이틀 전 다이제스트에서 Mozilla의 The State of Open Source AI 2026을 짧게 다뤘다. 격차 3.3퍼센트포인트, 추론비 50배 하락, 개발자 79퍼센트가 오픈모델을 쓰는데 프로덕션은 51퍼센트. 세 줄로 요약하고 넘어갔는데, 뒤늦게 국내 커뮤니티 정리본을 읽다가 마음이 불편해졌다.
정리본이 잘못돼서가 아니라, 내가 세 줄을 2차 자료로 썼기 때문이다. 그래서 PDF 59쪽 전문과 인터랙티브 웹판을 둘 다 받아 나란히 놓고 대조했다.
이 보고서는 서두에서 스스로 이렇게 선언한다 — “약점을 감추는 주장은 광고에 불과하다.” 그 기준을 보고서 자신에게 적용해 본 셈이다.
결과부터: 핵심 논지는 전부 원문에서 확인됐다. 내가 앞서 쓴 세 수치도 정확했다. 그런데 예상 못 한 게 나왔다. 같은 보고서가 PDF판과 웹판에서 다른 숫자를 말하는 곳이 네 군데 있었다. 그리고 표본 크기 n이 네 개나 돌아다녔다.
오늘 대조한 결과 한눈에
flowchart TD R["The State of Open Source AI 2026<br/>PDF 59쪽 + 인터랙티브 웹판"] --> T["✅ 핵심 논지 3축 확인"] R --> X["⚠️ 판본이 서로 다른 곳 4건"] R --> N["⚠️ 표본 n이 4개"] T --> T1["격차 3.3pt · jagged frontier 위의 평균"] T --> T2["추론비 36개월 50배 하락"] T --> T3["경쟁은 모델이 아니라 하네스로 이동"] X --> X1["OpenRouter 오픈 토큰<br/>웹판 과반 · PDF는 still climbing"] X --> X2["중국 오픈 대 미국 폐쇄<br/>PDF 월간 3.5대1 · 웹판 주간 3대1"] X --> X3["성숙도 기준<br/>PDF 9개 · 웹판 10개"] X --> X4["MCP 인가 명세 날짜<br/>2025-03 · 06 · 11 세 개 공존"] classDef ok fill:#d3f9d8,stroke:#2f9e44,color:#1d6b2c; classDef warn fill:#fff3bf,stroke:#e67700,color:#8a5a00; class T,T1,T2,T3 ok; class X,X1,X2,X3,X4,N warn;
보고서의 핵심 논지는 뭔가?
세 축이다. 그리고 세 번째가 이 보고서의 진짜 기여다.
flowchart LR A["① 능력 격차가 거의 사라졌다<br/>8.04% → 0.5% → 3.3%"] --> C B["② 지능의 값이 붕괴했다<br/>36개월 50배"] --> C C["모델 계층의 값이 0으로 수렴"] --> D["③ 경쟁은 한 계층 위로<br/>= 에이전트 하네스"] D --> E["빌려 쓰기 대 소유하기"] classDef data fill:#e7f5ff,stroke:#1c7ed6,color:#10548f; classDef claim fill:#d3f9d8,stroke:#2f9e44,color:#1d6b2c; class A,B,C data; class D,E claim;
앞의 둘은 이미 여러 곳에서 다뤄진 얘기다. 세 번째가 새롭다. 모델이 상품화될수록 잠금(lock-in)의 무게 중심이 모델 위에 얹히는 층 — 오케스트레이션 루프·도구·메모리·샌드박스·권한 모델 — 으로 옮겨간다는 것이고, 보고서는 그 층을 하네스(harness)라 부른다. 열린 웹 시대의 브라우저가 사용자 대신 서버와 협상하는 “사용자 에이전트”였던 역할이 한 계층 위에서 재현된다는 비유다.
능력 격차 3.3퍼센트포인트는 무슨 뜻인가?
✅ 수치는 원문 그대로다. PDF 7쪽 제목이 통째로 “The capability gap: 8.04% → 0.5% → 3.3%“이다. 2024년 1월 8.04퍼센트에서 2024년 8월 0.5퍼센트로 좁혀졌고, 2025년 2월 DeepSeek-R1이 잠시 미국 최상위와 사실상 동률이 됐다가, 폐쇄형 추론 모델이 앞서 나가며 2026년 3월 3.3퍼센트로 다시 벌어졌다.
중요한 건 이 숫자가 평균이라는 점이고, 원문도 그렇게 못 박는다. PDF 8쪽 제목이 “A 3.3% average hides a jagged frontier”다.
| 영역 | 상태 |
|---|---|
| 코딩·지시 따르기·일반 지식 | 동률이거나 근접 |
| 추론·롱컨텍스트 검색·에이전트 작업 | 격차가 여기 집중 |
그래서 원문의 결론은 “오픈 모델이 충분히 좋은가”가 아니라 “당신의 작업에 무엇이 필요한가”가 올바른 질문이라는 것이다. 참고로 PDF 7쪽 출처주는 “아레나 상위 10위 중 6개가 여전히 폐쇄 모델”이라고 덧붙인다.
”50배 하락”에는 각주가 붙어 있다
여기가 내가 이틀 전 글에서 놓친 대목이다. ⚠️ 50배는 맞지만, 내가 쓴 프레이밍이 정확하지 않았다.
수치 자체는 확인된다 — 36개월간 100만 토큰당 20달러에서 0.40달러. 비교군도 원문에 있다(닷컴 대역폭 2.6배, PC 컴퓨팅 3.4배). 오픈웨이트가 이 붕괴를 이끌었다는 것도 맞다. Llama 3.1이 2024년 7월 바닥값을 0.88달러로 끌어내리며 한 분기에 11배 급락시켰다.
🔴 그런데 20달러라는 출발점이 GPT-4급 가격이 아니다. PDF 9쪽 각주가 명시한다.
Nov ‘22 point = text-davinci-003, the frontier-class model before GPT-4 50× frontier-class price Nov ‘22 → GPT-4-class price Dec ‘25 (112× from GPT-4’s $45 launch)
즉 50배는 2022년 11월 프런티어급에서 2025년 12월 GPT-4급까지를 가로질러 비교한 값이다. GPT-4 출시가 45달러를 기준으로 잡으면 오히려 112배다. 그러니 “GPT-4급이 50배 떨어졌다”고 쓰면 부정확하다. 나도 이틀 전에 그렇게 썼으니 여기서 정정한다.
진짜 새로운 논지: 하네스가 새 전선이다
이 보고서에서 제일 재밌는 데이터가 여기 있다. 두 번의 벤치마크가 8주 만에 결론을 뒤집는다.
flowchart TD A["Terminal-Bench 2.0 · 2026년 5월"] --> B["제3자 스캐폴드 + Anthropic 가중치 79.8%"] A --> C["Claude Code · 같은 가중치 58.0%"] B --> D["격차 21.8포인트<br/>하네스가 가중치를 이겼다"] C --> D D --> E["프런티어 연구소들이 이 결과를 읽고<br/>하네스를 자체 개발로 흡수"] E --> F["Terminal-Bench 2.1 · 8주 뒤"] F --> G["Codex CLI · GPT-5.5 = 83.4%"] F --> H["Claude Code · Fable 5 = 83.1%"] F --> I["최고 독립 하네스 = 80.4%"] G --> J["격차가 약 3포인트로 압축<br/>이제 연구소 자체 하네스가 이긴다"] H --> J I --> J classDef open fill:#d3f9d8,stroke:#2f9e44,color:#1d6b2c; classDef closed fill:#ffe3e3,stroke:#e03131,color:#a01818; class A,B,D open; class E,F,G,H,J closed;
8주 만에 21.8포인트가 3포인트로 압축됐다. 보고서의 해석이 날카롭다 — 연구소들이 가중치와 스캐폴드를 하나의 제품으로 함께 출하하기 시작했고, 하네스가 특정 연구소 가중치에 밀착 조율될수록 그 아래 가중치는 교체 불가능해진다. 잠금은 최적화의 부산물로 온다. 원문은 여기에 “검증된 최상위 계층에 오픈 모델은 하나도 없다”고 덧붙인다.
그런데 반전이 있다. 모든 모델을 중립 스캐폴드 위에 올리면 그림이 달라진다.
| 모델 | 점수 | 태스크당 비용 |
|---|---|---|
| Claude Opus 4.8 | 71.91% | 2.41달러 |
| Claude Opus 4.7 | 68.54% | 1.98달러 |
| GLM 5.2 (오픈) | 67.79% | 0.43달러 |
능력 차이는 몇 포인트인데 가격 차이는 5배다. 원문의 프레임이 정확히 그거다 — “중립 하네스 위에서는 가격 격차가 5배”.
여기서 오늘 좀 소름 돋은 게 있다. GLM 5.2를 오늘 하루에 세 번 마주쳤다. 다이제스트에서 허깅페이스가 침해 포렌식을 돌린 모델이 GLM 5.2였고, OpenWiki의 자기 저장소 CI가 쓰는 모델도 GLM 5.2였다. 그리고 여기선 중립 벤치마크의 최강 오픈 모델로 나온다. 세 사례가 서로 무관한데 같은 결론을 가리킨다 — “가격이 5분의 1인데 쓸 만하면 사람들은 그걸 쓴다.”
미터기는 왜 규모에서 고장 나나?
보고서에서 가장 강렬한 세 사례다. 그런데 여기가 2차 요약본이 원문을 가장 크게 벗어난 곳이기도 하다.
| 기업 | 원문 서술 | ⚠️ 인용 시 주의 |
|---|---|---|
| Microsoft | 2026년 6월 30일까지 Claude Code 라이선스 대부분 취소, 토큰 과금이 해당 사업부 연간 AI 예산을 몇 달 만에 소진 | 🔴 전사가 아니라 Experiences + Devices 사업부(엔지니어 약 5천 명). 원문 카드가 범위를 빼서 “대부분 취소”로 읽힌다 |
| Uber | 2026년 AI 코딩 예산 4개월 만에 소진, 엔지니어당 월 500~2,000달러 청구 뒤 도구당 월 1,500달러 상한 | 🔴 500 |
| Stripe | 오픈 모델 자체호스팅으로 추론비 73% 절감(지수 1.00 → 0.27), vLLM 위에서 GPU 3분의 1로 하루 5천만 API 호출 | ⚠️ 근거가 사실상 단일 벤더 블로그. Stripe 자체 발표는 확인 못 함 |
⚠️ 하나 더. PDF의 이 페이지에는 출처주가 아예 없다. 이 보고서에서 드문 경우다(웹판 Citations에는 항목별 링크가 있다).
그래도 보고서의 진단 문장은 옳다고 본다 — “도구가 너무 유용해서 아껴 쓸 수 없을 때는, 경제성을 빌리는 것보다 소유하는 것이 더 중요해진다.” 마침 오늘 Fable 5가 요금제에 편입되면서 주간 한도의 50퍼센트로 묶였다. 미터기 얘기가 남 일이 아니다.
19일 동안 프런티어 모델이 꺼졌다
선택권(optionality)이 추상이 아니라는 걸 보여주는 사례다. ✅ 원문에도 있고, 별도 1차 보도로도 교차확인됐다.
sequenceDiagram participant A as Anthropic participant C as 미 상무부 participant U as 전 세계 사용자 A->>U: 6월 9일 · Fable 5 · Mythos 5 출시 C->>A: 6월 12일 · 수출통제 즉시 발효 Note over C,A: 미국 안팎 불문 모든 외국 국적자 접근 차단 A--&>>U: 국적 실시간 검증 불가 → 선택적 준수 불가능 → 전면 차단 A->>U: 6월 26일 · Mythos 부분 복구 (검증된 미 핵심인프라 약 100곳) C->>A: 6월 30일 · 통제 해제 A->>U: 7월 1일 · Fable 5 전 세계 복구 Note over A,U: 총 19일
PDF 30쪽 제목이 그대로다 — “For nineteen days, the newest frontier model went dark.” 웹판에만 있는 디테일이 더 아프다. 모델이 꺼진 시각은 금요일 오후 5시 21분이었다.
Mozilla CTO의 서한 문장이 이 사건의 요지다.
가장 앞선 모델 중 하나가 정부가 편지를 보냈다는 이유로 어디서나 꺼졌다. 그 모델을 빌려 쓰던 모든 기업이 자기 것이 아닌 스위치가 존재한다는 걸 알게 됐다.
보고서의 결론은 이렇다 — “모델은 끌 수 있다. 그러나 당신이 쥔 기계에서 이미 돌아가고 있는 사본은 누구도 끌 수 없다.”
오픈이 아직 못 넘은 벽은 뭔가?
보고서가 가장 정직한 대목이다. 그리고 ⚠️ 2차 요약본이 결정적 단서를 통째로 빠뜨린 곳이기도 하다.
✅ 도입에서는 오픈이 앞선다(79퍼센트 대 71퍼센트). 그런데 프로덕션 도달은 오픈 51퍼센트, 폐쇄 63퍼센트로 뒤집힌다. 원인은 모델 성능이 아니라 운영 도구와 신뢰다. 스택 성숙도 히트맵에서 커뮤니티 활동성은 4.00, 도입 용이성 3.63인데 표준화 2.83, 엔터프라이즈 준비도 2.79로 모든 계층에서 반복적으로 낮다.
🔴 그런데 부록에 이런 자기고백이 있다. 이 히트맵은 “측정이 아니라 의도적으로 서수적이고 방향성 있는 판단(deliberately ordinal, directional judgments rather than measurements)“이며, 고정 루브릭을 “일관성을 위해 AI 보조를 받아” 적용했다는 것이다.
4.00이니 2.79니 하는 숫자를 측정치처럼 인용하면 원문 의도를 왜곡한다. 나는 이 자백을 넣은 게 오히려 이 보고서를 신뢰하게 만든 대목이라고 본다. 광고였다면 안 썼을 문장이다.
PDF와 웹판이 다른 네 군데
여기가 이 글을 쓰게 만든 발견이다. 같은 보고서인데 판본에 따라 숫자가 다르다.
| 항목 | PDF판 | 웹판 |
|---|---|---|
| OpenRouter 오픈 토큰 비중 | 차트 y축 최대 40%, 2026년 6월 라벨은 “still climbing”. 과반이라는 서술 없음 | ”2025년 말 3분의 1 → 2026년 중반 과반”, “이제 프로덕션 토큰의 과반” |
| 중국 오픈 대 미국 폐쇄 | 월간 82조 대 23조, 3.5대 1 | 주간 약 18조 대 5.5조, 3대 1(FT 분석) |
| 성숙도 채점 기준 수 | 9개 기준 (본문·부록 모두) | “scored across 10 criteria” |
| MCP 인가 명세 시점 | 타임라인 “Jun ‘25 OAuth 2.1 in spec” | 본문 “2025-11-25 specification”, Citations “2025-03-26 spec” |
⚠️ 참고로 Mozilla 공식 블로그도 OpenRouter 비중을 “대략 3분의 1”로만 쓴다. 즉 “과반”은 웹판 본문에만 있는 서술이다.
그리고 표본 크기. 커뮤니티 정리본이 “n=1,410 설문”이라고 쓴 걸 보고 확인해 봤더니, 이 보고서 안에서 n이 네 개 돌아다닌다.
| 표기 | 위치 | 실제 의미 |
|---|---|---|
| 1,494 | 부록 | 조사 적격 응답자 전체(2026년 5월 19~29일 현장조사) |
| 1,410 | 본문 | 오픈모델 현역 + 이탈 개발자 서브셋 |
| 1,411 | 표 | 같은 표의 다른 표기 |
| 954 | 다른 섹션 | 전문 개발자 |
| 950+ | 공식 블로그 | 또 다른 표기 |
그러니 “n=1,410 설문”이라고 단정하면 틀린다. “전체 1,494명, 오픈모델 관련 1,410명”이 정확하다.
이걸 두고 보고서를 깎아내릴 생각은 없다. 59쪽짜리 보고서를 PDF와 인터랙티브 웹으로 동시에 내면서 데이터가 계속 갱신되면 이런 어긋남은 난다. 다만 인용하는 쪽은 어느 판본을 봤는지 밝혀야 한다. 나는 앞으로 이 보고서를 인용할 때 “PDF 몇 쪽 기준”을 붙이기로 했다.
다섯 가지 베팅
마지막 장은 행동 지침이다. 다섯 개 중 어느 것도 프런티어 모델 성능을 이길 것을 요구하지 않는다는 점이 좋았다.
| 베팅 | 요지 |
|---|---|
| ① 오픈 하네스를 구축하라 | 오픈 가중치와 함께 설계된 하네스. 범용이든 특정 수직 영역이든 |
| ② 메모리를 소유하라 | 스택에서 유일하게 복리로 쌓이는 자산. 이식 가능·추가 전용 형식으로 방화벽 뒤에 |
| ③ 이식 가능한 권한을 풀어라 | 하네스 정중앙의 미해결 구멍. 생태계 12개 프레임워크·10개 하네스·3개 피어 프로토콜에 걸친 표준이 0개 |
| ④ 미터기를 깨라 | 자체호스팅 손익분기는 하루 약 8천 대화. 값이 싸고 지루한 지금 제2공급원 확보 |
| ⑤ 오픈 기본값을 복수화하라 | 공급자가 하나뿐인 공유지는 공유지가 아니다 |
③번을 좀 더 보자. 인증(authentication)은 표준화됐는데 인가(authorization)는 표준이 없다. MCP 명세가 인가를 OAuth 2.1로 옮겼고 A2A v1.0이 서명된 Agent Card를 표준화했지만, 둘 다 인증에서 멈춘다. 에이전트가 누구인지 아는 것은 그 에이전트가 무엇을 해도 되는지에 대해 아무것도 말해 주지 않는다.
그래서 읽기(reads)와 쓰기(writes)를 갈라야 한다는 게 보고서의 처방이다. 읽기는 되돌릴 수 있으니 대체로 기본 허용, 쓰기는 비싸고 되돌리기 어려우니 확인·승인 임계값·비용 상한·취소 권한을 여기 몰아넣는 것이다. 그리고 사람이 최후 방어선이 되는 방식은 이미 한계다 — CoSAI의 MCP 위협 모델이 최상위 위협으로 꼽은 게 “동의 피로(consent fatigue)”, 즉 사용자가 프롬프트 대부분을 습관적으로 승인해 버리는 패턴이다.
⭐ 그리고 ④번 미터기 항목의 사례가 오늘 제일 서늘했다. Uber 요금은 이용자들이 보조금 가격에 삶을 재편한 뒤 약 92퍼센트 올랐다. 보고서의 문장이 이렇다 — “낮은 가격은 결코 제품이 아니었다. 잠금이 제품이었다.” 보고서는 AI 토큰 가격 인상 시점을 2027~28년쯤으로 본다.
오늘 걸러낸 것 (팩트체크 로그)
| 주장 | 판정 | 근거 |
|---|---|---|
| 격차 3.3pt / 비용 50배 / 79%·51%·63% | ✅ 확정 | PDF 5·7·8·9·14쪽 원문 일치 |
| ”GPT-4급이 20달러 → 0.40달러” | ⚠️ 프레이밍 부정확 | 20달러는 GPT-4 이전 text-davinci-003. GPT-4 출시가 기준 112배 |
| ”OpenRouter 오픈 토큰 과반” | ⚠️ 웹판 한정 | PDF는 “still climbing”. 공식 블로그는 “약 3분의 1" |
| "n=1,410 설문” | ⚠️ 부정확 | 전체 1,494 / 1,410은 오픈모델 개발자 서브셋. n이 4개 |
| 히트맵 4.00·2.79 | ⚠️ 측정치 아님 | 부록이 “서수적·방향성 판단, AI 보조 채점”이라 자인 |
| Microsoft “라이선스 대부분 취소” | 🔴 범위 누락 | 전사 아님. Experiences + Devices 사업부 |
| Uber “엔지니어당 월 500~2,000달러” | 🔴 과장 | 파워유저 구간. 평균은 150~250달러 |
| Stripe 73% 절감 | ⚠️ 근거 얇음 | 사실상 단일 벤더 블로그. Stripe 자체 발표 확인 불가 |
| DeepSeek ARR 2.2억 달러 | ⚠️ 시점 누락 | 원문은 “2025년 중반 기준” |
| Databricks “+65%“ | ⚠️ 미세 차이 | 원문은 “65% 초과” |
| 수출통제 19일 | ✅ 확정 | 원문 + 1차 보도(Forbes·TechCrunch·CNBC·Anthropic 뉴스룸) 교차확인 |
| 하네스 벤치마크 전 수치 | ✅ 확정 | Terminal-Bench 2.0·2.1, vals.ai Terminus-2 전부 일치 |
| ”Mozilla Foundation 보고서” | 🔴 없는 귀속 | 표지 “AN INAUGURAL MOZILLA ASSESSMENT”, 서명 “CTO, Mozilla” |
마지막 줄은 내가 이전 글에서 이미 한 번 정정했던 항목인데, 이번에 부록까지 확인해 확정했다. 부록의 “About Mozilla”는 Mozilla Project 산하 여러 법인을 나열할 뿐 보고서를 특정 법인에 귀속시키지 않는다. 그냥 “Mozilla”라고 쓰는 게 원문 준수다.
그래서 내가 챙긴 것
- 2차 자료로 세 줄 요약하지 않는다. 이틀 전 내 글의 세 수치는 다행히 맞았지만, “GPT-4급 50배”라는 프레이밍은 각주를 안 봐서 틀렸다. 요약본이 나쁜 게 아니라 각주가 헤드라인을 뒤집는 경우가 있다는 걸 잊었던 거다.
- 판본을 밝히고 인용한다. PDF와 웹판이 네 군데 다르다는 건 이 보고서만의 문제가 아니라, 인터랙티브 리포트가 흔해진 시대의 일반 문제다. 앞으로 “PDF 몇 쪽 기준”을 붙인다.
- 자백이 있는 보고서를 더 믿는다. 히트맵 점수를 “측정이 아니라 판단”이라고 부록에 적어 둔 것, 오픈이 못 넘은 벽 네 가지를 따로 정리한 것, DeepSeek의 안전 지수 F 등급을 그대로 실은 것. 광고라면 뺐을 문장들이다. 약점을 감추는 주장은 광고에 불과하다는 자기 선언을 이 보고서는 대체로 지켰다.
정작 이 보고서에서 내 작업에 바로 걸리는 건 ②번 베팅이었다. 스택에서 유일하게 복리로 쌓이는 자산이 메모리라는 것. 나는 몇 년째 평문 마크다운 볼트를 굴리면서 그게 취미인 줄 알았는데, 이 보고서 기준으로는 그게 유일하게 복리로 쌓는 행위였다. 모델은 계속 갈아탈 거고 하네스도 바뀔 텐데, 축적된 문맥은 접근이 끊기는 순간 재구성이 안 된다. 그 문장 하나가 오늘 59쪽 중에 제일 오래 남았다.