Thinking Machines Lab의 Inkling, 오픈 웨이트로 나온다면 무엇이 달라질까

먼저 솔직하게 말씀드리겠습니다. 이번 주제는 커뮤니티 데이터가 거의 없습니다. 지난 30일간 레딧에서 Inkling을 두고 벌어진 의미 있는 토론을 찾지 못했습니다. 그래서 이 글은 “사람들이 이렇게 반응하고 있습니다"가 아니라, “Thinking Machines Lab이라는 회사가 지금까지 무엇을 해왔고, 오픈 웨이트 모델이 나온다면 그게 어떤 의미인가"를 짚는 쪽에 가깝습니다. 아직 확정되지 않은 부분은 확정되지 않았다고 분명히 표시하겠습니다.

Thinking Machines Lab이 어떤 회사인지부터

OpenAI에서 CTO를 지낸 미라 무라티가 2025년에 세운 AI 연구소입니다. 창업 당시부터 화제였던 이유는 단순합니다. 사람이 모였기 때문입니다. OpenAI, 구글, 메타 출신 연구자들이 초기 팀에 합류했고, 시드 단계에서 20억 달러 규모의 자금을 모았다는 소식이 나왔습니다. 제품 하나 없는 회사에 붙은 숫자치고는 이례적이었습니다.

이 회사가 다른 AI 랩과 구별되는 지점은 창업 메시지에 있었습니다. “가장 똑똑한 모델 하나를 만들어 API로 팔겠다"가 아니라, “AI를 더 많은 사람이 이해하고 커스터마이즈할 수 있게 만들겠다"였습니다. 개방성과 협업을 전면에 내걸었죠. 그리고 실제로 그 방향대로 움직였습니다.

이 회사는 이미 “열어놓는” 쪽을 택해왔습니다

Thinking Machines Lab의 첫 공개 제품은 거대 모델이 아니라 Tinker였습니다. 오픈 웨이트 모델을 파인튜닝할 수 있게 해주는 API입니다. 분산 학습의 복잡한 인프라는 회사가 처리하고, 사용자는 학습 로직만 짜면 되는 구조입니다. 자기들만의 폐쇄 모델을 파는 대신, 남이 만든 오픈 모델을 잘 다듬게 도와주는 도구를 먼저 내놓은 겁니다.

연구 블로그 Connectionism도 같은 결입니다. LLM 추론의 비결정성 문제를 파고든 글, LoRA가 언제 풀 파인튜닝만큼 잘 작동하는지 실험한 글, 온-폴리시 증류(on-policy distillation)를 다룬 글이 올라왔습니다. 공통점이 있습니다. 전부 “큰 모델을 작게, 싸게, 통제 가능하게 만드는 법”에 관한 이야기입니다. 프론티어 성능 경쟁이 아니라, 그 성능을 어떻게 손에 쥘 수 있게 만드느냐의 문제입니다.

이 맥락에서 오픈 웨이트 모델 출시는 갑작스러운 전환이 아닙니다. 논리적 다음 수순에 가깝습니다. 파인튜닝 도구를 만들었으면, 그 도구로 다듬을 좋은 재료를 직접 공급하는 게 자연스럽습니다.

“오픈 웨이트"가 정확히 무슨 뜻인지

여기서 용어를 한 번 정리하고 가겠습니다. 자주 섞여 쓰이는데 다른 개념입니다.

오픈 소스는 원래 소프트웨어 용어입니다. 코드를 공개하고, 누구나 수정·재배포할 수 있게 하는 겁니다. 오픈 웨이트는 모델의 가중치 파일을 내려받아 자기 서버에서 돌릴 수 있게 공개하는 것을 말합니다. 학습 데이터나 학습 코드까지 공개한다는 뜻은 아닙니다. 라이선스에 상업적 사용 제한이 붙는 경우도 흔합니다.

즉 오픈 웨이트는 “완전 개방"이 아닙니다. 하지만 실용적으로는 결정적입니다. 가중치가 손에 있으면 API 호출 없이 자체 인프라에서 돌릴 수 있고, 데이터를 외부로 보내지 않아도 되고, 원하는 대로 파인튜닝할 수 있습니다. 규제 산업이나 데이터 반출이 막힌 조직에게는 이 차이가 전부입니다.

왜 지금 이 카드가 의미 있나

2026년 현재 AI 모델 시장은 묘한 이중 구조입니다. 최상위 성능은 여전히 폐쇄형 API 모델들이 쥐고 있습니다. 동시에 오픈 웨이트 진영도 만만치 않게 올라왔습니다. 중국 랩들이 공격적으로 오픈 웨이트를 뿌리면서 “쓸 만한 무료 모델"의 기준선 자체가 계속 올라갔습니다.

여기서 서구권 랩이 경쟁력 있는 오픈 웨이트를 내놓는다는 건 단순한 제품 출시 이상입니다. 세 가지 계산이 동시에 깔립니다.

첫째는 생태계 선점입니다. 개발자들이 특정 모델 위에서 파인튜닝 노하우를 쌓기 시작하면, 그 자체가 해자가 됩니다. Tinker 같은 도구와 자사 모델이 맞물리면 락인이 아니라 중력이 생깁니다.

둘째는 신뢰입니다. 가중치를 열어놓으면 외부 연구자가 뜯어볼 수 있습니다. 안전성 주장을 검증받을 수 있고, 그 자체가 브랜드 자산이 됩니다.

셋째는 현실적인 이야기인데, 차별화입니다. 프론티어 모델 경쟁에 정면으로 뛰어들면 연산 자원 싸움입니다. 후발 주자에게 유리한 게임이 아닙니다. 반면 “커스터마이즈 가능한 고품질 베이스 모델"이라는 포지션은 아직 자리가 비어 있습니다.

확인되지 않은 것들, 그리고 지켜볼 지점

Inkling이라는 이름과 구체적 사양에 대해 저는 독립적으로 확인된 정보를 갖고 있지 않습니다. 파라미터 규모, 라이선스 조건, 벤치마크 성적 중 어느 것도 검증된 상태로 말씀드릴 수 없습니다. 커뮤니티 반응도 아직 형성되지 않았습니다. 이 글을 읽고 투자나 기술 선택을 결정하실 단계는 아닙니다.

대신 실제 발표가 나왔을 때 무엇을 봐야 하는지는 말씀드릴 수 있습니다. 세 가지입니다.

라이선스 조항을 가장 먼저 보십시오. “오픈"이라는 단어가 붙어도 상업적 사용 제한, 월간 활성 사용자 상한, 재배포 금지 조항이 숨어 있으면 실무에서 쓸 수 없습니다. 여기서 진짜 개방인지 마케팅용 개방인지 갈립니다.

모델 크기도 중요합니다. 성능 숫자보다 “내 GPU에서 돌아가는가"가 실무자에게는 더 중요한 질문입니다. 소비자용 하드웨어에서 돌아가는 크기로 나오는지, 데이터센터급을 요구하는지에 따라 확산 속도가 완전히 달라집니다.

Tinker와의 연결도 지켜볼 만합니다. 자사 파인튜닝 도구와 자사 오픈 모델이 어떻게 맞물리는지 보면, 이 회사의 수익 모델이 드러납니다. 모델을 공짜로 주고 다듬는 도구로 돈을 버는 구조라면, 그건 꽤 영리한 설계입니다.

마무리

오픈 웨이트는 자선 사업이 아닙니다. 전략입니다. 모델 자체가 아니라 그 위에 쌓이는 생태계에서 가치를 회수하겠다는 계산이고, 프론티어 성능 경쟁에서 이길 수 없다면 게임의 규칙을 바꾸겠다는 선언이기도 합니다. Thinking Machines Lab이 창업 초기부터 “커스터마이즈"를 말해온 걸 보면, 이 회사는 처음부터 이 쪽 판을 보고 있었던 것 같습니다.

그래서 질문 하나 던지고 마치겠습니다. 여러분의 조직에서 모델을 고를 때, “가장 똑똑한 모델"과 “내 손으로 다듬을 수 있는 모델” 중 어느 쪽이 실제로 더 필요하신가요. 이 답이 갈리는 지점이, 앞으로 몇 년간 AI 시장이 나뉘는 선일지도 모릅니다.