미라 무라티의 오픈 모델 전략, 폐쇄형 연구소에 대한 도전

(dev.to)

Dev.to OpenSource2026년 7월 16일AI 모델

ChatGPT의 설계자 미라 무라티가 설립한 Thinking Machines Lab이 오픈 웨이트 모델 'Inkling'을 공개하며, 거대 폐쇄형 AI 모델의 독점적 전략에 맞서 특정 작업에 특화된 오픈 시스템의 경쟁력을 증명하려는 새로운 전략적 도전을 시작했습니다.

이 글의 핵심 포인트

1미라 무라티의 새로운 회사 Thinking Machines Lab이 오픈 웨이트 모델 'Inkling' 출시
29750억 개의 전체 파라미터를 보유한 MoE(Mixture-of-Experts) 구조로, 작업당 약 410억 개 파라미터 활성화
3텍스트, 이미지, 오디오, 비디오를 포함한 45조 개의 토큰으로 학습된 멀티모달 데이터셋 활용
4범용적 성능 경쟁(Benchmark chasing)보다는 특정 작업 및 워크플로우에서의 소유권과 제어권 확보에 집중
5Gemini 3.5 Pro 및 GPT-5.6 Sol 출시 시점과 맞물려 전략적으로 공개됨

이 글에 대한 공공지능 분석

왜 중요한가?

ChatGPT의 성공을 이끈 핵심 인물이 기존의 폐쇄형 모델 전략(Closed-model playbook)에서 벗어나 오픈 웨이트 모델이라는 정반대의 길을 선택했다는 점이 시장에 큰 충격을 줍니다. 이는 AI 산업의 패러다임이 단순한 규모 경쟁에서 특정 워크플로우를 위한 제어 가능한 시스템으로 이동할 수 있음을 시사합니다.

어떤 배경과 맥락이 있나?

현재 AI 업계는 더 큰 컨텍스트 창과 거대한 파라미터를 추구하는 '프론티어 모델' 경쟁이 치열하지만, 이는 높은 비용과 데이터 보안 문제를 야기합니다. 무라티는 이러한 폐쇄형 모델의 한계를 지적하며, 효율적인 MoE(Mixture-of-Experts) 구조를 통해 특정 태스크에 최적화된 오픈 모델의 가능성을 제시하고 있습니다.

업계에 어떤 영향을 주나?

기업들이 데이터 주권과 비용 효율성을 위해 폐쇄형 API 대신 로컬 실행이 가능한 오픈 웨이트 모델을 채택하는 흐름이 가속화될 수 있습니다. 이는 대규모 파라미터 경쟁을 벌이는 빅테크와 달리, 특정 도메인에 특화된 모델을 개발하고 운영하는 스타트업들에게 새로운 기회의 장을 열어줄 것입니다.

한국 시장에 어떤 시사점이 있나?

자체 LLM 구축을 시도하는 국내 기업들에게 '무조건적인 거대 모델'이 아닌 '특정 목적에 최적화된 효율적 오픈 모델' 활용이라는 전략적 대안을 제시합니다. 이는 인프라 비용 부담이 큰 한국 스타트업들이 특정 산업군(Vertical AI)에서 경쟁력을 확보할 수 있는 중요한 기술적 근거가 됩니다.

이 글에 대한 큐레이터 의견

미라 무라티의 이번 행보는 단순한 오픈 소스 옹호가 아니라, AI 모델의 가치 제안(Value Proposition)을 '범용 지능'에서 '제어 가능한 전문성'으로 재정의하려는 전략적 승부수입니다. 만약 Inkling이 특정 엔터프라이즈 워크플로우에서 기존 폐쇄형 모델보다 뛰어난 비용 효율성과 보안성을 입증한다면, AI 생태계는 파편화된 전문 모델들의 집합체로 변모할 것입니다.

하지만 리스크도 분명합니다. MoE 구조의 복잡성은 오픈 소스 커뮤니티가 모델을 완전히 이해하고 최적화하는 데 상당한 기술적 장벽이 될 수 있으며, 이는 결국 '오픈'이라 부르지만 실제로는 구현하기 어려운 '복잡성의 폐쇄'로 이어질 위험이 있습니다. 또한, 거대 자본을 앞세운 빅테크의 SOTA(State-of-the-art) 업데이트 속도를 오픈 모델 생태계가 따라잡지 못한다면, 결국 기술적 격차는 더욱 벌어질 수 있습니다.

스타트업 창업자들은 이제 '누가 더 큰 모델을 만드느냐'가 아니라, '누가 오픈 웨이트 모델을 활용해 가장 가치 있는 특정 워크플로우를 점유하느냐'에 집중해야 합니다. Inkling의 등장은 거대 모델의 성능 지표(Benchmark)보다 실제 비즈니스 현장의 운영 효율성과 데이터 소유권이 더 중요한 경쟁 요소가 될 수 있음을 보여주는 신호탄입니다.

원문 보기 →