“2.8조 파라미터보다 15만 개 파생 모델”… 알리바바 ‘큐웬’이 오픈 AI 생태계 장악 작성일 08-17 30 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">허깅페이스 “좋아요는 관심, 다운로드는 실제 사용”<br>큐웬 올해 다운로드 20억 회, 문샷의 55배<br>중국은 초거대 모델 공세<br>실제 다운로드는 1B 미만 소형 모델이 83%</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="2pKeoMSrrV"> <p contents-hash="8ee6808b080805df773b1e3e9fb033724aba4863e91922eba18f2e6c414616ac" dmcf-pid="VU9dgRvmD2" dmcf-ptype="general"> [이데일리 김현아 기자] 알리바바의 오픈 모델 ‘큐웬(Qwen)’이 글로벌 오픈 AI 생태계에서 가장 강력한 개발자 기반을 확보하고 있다는 분석이 나왔다. 수조 개 파라미터에 달하는 초거대 모델이 잇따라 등장하고 있지만, 실제 생태계 주도권은 얼마나 많은 개발자가 모델을 내려받고 이를 기반으로 새로운 모델과 서비스를 만들어내느냐에 달려 있다는 분석이다.</p> <p contents-hash="72a6b57a3439f861a96273e8047aeb248ce169a4a979ac406d78deeaaca7c6d1" dmcf-pid="fu2JaeTsI9" dmcf-ptype="general">허깅페이스는 지난 14일(현지시간) ‘오픈 모델의 현주소: 2026년 여름 관측 보고서’를 공개했다. 올해 1월부터 7월까지 허깅페이스 허브에서 발생한 모델 출시, 다운로드, 파생 모델 등의 데이터를 분석한 결과다.</p> <figure class="figure_frm origin_fig" contents-hash="0b893a6e16933d568c33a9f3c05578d1b16687508736514f71b562e68cdc1090" dmcf-pid="47ViNdyOEK" dmcf-ptype="figure"> <p class="link_figure"><img alt="사진=로이터" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202608/17/Edaily/20260817100648267ojor.jpg" data-org-width="670" dmcf-mid="9W5b4qAiOf" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202608/17/Edaily/20260817100648267ojor.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 사진=로이터 </figcaption> </figure> <div contents-hash="3511edd8674839d0f93b1734f4d3529ff5b931ab244d07f2f5927c7a5025b643" dmcf-pid="8zfnjJWIEb" dmcf-ptype="general"> 보고서에서 가장 눈에 띄는 것은 ‘관심’과 ‘실제 사용’의 차이다. </div> <p contents-hash="3b338605d9c4dca814db16ebc8cabd6bc3041361790ed95b3b4d49d1e04a3c1f" dmcf-pid="6q4LAiYCsB" dmcf-ptype="general">허깅페이스가 올해 다운로드 상위 25개 모델과 ‘좋아요’ 상위 25개 모델을 비교한 결과, 두 목록에 동시에 포함된 모델은 단 하나뿐이었다. 최신 초거대 모델이 출시 직후 많은 관심을 받더라도 실제 개발 환경에서 지속적으로 사용되는 모델은 다르다는 의미다.</p> <p contents-hash="3da29e788b08252fc1976af6a4d6c582bc9043dd4252b3a9ecb154fc2c9830db" dmcf-pid="PawW5T4qIq" dmcf-ptype="general">대표적인 사례가 독일계 센텐스 트랜스포머스(Sentence-Transformers)프로젝트 팀이 만든 ‘all-MiniLM-L6-v2’다. 2022년 출시된 이 모델은 올해 7개월 동안 약 15억 5000만 회 다운로드됐다. 반면 좋아요는 5156개에 그쳤다.</p> <p contents-hash="5cfbc645476c0eef5a58347a4c00159c5399045c464f9bb98ed2196fbcef2487" dmcf-pid="QNrY1y8Bmz" dmcf-ptype="general">반대로 올해 큰 관심을 받은 중국 문샷AI의 ‘Kimi-K3’는 좋아요 1개당 약 60회의 다운로드가 발생했다. 허깅페이스는 좋아요가 시장의 관심을 보여주는 지표라면 다운로드는 실제 파이프라인에서 모델이 활용되고 있음을 보여주는 지표라고 설명했다.</p> <p contents-hash="d084e1454eb9888d58193b9363d49a54f14ac674895578fcbeb58825e27f5841" dmcf-pid="xjmGtW6bw7" dmcf-ptype="general"><strong>큐웬, 파생 모델 15만 개… 문샷보다 다운로드 55배</strong></p> <p contents-hash="8c63d7022a3efdcabcf900ed2d98e690f536ec6a90af3d67bcfc2b39087a98b1" dmcf-pid="ypKeoMSrmu" dmcf-ptype="general">이런 ‘실제 채택’ 경쟁에서 두드러지는 모델이 알리바바의 큐웬이다.</p> <p contents-hash="de81d2d1fbb9fc98a4f69acc0c2c226b8c1d4fd23a58fec2f9425f4d376f5878" dmcf-pid="WU9dgRvmrU" dmcf-ptype="general">허깅페이스에 등록된 큐웬 기반 파생 모델은 약 15만 1000개에 달한다. 메타 전체 모델에서 나온 파생 모델보다 2.6배, 라마(Llama) 계열보다 4.7배 많은 규모다.</p> <p contents-hash="c2dfacde538c2f648aa2ff41c258fe18c26b076db96e0e50031b80867cc1ee7a" dmcf-pid="Yu2JaeTswp" dmcf-ptype="general">다운로드 격차는 더욱 크다. 올해 큐웬 계열 모델의 다운로드는 약 20억 4500만 회로 집계됐다. 프론티어급 모델에 집중하는 문샷의 약 3700만 회보다 55배 많다.</p> <p contents-hash="b5a8d2f8e183fa4068b27e34fc83bc98d567236d9cf10228ae32885503aa1c37" dmcf-pid="G7ViNdyOw0" dmcf-ptype="general">큐웬이 강력한 개발자 기반을 확보한 배경에는 폭넓은 모델 라인업이 있다. 큐웬은 소형 로컬 모델부터 초대형 모델까지 다양한 크기의 모델을 지속적으로 내놓고 있다.</p> <p contents-hash="0c526e71023336e44112c0b212129a25aee09b662b607aae5696341c9b96639e" dmcf-pid="HzfnjJWIr3" dmcf-ptype="general">허깅페이스는 큐웬의 경쟁력으로 △정기적인 출시 △소형부터 초대형까지 아우르는 모델군 △개발자가 활용하기 쉬운 개방적 라이선스를 꼽았다.</p> <p contents-hash="b6077bbebf27bc4dbe6bf8794eda77c0d5ba64e78aca4168da9641e6fbb30fc3" dmcf-pid="Xq4LAiYCmF" dmcf-ptype="general">개발자 입장에서는 자신의 장비와 용도에 맞는 모델을 같은 생태계 안에서 선택할 수 있다. 여기에 큐웬을 기반으로 한 파생 모델이 다시 늘면서 개발자 생태계가 확대되는 선순환이 만들어지고 있다는 분석이다.</p> <p contents-hash="56ea02215cb5657062b2627e7ddc63b79c3f3c1d7b0f4995fe3f11dcaa916def" dmcf-pid="ZIWUb0Lxst" dmcf-ptype="general"><strong>중국은 ‘초거대’… 미국은 ‘AI 반도체’로 맞불</strong></p> <p contents-hash="63ac495bcd5031a443774f8d758912893bc151e1b9fbc21e97244c35b4bec544" dmcf-pid="5CYuKpoMr1" dmcf-ptype="general">오픈 모델의 규모 경쟁에서는 중국의 약진이 두드러졌다.</p> <p contents-hash="6cf21320e73e4f7dcf3002e63f0c7921d09d2dc2a11d0c21057947d0c953b999" dmcf-pid="1hG79UgRw5" dmcf-ptype="general">올해 중국 연구소들이 공개한 최대 오픈 모델은 월별로 7540억 파라미터에서 최대 2조 7800억 파라미터에 달했다. 미국 모델보다 훨씬 큰 규모다.</p> <p contents-hash="0a956438e1b76644c83266be81a6c3e182529341fd482596fa0f09104a16f6c1" dmcf-pid="tlHz2uaemZ" dmcf-ptype="general">문샷AI, 미니맥스, 샤오미, Z.ai 등은 70B 이상의 초거대 모델에 집중하는 전략을 택했다. 작은 모델을 단계적으로 키우기보다 처음부터 최상위 성능을 겨냥하는 방식이다.</p> <p contents-hash="deddf68b85d63e9a08b8319126cc47cedf4d5438661556b27bc72df9ec29901b" dmcf-pid="FSXqV7NdwX" dmcf-ptype="general">미국에서는 다른 움직임이 나타났다. 엔비디아와 AMD 등 반도체 기업들이 오픈 모델 생태계 확대를 주도하고 있다. 올해 두 회사는 각각 200개 이상의 신규 모델 저장소를 공개했다.</p> <p contents-hash="32c1d2b765a67f642557a9fd15c0450d31e1c360fcf083a6babbaddc778fa781" dmcf-pid="3vZBfzjJwH" dmcf-ptype="general">자사 반도체에 최적화한 모델을 공개해 칩 성능을 입증하고, 개발자를 자사 하드웨어 생태계로 끌어들이려는 전략으로 풀이된다.</p> <p contents-hash="815f8c95086af6ad2aae094a125e430de51a8d0f8f80e2418c7fc242b03d1e2d" dmcf-pid="0T5b4qAiOG" dmcf-ptype="general">이처럼 중국은 ‘가장 큰 모델’, 미국은 ‘모델과 하드웨어 생태계’를 앞세워 경쟁하는 구도가 나타나고 있다. </p> <p contents-hash="eeac4988c9a3a73231b4c1ae69edc56a34002529b15cbb8bb0ed4af4417f8972" dmcf-pid="py1K8BcnmY" dmcf-ptype="general"><strong>정작 많이 쓰는 건 1B 미만 소형 모델</strong></p> <p contents-hash="36cd0206f4bba7c0c47362e8283ad1b61d4f51b4f11dea2dffecd6af393523b5" dmcf-pid="UWt96bkLmW" dmcf-ptype="general">초거대 모델 경쟁과 실제 사용 현장 사이에는 큰 간극도 확인됐다.</p> <p contents-hash="e49dd46fc020e2686561bc36cb717f769e5ff3ff5b206da4b7b44b2c0e8c5b2e" dmcf-pid="uLkvHl2uOy" dmcf-ptype="general">허깅페이스에서 파라미터 수가 확인되는 모델 가운데 1B 미만 모델이 전체 누적 다운로드의 83%를 차지했다. 100B 이상 모델의 비중은 1%에 불과했다. 올해 다운로드만 놓고 봐도 70B 이상 모델의 비중은 3% 수준이다.</p> <p contents-hash="d77b5b84fda7f207e6680b339f39652ea1a4aa0016cad0575a6cc5dcf91f0952" dmcf-pid="7oETXSV7sT" dmcf-ptype="general">개발자가 실제 보유한 하드웨어에서 구동할 수 있는 모델이 제한적이기 때문이다.</p> <p contents-hash="5b085f5b54606dc98da151502af9647c3d0d113b305021699fe0640ecc3a9f72" dmcf-pid="zgDyZvfzOv" dmcf-ptype="general">이 때문에 모델 자체보다 모델을 실제 환경에서 돌릴 수 있도록 하는 ‘실행 레이어’의 중요성이 커지고 있다.</p> <p contents-hash="7195ff93d1a14913d5b82fc132d7d606b2ef7b0e7b7febd460f94de57a43c879" dmcf-pid="qawW5T4qES" dmcf-ptype="general">대표적인 것이 오픈소스 로컬 추론 도구 ‘llama.cpp’와 모델 실행 포맷인 GGUF다. 최근에는 2조 8000억 파라미터급 초거대 모델까지 GGUF로 변환돼 일반 소비자용 기기 여러 대에서 분산 실행할 수 있는 수준으로 발전했다.</p> <p contents-hash="ad7cdfd768fdf141b35dc027144e68062c56f1ce4f7e32b205f93642e3540abe" dmcf-pid="BNrY1y8BIl" dmcf-ptype="general">허깅페이스에 따르면 최근 7개월 동안 모델 저장소는 21.5% 증가한 반면 GGUF 관련 저장소는 464% 늘었다. 로봇 개발 플랫폼인 ‘lerobot’은 194%, 애플의 ‘MLX’는 148% 증가했다.</p> <p contents-hash="63dee90a390f27a9ff9269b3de9ddeb00ce09fa8834995d3c609d38ea84c4e30" dmcf-pid="bjmGtW6bmh" dmcf-ptype="general">단순히 더 큰 모델을 만드는 것보다 모델을 어디에서, 어떻게 실행할 것인가가 오픈 AI 생태계의 새로운 경쟁 요소로 떠오른 셈이다.</p> <p contents-hash="54bdc90386f9a14dbeacd82efff4791f27f8965e4767fa134d9d7d3eee50ef18" dmcf-pid="KAsHFYPKrC" dmcf-ptype="general"><strong>AI 에이전트, 허깅페이스의 새 사용자로</strong></p> <p contents-hash="18058f14127f39fb7c12cc6993183f79973dba9f2f0aad81c3334edbf5b3f919" dmcf-pid="9cOX3GQ9mI" dmcf-ptype="general">AI 에이전트의 부상도 오픈 모델 생태계를 바꾸는 변수다.</p> <p contents-hash="183ffea912063d0cd7ae038d7f895b88393e47027f83bf35a052b96c1b3eb6cf" dmcf-pid="2kIZ0Hx2EO" dmcf-ptype="general">코딩 에이전트 등이 허깅페이스 허브를 직접 호출해 모델을 검색하고 데이터셋을 가져오거나 작업을 수행하는 사례가 빠르게 늘고 있다.</p> <p contents-hash="5404a736b579b26eb5e02ecd1f938ddf9a05b1a832ac1781a017cf48d174bb9b" dmcf-pid="VgDyZvfzws" dmcf-ptype="general">지난 7월 허깅페이스의 에이전트 트래픽 가운데 앤스로픽의 클로드 코드가 44.4%로 가장 높은 비중을 차지했다. 하지만 시장 변화 속도는 매우 빨랐다. 클로드 코드의 비중은 4월 67.8%에서 5월 6.4%로 급락하는 등 특정 에이전트의 지배력이 고착됐다고 보기는 어려웠다.</p> <p contents-hash="12f09f8624d867dfa4c0a2fce4160c14c78b32bd64af04d839b0156ddf202d5b" dmcf-pid="fawW5T4qsm" dmcf-ptype="general">허깅페이스는 에이전트가 단순한 정보 검색 도구를 넘어 허브에서 직접 모델과 데이터셋을 선택하고 작업을 수행하는 ‘기계 사용자’로 자리 잡고 있다고 분석했다.</p> <p contents-hash="c5967ef965eb7acb0adc92927575b03c8c890543df9d9fdc8d0f6d39cf63fa9c" dmcf-pid="4NrY1y8BDr" dmcf-ptype="general">이번 보고서가 보여주는 오픈 AI 시장의 변화는 분명하다. 초거대 모델의 파라미터 경쟁만으로는 생태계의 승자를 가리기 어렵다는 것이다.</p> <p contents-hash="ca9e09dd41badddb54e5f9a378c6dd66f6510f9061fd885628f239da69cb1899" dmcf-pid="8jmGtW6bEw" dmcf-ptype="general">얼마나 많은 개발자가 실제로 사용하는지, 이를 기반으로 얼마나 많은 파생 모델이 만들어지는지, 소형부터 초대형까지 다양한 사용 환경을 얼마나 지원하는지가 중요해지고 있다.</p> <p contents-hash="124cf90994b29568b5cbda330a734516058d13676bc3d2a0aab3e6146ccecfa7" dmcf-pid="6AsHFYPKrD" dmcf-ptype="general">허깅페이스가 큐웬을 대표적인 사례로 꼽은 이유다. ‘가장 큰 모델’을 만드는 경쟁에서 ‘가장 많이 쓰이고 다시 만들어지는 모델’을 확보하는 경쟁으로 오픈 AI 시장의 무게중심이 이동하고 있다.</p> <p contents-hash="a7d232df8f528a628df8708bd1e81b58ca9b9afd97e93a1f20dfb8e068f8668e" dmcf-pid="PcOX3GQ9sE" dmcf-ptype="general">다만 허깅페이스는 다운로드와 좋아요, 파생 모델 수가 모델의 품질이나 상업적 채택, 시장점유율을 직접 의미하는 것은 아니라고 설명했다. 허깅페이스 허브에서 발생한 활동을 바탕으로 한 지표인 만큼 오픈 AI 생태계 전체를 보여주는 수치로 해석해서는 안 된다는 설명이다.</p> <p contents-hash="580e4fbe99031c455751734c30a490467c3ac856f1777d4ea046e8d9870d30a2" dmcf-pid="QkIZ0Hx2mk" dmcf-ptype="general">김현아 (chaos@edaily.co.kr) </p> </section> </div> <p class="" data-translation="true">Copyright © 이데일리. 무단전재 및 재배포 금지.</p> 관련자료 이전 빅테크 ‘친환경’ 외침 무색… AIDC 증설에 탄소 배출 비상 08-17 다음 듀플란티스, 유럽선수권 6m15 우승...세계기록 도전 안한 이유는 08-17 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
