혀 다른 성격의 숫자가 쌓였습니다. IAPP 수석 연구원 Müge Fazlioglu에 따르면 2022년 이후 미국 법원에 제기된 데이터 프라이버시 소송이 1만건을 넘었고, 2025년 한 해에만 3,414건입니다. 근거 법령은 1967년 제정된 California Invasion of Privacy Act와 1988년 제정된 Video Privacy Protection Act예요. VHS 대여자를 보호하려고 만든 법과 도청을 막으려고 만든 법이 지금은 웹사이트에서 조용히 발화하는 픽셀을 겨냥합니다. VPPA 위반은 건당 2,500달러 손해배상이 가능하고, 지금까지 합의금 총액은 약 70억 달러입니다.

세 번째 조각은 Google 애드테크 판결입니다. 법원은 AdX와 DFP를 Google Ad Manager로 묶은 계약을 무효화하고, 자사 상품 우대를 금지하고, 제3자 광고 서버와 Prebid 연동을 의무화했습니다. 적용 범위는 미국만이 아니라 전 세계입니다. 그런데 News/Media Alliance의 Danielle Coffey 대표조차 "즉시 구제를 받을 수 있다는 타이밍이 장점"이라는 수준으로 평가했고, 익명을 요구한 퍼블리셔 테크 임원은 "퍽은 이미 움직였다"고 말했어요. 판결이 다루는 범위가 오픈웹 디스플레이 배너로 한정돼서 CTV, 비디오, 오디오, 리테일 미디어, 큐레이티드 딜, 에이전틱 광고 거래가 전부 빠졌기 때문입니다.

왜 중요한가

세 건을 따로 읽으면 각각 모델 뉴스, 법률 뉴스, 애드테크 뉴스입니다. 붙여 읽으면 하나의 패턴이 나와요. 기술 지형은 분기 단위로 바뀌는데 제도와 계약은 연 단위, 십 년 단위로 움직인다는 겁니다.

GLM-5.2와 Kimi K3가 오픈 모델의 상업적 실용성에 단계적 변화를 만들었다는 게 원문 표현인데, 이 말의 메커니즘을 한 단계 더 풀면 이렇습니다. closed API는 토큰당 단가가 벤더 가격표에 묶여 있어서 호출량이 늘수록 비용이 선형으로 늡니다. 오픈 웨이트를 자체 인프라에 올리면 비용 구조가 GPU 시간이라는 고정비 쪽으로 옮겨가고, 호출량이 일정 수준을 넘는 순간 단가가 역전됩니다. 지금까지는 그 역전 지점에서 품질을 크게 포기해야 했는데, Intelligence Index 45점짜리 오픈 모델이 나오면서 포기 폭이 줄었다는 게 '상업적 실용성의 단계적 변화'의 실체입니다.

문제는 그 전환이 동시에 책임의 이전을 만든다는 점이에요. closed API를 쓸 때는 학습 데이터 출처, 라이선스 해석, 출력물의 상업적 사용 가능 여부를 벤더가 약관으로 떠안습니다. 가중치를 받아 우리 GPU에 올리는 순간 그 책임은 우리 법무팀으로 넘어옵니다. 게다가 오픈 웨이트는 정의상 학습 데이터가 공개되지 않으므로, 계보를 추적하려 해도 추적할 원자료가 없습니다.

픽셀 소송 데이터가 정확히 그 지점을 때려요. Fazlioglu는 법원이 기업이 직접 하는 일뿐 아니라 analytics 제공업체, 광고 파트너, session replay 제공업체 같은 다운스트림 벤더가 데이터로 무엇을 하는지까지 들여다보고 있다고 말합니다. 태그 하나 심었을 뿐인데 그 데이터의 하류 처리 때문에 피고가 되는 구조입니다. 인과를 한 단계 더 파면, 이 구조가 가능한 이유는 CIPA와 VPPA가 '제3자에게 통신 내용이 전달되었는가'를 요건으로 삼기 때문입니다. 즉 침해 여부가 우리 의도가 아니라 데이터가 경계를 넘었는가라는 사실 관계로 판정됩니다. 오픈 웨이트 모델을 제3자 추론 API로 호출하는 구조도 같은 질문 앞에 서게 돼요. 모델이 얼마나 싼지는 이 질문의 답이 되지 않습니다.

Google 판결은 제도의 속도를 보여주는 대조군입니다. 원문 표현대로 10년 전이었다면 배너가 프로그래매틱 공급의 대부분이었으니 시장 구조를 바꿨을 명령입니다. 지금은 CTV와 비디오, 오디오, 리테일 미디어, 큐레이티드 딜이 공급의 큰 축이 됐고, 그 전부가 명령 밖에 있습니다. 축소되는 시장의 규칙을 정비한 셈이에요.

이해관계, 역학

숫자를 발표하는 쪽의 유인부터 뜯어봅시다.

오픈 모델 우위 데이터는 애초에 미 의회 의원과 보좌진을 대상으로 한 브리핑 원고입니다. 발표자 본인이 Allen Institute for AI에서 2.5년간 Olmo를 만든 당사자라는 사실도 원문에 나와요. 미국 오픈소스 진영에 예산과 정책적 지원이 필요하다는 결론으로 향하는 자리에서 쓰인 지표라는 맥락을 빼고 읽으면 안 됩니다. 그렇다고 조작이라는 뜻이 아니라, 격차를 강조하는 지표가 선택될 유인이 구조적으로 있다는 뜻이에요. 실제로 허깅페이스 다운로드는 CI 파이프라인의 자동 재다운로드나 미러링만으로도 부풀려집니다. 사람이 한 번 받는 것과 빌드 서버가 하루 수백 번 받는 게 같은 1로 집계됩니다. arXiv 인용 비중 40%도 중국 연구자 모수 증가 효과를 걷어내지 않은 원값이고요. 반면 OpenRouter 사용량 80%대는 실제 토큰 소비에 가까워 상대적으로 신뢰 등급이 높습니다. 지표를 등급으로 나눠 읽어야 하는 이유입니다.

OpenAI가 같은 시기에 낸 발표는 또 다른 종류의 유인을 보여줍니다. 8월 28일 학습을 시작한 내부 모델이 나비에-스토크스 밀레니엄 문제를 포함해 100개 넘는 미해결 수학 난제를 풀었다고 밝히면서, 동시에 IAS에 자리한 독립 수학 자문단과 협력한다고 했어요. François Charles, Camillo De Lellis, Timothy Gowers, Martin Hairer, Nikhil Srivastava, Ulrike Tillmann, Ravi Vakil, Edward Witten, Melanie Matchett Wood가 명단에 있고 OpenAI로부터 급여를 받지 않습니다. 계기는 수학자들이 낸 공개서한 'A Severe Misalignment of AI in Mathematics'였고, 미해결 문제를 새 AI 시스템의 벤치마크로 소비하는 관행의 부작용을 지적한 글입니다.

여기서 유인을 정확히 짚어야 합니다. 자문단의 권한 범위가 원문에 명시돼 있는데, 결과의 중요도 평가와 공개 방식 조율, 학술 규범 자문은 맡지만 내부 진행 속도를 어떻게 조절할지에 대한 자문은 명시적으로 제외됩니다. 요청하지 않은 조언을 할 자유와 OpenAI의 영향에 대해 공개 발언할 자유는 보장하면서, 개발 속도라는 가장 민감한 레버는 자문 대상에서 빼둔 구조예요. 학계의 반발을 흡수하되 로드맵 통제권은 유지하는 설계로 읽힙니다. 논문 심사도 동료 검증도 거치지 않은 내부 결과를 먼저 공표한 방식 자체는 학계 정상 절차와 충돌하고, 자문단이 신뢰 담보인지 명단 홍보인지는 검증 결과가 나와야 갈립니다.

Google 쪽 유인은 더 노골적입니다. AdWords 광고주는 다른 판매측 플랫폼에 공정하게 입찰해야 하지만 DV360 DSP 계정은 명시적으로 명령 대상에서 빠졌습니다. AdWords가 DFP에 직접 입찰하는 건 금지됐지만, '광고주 이익을 위해서'라는 명분으로 AdX를 계속 우선할 여지는 남았어요. 매각 컨설턴트 Scott Messer와 익명 퍼블리셔 임원이 공통으로 지적한 지점이 이겁니다. 수요측 최대 자산인 DV360은 온존하고, 이미 비중이 줄어드는 오픈웹 배너의 판매측 결합만 풀어준 거래에 가깝습니다. 여기에 익명 임원의 말이 하나 더 붙어요. Google이 퍼블리셔 트래픽을 죽이면서도 콘텐츠를 보상 없이 계속 스크래핑하고 있다는 것, 그리고 AI 검색 전선에서도 Google이 주요 이해관계자라는 것. 배너 경매 규칙을 손봐도 트래픽 자체가 줄면 퍼블리셔 손익은 회복되지 않습니다.

정리하면 세 발표 모두 발표 주체의 목적이 숫자의 프레임을 잡고 있습니다. 로비 브리핑, 기업 공지, 판결 요약을 같은 무게로 읽으면 판단이 틀어져요.

실무에 주는 함의

내일부터 바꿀 항목을 구체적으로 적습니다.

모델 비교표에 네 칼럼을 추가하세요. Qwen, Kimi, GLM을 비교할 때 Intelligence Index 45와 44와 26을 나란히 놓는 건 출발점일 뿐입니다. 같은 시트에 호스팅 위치(자체 GPU인지 제3자 추론 API인지), 라이선스의 상업 이용 및 재배포 조항, 파인튜닝 산출물의 소유, 배포 가능 여부, 프롬프트와 출력 로그 보관 정책을 칼럼으로 넣으세요. 원문 정의대로 오픈 웨이트는 학습 데이터가 공개되지 않으므로, 데이터 계보를 확인하려면 학습 데이터를 공개하는 오픈소스 계열(Olmo, Marin, Pythia)이나 데이터 상당량을 공개한 Nemotron 같은 선택지를 별도 행으로 두고 비교해야 합니다.

픽셀과 태그 인벤토리를 벤더 단위로 다시 만드세요. VPPA 건당 2,500달러가 클래스액션 규모로 곱해지면 어떤 수가 되는지는 누적 합의금 약 70억 달러가 보여줍니다. 자사 사이트에서 발화하는 모든 태그를 목록화하고, 각 벤더가 수집하는 필드와 하류 공유 대상을 계약서 조항으로 확인하고, 감사 주기를 문서에 박아 두세요. Fazlioglu가 제시한 실무 기준은 세 가지입니다. 동의를 다른 소비자 약관과 분리할 것, 2년마다 갱신할 것, 명확한 옵트아웃을 제공할 것. 쿠키 배너 하나로 방어된다는 전제를 먼저 버려야 합니다.

AI 지출과 권한을 사람 단위로 끊는 장치를 준비하세요. Snowflake가 정식 출시한 Per-User Quotas는 사용자 한 명이 에이전트 루프를 잘못 돌리거나 대용량 테이블에 최적화 안 된 프롬프트를 날려도 그 사람의 해당 서비스 접근만 자동 차단되고 팀 전체 업무에는 영향이 없는 구조입니다. Cortex AI Functions, Cortex Agents, Snowflake CoCo, Snowflake CoWork, 웨어하우스 컴퓨팅에 각각 독립적으로 일별, 월별 한도를 겁니다. 기존 방식은 팀이나 웨어하우스 합산 예산만 추적해서 누가 왜 초과했는지를 청구서가 나온 뒤에야 알 수 있었고, 그래서 기업은 소수 승인 사용자만 허용하거나 예산 리스크를 감수하고 전면 개방하는 양자택일에 몰렸어요. 오픈 모델을 붙일수록 실험 횟수가 늘어나니 개인 단위 차단선이 개방과 통제를 동시에 가져가는 조건이 됩니다.

미디어 계획에서 오픈웹 배너 회복 시나리오를 빼세요. 시정명령이 전 세계에 적용되더라도 CTV, 비디오, 오디오, 리테일 미디어, 큐레이티드 딜, 에이전틱 거래는 대상 밖이고 DV360도 빠졌습니다. 이번 판결은 매출 회복 신호가 아니라 오픈웹 배너 시장 축소를 재확인하는 자료로 읽는 게 맞아요. 다만 Prebid 연동과 제3자 광고 서버 통합 의무화는 공급 경로 다변화를 실험할 근거가 되니, 딱 그 범위에서 테스트 예산을 잡으세요.

외부 검증 장치를 조직 절차에 이식하되 권한 범위를 명시하세요. OpenAI 자문단 구조에서 가져올 건 '급여를 받지 않는 독립 검토자'와 '요청받지 않은 의견을 낼 자유'입니다. 동시에 반면교사로 삼을 건 속도 조절 권한이 자문 범위에서 빠졌다는 점이에요. 사내에 AI 결과 검토자를 두더라도, 검토자가 '이 결과는 아직 대외 발표하면 안 된다'고 말할 권한까지 문서에 넣지 않으면 형식적 장치로 끝납니다.

리스크, 반대 관점

반대 시나리오부터 봅시다. 중국 오픈 모델 우위가 지표 착시일 가능성은 실재합니다. 다운로드와 인용은 도입률이 아니에요. 기업이 실제로 프로덕션에 올린 비율, 롤백 없이 유지한 기간, 장애 대응 지원 여부 같은 지표는 공개되지 않았습니다. Intelligence Index 45와 26의 19점 격차가 우리 업무 과제에서 그대로 재현되는지도 별개 문제고요. 도구 연결과 하네스 품질에 따라 순위가 뒤집히는 경우가 흔합니다.

반대로 이 흐름을 과소평가하는 함정도 있어요. "중국 모델은 규제 리스크 때문에 어차피 못 쓴다"고 결론 내리면 이미 사내 개발자들이 Qwen이나 Kimi, DeepSeek 계열을 저비용 에이전트 기능에 붙여 쓰고 있는 현실을 놓칩니다. 금지 공지 한 장으로는 막히지 않고, 오히려 음지로 들어가 로그가 안 남는 게 더 나쁜 결과예요. 허용 모델 목록과 허용 데이터 등급을 함께 정의하는 쪽이 현실적입니다.

오픈 웨이트라서 벤더 락인이 없다는 생각도 점검 대상입니다. 가중치를 직접 서빙하지 않고 제3자 추론 API를 경유하면 락인은 형태만 바뀐 채 남고, 프라이버시 소송 관점에서는 오히려 제3자 전달 경로가 하나 더 생깁니다.

OpenAI 수학 발표는 검증되기 전까지 어떤 실무 판단의 근거로도 쓰지 않는 게 안전합니다. 나비에-스토크스는 밀레니엄 문제 중 하나로 상금이 걸린 난제고, 사실로 확정되면 학계 사건이지만 현재 공개된 건 기업 발표문입니다. "AI가 미해결 난제를 푸는 수준이니 우리 업무는 당연히 자동화된다"는 내부 설득 논리로 옮겨 붙이는 순간 기대 관리가 무너져요.

프라이버시 쪽 함정은 규제 대신 법원을 봐야 한다는 점입니다. Fazlioglu 말대로 법원 판결 자체가 프라이버시 법의 중요한 출처가 되고 있어서, 입법 동향만 추적하는 컴플라이언스 체계로는 항상 뒤늦게 대응합니다. 60년 전 법 문언의 해석 방향은 예측하기 어렵고, 그래서 "업계에서 다 하는 관행"이라는 방어는 통하지 않아요. Fazlioglu 본인도 흔한 관행이라고 믿는 기업조차 리스크가 실재한다고 못 박았습니다.

자주 묻는 질문

Qwen Kimi GLM 비교, 뭘 기준으로 골라야 하나요

공개된 Artificial Analysis Intelligence Index 기준으로는 GLM-5.3이 45점, Kimi K3가 44점으로 근소한 차이고, 미국 최고 오픈 모델인 Thinking Machines의 Inkling은 26점입니다. 다만 이 점수만으로 고르면 안 되고 호스팅 위치, 라이선스의 상업 이용, 재배포 조항, 파인튜닝 산출물 소유 여부, 로그 보관 정책을 같은 표에 넣어 비교하세요. 개별 과제 정확도는 결국 자사 데이터로 파일럿을 돌려 봐야 나옵니다.

오픈 웨이트와 오픈소스는 뭐가 다른가요

오픈 웨이트는 가중치와 라이선스, 추론 코드까지 공개된 형태로 Llama, Qwen, Gemma, DeepSeek 모델이 여기 속합니다. 오픈소스는 여기에 학습 코드와 학습 데이터까지 포함해 모델을 재현할 수 있는 형태고, Allen Institute for AI의 Olmo, OpenAthena의 Marin, EleutherAI의 Pythia가 대표적입니다. Nvidia의 Nemotron은 학습 데이터 상당량을 허용적 라이선스로 공개하지만 전부는 아니어서 그 사이에 놓여요. 학습 데이터 계보를 문서로 남겨야 하는 과제라면 이 구분이 선택을 갈라놓습니다.

중국 오픈 웨이트 모델을 사내에서 써도 되나요

이미 상당수 팀이 쓰고 있다는 게 데이터로 확인됩니다. OpenRouter 사용량 기준 중국 모델 점유율이 70%대에서 80%대까지 올라갔어요. 금지보다는 허용 모델 목록과 허용 데이터 등급을 정의하고, 모델 출처국의 규제 리스크와 파인튜닝 데이터 계보를 별도로 추적하는 체계를 만드는 쪽이 현실적입니다. 오픈 웨이트라서 락인이 없다는 전제는 제3자 추론 API를 경유하는 순간 깨집니다.

픽셀 트래킹 소송, 우리 회사도 대상이 되나요

2022년 이후 미국 법원에 1만건 넘는 데이터 프라이버시 소송이 제기됐고 2025년에만 3,414건입니다. 법원이 기업 자신의 행위뿐 아니라 analytics 업체, 광고 파트너, session replay 제공업체 같은 다운스트림 벤더의 데이터 처리까지 본다는 게 핵심이에요. VPPA 위반은 건당 2,500달러 손해배상이 가능하고 누적 합의금은 약 70억 달러입니다. 태그 인벤토리와 벤더 계약 조항 점검이 최우선이고, 동의는 별도 분리, 2년 갱신, 명확한 옵트아웃 세 조건을 맞추세요.

Google 애드테크 판결로 퍼블리셔 매출이 회복되나요

판결은 AdX와 DFP 묶음 계약 무효화, 자사 상품 우대 금지, 제3자 광고 서버 및 Prebid 연동 의무화를 담았고 전 세계에 적용됩니다. 다만 적용 범위가 오픈웹 디스플레이 배너에 한정돼서 CTV, 비디오, 오디오, 리테일 미디어, 큐레이티드 딜, 에이전틱 거래는 빠졌고 DV360 DSP도 대상 밖이에요. AdWords가 광고주 이익을 명분으로 AdX를 우선할 여지도 남았습니다. 매출 반등 신호보다 오픈웹 배너 축소를 확인하는 자료로 읽는 게 맞습니다.

AI 지출이 갑자기 튀는 걸 막는 방법이 있나요

Snowflake가 정식 출시한 Per-User Quotas처럼 사용자 개인 단위로 일별, 월별 한도를 걸어 자동 차단하는 방식이 나와 있습니다. Cortex AI Functions, Cortex Agents, Snowflake CoCo, Snowflake CoWork, 웨어하우스 컴퓨팅에 각각 독립 한도를 설정할 수 있고, 초과한 사람의 해당 서비스 접근만 끊겨서 팀 전체 업무는 계속됩니다. 팀 합산 예산만 보던 기존 방식은 누가 왜 초과했는지를 청구서가 나온 뒤에야 알 수 있었어요.