AI

AI 스타트업이 오픈소스라고 광고할 때 진짜인지 확인하는 법

AI 스타트업이 오픈소스라고 광고할 때 진짜인지 확인하는 법

“우리 모델은 완전 오픈소스예요.” 요즘 AI 스타트업 소개 페이지마다 이 문장이 있어요. 그런데 막상 라이선스 파일을 열어보면 어딘가 이상한 조건들이 붙어 있죠. 오픈소스라고 광고하는 AI 스타트업이 진짜 오픈소스인지 확인하는 법을 모르면 나중에 꽤 곤란해질 수 있어요.

핵심 요약

  • “오픈소스"와 “오픈 웨이트"는 다른 개념이에요. 대부분의 AI 모델은 훈련 데이터 없이 가중치만 공개하는 오픈 웨이트예요.
  • OSI(오픈소스 이니셔티브)의 공식 정의를 충족하는 AI 모델은 2026년 기준 전체 시장의 극소수에 불과해요.
  • Llama 4, DeepSeek-V3, 일부 Qwen3 버전은 OSI 기준을 통과하지 못해요. Apache 2.0 / MIT 라이선스만 “진짜 오픈소스"에 가장 가까워요.
  • 진짜 오픈소스인지 확인하는 방법은 다섯 가지 체크포인트로 압축돼요.

“오픈"이라는 단어가 흐릿해지고 있어요

원래 오픈소스는 명확한 개념이었어요. 소스코드를 공개하고, 누구나 수정하고 배포할 수 있게 하는 것. 소프트웨어 세계에서는 이 정의가 꽤 잘 작동했죠.

그런데 AI 모델은 달라요. AI 시스템은 세 가지로 구성돼요.

  • 훈련된 가중치(weights)
  • 훈련 데이터
  • 모델 아키텍처 및 훈련 코드

전통 소프트웨어는 소스코드 하나만 공개하면 됐는데, AI는 이 세 가지를 모두 공개해야 비로소 “완전 오픈소스"에 가까워져요. TILNOTE의 분석에 따르면, OSI는 2024년에 **Open Source AI Definition 1.0(OSAID 1.0)**을 발표하면서 이 복잡성을 공식화했어요. 사용, 연구, 수정, 공유 — 네 가지 자유를 모두 보장해야 진짜 오픈소스예요.

문제는 현실이에요. 대부분의 “오픈소스 AI"는 가중치만 공개해요. 훈련 데이터는 없고, 훈련 코드는 부분적으로만 공개되죠. 이걸 오픈 웨이트라고 불러요. 오픈소스와 발음은 비슷하지만 의미는 꽤 달라요.

이 간극을 가리키는 단어도 생겼어요. 오픈워싱(openwashing). 오픈소스처럼 보이게 포장하지만 실제로는 그렇지 않은 관행이에요. IT데일리가 2026년 오픈 소스 서밋 코리아 취재에서 지적한 것처럼, 훈련 데이터가 공개되지 않으면 모델 편향의 원인을 독립적으로 검증하거나 동일 조건으로 재현하는 게 불가능해요. 모델을 다운로드해서 돌릴 수 있다는 것과, 그 기술을 실제로 이해하고 개선할 수 있다는 건 다른 얘기거든요.


주요 모델들의 라이선스 현황: 실제로 어떻게 돼 있나요?

라이선스 텍스트를 직접 보는 게 첫 번째예요. Eduinfom의 2026년 8월 기준 분석을 보면 현황이 꽤 명확하게 정리돼요.

주요 AI 모델 라이선스 비교 (2026년 8월 기준)

모델라이선스OSI 승인 여부상업적 이용주요 제한 사항
Apache 2.0 모델 (일부 Qwen3 등)Apache 2.0✅ 승인자유로움거의 없음
MIT 라이선스 모델MIT✅ 승인자유로움거의 없음
Llama 4Meta Community License (개정판)❌ 미승인조건부MAU 7억 명 초과 시 별도 계약 필요
Llama 5Custom Meta Community License❌ 미승인제한적OSI 정의 명시적으로 불충족
DeepSeek-V3Custom License❌ 미승인제한적규모 기반 상업 사용 제한
Qwen3 (일부 버전)Qwen License (독자 라이선스)❌ 미승인제한적재배포 및 출력 기반 훈련 제한

이 표에서 보이는 패턴이 있어요. Apache 2.0과 MIT만이 오픈소스의 “황금 기준"에 가까워요. 그 외 대부분의 유명 모델들은 각자 독자적인 커뮤니티 라이선스를 쓰는데, OSI 기준을 통과하지 못해요.

Llama 4의 경우가 흥미로워요. MAU 7억 명 이하면 쓸 수 있지만 그 이상이면 별도 계약을 해야 해요. 대부분의 스타트업은 7억 명을 넘을 일이 없으니 “사실상 무료"처럼 느껴지지만, 법적으로는 오픈소스가 아니에요. 조건부 허가예요.


다섯 가지 체크포인트: 직접 확인하는 방법

1. 라이선스 원문을 직접 읽어요

Hugging Face에 올라온 모델 카드에 “open source” 태그가 붙어 있어도 그대로 믿으면 안 돼요. LICENSE 파일이나 model card의 License 섹션을 직접 열어야 해요. Apache 2.0 또는 MIT가 적혀 있으면 비교적 안전해요. “Custom”, “Community” 같은 단어가 보이면 반드시 전문을 읽어야 해요.

2. OSI 승인 여부를 확인해요

OSI 공식 사이트(opensource.org/licenses)에서 해당 라이선스가 목록에 있는지 검색해요. 목록에 없으면 오픈소스가 아니에요. 간단하죠.

3. MAU/매출 기반 제한 조건을 찾아요

라이선스 본문에서 “monthly active users”, “revenue”, “commercial use” 조항을 검색해요. 특정 규모를 넘으면 조건이 달라지는 경우가 많아요. 지금 작은 프로젝트여도 나중에 커지면 갑자기 제약이 생길 수 있거든요.

4. 파인튜닝 모델 재배포 조건을 확인해요

원본 모델을 파인튜닝해서 만든 모델을 다시 배포하거나 판매할 수 있는지 확인해요. Qwen3 일부 버전처럼 재배포를 제한하는 경우, 파인튜닝한 모델로 서비스를 만들어 팔 수 없어요.

5. 모델 출력으로 다른 모델 훈련이 가능한지 체크해요

의외로 많이 걸리는 조항이에요. “모델 출력을 다른 AI 모델 훈련에 쓸 수 없다"는 조건이 붙은 경우가 있어요. 합성 데이터 파이프라인을 돌리는 팀이라면 반드시 확인해야 해요.


오픈소스 여부가 실제로 왜 중요한가요

단순히 법적 문제만은 아니에요. TILNOTE 분석에서 짚은 것처럼, 버전을 고정한 오픈 모델은 운영자가 바꾸지 않는 한 동작이 그대로 유지돼요. 반면 상업용 API는 언제든 가격이 오르거나 서비스가 종료될 수 있어요. 다년간 동작 일관성이 필요한 제품에서 꽤 중요한 차이예요.

단, 성능 면에서 현실적인 얘기도 필요해요. 분류, 추출, 요약 같은 작업에서는 오픈 모델이 많이 따라왔어요. 그런데 복잡한 추론이나 긴 문서 처리에서는 상업용 최상위 모델이 아직 앞서 있어요.

배포 비용도 단순하지 않아요. 요청 수가 적다면 상업 API가 자체 서버 운영보다 저렴할 수 있어요. 대용량, 표준화된 요청이 많은 경우에 오픈 모델 자체 호스팅이 경제적이 돼요. 무조건 오픈소스가 싸다는 건 착각이에요.

IT데일리가 지적한 더 큰 문제도 있어요. 모델 가중치는 열려 있어도 시스템 통합 경로가 특정 빅테크 플랫폼에 묶여 있으면 기술 주권은 여전히 없는 거예요. 오픈소스 AI 도입이 종속성 탈피가 아니라 종속성 이전이 될 수 있다는 거죠.


다음에 뭘 주시해야 할까요

  • 요약: 대부분의 “오픈소스 AI"는 사실 오픈 웨이트예요. Apache 2.0/MIT만이 OSI 기준을 충족해요. 라이선스 원문, OSI 승인, MAU 제한, 재배포·출력 훈련 조건 — 이 다섯 가지 확인이 핵심이에요.

  • 향후 6-12개월 전망: OSI는 OSAID 1.0 이후 후속 정의 작업을 진행 중이에요. 훈련 데이터 공개 범위 기준이 강화될 가능성이 있어요. 한국의 경우 특허청 산하 OLIS가 국문 라이선스 비교 가이드를 업데이트하고 있어서, 국내 기업들의 라이선스 판단에 참고 자료가 될 거예요.

  • 지켜볼 신호: Meta가 Llama 6를 어떤 라이선스로 출시하는지, DeepSeek이 커뮤니티 압박에 라이선스를 수정하는지 — 이 두 가지가 2027년 오픈 AI 생태계의 방향을 가늠하는 지표가 될 거예요.

사실 어렵지 않아요. 라이선스 파일 하나 열어보는 것에서 시작하니까요. 지금 쓰고 있는 모델의 LICENSE 파일, 마지막으로 읽어본 게 언제예요?

참고자료

  1. Open 모델을 쓰기 전에 확인할 것: 오픈 소스 AI라는 이름과 실제 자유의 차이 - TILNOTE
  2. Before you trust a hyped open-source AI tool
  3. Verify AI-Washing Claims in Tech Launches

Photo by Zach M on Unsplash