오픈소스 LLM
가중치를 내려받을 수 있는지가 모델 통제권을 가릅니다. 미세조정, 자사 GPU 운영, 오프라인 실행이 가능해지는 대신 추론 서버·업데이트·장애 대응은 직접 떠안습니다.
오픈소스와 클로즈드 중 무엇이 더 강한지가 아니라, 네 가지 전제의 조합으로 결정됩니다. 데이터가 외부로 나갈 수 있는지, 운영 인력이 있는지, 호출량이 앞으로도 계속 많을지, 현재 성능과 얼마나 차이가 나는지입니다.
데이터가 민감하거나 규제 대상이면 오픈 가중치와 자체 배포가 사실상 유일한 해법입니다. 반대로 호출량이 적고 요구사항이 매주 바뀌면 호스팅 API의 유연성이 더 값어치를 합니다. 숨은 비용은 운영에 있습니다. 추론 서버, 성능 튜닝, 버전 업그레이드, 장애 대응까지—오픈소스는 내려받았다고 끝나지 않습니다.
공개 범위도 제각각입니다. Qwen3-Omni는 Instruct·Thinking·Captioner를 Apache-2.0으로 공개하고, MiniMax M2.1은 Modified-MIT를 택해 코딩과 에이전트를 겨냥하며 SWE-bench Verified 같은 지표를 함께 냅니다. 가중치만 열고 학습 데이터는 비공개거나 사용 제한을 두는 경우도 있습니다. 계약 전에는 순위표보다 라이선스를 먼저 읽어야 합니다.
