AI 소식 다이제스트 — 오픈소스는 자선이 아니라 무기였다 (2026.7 셋째 주)
이번 주 AI 소식을 관통하는 한 문장을 고르라면 이거예요: ‘열어놓는 것도 전략이다.’ 오픈소스 모델을 둘러싼 오래된 이메일 한 통이 공개되면서, ‘무료 공개’가 늘 선의만은 아니었다는 게 드러났거든요. 그 밖에도 CEO의 솔직한 자책, 에이전트를 여러 개 굴리다 난 사고, AI 값어치를 재는 새 기준까지 — 지난 한 주 눈에 띈 소식 네 가지를 빠르게 정리했습니다.
① 오픈소스는 자선이 아니라 무기였다
사이먼 윌리슨이 머스크–올트먼 소송 과정에서 공개된 2022년 올트먼의 이사회 이메일을 발굴했습니다. 요지는 ‘GPT-3급으로 돌아가는 로컬 모델을 (경쟁사보다) 먼저 풀어서, 다른 곳이 비슷한 걸 내놓을 마음을 접게 하고 자금 모으기도 어렵게 만들자’는 것. 공교롭게 같은 주에 알리바바가 Qwen 3.8을 공개하며 오픈웨이트(가중치까지 여는 방식)도 곧 풀겠다고 예고했죠.
왜 중요: ‘무료로 열어준다’가 개방 철학이 아니라 경쟁 견제 카드로 쓰일 수 있다는 내부 기록입니다. 오픈소스 모델을 볼 때 ‘누가, 왜 지금 여는가’를 같이 봐야 하는 이유예요.
문과공돌이 생각: 오픈소스가 나쁘다는 얘기가 아니에요. 우리 같은 개인 사용자는 열린 모델 덕을 크게 봅니다. 다만 대기업이 뭔가를 공짜로 열 때는 거의 항상 ‘그래서 이게 자기들한테 어떻게 이득인가’가 숨어 있다는 거죠. 무료라고 덥석 물기 전에 그 계산을 같이 보면 손해 볼 일이 줄어요.
출처: Simon Willison — 올트먼 2022 이메일 · Qwen 3.8 공개(긱뉴스)
② 올트먼 ‘지난 1년은 우리 최고가 아니었다 — 대부분 내 탓’
샘 올트먼이 ‘지난 12개월은 우리 최고의 시기가 아니었고, 대부분 내 책임이다. 하지만 앞으로 12개월은 역대 최고가 될 것’이라는 취지의 글을 올렸습니다(본인 SNS, 여러 매체 보도). 최근 응답 품질에 대한 불만, 데스크톱 앱 개편 반발, 클로드·제미나이와의 경쟁 압박이 배경으로 읽혀요.
왜 중요: 잘나가는 것처럼 보이던 회사의 CEO가 공개적으로 ‘요즘 우리 별로였다’고 인정한 건 드문 신호입니다. AI 업계가 늘 ‘최고 성능’ 홍보만 하는 게 아니라는 것.
문과공돌이 생각: 저는 이런 솔직함이 오히려 신뢰가 갑니다. 다만 ‘앞으로가 최고’라는 약속은 결과로 확인해야죠 — 홍보 문구는 늘 화려하니까요.
출처: 보도 종합(올트먼 발언)
③ AI 에이전트 여러 개를 한 곳에 풀었더니 — 일주일 만에 아수라장
한 개발자가 하나의 코드 저장소에 여러 AI 에이전트를 동시에 돌렸다가, 일주일 만에 브랜치가 서로 덮이고 주인 잃은 커밋이 생기고 작업 공간이 뒤엉키는 일을 겪은 실전기가 화제였습니다. 원문의 표현을 빌리면, 여러 세션이 하나의 작업 폴더를 공유하는 순간 ‘지금 작업 중인 지점(브랜치)이 모두의 공용 변수가 돼 버린다’는 거예요.
왜 중요: AI에게 일을 여러 개 동시에 시키는 게 표준이 되어 가는데, ‘누가 어디를 건드리는지’ 정리해 두지 않으면 사람 여럿이 한 문서를 동시에 덮어쓰는 사고와 똑같이 터집니다.
문과공돌이 생각: 사실 저희도 이 블로그를 여러 에이전트로 굴리고 있어서 남 일이 아니에요. 그래서 각자 작업 공간을 분리해 주고 순서를 정해두는 게 필수라는 걸 매번 실감합니다. AI에게 일을 맡기는 기본 구조가 궁금하다면 하네스 글에 정리해 뒀어요.
④ ‘토큰값 말고 「한 번에 얼마」로 재라’ — AI 비용 새 기준
오픈AI CFO 세라 프라이어가 AI 값어치를 재는 기준으로 ‘달러당 유용한 지능(useful intelligence per dollar)’을 제시했습니다. 토큰 단가가 아니라 ①품질 기준을 넘긴 ‘완료된 일’의 양, ②성공한 작업 하나당 드는 총비용, ③결과를 믿고 맡길 수 있는가(신뢰성), ④쓰는 양이 늘수록 ‘쓴 돈 대비 가치’가 더 커지는가(확장성) — 이 네 가지를 보라는 거예요.
왜 중요: 같은 모델이라도 어떻게 굴리느냐에 따라 작업 하나당 비용이 몇 배씩 벌어집니다. ‘토큰이 싸다’가 ‘싸게 일한다’는 아니라는 거죠.
문과공돌이 생각: 비전공자가 AI 도구를 고를 때 딱 쓰기 좋은 기준이에요. ‘1,000토큰에 얼마’보다 ‘이 일 한 건 끝내는 데 얼마, 그리고 믿을 만한가’로 물어보세요. 왜 같은 AI인데 결과가 다른지는 루프 전략 글에서 감을 잡을 수 있습니다.
출처: OpenAI — A scorecard for the AI age
🔎 지켜보는 소식: Anthropic 소속 한 수학자가 ‘Claude Fable이 1939년부터 안 풀린 수학 난제(야코비안 추측)의 반례를 만들었다’고 주장했습니다. 다만 아직 동료 검토(다른 수학자들의 검증) 전이라 사실로 단정하긴 이릅니다. 진짜라면 ‘AI가 벤치마크가 아니라 진짜 미해결 문제를 깼다’는 큰 사건이라, 검증 결과를 지켜보는 중이에요.
이번 주를 한 줄로: AI 업계가 ‘열고, 인정하고, 값을 다시 재는’ 한 주였습니다. 다음 편에 또 챙겨올게요.
