Ben Thompson — 중국 오픈 모델을 두려워해야 하는 진짜 이유

원문: https://stratechery.com/2026/whos-afraid-of-chinese-models/ | Ben Thompson, 2026년 7월 20일

핵심 요약

Ben Thompson은 중국 오픈 웨이트 모델 Kimi K3와 Qwen3.8 Max를 둘러싼 공포가 절반은 과장이고 절반은 중요한 경고라고 본다. 핵심은 “모델을 무료로 받을 수 있다”가 아니라 “지능을 실제로 서비스하는 비용 구조가 어떻게 바뀌는가”다. 그는 미국이 중국 모델을 막는 방식보다, 학습 데이터의 공정 이용과 모델 증류 제한 완화를 통해 미국의 오픈 모델 생태계를 키워야 한다고 주장한다.

다시 돌아온 한계비용의 세계

지난 10여 년 동안 인터넷 비즈니스의 승자는 대체로 수요를 장악한 회사였다. 소프트웨어와 콘텐츠 배포의 한계비용이 거의 0에 가까웠기 때문에, 공급보다 이용자 접점과 네트워크 효과가 더 중요했다. Thompson이 오래 주장해 온 Aggregation Theory도 이 전제 위에 서 있었다. 그런데 생성 AI에서는 오래된 산업 경제학이 다시 살아난다. 모델을 한 번 훈련시키는 비용은 고정비에 가깝지만, 추론을 제공하는 비용은 사용량과 함께 늘어난다.

이 구분이 이번 글의 출발점이다. Kimi K3가 오픈 웨이트로 공개된다고 해서 그 모델을 서비스하는 일이 공짜가 되는 것은 아니다. 누군가는 GPU와 메모리, 네트워크, 배치 처리, 캐시, 장애 대응을 부담해야 한다. 사용자가 늘수록 비용도 늘어난다. 전통적 SaaS에서는 고객이 10배 늘 때 비용이 10배 늘지 않는 경우가 많았지만, AI 서비스에서는 토큰을 만들고 긴 추론을 수행하는 순간마다 원가가 발생한다.

따라서 “중국 모델은 싸다”는 말은 반만 맞다. API 표면 가격이 낮아 보여도, 실제 업무 하나를 끝내기 위해 필요한 토큰 수가 더 많다면 최종 원가는 올라갈 수 있다. Thompson은 비교 단위를 토큰이 아니라 “정답에 도달한 지능”으로 바꿔야 한다고 말한다. 같은 코딩 작업을 해결하는 데 A 모델은 1만 토큰을 쓰고 B 모델은 4만 토큰을 쓴다면, 토큰 단가만으로는 어느 쪽이 싼지 판단할 수 없다.

오픈 웨이트는 가격 파괴가 아니라 원가 경쟁이다

Kimi K3와 Qwen3.8 Max가 던진 충격은 “중국이 미국을 따라잡았다”는 단순한 지정학 뉴스가 아니다. 더 중요한 질문은 AI 산업이 점점 상품 시장처럼 움직일 수 있느냐는 것이다. 많은 업무에서 여러 모델이 충분히 비슷한 결과를 낸다면, 고객은 특정 모델 브랜드보다 비용, 지연 시간, 데이터 통제, 통합 경험을 기준으로 선택한다. 그때 이익을 남기는 쪽은 가장 높은 가격을 받는 회사가 아니라 가장 낮은 원가로 같은 품질의 지능을 제공하는 회사다.

이 관점은 프런티어 연구소에 불편하다. OpenAI나 Anthropic 같은 회사는 모델 성능, 제품 경험, 신뢰, 기업 계약을 통해 차별화할 수 있지만, 하위 단계의 지능이 빠르게 범용재가 되면 가격 우산은 약해진다. 특히 공급이 부족한 시기에는 높은 가격이 유지되지만, 추론 인프라가 늘고 경쟁 모델이 많아지면 가격은 한계비용 쪽으로 내려갈 가능성이 크다.

그렇다고 Thompson이 프런티어 연구소의 몰락을 예고하는 것은 아니다. 오히려 그는 최고 성능 모델을 가진 회사가 비프런티어 시장에서도 유리하다고 본다. 더 좋은 모델을 먼저 운영하면서 서빙 효율, 토큰 효율, 사용자 데이터, 제품 접점을 동시에 개선할 수 있기 때문이다. 다만 그 우위는 규제나 약관으로 보호받기보다 실제 제품과 비용 구조로 증명되어야 한다는 것이 그의 메시지다.

증류 논쟁의 역설

가장 논쟁적인 대목은 모델 증류다. 중국 연구소들이 미국 프런티어 모델의 출력을 학습 신호로 활용해 격차를 좁히고 있다는 의심은 오래됐다. Thompson도 증류만으로 중국 모델의 성과를 설명할 수는 없다고 선을 긋는다. 중국 연구진의 역량, 자본 효율, 대규모 MoE 아키텍처, 빠른 제품화 능력은 실제 경쟁력이다. 그러나 후처리와 강화학습 단계에서 강력한 교사 모델을 활용하는 것이 마지막 간극을 줄이는 데 도움이 된다는 점도 부인하기 어렵다.

문제는 미국의 오픈 모델 개발자들이 약관과 저작권 리스크 때문에 같은 전략을 쓰기 어렵다는 데 있다. 중국 기업은 사실상 모든 모델을 학습 가능한 대상으로 취급하는 반면, 미국 개발자는 우회적으로 중국 오픈 모델을 다시 증류하는 구조에 놓일 수 있다. Thompson은 이 상황을 이상하게 본다. 대형 언어모델 자체가 공개 인터넷의 지식을 압축해 만들어졌다면, 모델 출력의 학습 사용을 어디까지 금지할 수 있느냐는 질문이 남는다.

그의 처방은 공격적이다. 미국은 모델 학습을 위한 데이터 수집이 공정 이용임을 명확히 하고, 적어도 미국 기업 사이에서는 API 출력 증류를 금지하는 약관의 효력을 제한해야 한다는 것이다. 이는 프런티어 연구소의 독점적 이익을 약화시키지만, 미국 전체의 오픈 모델 생태계에는 더 큰 이익을 줄 수 있다는 판단이다. 요컨대 “중국을 막자”가 아니라 “미국도 같은 속도로 배울 수 있게 하자”는 주장이다.

커뮤니티 반응: 동의, 보완, 의심

공개 반응은 대체로 세 갈래로 나뉜다. Daring Fireball의 John Gruber는 Thompson의 증류 논리를 강하게 지지했다. 그는 중국 모델이 단순 복제품은 아니지만, 증류가 그들의 빠른 추격에 중요한 요소라는 점을 인정하면서도, OpenAI와 Anthropic이 자신들의 모델 출력 학습을 막으려는 태도에는 동정하기 어렵다는 입장을 보였다. 프런티어 연구소가 인터넷 전체를 학습해 가치를 만들었다면, 그 결과물이 다시 생태계의 입력이 되는 일을 원천적으로 봉쇄하기 어렵다는 반응이다.

AI 연구 커뮤니티 쪽에서는 조금 다른 강조점이 나왔다. Nathan Lambert는 Kimi K3를 “오픈 웨이트 경쟁의 단계 변화”로 보며, 중국 연구소들이 자본 효율성과 빠른 아키텍처 전환에서 강점을 보인다고 평가했다. 이는 Thompson의 비용 구조 분석을 보완한다. 미국 기업이 여전히 절대 성능에서 앞서더라도, 중국이 더 적은 비용과 더 빠른 공개 전략으로 격차를 줄인다면 산업의 균형은 달라진다.

반면 개발자 커뮤니티에는 회의도 있다. Kimi K3는 발표 당시 “오픈 웨이트”라는 표현을 얻었지만 실제 가중치 공개일은 7월 27일로 예고되어 있었고, 일부 분석가들은 공개 전까지는 엄밀히 말해 독점 모델로 보아야 한다고 지적했다. 또한 대형 MoE 모델을 직접 운영하려면 상당한 가속기와 서빙 역량이 필요하다. 오픈 웨이트가 데이터 통제와 검증 가능성을 높이는 것은 맞지만, 모든 스타트업이 곧바로 자체 배포할 수 있다는 뜻은 아니다.

진짜 두려워해야 할 것은 사이버 방어의 종속

Thompson이 유일하게 심각한 우려로 남긴 부분은 사이버보안이다. 공격자에게 강력한 모델이 이미 열려 있다면, 방어자도 최소한 동등한 도구를 가져야 한다. 그런데 미국의 정책과 연구소의 안전 규칙이 방어 목적의 활용까지 과도하게 막으면, 기업들은 민감한 로그와 사고 데이터를 분석하기 위해 오히려 중국 오픈 모델에 의존하게 된다. 그는 이것이 전략적으로 모순이라고 본다.

이 지점에서 글의 논지는 경제학을 넘어 정책론으로 확장된다. 안전을 이유로 강력한 모델 접근을 제한하는 정책은 “나쁜 사용”을 줄이려는 의도에서 출발하지만, 현실의 모델 확산을 막지 못한다면 방어자만 약하게 만들 수 있다. 특히 침해 사고 대응에서는 데이터를 외부 API로 보내기 어렵고, 현장에서 로컬로 돌릴 수 있는 고성능 모델이 필요하다. 미국이 오픈 모델을 억제하면, 개방성과 검증 가능성의 상징을 중국에 넘겨주는 결과가 될 수 있다.

남는 질문

이 글의 강점은 중국 AI를 과소평가하지 않으면서도 공포 서사를 경계한다는 데 있다. Kimi K3가 정말로 미국 프런티어 모델을 무너뜨릴지는 아직 모른다. 공개된 가중치의 실제 품질, 서빙 비용, 라이선스 조건, 독립 벤치마크가 모두 확인되어야 한다. 그러나 이미 분명한 것은 AI 산업의 경쟁 단위가 “누가 가장 똑똑한 모델을 가졌는가”에서 “누가 같은 수준의 지능을 더 싸고 안전하게, 더 넓은 생태계에 공급할 수 있는가”로 이동하고 있다는 점이다.

한국 기업에도 시사점이 있다. 단순히 어느 미국 API가 가장 강한지 비교하는 시대는 지나가고 있다. 모델 선택은 비용 구조, 데이터 위치, 보안 정책, 제품 접점, 대체 가능성을 함께 따져야 하는 인프라 전략이 되었다. 오픈 웨이트 모델은 만능 해답이 아니지만 협상력을 만든다. 특정 공급자에게 완전히 종속되지 않게 하고, 규제나 장애, 가격 변동이 생겼을 때 선택지를 제공한다.

결국 Thompson의 질문은 “중국 모델을 두려워해야 하는가”가 아니다. 더 정확한 질문은 “중국이 개방과 속도를 전략으로 삼는 동안, 미국과 그 동맹 생태계는 폐쇄와 허가의 언어에 갇혀 있지 않은가”다. 프런티어 연구소가 이기려면 더 나은 제품을 만들면 된다. 정부가 해야 할 일은 승자를 미리 보호하는 것이 아니라, 더 많은 실험과 경쟁이 가능한 운동장을 만드는 것이다.