모질라의 2026년 9월 State of Open Source AI 보고서가 던지는 결론은 분명하다. 오픈웨이트 AI는 더 이상 개발자들의 실험적 선택지에만 머물지 않는다. 다만 최전선 모델을 내려받을 수 있게 됐다고 해서, 곧바로 기업용 AI를 안정적으로 운영할 수 있는 것은 아니다. 이제 경쟁의 중심은 모델 자체에서 배포·통제·통합을 위한 운영 체계, 즉 ‘하네스(harness)’로 이동하고 있다는 것이 보고서의 핵심 진단이다. 12

성능 격차는 좁아지고, 비용 차이는 여전하다

모질라의 9월 기준 비교에서 Kimi K3와 GLM-5.3은 Artificial Analysis Intelligence Index 60점을 기록했다. 폐쇄형 선두 모델인 Claude Opus 5의 63점과 3점 차이다. K3는 Claude Fable 5보다 2점 낮았지만, 입력 토큰 가격은 Fable 5의 30% 수준이었다. Epoch의 역량 지수 비교에서도 남은 격차는 약 한 번의 출시 주기, 평균 약 4개월로 제시됐다. 12

모든 업무에 최고 성능의 모델이 필요한 것은 아니다. 상당수 조직에는 최전선에 근접한 성능, 낮은 비용, 원하는 환경에서의 실행 가능성을 함께 갖춘 모델이 더 실용적일 수 있다. 오픈웨이트 모델은 이 선택지를 넓힌다.

사용량은 이미 주류 진입을 보여준다

오픈웨이트 모델의 확산은 모델 라우팅 플랫폼 데이터에서도 드러난다. 모질라는 2026년 전체 흐름에서 오픈웨이트가 약 3분의 1의 토큰을 차지했다고 집계했다. 특히 OpenRouter의 8월 1~31일 데이터에서는 토큰 사용량 상위 10개 모델 중 8개가 오픈웨이트였고, 이 8개 가운데 7개는 중국에서 개발됐다. DeepSeek은 오픈 모델로는 처음으로 OpenRouter 요청 수 기준 선두에 올랐다. 12

다만 토큰 사용량이 곧바로 모든 산업에서의 성숙한 프로덕션 도입을 뜻하지는 않는다. 이 수치는 이용·실험·라우팅 행태를 포착하는 지표다. 모질라는 오픈 모델의 폭넓은 사용을 확인하면서도, 완성도 높은 관리형 서비스와 즉시 도입 가능한 운영 환경에서는 폐쇄형 제공업체가 여전히 우위를 지닌다고 평가했다. 12

중국이 오픈웨이트 최전선을 주도…유럽의 기회는 다른 층위에 있다

모질라의 비교에서 선도 오픈웨이트 진영은 Kimi K3, GLM-5.3, Qwen 3.8 등 중국 개발사 모델이 주도했다. 오픈 모델 4개가 전체 상위 10위 중 5~8위에 자리했다. 12

유럽에서도 미스트랄(Mistral)은 중요한 개발사지만, 이 비교에서는 중국의 선도 오픈웨이트 시스템보다 아래에 위치했다. 라이선스 측면에서도 차이가 있다. Mistral Medium 3.5는 제한 없는 MIT 라이선스가 아니라, 매출 기준 예외 조항이 들어간 수정 MIT 라이선스를 사용했다. 12

모질라가 보는 유럽의 더 방어력 있는 기회는 기반 모델 자체보다 그 위에 놓인 운영 계층이다. 배포 플랫폼, 오케스트레이션, 모델 라우팅, 평가, 관측 가능성, 컴플라이언스 자동화, 사이버보안, 신원 및 접근 통제, 산업별 기업용 제품이 여기에 해당한다. 강력한 모델을 조직 안에서 신뢰할 수 있게 만드는 역량이다. 12

‘오픈웨이트’와 ‘오픈소스’는 같은 말이 아니다

보고서의 중요한 경고는 용어에 관한 것이다. 모질라는 별도 언급이 없는 한 ‘오픈’을 모델 가중치를 내려받을 수 있는 상태로 사용한다. 이는 완전한 오픈소스 AI 시스템과는 다르다.

주요 출시 모델 16개를 검토한 결과, 오픈 소스 이니셔티브(OSI)의 정의에 필요한 완전한 학습 데이터 레시피를 제공한 사례는 하나도 없었다. 3개는 제한적이고 접근 통제가 있는 일부 데이터만 제공했고, 13개는 데이터를 제공하지 않았다. 12

보고서는 스위스의 사례를 이례적인 대조 사례로 제시한다. 한 공공 컨소시엄이 국가 차원에서 학습한 모델의 가중치와 데이터, 학습 코드를 함께 공개했다. 가중치만 공개하는 방식보다 훨씬 높은 수준의 검증 가능성과 재현성을 제공하는 방식이다. 12

따라서 구매자와 정책 담당자는 ‘오픈’이라는 표현만으로 판단해서는 안 된다. 실제로 공개되는 것이 가중치인지, 학습 코드인지, 데이터 문서인지, 평가 결과인지, 어떤 라이선스와 수정·재배포 권한이 붙는지 확인해야 한다.

진짜 어려운 일은 ‘하네스’ 구축이다

모질라는 이를 “결정이 모델에서 하네스로 옮겨갔다”고 요약했다. 12

현실의 AI 서비스는 다운로드한 모델 하나로 완성되지 않는다. 모델 라우팅, 상태 관리, 품질 평가, 모니터링, 보안 통제, 데이터 처리, 감사 가능성, 사고 대응, 컴플라이언스 절차가 함께 필요하다. 조직은 모델을 자체 호스팅하더라도 이를 대규모로 신뢰성 있게, 경제적으로, 안전하게 운영하는 데 어려움을 겪을 수 있다.

그래서 벤치마크 점수 차이가 작다고 해서 오픈웨이트 모델이 관리형 API의 즉각적인 대체재가 되는 것은 아니다. 모델은 확보할 수 있어도, 그 주변의 AI 운영 시스템을 구축하고 유지하는 일은 여전히 어렵다.

‘AI 주권’은 오픈웨이트의 전략적 활용처다

오픈웨이트 시스템은 정부와 조직이 모델이 실행되는 위치, 데이터 처리 방식, 업데이트 관리, 단일 외부 API 제공업체에 의존하지 않는 서비스 연속성을 더 많이 통제하도록 돕는다. 민감 데이터, 현지 언어 수요, 규제 대상 업무, 복원력 계획에서 특히 중요한 선택지다. 12

물론 이것이 완전한 독립을 의미하지는 않는다. 로컬 배포도 반도체, 클라우드 용량, 모델 서빙 소프트웨어, 기타 상위 공급망에 의존할 수 있다. 그럼에도 오픈웨이트는 소유, 배포, 연속성에 관한 선택지를 넓힌다.

영국 사례로는 Cosine의 Lumen Sovereign 프로젝트가 있다. 이 프로젝트는 영국 정부의 5억 파운드 규모 Sovereign AI 프로그램 지원을 받고 있으며, Isambard-AI에서 학습하고 규제 산업 조직 13곳과 공동 설계됐다. Cosine은 2026년 말 완성을 목표로 하며, 외부 네트워크와 분리된 에어갭(air-gapped) 고보안 환경에 배포할 수 있도록 설계한다고 밝혔다. 1321

소규모 기업의 경쟁 방식도 바뀔 수 있다

모질라는 효율적인 아키텍처가 추론 비용과 하드웨어 요구량을 낮출 수 있으며, 사후 학습, 보상 설계, 도메인 데이터, 강화학습 환경이 차별화의 더 중요한 원천이 될 수 있다고 분석했다. 12

이 흐름이 이어진다면 작은 기업이 매번 최전선급 사전학습에 막대한 자금을 투입하지 않아도 가치 있는 AI 제품을 만들 수 있다. 특정 산업에 맞춘 학습 환경, 고품질 업무 흐름, 신뢰할 수 있는 배포 체계로 경쟁할 가능성이 커진다는 뜻이다.

개방성은 규제 의무를 없애지 않는다

모질라는 컴퓨트 기준의 시스템 위험 임계값이 효율적인 희소(sparse) 모델의 역량을 제대로 반영하지 못할 수 있다고 지적했다. 단순한 측정 체계가 예상하는 것보다 적은 활성 연산량으로도 높은 성능을 낼 수 있기 때문이다. 13

동시에 오픈 모델을 쓴다고 규제 대상에서 벗어나는 것은 아니다. 고위험 용도로 오픈 모델을 개조·적용하는 조직은 해당 분야의 컴플라이언스 의무를 여전히 부담한다. 12

AI 도입 조직이 얻을 결론

모질라의 근거가 가리키는 실무적 결론은 이렇다. 비용 통제, 온프레미스 또는 로컬 배포, 맞춤화, 기술 주권이 중요하다면 오픈웨이트 AI는 이제 많은 업무에서 우선 검토할 만한 선택지다. 그러나 모델 선정은 출발점일 뿐이다.

지속적인 경쟁력은 점점 모델 주변의 계층에서 나온다. 데이터 거버넌스, 업무 흐름 설계, 평가, 보안, 관측 가능성, 규제 대응 역량이 그것이다. 오픈웨이트는 고성능 AI에 대한 접근성을 높였지만, 프로덕션 AI를 단순하게 만들지는 않았다. 12

모질라의 2026년 9월 State of Open Source AI 보고서가 던지는 결론은 분명하다. 오픈웨이트 AI는 더 이상 개발자들의 실험적 선택지에만 머물지 않는다. 다만 최전선 모델을 내려받을 수 있게 됐다고 해서, 곧바로 기업용 AI를 안정적으로 운영할 수 있는 것은 아니다. 이제 경쟁의 중심은 모델 자체에서 배포·통제·통합을 위한 운영 체계, 즉 ‘하네스(harness)’로 이동하고 있다는 것이 보고서의 핵심 진단이다. 12

성능 격차는 좁아지고, 비용 차이는 여전하다

모질라의 9월 기준 비교에서 Kimi K3와 GLM-5.3은 Artificial Analysis Intelligence Index 60점을 기록했다. 폐쇄형 선두 모델인 Claude Opus 5의 63점과 3점 차이다. K3는 Claude Fable 5보다 2점 낮았지만, 입력 토큰 가격은 Fable 5의 30% 수준이었다. Epoch의 역량 지수 비교에서도 남은 격차는 약 한 번의 출시 주기, 평균 약 4개월로 제시됐다. 12

모든 업무에 최고 성능의 모델이 필요한 것은 아니다. 상당수 조직에는 최전선에 근접한 성능, 낮은 비용, 원하는 환경에서의 실행 가능성을 함께 갖춘 모델이 더 실용적일 수 있다. 오픈웨이트 모델은 이 선택지를 넓힌다.

사용량은 이미 주류 진입을 보여준다

오픈웨이트 모델의 확산은 모델 라우팅 플랫폼 데이터에서도 드러난다. 모질라는 2026년 전체 흐름에서 오픈웨이트가 약 3분의 1의 토큰을 차지했다고 집계했다. 특히 OpenRouter의 8월 1~31일 데이터에서는 토큰 사용량 상위 10개 모델 중 8개가 오픈웨이트였고, 이 8개 가운데 7개는 중국에서 개발됐다. DeepSeek은 오픈 모델로는 처음으로 OpenRouter 요청 수 기준 선두에 올랐다. 12

다만 토큰 사용량이 곧바로 모든 산업에서의 성숙한 프로덕션 도입을 뜻하지는 않는다. 이 수치는 이용·실험·라우팅 행태를 포착하는 지표다. 모질라는 오픈 모델의 폭넓은 사용을 확인하면서도, 완성도 높은 관리형 서비스와 즉시 도입 가능한 운영 환경에서는 폐쇄형 제공업체가 여전히 우위를 지닌다고 평가했다. 12

중국이 오픈웨이트 최전선을 주도…유럽의 기회는 다른 층위에 있다

모질라의 비교에서 선도 오픈웨이트 진영은 Kimi K3, GLM-5.3, Qwen 3.8 등 중국 개발사 모델이 주도했다. 오픈 모델 4개가 전체 상위 10위 중 5~8위에 자리했다. 12

유럽에서도 미스트랄(Mistral)은 중요한 개발사지만, 이 비교에서는 중국의 선도 오픈웨이트 시스템보다 아래에 위치했다. 라이선스 측면에서도 차이가 있다. Mistral Medium 3.5는 제한 없는 MIT 라이선스가 아니라, 매출 기준 예외 조항이 들어간 수정 MIT 라이선스를 사용했다. 12

모질라가 보는 유럽의 더 방어력 있는 기회는 기반 모델 자체보다 그 위에 놓인 운영 계층이다. 배포 플랫폼, 오케스트레이션, 모델 라우팅, 평가, 관측 가능성, 컴플라이언스 자동화, 사이버보안, 신원 및 접근 통제, 산업별 기업용 제품이 여기에 해당한다. 강력한 모델을 조직 안에서 신뢰할 수 있게 만드는 역량이다. 12

‘오픈웨이트’와 ‘오픈소스’는 같은 말이 아니다

보고서의 중요한 경고는 용어에 관한 것이다. 모질라는 별도 언급이 없는 한 ‘오픈’을 모델 가중치를 내려받을 수 있는 상태로 사용한다. 이는 완전한 오픈소스 AI 시스템과는 다르다.

주요 출시 모델 16개를 검토한 결과, 오픈 소스 이니셔티브(OSI)의 정의에 필요한 완전한 학습 데이터 레시피를 제공한 사례는 하나도 없었다. 3개는 제한적이고 접근 통제가 있는 일부 데이터만 제공했고, 13개는 데이터를 제공하지 않았다. 12

보고서는 스위스의 사례를 이례적인 대조 사례로 제시한다. 한 공공 컨소시엄이 국가 차원에서 학습한 모델의 가중치와 데이터, 학습 코드를 함께 공개했다. 가중치만 공개하는 방식보다 훨씬 높은 수준의 검증 가능성과 재현성을 제공하는 방식이다. 12

따라서 구매자와 정책 담당자는 ‘오픈’이라는 표현만으로 판단해서는 안 된다. 실제로 공개되는 것이 가중치인지, 학습 코드인지, 데이터 문서인지, 평가 결과인지, 어떤 라이선스와 수정·재배포 권한이 붙는지 확인해야 한다.

진짜 어려운 일은 ‘하네스’ 구축이다

모질라는 이를 “결정이 모델에서 하네스로 옮겨갔다”고 요약했다. 12

현실의 AI 서비스는 다운로드한 모델 하나로 완성되지 않는다. 모델 라우팅, 상태 관리, 품질 평가, 모니터링, 보안 통제, 데이터 처리, 감사 가능성, 사고 대응, 컴플라이언스 절차가 함께 필요하다. 조직은 모델을 자체 호스팅하더라도 이를 대규모로 신뢰성 있게, 경제적으로, 안전하게 운영하는 데 어려움을 겪을 수 있다.

그래서 벤치마크 점수 차이가 작다고 해서 오픈웨이트 모델이 관리형 API의 즉각적인 대체재가 되는 것은 아니다. 모델은 확보할 수 있어도, 그 주변의 AI 운영 시스템을 구축하고 유지하는 일은 여전히 어렵다.

‘AI 주권’은 오픈웨이트의 전략적 활용처다

오픈웨이트 시스템은 정부와 조직이 모델이 실행되는 위치, 데이터 처리 방식, 업데이트 관리, 단일 외부 API 제공업체에 의존하지 않는 서비스 연속성을 더 많이 통제하도록 돕는다. 민감 데이터, 현지 언어 수요, 규제 대상 업무, 복원력 계획에서 특히 중요한 선택지다. 12

물론 이것이 완전한 독립을 의미하지는 않는다. 로컬 배포도 반도체, 클라우드 용량, 모델 서빙 소프트웨어, 기타 상위 공급망에 의존할 수 있다. 그럼에도 오픈웨이트는 소유, 배포, 연속성에 관한 선택지를 넓힌다.

영국 사례로는 Cosine의 Lumen Sovereign 프로젝트가 있다. 이 프로젝트는 영국 정부의 5억 파운드 규모 Sovereign AI 프로그램 지원을 받고 있으며, Isambard-AI에서 학습하고 규제 산업 조직 13곳과 공동 설계됐다. Cosine은 2026년 말 완성을 목표로 하며, 외부 네트워크와 분리된 에어갭(air-gapped) 고보안 환경에 배포할 수 있도록 설계한다고 밝혔다. 1321

소규모 기업의 경쟁 방식도 바뀔 수 있다

모질라는 효율적인 아키텍처가 추론 비용과 하드웨어 요구량을 낮출 수 있으며, 사후 학습, 보상 설계, 도메인 데이터, 강화학습 환경이 차별화의 더 중요한 원천이 될 수 있다고 분석했다. 12

이 흐름이 이어진다면 작은 기업이 매번 최전선급 사전학습에 막대한 자금을 투입하지 않아도 가치 있는 AI 제품을 만들 수 있다. 특정 산업에 맞춘 학습 환경, 고품질 업무 흐름, 신뢰할 수 있는 배포 체계로 경쟁할 가능성이 커진다는 뜻이다.

개방성은 규제 의무를 없애지 않는다

모질라는 컴퓨트 기준의 시스템 위험 임계값이 효율적인 희소(sparse) 모델의 역량을 제대로 반영하지 못할 수 있다고 지적했다. 단순한 측정 체계가 예상하는 것보다 적은 활성 연산량으로도 높은 성능을 낼 수 있기 때문이다. 13

동시에 오픈 모델을 쓴다고 규제 대상에서 벗어나는 것은 아니다. 고위험 용도로 오픈 모델을 개조·적용하는 조직은 해당 분야의 컴플라이언스 의무를 여전히 부담한다. 12

AI 도입 조직이 얻을 결론

모질라의 근거가 가리키는 실무적 결론은 이렇다. 비용 통제, 온프레미스 또는 로컬 배포, 맞춤화, 기술 주권이 중요하다면 오픈웨이트 AI는 이제 많은 업무에서 우선 검토할 만한 선택지다. 그러나 모델 선정은 출발점일 뿐이다.

지속적인 경쟁력은 점점 모델 주변의 계층에서 나온다. 데이터 거버넌스, 업무 흐름 설계, 평가, 보안, 관측 가능성, 규제 대응 역량이 그것이다. 오픈웨이트는 고성능 AI에 대한 접근성을 높였지만, 프로덕션 AI를 단순하게 만들지는 않았다. 12