중국 오픈웨이트 AI 모델, 사용량 주도하며 미국 전략 압박

미국이 초기에 앞서갔음에도 중국의 오픈웨이트 AI 모델은 이제 주요 오픈 모델 플랫폼에서 모델 사용량의 80% 이상을 차지하고 있다. 연구자 네이선 램버트는 최근 이 같은 역전을 의회 의원과 보좌진에게 알렸다. 그의 메시지는 불편했다. 중국 연구소들은 단순히 미국 시스템을 모방하며 추격하는 데 그치지 않는다. 더 빠른 출시 주기와 강력한 유통망을 구축했고, 미국 오픈 모델과의 격차를 넓히고 있다.

이 수치가 중국 모델이 전 세계 AI 사용의 모든 영역을 지배한다는 의미는 아니다. OpenAI, Anthropic, Google은 여전히 선도적인 독점 시스템을 운영하고 있으며, 상당수 기업 트래픽은 비공개 상태로 유지된다. 대신 उपलब्ध 데이터는 개발자가 모델의 학습된 파라미터를 내려받거나 조정할 수 있는, 갈수록 중요해지는 오픈웨이트 시장에서의 우위를 보여준다.

이 구분은 중요하지만, 그 역전의 의미를 약화하지는 않는다. 한때 Meta의 Llama가 이 시장을 규정했다. 이제 Alibaba의 Qwen, Moonshot AI의 Kimi, Z.ai의 GLM, DeepSeek이 사용량과 연구의 상당 부분을 이끌고 있다. 의회는 이러한 변화가 부당한 추출, 더 뛰어난 실행력, 혹은 미국 오픈 모델 전략의 구조적 실패를 반영하는지 판단해야 한다.

개발자가 전환할 수 있는 영역에서 중국 오픈웨이트 AI 모델이 선두를 차지했다

가장 분명한 변화는 단일 벤치마크의 승리가 아니다. 중국 연구소가 개발한 시스템을 중심으로 오픈 모델 활동이 집중되고 있다는 점이다.

저명한 오픈 모델 연구자이자 American Truly Open Models 프로젝트 공동 저자인 램버트는 9월 21일 자신이 의회에 제출할 발언문을 확장한 버전을 공개했다. 그의 오픈 모델 평가는 중국 기업들이 약 2025년 4월부터 오픈웨이트 부문을 이끌어 왔다고 분석한다.

오픈웨이트 모델은 학습된 파라미터를 다운로드하거나 후속 용도로 활용할 수 있게 한다. 이를 통해 개발자는 자신이 통제하는 인프라에서 모델을 검사, 수정, 미세 조정하고 운영할 수 있다. 다만 개발사가 학습 데이터, 학습 코드 또는 재현에 필요한 다른 요소를 공개하지 않을 수 있으므로 반드시 오픈 소스인 것은 아니다.

폐쇄형 모델은 다르게 작동한다. OpenAI와 Anthropic의 선도 시스템 같은 제품은 일반적으로 호스팅 애플리케이션이나 애플리케이션 프로그래밍 인터페이스를 통해 접근을 제공한다. 고객은 기능을 이용할 수 있지만, 기반 모델을 내려받거나 독자적으로 운영할 수는 없다.

미국은 Meta의 Llama 계열을 통해 오픈웨이트의 초기 상업적 모델을 구축했다. 이후 Google은 Gemma를 추가했고 Nvidia와 여러 소규모 연구소도 자체 대안을 내놓았다. 그러나 중국 연구소들이 더 강력한 모델을 더 자주 출시하면서 이 입지는 약화됐다.

램버트의 9월 14일자 벤치마크 스냅샷에서 Z.ai의 GLM-5.3, GLM-5.3-Flash, Moonshot AI의 Kimi K3는 Artificial Analysis Intelligence Index에서 각각 45점, 42점, 44점을 기록했다. 그의 비교에서 선도적인 미국 오픈 모델은 23점에서 26점 사이였다.

이 점수가 모델 품질의 보편적 척도는 아니다. 선택된 평가 전반의 성능을 결합한 결과이며, 널리 측정되는 과제에 최적화된 모델에 유리할 수 있다. 그러나 격차의 크기와 지속성은 이를 단순한 시험상의 산물로 치부하기 어렵게 만든다.

유통 데이터도 같은 방향을 가리킨다. 램버트는 중국에서 개발된 모델의 Hugging Face 누적 다운로드가 32억 건으로, 미국 총량의 약 두 배에 달한다고 추산한다. 그는 중국이 2025년 7월 처음 미국을 앞지른 이후 다운로드 격차를 약 16억 건까지 벌렸다고 말한다.

OpenRouter는 또 다른 관점을 제공한다. 이 서비스는 여러 호스팅 모델 간 요청을 라우팅하므로, 시스템을 비교하거나 전환하려는 개발자에게 유용하다. 램버트에 따르면 이 플랫폼의 주간 오픈 모델 트래픽은 2025년 9월 약 1조 토큰에서 약 80조 토큰으로 늘었다.

중국 모델은 이 오픈 모델 트래픽에서 차지하는 비중을 약 70%에서 80% 이상으로 확대했다. Mozilla는 별도로 8월 OpenRouter에서 토큰 기준으로 가장 많이 사용된 10개 모델 중 7개가 중국에서 개발된 오픈웨이트 모델이라고 밝혔다. 또한 오픈 소스 AI 보고서는 그달 처음으로 오픈 모델이 플랫폼의 주간 요청 수에서 선두를 차지했다고 분석했다.

OpenRouter가 AI 경제 전체를 대표하는 것은 아니다. 이용자들은 대안을 시험하려는 성향이 유난히 강하며, 많은 고객은 OpenRouter가 관측할 수 없는 직접 계약을 통해 미국 폐쇄형 모델에 접근한다. 비공개 배포 역시 대체로 보이지 않는다.

이러한 단서 없이 이 수치를 “글로벌 사용량”이라고 부르는 것은 근거를 과장하는 일이다. 그럼에도 더 신중한 결론은 여전히 중요하다. 중국 오픈웨이트 AI 모델은 오픈 모델 실험과 라우팅 추론이 이뤄지는 가장 가시적인 시장을 지배하고 있다.

바로 이곳이 개발자들이 계약상 제약을 덜 받으며 모델을 비교할 수 있는 영역이다. 그 결과로 나타나는 선택은 브랜드 충성도, 번들 소프트웨어, 직접 기업 계약의 영향력이 줄어들 때 어떤 일이 벌어지는지 보여준다.

미국의 오픈 모델 격차는 이제 비즈니스 문제다

중국 모델의 채택 확대는 미국 오픈 모델 개발사에 압박을 가하는 동시에, 이미 그 시스템을 기반으로 서비스를 구축하는 미국 기업에는 정책적 갈등을 낳고 있다.

경쟁 문제는 모델 리더보드를 넘어선다. 램버트는 중국 모델 계열을 사용하거나 이를 기반으로 구축하는 기업으로 Harvey, Cursor, DoorDash, Airbnb, Perplexity를 꼽았다. 이들의 애플리케이션은 법률 업무와 소프트웨어 개발부터 고객 서비스, 연구까지 다양하다.

이 기업들은 서로 다른 아키텍처와 위험 프로필을 지닌다. 호스팅 인터페이스를 통해 모델을 사용하는 일은 이를 통제된 환경에 내려받는 것과 다르다. 어느 쪽이든 민감한 고객 정보가 자동으로 중국 제공업체에 전달된다는 뜻은 아니다.

그럼에도 더 큰 흐름은 중요하다. 개발자들은 Qwen, Kimi, DeepSeek, GLM을 선택하고 있다. 이들 모델군이 역량, 유연성, 속도, 낮은 운영 비용을 실용적으로 결합하기 때문이다. 이러한 장점은 다단계 작업을 수행하면서 모델을 반복 호출하는 AI 에이전트에서 특히 중요해진다.

에이전트가 계획을 세우고, 코드를 작성하고, 결과를 확인하며, 실패한 단계를 재시도할 때 추론 비용의 작은 차이도 누적된다. 오픈웨이트 모델은 특정 워크플로에 맞춰 미세 조정하거나 고객이 선택한 인프라에 배포할 수도 있다.

이러한 통제력은 제공업체 의존을 우려하는 기업에 매력적이다. 폐쇄형 모델 공급업체는 사용 정책을 바꾸거나, 모델을 철회하거나, 접근 방식을 조정하거나, 특정 요청을 제한할 수 있다. 이미 해당 가중치를 보유한 장비에서 다운로드된 가중치를 원격으로 회수할 수는 없다.

Mozilla의 개발자 설문조사에서도 이러한 절충이 나타난다. 표본에서 오픈 모델은 폐쇄형 모델보다 더 많은 개발자에게 도달했지만, 실제 프로덕션 도입 빈도는 더 낮았다. 응답자들은 인프라 비용, 보안, 규정 준수, 유지보수, 배포 복잡성, 제한적인 지원을 반복적인 장벽으로 꼽았다.

폐쇄형 제공업체는 이런 운영 요건을 더 많이 패키지화한다. 이들은 일반적으로 규정 준수 문서, 관리형 보안, 서비스 보장, 그리고 고객이 책임을 물을 수 있는 계약 상대방을 제공한다. 오픈 모델을 운영하면 더 많은 책임이 도입 기업으로 넘어간다.

따라서 중국 오픈웨이트 AI 모델이 모든 조달 결정에서 승리하는 것은 아니다. 이 모델들은 이식성, 맞춤화, 처리량 또는 제공업체 독립성이 패키지화된 거버넌스보다 더 중요할 때 강력한 선택지가 된다.

그 연구 영향력은 되돌리기 더욱 어려울 수 있다. 램버트는 arXiv에서 활발히 사용되는 머신러닝 카테고리 5개에 걸친 논문을 조사했다. 그의 분석에 따르면 최근 논문의 약 30%에 Qwen이 등장했으며, Llama는 약 21%였다.

논문의 40% 이상은 중국 오픈웨이트 모델을 하나 이상 언급한 반면, 미국 모델군을 언급한 비율은 약 30%였다. 정확한 비율은 모델 정의와 표본 추출 방식에 따라 달라질 수 있다. 그럼에도 이 방향성은 Qwen이 핵심 연구 인프라가 됐음을 시사한다.

연구 채택은 강화 루프를 만든다. 학생과 연구실은 자신이 접근할 수 있는 모델을 중심으로 도구를 개발한다. 그런 도구는 이후 실험 비용을 낮추고, 더 많은 논문과 통합, 훈련된 실무자를 늘린다.

기업은 이후 그 실무자들을 채용한다. 제품에는 익숙한 라이브러리와 평가 방법이 이어진다. 가장 강력한 독점 챗봇을 통제하지 않아도 하나의 모델군이 업계 기본값이 될 수 있다.

이 때문에 의회가 마주한 것은 전통적인 시장 점유율 분쟁 이상이다. 중국 모델을 제한하면 미국 기업과 연구자들의 활동이 혼란을 겪을 수 있다. 시장을 그대로 둘 경우 다른 국가의 법률 및 전략 환경에서 개발된 기술에 대한 의존이 심화될 수 있다.

압력은 미국이 최고 수준의 시스템을 폐쇄형으로 유지하면서도 AI를 주도할 수 있다고 주장하는 미국 기업에 가장 직접적으로 가해진다. 독점 연구소는 오픈 계층이 다른 곳으로 이동하더라도 상업적으로 성공할 수 있다. 그러나 오픈 계층은 소수 공급업체를 넘어 기술 역량, 표준, 영향력을 확산시키기 때문에 국가 차원의 결과는 다르게 나타난다.

중국은 하나의 단순한 비결이 아니라 출시 역량으로 미국 오픈 모델을 앞질렀다

핵심적인 역전은 미국의 프런티어 리더십이 더 이상 누구나 검사하고 배포할 수 있는 모델에서의 미국 리더십으로 이어지지 않는다는 점이다.

워싱턴은 모델 증류에 크게 집중해 왔다. 증류는 일반적으로 더 강력한 다른 시스템의 출력을 사용해 하나의 시스템을 훈련하는 방식이다. 이 기술은 업계 전반에 널리 쓰이지만, 가짜 계정이나 접근 통제 회피를 통해 그러한 출력을 얻는 경우에는 별도의 법적·보안적 문제가 제기된다.

하원 국토안보위원회와 하원 중국특별위원회는 4월 공동 AI 조사를 시작했다. 이 조사는 모델 출처, 사이버보안, 데이터 보안, 공급망 노출을 검토하면서 DeepSeek, Alibaba, Moonshot AI, MiniMax를 지목했다.

두 위원회는 중국 모델과의 연관성을 두고 Anysphere와 Airbnb에도 질의했다. 한 서한은 Cursor의 Composer 2가 Moonshot 모델에 의존했다는 보도에 초점을 맞췄다. 다른 서한은 Airbnb가 고객 서비스 업무에 Qwen을 선택한 것에 대한 우려를 제기했다.

의원들은 무단 추출이 외국 연구소가 연구나 안전장치에 대한 미국의 투자를 동일하게 감당하지 않고도 가치 있는 역량을 재현하도록 할 수 있다고 주장한다. 또한 외국 모델에 대한 의존이 미국 이용자를 검열, 감시 또는 보안 위험에 노출할 수 있다고 경고한다.

이러한 우려는 조사를 받을 가치가 있다. 하지만 아직 시장 전체의 변화를 설명하지는 못한다.

램버트는 증류를 완전히 막더라도 중국과 미국 폐쇄형 프런티어 사이의 격차는 겨우 한두 달 더 벌어질 것이라고 추정한다. 그의 추정은 독립적으로 입증된 것은 아니며, 주요 연구소의 학습 기록도 비공개다. 그럼에도 이는 탈취된 출력이 모든 것을 설명한다는 견해에 의문을 제기한다.

중국 연구소들은 더 자주 모델을 출시하기도 한다. 모델 평가는 특정 시점의 성능을 포착하므로, 더 빠른 출시 주기는 연구소가 새로운 방법을 반영하고 사용자 수요에 대응할 기회를 더 많이 제공한다. 미국 오픈 모델은 폐쇄형 모델이 계속 발전하는 동안에도 변화 없이 남아 있는 경우가 많다.

작업 선택도 중요하다. 중국 개발자들은 수요가 강해 풍부한 피드백과 측정 가능한 결과가 나오는 에이전트형 코딩처럼 상업적으로 가시적인 분야에 집중해 왔다. Lambert는 구조화 수준이 낮은 과학 과제에서는 이들의 우위가 줄어든다고 말한다.

이는 중국 시스템이 모든 미국 모델보다 전반적으로 우수하다는 증거는 아니다. 선도적인 미국 비공개 시스템은 여전히 중요한 전문 업무, 과학, 장기 작업 전반에서 앞서 있다. 문제는 이 시스템들이 독립적으로 배포할 수 있는 기반 기술이 아니라 임대형 서비스라는 점이다.

하드웨어 제약은 효율성을 강화했을 수 있다. 미국의 수출 통제는 중국의 최첨단 컴퓨팅 장비 접근을 제한하도록 설계됐다. 중국 연구소들은 이에 대응해 제한된 자원으로 더 많은 성과를 내는 학습 기법, 추론 효율성, 아키텍처를 강조했다.

수출 통제를 중국의 오픈 모델 우위를 낳은 원인이라고 단순화해서는 안 된다. 같은 연구소들은 상당한 국내 투자, 깊이 있는 엔지니어링 인재층, 중국 AI 표준 확산을 명시적으로 선호하는 정책의 혜택도 받고 있다. 제약과 지원은 동시에 작동할 수 있다.

라이선스는 또 다른 이점을 만든다. 개발자는 다수의 중국 모델 가중치를 내려받아 수정하고, 독점적인 프런티어 제공업체의 접근 권한을 기다리지 않고 제품에 통합할 수 있다. 조건은 제각각이며, 오픈 웨이트가 항상 무제한 사용을 뜻하는 것도 아니다. 그래도 API만 제공되는 경우보다 개발자에게 더 많은 여지를 준다.

그 결과 비대칭이 나타난다. 미국 연구소가 가장 비용이 큰 프런티어 연구의 상당 부분을 수행하는 반면, 중국 기업들은 다른 조직이 직접 보유하고 적용할 수 있는 시스템에 준프런티어 역량을 점점 더 많이 담아내고 있다.

이는 과학 전략인 동시에 유통 전략이다. 약간 성능이 낮은 모델도 저렴하고, 맞춤화할 수 있으며, 널리 이용 가능하다면 더 큰 영향력을 만들 수 있다. Linux, Android, 오픈 웹 소프트웨어는 가장 널리 배포되는 계층이 언제나 가장 진보된 독점 제품에서 비롯되는 것은 아니라는 역사적 사례를 보여준다.

미국 기업에도 대응 수단은 있다. OpenAI는 오픈 웨이트 시장에 재진입했고, Google은 Gemma를 계속 개발하고 있으며, Nvidia는 이례적으로 상세한 지원 자산을 갖춘 Nemotron 모델을 출시한다. Lambert는 역량이 경쟁력 있는 미국 모델은 불균형적으로 높은 채택을 얻을 수 있다고 지적한다.

그러나 간헐적인 출시만으로는 지속적인 업데이트와 커뮤니티 투자로 구축된 우위를 지울 수 없다. 개발자에게는 예측 가능한 모델 제품군, 문서화, 관대한 이용 조건, 그리고 다음 버전이 출시될 것이라는 확신이 필요하다.

따라서 경쟁 구도는 중국의 오픈 실행력과 미국의 오픈 부문 후퇴 사이의 대결이다. 증류는 이 이야기의 일부지만, 이를 전체 이야기로 취급하면 미국 모델 전략은 검증을 피하게 된다.

사용량 수치는 글로벌 AI 패권을 입증하지 않는다

가장 강력한 증거는 모든 챗봇, 기업 계약, 전 세계 비공개 배포 전반이 아니라 오픈 모델 채널에서의 중국 우위를 뒷받침한다.

OpenRouter의 데이터는 여러 모델에 걸친 실제 요청을 포착하기 때문에 가치가 있다. 2026년 토큰 사용량 연구는 이 서비스에서 발생한 100조 개 이상의 토큰을 분석해 개발자 행동을 이례적으로 상세히 보여줬다.

그 폭넓음이 OpenRouter를 인구조사로 만들지는 않는다. 멀티모델 게이트웨이를 선택한 사용자는 OpenAI, Anthropic, Google 또는 Microsoft와 직접 계약을 맺은 기업과 다르다. 이 플랫폼은 오픈 대안을 찾는 사람들을 자연스럽게 과대표집할 수 있다.

토큰 수 역시 맥락이 필요하다. 추론 모델은 하나의 답변을 만들기 위해 많은 숨은 토큰 또는 중간 토큰을 소비할 수 있다. 코딩 에이전트는 하나의 작업 중 반복 호출을 생성할 수 있다. 모델은 사용자 수, 매출 또는 완료된 비즈니스 워크플로에서 앞서지 않아도 토큰량에서는 선두일 수 있다.

다운로드는 다른 측정 문제를 만든다. 한 사람이 여러 버전을 내려받을 수 있는 반면, 클라우드 배포는 단 한 개의 사본으로 수천 명에게 서비스를 제공할 수 있다. 자동화 시스템 역시 실제 운영 사용에 상응하지 않는 방식으로 수치를 부풀릴 수 있다.

학술 언급은 영향력을 나타내지만, 반드시 지지를 뜻하지는 않는다. 논문은 모델의 약점을 평가하거나, 기준선으로 사용하거나, 여러 모델 계열을 언급할 수 있다. 이 수치는 여전히 연구자의 관심을 보여주지만, 경제적 채택의 직접적인 척도로 제시되어서는 안 된다.

벤치마크 결과에도 고유한 한계가 있다. 연구소는 눈에 보이는 테스트에 맞춰 출시물을 최적화할 수 있고, 평가 도구 모음은 신뢰성, 도메인 전문성, 긴 컨텍스트 성능, 운영 안정성을 충분히 반영하지 않을 수 있다. 일부 공급업체 발표 결과는 비교하기 어려운 맞춤형 구성을 사용한다.

Mozilla의 9월 분석은 엇갈린 상황을 보여준다. 오픈 모델은 일부 역량 및 코딩 지표에서 선도적인 비공개 시스템을 거의 따라잡았다. 비공개 모델은 전문 지식 업무, 긴 컨텍스트 검색, 기업 규정 준수, 책임성에서 우위를 유지했다.

이 격차는 고위험 배포에서 중요하다. 법률 파일, 재무 기록 또는 건강 정보를 처리하는 기업에는 높은 코딩 점수 이상이 필요하다. 접근 제어, 감사 추적, 예측 가능한 업데이트, 문제가 발생했을 때의 명확한 책임이 필요하다.

보안 역시 양면성을 지닌다. 내려받을 수 있는 가중치는 방어자가 시스템을 검사하고 수정할 수 있게 하지만, 출시 후 원 개발자가 안전장치를 강제할 수 없게도 한다. 비공개 제공업체는 통제권을 유지하지만, 연구자들은 때때로 그 안전 필터가 정당한 방어 작업을 막는다는 사실을 발견한다.

한 사례는 Hugging Face가 AI 관련 사이버보안 사고를 조사했을 때 나왔다. Lambert와 Scientific American에 따르면, 연구자들은 상업용 미국 시스템이 분석의 일부를 거부한 뒤 중국 오픈 웨이트 모델을 사용했다.

이 사례가 안전장치가 적을수록 전반적인 보안이 더 좋다는 것을 입증하는 것은 아니다. 이는 모델 수준의 제한이 정당한 작업을 방해할 수 있으며 보안은 주변 시스템에 달려 있음을 보여준다. 권한, 격리, 로깅, 사람의 검토는 모델의 출처만큼 중요할 수 있다.

정치적 위험은 여전히 현실적이다. 중국에서 호스팅되는 API는 데이터 관할권 문제를 낳을 수 있고, 모델의 행동은 정부가 의무화한 콘텐츠 통제를 반영할 수 있다. 로컬에서 운영되는 가중치는 일부 전송 위험을 줄이지만, 학습 과정을 자동으로 공개하거나 숨은 취약점을 제거하지는 않는다.

따라서 의회는 최소한 세 가지 질문을 분리해야 한다. 연구소가 미국 제공업체의 출력을 불법적으로 확보했는가? 특정 배포가 민감한 데이터나 핵심 시스템을 노출하는가? 미국은 자체 오픈 모델에 더 적극적으로 투자해야 하는가?

이 질문들을 “중국 AI”에 관한 하나의 주장으로 결합하면 둔감한 정책이 만들어진다. 민감한 정보를 처리하는 호스팅 서비스는 미국 기업의 통제된 환경 안에서 실행되는 공개 가중치와 다른 방식으로 다뤄져야 한다.

광범위한 제한은 지배적인 미국 비공개 제공업체를 경쟁으로부터 보호할 수도 있다. 소규모 기업이 유능한 오픈 모델에 접근하지 못하면, 더 강력한 통제를 위해 로비하는 바로 그 연구소들에 더 의존하게 될 수 있다.

증거는 공황이 아니라 우려를 뒷받침한다. 중국 오픈 웨이트 AI 모델은 역량, 유통, 연구자 관심에서 측정 가능한 우위를 확보했다. 데이터셋의 한계가 그 우위를 지우지는 않지만, 전 세계적 완전 우위라는 주장은 제한해야 한다.

미국이 흐름을 되돌릴 수 있는지 보여줄 세 가지 신호

다음 단계는 미국의 출시, 기업 정책, 그리고 중국 모델이 오픈 모델 마켓플레이스 밖에서도 우위를 유지하는지에 따라 결정될 것이다.

첫 번째 신호는 차기 주요 미국 오픈 웨이트 출시물의 성능과 채택이다. Meta, Google, Nvidia, OpenAI 및 새롭게 부상하는 미국 연구소들은 독점 프런티어보다 여러 달 늦지 않은, 그에 근접한 모델을 내놓아야 한다.

벤치마크 동등성만으로는 충분하지 않다. 개발자들은 라이선스, 모델 크기, 배포 요구 사항, 문서화, 파인튜닝 지원, 출시 주기를 지켜볼 것이다. 강력한 일회성 출시 뒤 긴 침묵이 이어진다면 생태계는 재건되지 않는다.

미국 오픈 모델이 중국 출시물과 맞먹기 시작하고 빠른 다운로드와 연구 인용을 얻는다면 Lambert의 진단은 약해질 것이다. 반대로 계속 더 늦게, 더 낮은 역량으로 출시된다면 구조적 격차는 부정하기 더 어려워질 것이다.

두 번째 신호는 의회와 행정부의 검토 결과다. 입법자들은 증류, 데이터 보안, 공급망, 미국 기업의 중국 시스템 사용을 검토하고 있다. 최종 대응은 기만적 접근에 대한 표적 집행부터 모델 또는 제공업체에 대한 광범위한 제한까지 이를 수 있다.

사기성 계정, 접근 우회 또는 제재 대상 단체를 겨냥한 좁은 규칙은 모든 오픈 모델을 위협으로 취급하지 않고도 제기된 위법 행위를 다룰 수 있다. 또한 업계 전반에서 사용되는 정당한 증류 및 합성 데이터 워크플로를 보존할 수 있다.

광범위한 제한은 다른 시험대를 만들 것이다. 개발자들은 미국 대안으로 이동하거나, 이미 내려받은 가중치를 계속 사용하거나, 워크로드를 미국 관할권 밖으로 옮길 수 있다. 각 대응은 Washington이 이동 가능한 소프트웨어에 실제로 얼마나 큰 영향력을 유지하는지 드러낼 것이다.

세 번째 신호는 OpenRouter, Hugging Face 및 기타 오픈 우선 플랫폼을 넘어선 사용량이다. 클라우드 제공업체, 기업 배포, 소프트웨어 에이전트, 직접적인 기업 계약에서 나온 증거는 현재의 우위가 폭넓은지, 아니면 집중돼 있는지를 분명히 할 것이다.

이 측정은 호스팅 API와 로컬 배포를 분리해야 한다. 또한 토큰량, 활성 사용자, 매출, 완료된 워크로드를 구분해야 한다. 각 지표는 서로 다른 질문에 답한다.

모델이 더 길고 중요한 작업에 진입하면서 독립 평가의 중요성도 커질 것이다. 코딩 벤치마크는 중국 연구소가 관심을 얻는 데 도움이 됐지만, 기업 구매자는 신뢰성, 보안, 전문 지식, 지속적인 자율 작업을 시험할 것이다.

중국 모델 계열이 이 환경에서도 우위를 유지한다면 “글로벌 사용량”이라는 표현은 방어하기 쉬워질 것이다. 그 우위가 모델 전환 사용자와 연구 사용자에게 집중된 상태로 남는다면 시장은 더 분절돼 보일 것이다.

정책 논쟁은 AI 안전과도 맞물릴 것이다. OpenAI와 Anthropic은 고성능 시스템에 대한 더 강력한 통제를 주장해 왔다. 중국의 오픈 웨이트 유통은 소수의 제공업체가 기술적 통제권을 유지한다는 전제에 구축된 모든 안전 프레임워크를 복잡하게 만든다.

가중치가 유통되면 규제는 공급업체가 접근을 비활성화하는 방식에 의존할 수 없다. 정부와 기업은 제한된 권한, 모니터링되는 도구, 격리된 환경, 명확한 인간 권한을 포함한 배포 수준의 안전장치가 필요하다.

이러한 변화는 일상적인 지식 업무에도 영향을 미친다. 팀은 내부 문서, 회의 기록, 프로젝트 이력과 함께 여러 모델을 점점 더 결합하고 있다. 잘 관리되는 AI 지식 베이스는 모델이 어디에서 개발됐는지와 관계없이 어떤 정보에 접근할 수 있고 어떤 행동을 할 수 있는지를 통제해야 한다.

개발자와 비즈니스 구매자에게 즉각적인 교훈은 국적이나 리더보드 순위만으로 시스템을 선택하지 말라는 것이다. 모델, 호스팅 경로, 데이터 경로, 라이선스, 운영 통제, 대체 옵션을 하나의 패키지로 평가해야 한다.

중국 오픈 웨이트 AI 모델은 이미 협상 지형을 바꿨다. 이들은 개발자에게 미국 비공개 프런티어의 대안을 제공하는 동시에, 미국 오픈 모델 진영의 취약한 현실을 드러내고 있다.

향후 몇 달간의 핵심 질문은 분명하다. 미국 연구소들이 개발자가 실제로 소유하고 맞춤화할 수 있는 경쟁력 있는 모델을 내놓을 것인가, 아니면 워싱턴이 구축하지 못한 배포상의 우위를 규제로 없애려 할 것인가?