FEATURE ARTICLE

OpenAI, 최초 오픈웨이트 모델 gpt-oss-120b 공개 — Apache 2.0, o4-mini 수준 추론 성능

📌 핵심 요약 OpenAI가 처음으로 오픈웨이트 모델인 gpt-oss-120b(117B 파라미터, MoE)와 gpt-oss-20b를 Apache 2.0 라이선스로 공개했다. 단일 80GB GPU에서 실행 가능하며, 코딩·수학·툴 사용에서 o4-mini와 동등하거나 일부 초과한다. 🔍 왜 주목해야 하나 OpenAI가 '오픈소스 전략 부재'라는 비판을 받아온 상황에서 이번 출시는 단순한 제품 발표를 넘어 전략적 전환점이다. Meta의 Llama 4, Mistral 3와 직접 경쟁하면서 동시에 OpenAI API 생태계에 익숙한 개발자들을 셀프호스팅 워크로드로 끌어들이는 이중 전략이다. MoE 아키텍처로 5.1B 파라미터만 활성화해 추론 비용을 대폭 낮춘 점도 기술적으로 주목할 만하다. ⚡ 실무 시사점 Responses API와 완전 호환되어 기존 OpenAI 코드베이스에서 엔드포인트 교체만으로 셀프호스팅 전환이 가능하다. 규제 또는 프라이버시 이유로 클라우드 API를 사용하지 못하는 기업 환경에서 OpenAI 수준의 성능을 온프레미스로 배포할 수 있는 첫 번째 현실적 옵션이 생겼다.

2026년 4월 1일수정 2026년 4월 1일원문 링크

배경 및 맥락

OpenAI는 창립 초기 '오픈소스'를 사명에 내건 단체였지만, GPT-4 이후로는 완전히 폐쇄적 전략을 택해왔다. Meta의 Llama 시리즈, Mistral, Alibaba의 Qwen 등 오픈웨이트 모델들이 성능 면에서 상업 모델을 빠르게 추격하면서, OpenAI에게 오픈소스 부재는 점점 전략적 약점으로 작용했다. 이번 gpt-oss 시리즈는 그 공백을 메우기 위한 첫 번째 공식 행보다.

핵심 내용

모델 스펙 (gpt-oss-120b):

총 파라미터: 117B
활성화 파라미터: 5.1B (MoE 아키텍처)
GPU 요구사항: 단일 80GB GPU (A100/H100)
라이선스: Apache 2.0 (상업적 이용 가능)
배포 도구: vLLM, Ollama, LM Studio, HuggingFace 지원

성능 벤치마크:

경쟁 코딩: o4-mini와 동등 또는 초과
수학 경시 문제: o4-mini 초과
의료 관련 쿼리: o4-mini 초과
일반 문제 해결·툴 사용: o4-mini 동등

API 호환성: OpenAI Responses API와 완전 호환. Structured Outputs, web search, Python code execution 등 툴 사용 지원.

경쟁 구도 / 비교

모델	파라미터	라이선스	단일 GPU	추론 성능
Llama 4 Scout	109B (MoE)	Meta 상업용	가능	양호
Mistral Large 3	123B	Apache 2.0	제한적	양호
gpt-oss-120b	117B (MoE)	Apache 2.0	가능	o4-mini 수준

OpenAI API 호환성이라는 차별점이 크다. 기존 OpenAI 코드베이스를 그대로 사용하면서 셀프호스팅 전환이 가능한 유일한 오픈웨이트 모델이다.

의미

OpenAI의 오픈웨이트 전략은 단순한 생태계 기여가 아니라, API 의존성을 낮추고 싶은 기업 고객들을 OpenAI 생태계 안에 묶어두는 기술적 락인 전략으로 볼 수 있다. Responses API 호환이라는 설계 선택이 이를 방증한다. 한편, 금융·의료·공공 부문처럼 데이터 외부 전송이 불가한 환경에서 GPT 수준 성능의 온프레미스 배포가 처음으로 현실화된다는 점에서 기업 AI 도입의 새로운 국면이 열렸다.

전체 보기

Article

2026년 4월 1일

GPT-5.4 출시 — 추론·코딩·에이전트 통합 모델, OSWorld-V 인간 기준선 AI 최초 초과

📌 핵심 요약 OpenAI가 3월 5일 GPT-5.4를 출시했다. GPT-5.3 Codex의 코딩 역량을 메인라인 추론 모델에 통합한 것으로, 100만 토큰 컨텍스트 윈도우와 멀티스텝 에이전트 워크플로우 자율 실행 능력을 탑재했다. 실제 데스크톱 생산성 태스크를 시뮬레이션하는 OSWorld-V 벤치마크에서 75%를 기록, 인간 기준선(72.4%)을 AI 최초로 초과했다. 🔍 왜 주목해야 하나 OSWorld-V는 단순 코딩이나 수학 문제가 아닌 실제 GUI 환경에서의 복합 업무 수행 능력을 측정하는 벤치마크다. 인간 기준선을 넘었다는 것은 RPA 대체 및 데스크톱 에이전트의 실용화가 이론에서 현실로 넘어옴을 의미한다. 추론·코딩·에이전트를 분리해 사용하던 방식에서 단일 모델로의 통합은 프로덕션 아키텍처를 단순화하는 직접적 변화다. ⚡ 실무 시사점 100만 토큰 컨텍스트로 대형 코드베이스 전체를 단일 프롬프트에서 처리하는 것이 현실적 선택지가 됐다. OSWorld 수준의 성능을 활용해 반복 업무 자동화·RPA 대체를 검토하는 팀이라면 GPT-5.4 기반 PoC를 시작할 시점이다.

자동수집

Read Story

Article

2026년 3월 31일

Google TurboQuant — KV 캐시를 3비트로 6배 압축, 재학습 없이 H100에서 8배 처리량

📌 핵심 요약 Google의 TurboQuant가 ICLR 2026에서 발표될 예정이다. LLM의 KV 캐시를 3~4비트로 압축해 메모리를 4~6배 절감하면서 정확도 손실이 전혀 없고, H100 GPU에서 32-bit 대비 최대 8배 처리량 향상을 달성한다. 🔍 왜 주목해야 하나 LLM 서빙 인프라의 주요 병목은 긴 컨텍스트 처리 시 KV 캐시가 GPU 메모리를 폭발적으로 소모하는 문제다. TurboQuant는 재학습·파인튜닝 없이 사후처리(post-processing) 방식으로 Gemma, Mistral 등 기존 오픈소스 모델에 바로 적용 가능해 실용성이 높다. 이미 PyTorch 구현체와 vLLM 통합 버전이 GitHub에 공개됐고, llama.cpp 커뮤니티에서도 통합 논의가 진행 중이다. 메모리 절감은 동일 GPU 자원으로 더 많은 동시 요청 처리 가능으로 직결된다. ⚡ 실무 시사점 LLM 추론 인프라를 운영 중인 팀은 vLLM + TurboQuant 통합 레포를 즉시 테스트 환경에 적용해 KV 캐시 메모리 감소 폭과 실제 처리량 향상을 측정해볼 가치가 충분하다.

모델

Read Story

Article

2026년 3월 31일

Mistral Voxtral TTS — 4B 오픈소스 음성 합성 모델, ElevenLabs 대비 7~9배 저렴

📌 핵심 요약 Mistral AI가 3월 26일 오픈소스 텍스트-음성 변환 모델 Voxtral TTS(4B 파라미터)를 출시했다. 9개 언어를 지원하고 5초 이하의 음성 샘플로 목소리를 복제하며, 첫 오디오 출력 지연(TTFA)이 90ms에 불과해 실시간 음성 에이전트 구현이 가능하다. 🔍 왜 주목해야 하나 TTS 시장은 ElevenLabs, Deepgram, OpenAI가 독점하다시피 한 유료 API 시장이었다. Voxtral은 HuggingFace에 가중치를 CC BY NC 4.0으로 공개하고 API는 $0.016/1k 문자로 ElevenLabs($0.11~0.15/1k) 대비 약 7~9배 저렴하다. 4B 파라미터의 작은 규모는 엣지 디바이스(스마트폰, 노트북) 배포를 현실적으로 만들고, RTF 6x는 실시간 음성 에이전트에 충분한 성능이다. ⚡ 실무 시사점 음성 에이전트나 고객 응대 봇을 구축 중이라면 ElevenLabs와의 비용 구조 비교 검토를 즉시 진행해야 한다. 지원 언어 목록 및 한국어 포함 여부를 확인 후 로드맵에 반영할 것을 권장한다.

모델

Read Story

Article

2026년 3월 31일

NVIDIA Nemotron 3 Super — 120B Mamba-Transformer MoE 오픈 에이전트 모델, 이전 대비 5배 처리량

📌 핵심 요약 NVIDIA가 에이전트 AI 특화 오픈 모델 Nemotron 3 패밀리를 출시했다. 플래그십인 Nemotron 3 Super는 120B 파라미터(활성 12B)의 Mamba-Transformer MoE 하이브리드 아키텍처를 채택해 Nemotron 2 대비 5배 처리량을 달성하고 1M 토큰 컨텍스트 윈도우를 지원한다. 🔍 왜 주목해야 하나 에이전트 AI 시스템에서 모델 선택의 핵심 기준은 단순 정확도가 아닌 처리량(tokens/sec)과 긴 컨텍스트 유지 능력이다. Nemotron 3 Super는 활성 파라미터를 12B로 제한해 추론 비용을 낮추면서도 1M 토큰 컨텍스트로 복잡한 멀티스텝 에이전트 워크플로우 상태를 메모리에 온전히 유지한다. Mamba 아키텍처 도입은 긴 시퀀스에서 선형 복잡도를 제공해 Transformer 대비 메모리 효율이 근본적으로 다르다. ⚡ 실무 시사점 멀티 에이전트 오케스트레이션 시스템을 설계 중이라면 Nemotron 3 Super를 Llama 4, Mistral Large 3과 함께 벤치마크 후보로 반드시 포함시켜야 한다. NVIDIA DGX/H100 인프라를 이미 운영 중인 팀에게는 최적화 측면에서 우선 고려 대상이다.

모델

Read Story

RE-ENTRY

OpenAI, 최초 오픈웨이트 모델 gpt-oss-120b 공개 — Apache 2.0, o4-mini 수준 추론 성능

배경 및 맥락

핵심 내용

경쟁 구도 / 비교

의미

관련 글

GPT-5.4 출시 — 추론·코딩·에이전트 통합 모델, OSWorld-V 인간 기준선 AI 최초 초과

Google TurboQuant — KV 캐시를 3비트로 6배 압축, 재학습 없이 H100에서 8배 처리량

Mistral Voxtral TTS — 4B 오픈소스 음성 합성 모델, ElevenLabs 대비 7~9배 저렴

NVIDIA Nemotron 3 Super — 120B Mamba-Transformer MoE 오픈 에이전트 모델, 이전 대비 5배 처리량

최신 글 재진입