핵심 요약
AI 요약
기사 목차 펼치기 / 접기
라마(Llama)의 가중치를 무상으로 배포하며 폐쇄형 AI 진영의 벽을 허물었던 메타가 차세대 모델 ‘뮤즈(Muse)’를 들고 돌아왔다. 이번에도 전체 8160억개 파라미터에 달하는 뮤즈 스파크 오픈(Muse Spark Open)의 가중치를 전격 공개하며 오픈소스 생태계의 깃발을 지키는 듯했다. 그러나 문을 열고 마주한 현실은 사뭇 달랐다. 가장 성능이 뛰어난 최상위 모델 ‘원더’는 유료 구독의 빗장을 걸어 잠갔고, 무상으로 건네받은 거대 가중치를 기업 서버실에 띄우는 순간 매달 250만원의 하드웨어 감가상각과 전기세 청구서가 기다리고 있었다. 가중치 무료 공개라는 겉봉투 이면에 도사린 메타의 실리적 투트랙 전략과, 일반 기업이 마주해야 할 냉혹한 온프레미스 단위 경제학의 실체를 짚어본다.
라마의 생태계 전략과 뮤즈의 출현… 차기 모델 종료설의 실체
메타가 개방형 모델을 배포하는 명분은 명확했다. 2024년 7월 공개 서한에서 마크 저커버그(Mark Zuckerberg) 메타 최고경영자(CEO)는 가중치 공개의 궁극적 이익을 생태계 주도권에서 찾았다. 전 세계 외부 기업과 개발자들이 만든 최적화 도구와 반도체 생태계를 메타의 서비스 인프라에 흡수하면서, 폐쇄형 진영의 독점 기술에 종속되지 않겠다는 구상이었다. 모델을 무상으로 나눠주는 행위 자체가 자사 플랫폼의 기초 체력을 키우는 전략적 투자였던 셈이다.
이러한 기조 속에서 등장한 뮤즈(Muse)는 메타가 AI 개발 체계를 근본적으로 재구축하며 내놓은 새 플래그십 계열이다. 메타는 4월 첫 뮤즈 스파크 발표 당시 9개월간 기반 기술을 백지에서 새로 설계했다고 밝혔다. 기존 라마가 자리 잡고 있다고 해서 새로운 아키텍처 모델을 비공개로 묶어둘 이유는 없다. 뮤즈 스파크 오픈은 기존 라마로 검증된 생태계 장악 수단을 차세대 모델군에도 동일하게 이식한 결과물이다.
공개된 것은 가중치일 뿐, 서버실의 전기세까지 오픈소스로 제공되지는 않는다.
자연스럽게 기존 라마의 수명과 차기 라마 5의 출시 여부로 논점이 옮겨간다. 시장 일각에서는 메타가 라마 브랜드를 폐기하고 뮤즈로 완전 전환하는 것이 아니냐는 추측이 제기됐다. 그러나 공식 연구 발표 목록을 전수 조사한 결과, 라마의 개발 종료 선언이나 차기 라마 5의 출시 일정은 공식적으로 확인되지 않았다. 새로운 계열이 등장했다고 해서 라마의 명줄이 끊어졌다고 단정할 근거는 부족하며, 역으로 차기 라마가 반드시 약속된 일정에 나온다고 장담할 수도 없는 공백기다.
가중치 공개의 스파크 vs 서비스 독점의 원더… 갈라진 투트랙 전략
뮤즈 제품군 안에서 가장 주목해야 할 대목은 철저한 이원화 분기다. 메타는 스파크 오픈을 내놓기 사흘 앞선 10월 12일 공식 발표를 통해 상위 모델인 뮤즈 원더(Muse Wonder)와 뮤즈 원더 풀(Muse Wonder Full)을 전격 공개했다. 메타는 이 두 모델을 자사 역사상 가장 성능이 뛰어난 최고 지능 모델로 소개했다. 하지만 이 최상위 모델들의 가중치 공개 계획은 어디에도 없었다. 원더는 메타 모델 API와 뮤즈 코드(Muse Code)를 통해서만 호출할 수 있고, 최상위 원더 풀은 유료 구독 상품으로만 빗장을 열었다.
동일한 뮤즈라는 간판을 달고 있지만, 기업과 개발자가 실제로 손에 쥘 수 있는 권한은 완전히 양극화됐다.
메타는 2024년 기고문에서 모델 접근권 판매가 자사의 핵심 사업 모델이 아니라고 단언했다. 하지만 불과 2년 만에 가중치를 배포하는 모델과 유료 구독으로만 접근할 수 있는 상위 모델을 분리하면서, 과거의 선언과 현재의 제품 배치 사이에 뚜렷한 괴리가 발생했다. 외부 개발자가 참여할 오픈소스 생태계는 유지하되, 회사가 직접 운영하는 관리형 서비스의 수익성도 동시에 챙기겠다는 고도의 계산이다. 사용자는 직접 가중치를 수정하고 배포할 자유와, 메타가 최적화해 제공하는 관리형 서비스의 편리함을 각기 다른 제품에서 선택해야 한다.
Mac Studio 4대와 7400만원… 816B 모델이 청구하는 로컬 단위 경제학
뮤즈 공식 라이선스는 상업적 사용과 수정, 추가 학습, 재배포를 폭넓게 허용한다. 자체 사내 시스템에 모델을 구축할 법적 권한은 완전히 열려 있다. 그러나 장비 구입비와 데이터센터 전기요금을 메타가 대납해주지는 않는다. 진정한 비용 검증은 바로 여기서 출발한다.
뮤즈 스파크 오픈은 전체 파라미터 8160억개 중 토큰 생성 시점마다 약 420억개를 동적으로 활성화하는 ‘전문가 혼합(MoE, Mixture-of-Experts)’ 구조를 채택했다. 이는 도서관에 경제·과학·역사 등 20개 분야의 전문 사서가 대기하다가, 사용자의 질문 주제에 따라 딱 1명의 전문 사서만 호출해 답변을 작성시키는 분업 방식과 같다. 실제로 문장을 지어낼 때는 420억개 규모의 1개 전문가만 일하므로 답변 생성 속도가 빠르지만, 나머지 19명의 사서가 앉아 있을 서가와 책상은 도서관 전체(8160억개)에 상시 마련되어 있어야 한다. 연산은 420억개 수준으로 가볍지만 메모리에는 8160억개 전체 가중치가 고스란히 상주해야 하는 이유다. 이를 표준 16비트(BF16) 원형 그대로 저장하면 순수 가중치 용량만 약 1.63TB에 달한다.
이를 해결하기 위해 메타는 가중치 데이터 정밀도를 4비트 부동소수점으로 다듬은 ‘NVFP4 양자화’ 형식을 공식 제공한다. 고해상도 원본 사진(BF16)을 사람 눈으로 화질 저하를 알아채기 힘들 만큼 정밀하게 압축한 고효율 사진 포맷(WebP)과 같다. 이를 통해 2TB에 달하던 가중치 용량을 약 537GB로 대폭 줄였다. 그러나 압축된 가중치 파일(537GB)만으로 AI가 구동되지는 않는다. 사용자와 긴 대화를 나눌 때 앞선 문맥을 잊지 않기 위해 책상 위에 펼쳐두는 ‘실시간 메모장’인 KV 캐시(Key-Value Cache)와 임시 실행 공간이 추가된다. 대화가 길어질수록 이 메모장이 수십~수백 기가바이트씩 팽창하기 때문에 메타 공식 문서가 최소 700GB 이상의 실행 메모리를 못 박아 둔 것이다.
“가중치는 무료로 내려받을 수 있지만, 8160억개 파라미터를 서버실에 띄우는 순간 매달 250만원의 실물 감가상각과 전기세 청구서가 시작된다.”
메타가 공식 문서에서 제시한 하드웨어 플랫폼 가이드를 바탕으로 현실적인 하드웨어 조합을 대조해보면 일반 PC와 엔터프라이즈 환경의 거대한 괴리가 드러난다. 일반 PC는 연산을 맡는 두뇌(CPU)와 그래픽카드(GPU)가 각각 자기 밥그릇(RAM과 VRAM)을 따로 두고 좁은 통로(PCIe 케이블)로 데이터를 주고받는다. 32GB VRAM 그래픽카드 여러 장을 꽂아도 대용량 모델 구동 시 데이터 전송 병목이 터지는 이유다. 반면 애플(Apple)의 Mac Studio는 CPU와 GPU가 하나의 커다란 식탁(통합 메모리, Unified Memory)에 둘러앉아 단일 메모리 풀을 실시간 공유한다. 256GB 메모리를 장착한 Mac Studio 4대를 썬더볼트 케이블로 묶으면 총 1024GB의 단일 거대 메모리 풀이 형성되어 8160억개 모델 전체를 병목 없이 삼킬 수 있다.
구체적인 견적을 환산해보면 현실은 더욱 냉혹하다. 애플 한국 공식 스토어에서 256GB 메모리를 탑재한 Mac Studio 4대를 구입하는 비용만 7400만원에 달한다. 이를 36개월 균등 감가상각으로 나누고, 월 720시간 상시 가동에 따른 전기요금(kWh당 200원 가정)과 기본 인프라 유지관리비(월 4시간당 5만원)를 합산하면 월 최소 250만원의 고정 비용이 발생한다.
| 비용 계산 항목 | Mac Studio 4대 | DGX Spark 계열 4대 | DGX Spark 계열 8대 |
|---|---|---|---|
| 하드웨어 본체 대금 | 7400만원 | 3400만원 | 6800만원 |
| 전체 평균 소비전력 가정 | 1.2kW | 0.8kW | 1.6kW |
| 월간 장비 전력 소비량 | 864kWh | 576kWh | 1152kWh |
| 월간 순수 장비 전기료 | 17만2800원 | 11만5200원 | 23만400원 |
| 본체 36개월 분할 및 전기료 | 약 223만원/월 | 약 106만원/월 | 약 212만원/월 |
| 추가 관리비 포함 최종 월 예산 | 약 250만원/월 | 약 132만원/월 (용량 미달) | 약 240만원/월 (미검증) |
서버실의 장비는 소프트웨어처럼 버튼 하나로 두 배로 증설되지 않는다.
단위 경제학 시뮬레이션 결과는 온프레미스의 환상을 직관적으로 깨뜨린다. 월 호출 건수가 수십만 건을 넘지 않는 일반적인 기업 업무 환경이라면, 7400만원의 장비 대금을 선지출하고 매달 250만원의 운영비를 지불하는 온프레미스 직구동 방식이 오히려 관리형 API 구독보다 비용 면에서 훨씬 불리하다. 처리량과 지연시간을 무시한 채 단순히 오픈소스라는 이유만으로 자체 인프라가 저렴할 것이라 예단해서는 안 된다.
개방성 후퇴인가 현실적 분기인가… 온프레미스 도입이 마주할 계산서
가중치 공개 모델이 지니는 고유한 가치는 결코 퇴색되지 않는다. 폐쇄형 API 서비스가 일방적으로 모델을 교체하거나 서비스를 중단할 위험으로부터 벗어나, 검증된 가중치 버전을 영구히 고정해 사내 파이프라인에 통합할 수 있는 자율성은 그 자체로 값지다. 고객 데이터가 외부 클라우드로 단 한 바이트도 유출되지 않아야 하는 고보안 규제 산업군이라면, 월 수백만 원의 하드웨어 운영비는 기꺼이 감수할 수 있는 보안 보험료다.
그러나 개방된 모델 하나만으로 메타 전체의 개방성을 평가하는 시대는 끝났다. 직접 수정할 수 있는 오픈 가중치와 회사가 가장 똑똑하다고 자랑하는 최상위 모델의 유통 경로는 확연히 갈라졌다. 개발자는 원하는 지능 수준이 어느 제품 울타리에 속해 있는지부터 냉정하게 따져봐야 한다.
기업의 도입 검토표에는 장비 가격표 옆에 통과해야 할 실무 업무와 감내 가능한 대기시간이 반드시 적혀 있어야 한다. 시스템 장애가 터졌을 때 해결할 전담 엔지니어의 인건비 역시 공짜가 아니다.
가중치를 내려받는 순간부터, 그 빈칸을 채울 책임은 온전히 운영자에게 넘어온다.
