오픈소스 대형 AI 모델 일반인에게 뭐가 달라지나: 600B 파라미터 쉽게 설명

600B 파라미터 모델이 무료로 풀렸다는 뉴스, 봤죠? 근데 실제로 내 삶에서 뭐가 달라지는지는 아무도 안 알려줘요.

사실 몇 년 전엔 이런 모델 하나 쓰려면 수억 원짜리 클라우드 계약이 필요했어요. 지금은 한국 정부 프로젝트에서조차 750B짜리 모델을 오픈소스로 공개하고 있어요. 숫자만 보면 뭔가 엄청난 것 같은데, 복잡한 기술 용어 걷어내고 파라미터가 뭔지부터 내 일상에 어떤 변화가 오는지까지 데이터 기반으로 풀어드릴게요.

핵심 요약

• 2026년 7월 기준, 한국 정부 지원 AI 프로젝트(독파모)에서 LG AI Research가 750B 파라미터 모델을 Apache 2.0 라이선스로 공개했어요. 사실상 상업적 무료 사용이에요.
• “파라미터 수"는 모델이 학습한 패턴의 양이지만, 실제 추론 시 작동하는 파라미터는 훨씬 적어요. 750B 모델이라도 실제 계산엔 37B만 쓰이는 구조(MoE)가 일반화되고 있어요.
• Artificial Analysis 데이터에 따르면 1T 파라미터 모델인 MiMo-V2.6-Pro가 실제 추론 시 42B만 쓰면서도 최고 지능 점수(46점)를 기록했어요.
• 오픈소스 모델의 핵심 혜택은 “무료"가 아니라 데이터 주권이에요. 내 데이터가 외부 서버로 나가지 않아요.
• 라이선스 조건은 모델마다 다르므로, 무료라고 착각하고 상업 프로젝트에 썼다가 낭패보는 경우가 생기고 있어요.

파라미터가 뭔지 모르면 뉴스가 안 읽혀요

“600B 파라미터 모델 공개.” 기사 제목에서 이런 표현 봤을 때, 대부분은 숫자만 크다고 느끼고 넘겨요. 근데 정확히 뭔지 알면 AI 뉴스가 완전히 다르게 읽혀요.

파라미터는 AI의 “기억된 패턴” 수예요. 수십억 개의 문장을 읽고 그 안의 규칙이나 패턴을 숫자로 압축해 저장한 거예요. 600B라면 그 숫자가 6천억 개라는 뜻이고요. 파라미터가 많을수록 더 다양한 맥락과 지식을 담을 수 있다고 봐왔어요.

그런데 여기서 반전이 있어요.

지금 대부분의 대형 모델은 MoE(Mixture of Experts) 구조를 써요. 전문가 여럿을 뽑아서 질문에 따라 관련 전문가만 불러 쓰는 방식이에요. Artificial Analysis의 분석에 따르면, Kimi K3 모델의 경우 총 파라미터는 2.8조 개지만 실제 추론 시엔 104B만 활성화돼요. 전체의 4% 미만만 쓰는 셈이에요. 놀랍죠?

한국도 마찬가지예요. 네이트 뉴스 보도에 따르면 LG AI Research가 공개한 K-EXAONE 2.0은 750B 파라미터지만 실제로는 37B만 활성화돼요. SK텔레콤의 A.X K2는 688B 중 33B, Upstage의 Solar Open 2는 250B 중 15B만 실제 작동해요.

결국 “600B짜리 모델"이라는 말은 전체 용량이지, 매번 다 쓰는 게 아니에요. 128GB 스마트폰이라도 한 번에 쓰는 앱이 몇 개 안 되는 것처럼요.

오픈소스 대형 모델, 실제로 뭐가 달라지나

변화는 세 가지로 정리돼요.

내 데이터가 밖으로 나가지 않아요

ChatGPT나 Claude 같은 유료 서비스를 쓰면 내가 입력한 내용이 해당 회사 서버로 가요. 기업 입장에선 기밀 계약서를 AI에게 물어보기 꺼려질 수밖에 없어요.

오픈소스 모델을 자체 서버에 올리면 얘기가 달라져요. IBM Think의 설명처럼, 기업들이 오픈소스 LLM을 쓰는 가장 큰 이유 중 하나가 데이터 주권이에요. 병원에서 환자 데이터를 다루거나, 법무팀에서 계약서를 분석할 때 외부 API를 쓰기 어렵죠. 그때 자체 운영 오픈소스 모델이 답이 돼요.

일반인 레벨에서도 마찬가지예요. 개인 일기, 금융 정보, 건강 기록을 AI에게 물어보고 싶은데 데이터가 어디로 가는지 모르면 불안하잖아요. 로컬에서 돌아가는 오픈소스 모델은 그 불안을 해소해줘요.

비용 구조가 완전히 바뀌어요

유료 AI API는 토큰(글자 수) 기준으로 요금이 붙어요. Artificial Analysis 데이터를 보면 가장 비싼 Kimi K3 Max는 100만 토큰당 $2.30, 저렴한 모델은 $0.10이에요. 하루 수천 건 요청이 들어오는 서비스라면 한 달 수백만 원이 AI 비용으로 나가요.

오픈소스 모델을 직접 올리면 이 비용이 서버 운영비로 대체돼요. 초기 GPU 비용이 들지만 규모가 커질수록 유리해요. 스타트업 입장에선 특히 매력적인 선택지죠.

내 도메인에 맞게 다시 훈련할 수 있어요

이게 가장 강력한 차이예요. 오픈소스 모델은 특정 분야 데이터로 추가 학습(파인튜닝)이 가능해요. IBM Think에 소개된 사례처럼, IBM과 NASA가 기후 연구용 지리공간 LLM을 공동 개발했고, FinGPT도 금융 데이터로 따로 학습된 모델이에요.

의료, 법률, 제조 같은 전문 분야에선 일반 AI보다 도메인 특화 모델이 훨씬 정확해요. 오픈소스 모델은 그 특화 작업을 외부 의존 없이 할 수 있어요.

한국 600B+ 모델 4종 비교

2026년 7월 기준, 한국 독파모 프로젝트 2차 모델 네 개를 나란히 놓으면 이렇게 돼요.

주목할 포인트가 두 개예요.

첫째, 라이선스 차이. LG와 SKT는 Apache 2.0이라 상업적으로 자유롭게 쓸 수 있어요. 모티프 3는 서면 승인 없이 상업 사용이 불가하고, Upstage의 Solar는 파생 서비스에 “Built with Solar” 표기를 달아야 해요. 무료라고 무조건 자유로운 게 아니에요.

둘째, Solar Open 2의 100만 토큰 컨텍스트. 다른 셋이 262K인 데 반해 Solar는 100만 토큰까지 처리해요. 책 한 권 분량(약 75만 단어)이 통째로 들어가는 셈이에요. 긴 문서 분석이나 복잡한 다단계 작업에 특화된 방향이에요.

파라미터 수만 보면 LG가 압도적으로 크지만, 실제 쓰임에 따라 최선의 선택이 달라지는 구조예요.

그럼 지금 나는 뭘 해야 하나

개발자라면: Hugging Face에 올라온 K-EXAONE 2.0이나 A.X K2를 내려받아 테스트해볼 수 있어요. Apache 2.0이라 상업 프로젝트에 붙여도 돼요. 2026년 말까지 추가 개선 버전이 나올 예정이에요.

기업 담당자라면: 라이선스와 운영 비용을 먼저 따져야 해요. ZDNet Korea 기고에서 지적했듯, 오픈웨이트 모델은 무료지만 GPU 인프라, 보안 관리, 모델 유지보수 비용이 따라와요. 소규모 팀이라면 오히려 API 방식이 더 쌀 수 있어요. 항상 오픈소스가 답은 아니에요.

일반 사용자라면: 당장 직접 모델을 돌릴 필요는 없어요. 이 모델들이 들어간 서비스나 앱이 빠르게 나올 거예요. 2026년 4분기 내로 한국어 특화 AI 앱들이 독파모 모델을 백엔드로 쓰기 시작할 가능성이 높아요.

주시해야 할 신호:

• 과기부의 독파모 3차 지원 공고 (2027년 상반기 예상)
• Apache 2.0 이외 라이선스 모델들의 상업화 정책 변화
• Upstage Solar 100만 토큰 컨텍스트가 경쟁사들에게 미치는 압력

앞으로 6개월, 뭐가 달라질까

지금 일어나고 있는 변화를 한 줄로 요약하면 성능의 민주화예요. 600B, 750B 파라미터 모델이 오픈소스로 풀린다는 건, 2년 전엔 최첨단 기업만 쓸 수 있던 AI를 이제 중소기업도, 개인 개발자도 쓸 수 있다는 뜻이에요.

• MoE 구조 덕분에 실제 작동 파라미터는 훨씬 적고, 일반 GPU에서도 돌아가요
• 라이선스가 Apache 2.0으로 열리면서 상업적 장벽도 낮아지고 있어요
• 한국어 특화 모델이 경쟁적으로 나오면서 영어 중심 생태계에서 벗어날 가능성이 생겼어요

다음 6개월 안에 체감할 변화는 단순해요. 한국어를 더 잘 이해하는 AI 앱들이 많아질 거예요. 내 데이터가 어디로 가는지 걱정 없이 쓸 수 있는 선택지도요.

결국 달라진 건 이거예요. 숫자가 커진 게 아니라, 그 숫자가 이제 내 손 안에 들어오기 시작했다는 것. 그 힘을 쓸 준비가 됐나요?

참고자료

1. Comparisons of Large Open Source AI Models (>150B)
2. Models | OpenAI API
3. [기고] 오픈웨이트 AI, 무료보다 먼저 따져야 할 것 - ZDNet korea

Photo by Igor Omilaev on Unsplash