메타가 다시 오픈웨이트로: 30B 코딩 모델 'Muse Glimmer'는 반격인가 후퇴인가

메타가 다시 모델 가중치를 풀었습니다. 이름은 Muse Glimmer, 크기는 30B급, 용도는 로컬에서 돌리는 에이전틱 코딩입니다. 얼마 전까지 “이제 최고 성능 모델은 오픈으로 안 풀겠다"는 기류를 흘리던 회사가 방향을 튼 셈입니다. 진짜 노선 복귀인지, 계산된 부분 개방인지는 따져볼 만합니다.

한 가지 미리 밝혀둡니다. 이번 주제는 커뮤니티 데이터가 거의 안 잡혔습니다. 최근 30일 레딧 스레드에서는 볼 만한 논의를 찾지 못했습니다. 그래서 이 글은 여론 정리라기보다 공개된 정황과 업계 흐름을 놓고 제가 해석한 쪽에 가깝습니다. 수치나 반응 인용이 적은 이유입니다.

왜 하필 30B였을까

30B는 애매해 보이지만 사실 가장 계산이 선 크기입니다. 4비트로 양자화하면 대략 20GB 안팎입니다. 소비자용 고급 GPU 한 장, 또는 통합 메모리를 넉넉히 단 노트북이면 돌아갑니다. 7B는 에이전틱 코딩에 쓰기엔 계획을 못 세우고 70B는 개인 장비에서 버겁습니다. “혼자 쓸 만한 최소 성능"과 “내 컴퓨터에서 도는 최대 크기"가 만나는 자리가 그 사이, 30B대입니다.

여기에 에이전틱이라는 말이 붙은 게 핵심입니다. 코드 조각만 뱉는 모델이 아니라 파일을 읽고 명령을 실행하고 결과를 보고 다시 판단하는 반복 루프를 견디는 모델이라는 뜻입니다. 이 루프는 토큰을 엄청나게 먹습니다. API로 돌리면 청구서가 무섭게 불어나는 작업이죠. 로컬에서 돌아가느냐가 성능만큼 중요해진 이유입니다.

중국 오픈소스 공세라는 배경

지난 2년간 오픈웨이트 판을 실질적으로 끌고 온 건 중국계 연구소입니다. DeepSeek, Qwen, GLM 계열이 번갈아 가며 성능 기준선을 올렸고 코딩 특화 모델에서는 존재감이 특히 컸습니다. 개발자가 로컬 코딩 어시스턴트를 세팅할 때 기본값으로 고르는 이름이 여기서 나왔습니다.

메타가 아플 만한 지점은 여기입니다. Llama가 만들어낸 생태계 지위, 그러니까 파인튜닝도 툴링도 배포 인프라도 자기 모델을 중심으로 모이는 구조가 통째로 넘어가는 상황이었으니까요. 개발자 습관은 한번 옮겨가면 되돌리기 어렵습니다. 가중치를 다시 푼 건 성능 경쟁이라기보다 습관을 되찾으려는 시도에 가깝습니다.

후퇴가 아니라 역할 분리

그렇다고 “폐쇄 전략 철회"로 읽는 건 성급합니다. 공개된 건 30B 코딩 모델이지 최전선 범용 모델이 아닙니다. 구도는 오히려 선명합니다. 돈이 되는 최상위 모델은 서비스로 팔고, 생태계를 잡아야 하는 영역은 열어서 점유율을 지킵니다.

업계에서 이미 여러 번 본 그림이기도 합니다. 구글도 최고 모델은 API로 두고 소형 오픈 모델을 따로 냈습니다. 다른 곳도 비슷한 층위 전략을 씁니다. 오픈소스가 이념이 아니라 유통 채널로 취급되는 국면인 셈이죠. 그렇게 보면 Muse Glimmer는 후퇴도 반격도 아니고 포트폴리오 정리입니다.

개발자에게 실제로 달라지는 것

가장 크게 달라지는 건 비용 구조와 데이터 통제입니다. 사내 코드를 외부 API에 올리지 못하는 조직이 생각보다 많은데요. 금융권이나 방산, 의료 쪽에서는 로컬에서 도는 쓸 만한 코딩 모델 자체가 희소 자원이었습니다. 30B급이 실무에서 버틸 수준이라면 이 시장은 바로 반응합니다.

다만 기대는 낮춰 잡는 게 좋습니다. 로컬 30B가 최상위 클라우드 모델과 같은 체감을 주긴 어렵습니다. 긴 리팩터링이나 복잡한 디버깅처럼 추론 깊이가 필요한 작업에서 격차가 드러납니다. 현실적인 쓰임새는 반복 작업 자동화, 테스트 작성, 코드 설명, 1차 초안 생성 쪽입니다. 어려운 건 클라우드에 맡기고 나머지는 로컬에 돌리는 이중 구성이 당분간 표준일 겁니다.

라이선스라는 오래된 숙제

메타의 오픈웨이트에는 늘 단서가 따라붙었습니다. Llama 라이선스는 OSI 기준의 오픈소스가 아니고 사용자 규모 조건이나 명칭 표기 의무 같은 제약이 붙어 있었습니다. 이번에도 같은 계열이라면 “오픈"이라는 말을 곧이곧대로 받아들이긴 어렵습니다.

실무자가 확인할 건 결국 몇 줄입니다. 상업적 재배포가 되는지, 이 모델 출력으로 다른 모델을 학습시켜도 되는지, 파생 모델에 이름 표기 의무가 붙는지. 사내 도입을 검토한다면 벤치마크 점수보다 이쪽을 먼저 읽는 게 낫습니다.

메타가 다시 문을 연 건 분명합니다. 다만 열린 문의 크기와 위치는 철저히 계산돼 있습니다. 오픈웨이트가 신념의 문제에서 유통 전략의 문제로 넘어왔다는 뜻이기도 하고요. 사내 코딩 어시스턴트를 고를 때 저라면 성능보다 그 가중치가 내 서버 안에 머문다는 사실을 먼저 봅니다.