America’s Open-Model Paradox

🖼️ 인포그래픽

America’s Open-Model Paradox 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

💡 한 줄 요약

미국이 폐쇄형 최첨단 모델에서는 앞서면서도 합법적인 역량 이전 경로의 부재로 인해 개방형 AI 생태계에서는 중국 모델에 의존하게 되는 역설을 다룬 글이다.

📌 핵심 요약

ATOM 보고서에 따르면 신규 개방형 모델 미세조정·변형에서 큐원 계열이 차지하는 비중은 2024년 1월 1%에서 2026년 2월 69%로 상승했으며, 다수의 미국 AI 스타트업이 기술 스택 어딘가에서 중국 개방형 가중치를 사용하는 것으로 나타났다.
서구 기업은 중국 모델을 제품의 기반뿐 아니라 교사 모델과 합성 학습 데이터의 출처로 활용하고 있으며, Thinking Machines의 Inkling은 독자적으로 사전학습됐지만 지도 미세조정 초기화에는 키미 K2.5가 생성한 합성 데이터를 사용했다.
글은 증류가 중국의 개방형 모델 경쟁력을 전부 설명하지는 않지만, 강한 기반 모델과 최첨단에 가까운 실용 시스템 사이의 비싼 마지막 격차를 줄여 미국 개방형 모델보다 우위를 확보하는 데 기여한다고 설명한다.
개방형 가중치를 내려받으면 특정 버전을 직접 실행·수정할 수 있지만, 후속 모델에 대한 지속적인 접근이나 학습 데이터와 개입 내역의 감사 가능성, 숨겨진 동작의 부재까지 보장되지는 않는다.
해법으로 서구 기반 모델 개발의 지속, 검증된 서방·동맹 기업을 위한 통제된 교사 모델 학습권 시장, 해외 대규모 증류의 비용을 높이는 신원 확인·접근 통제·집행 강화가 제시된다.

🧩 주요 포인트

미국 최첨단 모델 출력의 이용 제한과 중국 개방형 모델의 합법적 활용 가능성이 결합되면서, 서구 기업의 역량 이전 경로가 중국을 우회 통로로 삼는 구조가 형성됐다.
가중치 보유는 현재 버전의 배포 통제권을 주지만 후속 성능 향상과 내부 신뢰성을 보장하지 않으므로, 개방성만으로 공급망 자율성과 안전성이 확보되지는 않는다.
개방형 모델 공급자는 제품 기반을 넘어 합성 데이터·후학습·평가·에이전트·최적화 생태계의 표준 기반이 될 수 있어, 경쟁의 핵심은 단순한 모델 매출보다 광범위하다.

🧠 상세 정리

1. 중국 개방형 모델로 이동한 서구 AI 생태계

글은 중국이 서구 기업의 AI 서비스, 학습, 제품 개발에 사용되는 모델을 갈수록 더 많이 공급하고 있다고 진단한다. ATOM 보고서를 인용해 신규 개방형 모델 미세조정과 변형에서 큐원의 비중이 2024년 1월 1%에서 2026년 2월 69%로 높아졌다고 제시한다. 이러한 사용은 완성된 애플리케이션의 기반 모델에 그치지 않고, 더 강한 모델을 만드는 학습 과정의 상류로 확장됐다. 서구 연구소들은 중국 모델을 교사로 삼거나 합성 데이터를 얻어 최첨단 모델과의 성능 차이를 줄이고 있다. 이에 따라 중국 개방형 가중치는 서구 AI 스택의 한 구성요소를 넘어 연구와 성능 개선을 위한 기반으로 자리 잡았다는 것이 글의 문제의식이다.

2. 교사 모델을 둘러싼 법적 비대칭

Thinking Machines는 Inkling을 독자적으로 사전학습했지만, 지도 미세조정을 시작하기 위해 문샷의 키미 K2.5가 생성한 합성 데이터를 사용했다. 글이 강조하는 핵심은 Inkling의 성능 중 얼마가 키미에서 비롯됐는지가 아니라, 서구 연구소가 중국 개방형 모델로부터 합법적으로 학습할 수 있었다는 점이다. 반면 GPT나 Claude의 출력을 같은 목적으로 사용하는 것은 해당 서비스의 정책상 금지된다고 설명한다. 글은 이를 미국 최첨단 모델, 해외의 무단 추출 의혹, 중국 개방형 가중치, 서구의 합법적 후학습으로 이어지는 순환 구조로 제시한다. 결과적으로 미국에서 개발된 역량을 미국 기업이 직접 이전받기보다 중국에서 공개된 모델을 통해 간접적으로 흡수하는 역설이 발생한다.

3. 후학습과 증류가 만드는 비용상의 이점

사전학습은 유능한 기반 모델을 만들지만, 코딩·추론·도구 사용·에이전트 작업에 유용한 시스템으로 전환하는 과정은 후학습이 담당한다. 강력한 교사 모델이 있으면 시행착오가 큰 역량 발견 과정의 일부를 더 저렴한 학습 문제로 바꿀 수 있다는 것이 글의 설명이다. 다만 글은 중국의 개방형 모델 우위를 증류 하나로 환원하지 않으며, 세계적 연구자, 상당한 연산 자원, 강한 사전학습 모델, 소프트웨어·하드웨어 공동설계, 개선되는 후학습 역량을 함께 언급한다. 그럼에도 증류는 강한 기반 모델과 최첨단에 가까운 시스템 사이의 마지막 격차를 압축한다. 중국 모델의 전체 능력에서 증류가 차지하는 비중이 작더라도, 미국 개방형 모델과 비교한 상대적 우위에서는 의미 있는 몫이 될 수 있다는 주장이다.

4. 반복되는 구조적 우위와 개방형 계층의 가치

신원 확인과 접근 통제 같은 집행 수단은 중국 기업의 대규모 증류를 더 어렵고 느리며 비싸게 만들 수 있지만, 글은 국가 행위자가 지원하는 증류까지 제거할 수는 없다고 본다. 미국의 최첨단 모델이 발전할 때마다 중국 연구소에는 새로운 교사 후보가 생기는 반면, 서구 개발자는 같은 역량을 독자적으로 재현하거나 중국이 공개한 모델에서 뒤늦게 배워야 한다. 이 차이가 중국 연구소에 반복적인 구조적 이점을 준다는 것이 글의 판단이다. 또한 개방형 계층의 공급자는 모델 매출만 얻는 것이 아니라 제품 기반, 합성 데이터, 후학습 시스템, 평가, 에이전트, 최적화와 응용 AI의 기본 선택지가 될 수 있다. 따라서 경쟁의 궁극적인 대상은 세계 기업이 디지털 지능을 구축하고 개선하는 공통 기반을 누가 제공하느냐에 있다.

5. 가중치 소유와 공급망 자율성의 차이

중국 모델의 가중치를 내려받은 서구 기업은 해당 버전을 로컬에서 실행하고 수정하며 추가 허가 없이 계속 사용할 수 있다. 그러나 AI 역량은 지속적인 업그레이드 주기로 발전하므로, 기업과 연구자는 더 강한 기반·교사·합성 데이터 출처로서 새로운 큐원, 키미, GLM, 딥시크 출시에 반복적으로 의존한다. 중국이 강한 모델의 해외 공개를 중단해도 기존 제품이 즉시 고장 나지는 않지만, 이후 성능 경쟁에서 뒤처질 수 있다. 글은 로이터 보도를 인용해 중국 당국이 아직 출시되지 않은 모델을 포함한 첨단 모델의 해외 접근 제한을 논의했다고 전하면서도, 최종 정책은 발표되지 않았다고 명시한다. 결국 개방형 가중치는 현재 배포에 대한 통제권은 제공하지만, 더 나은 후속 모델을 계속 공급받을 권리까지 보장하지는 않는다.

6. 감사 한계와 미국 내 역량 이전 경로

가중치는 학습의 압축된 결과이므로 전체 사전학습 말뭉치, 데이터 필터링이나 오염 여부, 학습 중 개입, 희귀한 조건에서 작동하는 행동의 존재를 모두 드러내지 않는다. 글은 큐원이나 키미 등에 백도어가 있다고 주장하지 않지만, 가중치를 보유했다는 사실만으로 백도어가 없음을 증명할 수는 없다고 구분한다. 의도적으로 삽입된 행동이 지도 미세조정, 강화학습, 적대적 학습 뒤에도 남을 수 있다는 연구를 근거로, 국방·정보·핵심 기반시설에서는 이를 허용하기 어려운 공급망 위험으로 본다. 이에 서구 기반 모델 개발을 계속하는 동시에, 검증된 서방·동맹 기업에 범위·시차·가격·감사를 적용한 교사 모델 학습권을 제공하자고 제안한다. 민감한 생물학·사이버 역량은 제한하고 해외 증류에 대한 집행도 강화하되, 핵심 선택은 중국을 거치는 간접 경로에 의존할지 미국 내 합법적 역량 이전 경로를 만들지에 있다고 결론짓는다.

🧾 핵심 주장 / 시사점

모델의 개방성은 특정 가중치를 소유·배포할 자유와 향후 성능 향상에 독립적으로 접근할 능력으로 나뉘며, 전자만으로는 장기적인 기술 자율성이 확보되지 않는다.
최첨단 모델의 성능뿐 아니라 그 역량을 더 작고 저렴하며 소유 가능한 모델로 합법적으로 이전할 수 있는 권리가 개방형 AI 경쟁력의 핵심 요소로 부상했다.
서구가 폐쇄형 최첨단 모델에서는 우위를 유지하더라도 개방형 계층을 중국에 의존하면, 제품·데이터·평가·에이전트·최적화로 이어지는 응용 생태계의 기반 선택권까지 영향을 받을 수 있다.

✅ 액션 아이템

ATOM 보고서상 큐원 계열 비중이 2024년 1월 1%에서 2026년 2월 69%로 오른 추세에 맞춰 중국 개방형 가중치 의존 범위를 점검한다.
Thinking Machines Inkling처럼 키미 K2.5 합성 데이터를 지도 미세조정 초기화에 쓰는 경로가 있는지 교사 모델·합성 학습 데이터 출처를 비교한다.
서구 기반 모델 개발 지속과 검증된 서방·동맹 기업용 통제된 교사 모델 학습권 시장, 해외 대규모 증류 비용 인상 조치의 우선순위를 정한다.