[릴리즈노트]오픈AI 오픈소스 모델 gpt-oss

오픈AI는 GPT-2 이후 6년 만에 새로운 오픈소스 모델인 gpt-oss를 출시했습니다. 이번 출시는 GPT-3, GPT-4o 등 매개변수나 학습 데이터가 공개되지 않던 기존의 폐쇄형(closed source) 모델과는 달리 공개형(Open Source) 모델로, 20B(210억 개) 및 120B(1170억 개) 매개변수를 탑재하고 있습니다.

다음은 gpt-oss에 대한 주요 내용입니다.

모델 종류 및 라이선스

gpt-oss는 gpt-oss-120b와 gpt-oss-20b 두 종류로 출시되었습니다.
두 모델 모두 아파치 라이선스 2.0(Apache License 2.0)을 적용받으며, 이는 상업적 이용, 변형물에 대한 특허 출원 등 광범위한 사용이 가능하다는 것을 의미합니다.

주요 기술적 특징

gpt-oss는 전문가 혼합(Mixture-of-Experts, MoE) 구조를 활용하여 효율성을 높였습니다. 특히 20B 모델은 128개의 전문가 중 4개만 활성화하는 MoE 구조를 채택했습니다.
문장을 이해할 때 중요한 단어를 집중 분석하는 희소 어텐션(Attention Sink) 기술도 사용됩니다. 이 기술은 vLLM 팀이 Flash Attention 3와 호환되도록 만들었으며, Hopper GPU에서 최적의 성능을 낼 수 있습니다.
모델이 문장의 단어 순서를 정확하게 이해하도록 돕는 회전 위치 임베딩(RoPE)을 통해 최대 12만 8000단어의 긴 내용까지 한 번에 인식합니다.
MXFP4 4비트 양자화(quantization) 방식이 MoE 가중치에만 적용되어 리소스 사용량을 낮추고 빠른 추론을 가능하게 합니다. 이는 특히 엔비디아의 Hopper 또는 Blackwell 아키텍처 GPU(H100, H200, GB200, 50xx 시리즈)에서 효과적입니다.

성능 및 실용성

gpt-oss-120b 모델은 기존의 o4-mini와 거의 동등한 성능을 내며, 20b 모델은 o3-mini와 비슷한 성능을 보입니다. 코딩, 수학 테스트, 의료 시험 등 전반적인 벤치마크에서 폐쇄형 모델인 o3, o4-mini와 큰 차이가 없었습니다.
20B 모델은 16GB 메모리로도 노트북이나 데스크톱, 소형 장치에서도 구동 가능하며, 120B 모델은 엔비디아 H100 80GB 한 대로 구동할 수 있습니다.
누구나 무료로 이용하고 가공할 수 있으며, 전체 데이터를 다운로드해 인터넷 연결 없이 온디바이스 AI로도 구동할 수 있습니다.
허깅페이스(Hugging Face)를 비롯하여 MS 애저(Azure), vLLM, 올라마(ollama), 라마.cpp(llama.cpp), LM 스튜디오, AWS, 파이어웍스(Fireworks), 투게더AI(TogetherAI) 등 다양한 플랫폼에서 배포 및 접근이 허용되며, 엔비디아, AMD, 세레브라스(Cerebras), 그록(Groq) 등의 하드웨어에서 이용할 수 있도록 최적화되었습니다.
API 사용 시 비용이 매우 저렴하여, 120B 모델의 경우 입력 밀리언 토큰당 0.1달러, 출력 밀리언 토큰당 0.5달러로 O3 미니(입력 밀리언 토큰당 1.1달러, 출력 밀리언 토큰당 4.4달러)보다 훨씬 저렴합니다.

OpenAI의 의도 및 업계 영향

오픈AI는 지나치게 상업적이라는 비판을 피하고, 시장 점유율 확대와 생태계 성장을 위해 gpt-oss를 출시했습니다.
일각에서는 이번 오픈소스 공개가 ‘오픈AI 중심의 오픈소스 LLM 생태계 재편 및 기술 종속을 야기할 수 있다’는 우려도 제기됩니다.
훈련 비용과 관련하여, H100 2,000대 기준으로 44일이면 120B 모델을 훈련할 수 있다는 언급이 있었습니다. 이는 다른 Frontier AI 모델에 비해 훈련 장벽이 낮음을 시사하며, Sovereign AI를 추진하는 국가나 기업에 중요한 기준점이 될 수 있습니다.

다양한 반응

Hugging Face 커뮤니티에서는 gpt-oss 공개에 대해 다양한 반응이 나왔습니다. 일부는 H100 GPU 사용자 위주라는 점에 비판적이거나, 훈련 코드 미공개에 대해 불만을 표출하기도 했습니다. 반면, "작은 회사들에게 개인 정보 보호에 관심 있는 사람들에게는 정말 좋다"는 긍정적인 평가도 있었으며, 기술적인 질문과 답변이 오고 가기도 했습니다. 데이터 비공개에 대해서는 모델 복사나 리버스 해킹 방지를 위한 보안 조치로 보는 해석도 있었습니다.
신정규 래블업 대표는 우튜브 ‘노정석’ 채널에서 gpt-oss를 직접 써보니 "엄청 좋다"는 느낌까지는 아니었지만, 모델 가중치(weight)뿐만 아니라 사용된 포맷이나 레시피까지 전부 공개한 점에 대해 "이 정도의 자신감"이 굉장히 인상적이라고 평했습니다.

해커뉴스 반응

성능에 대한 엇갈린 평가: 초기에는 Macbook Air M3에서 로컬로 "프론티어 모델"이 실행된다는 점에 대한 열광적인 반응이 있었지만, 곧바로 기본적인 퍼즐 해결 실패, 다른 로컬 모델(Qwen3-30B-A3B, GLM-4.5-Air 등)과의 성능 비교에서 논란이 일었습니다. 특히 코딩 능력과 사실적 지식(환각 현상)에 대한 비판과 모델의 지나친 안전 지향성이 유용성을 저해한다는 지적이 많았습니다.
로컬 AI의 사용 사례 및 이점 강조: 댓글에서는 개인 정보 보호, 기업 데이터 보안(금융, 법률, 정부, 헬스케어 등 민감 데이터), 무제한 사용 및 비용 절감, 오프라인 사용 및 검열되지 않은 모델 사용의 자유 등이 로컬 모델의 주요 이점으로 언급되었습니다. 개발자들의 에이전트 코딩 및 미세 조정에 대한 기대감도 높았습니다.
'오픈 소스' 정의 논쟁 및 OpenAI의 전략 분석: OpenAI가 모델을 "오픈 소스"라고 명명한 것에 대해 훈련 데이터 미공개, "컴파일된 바이너리"와 유사한 특성, Apache 2.0 라이선스 외 추가 "사용 정책" 존재 등을 이유로 "오픈 웨이트"일 뿐 진정한 오픈 소스가 아니다라는 비판이 많았습니다. 이 모델 출시가 경쟁사(특히 중국 AI 연구소 및 Meta의 Llama) 견제, GPT-5 등 더 강력한 모델 출시 임박을 시사, 또는 오픈 소스 커뮤니티를 통한 모델 개선 및 생태계 확장의 의도라는 분석이 제기되었습니다.