라이선스는 열고 데이터는 닫은 모델이 제일 많다
라이선스 스펙트럼 위에 실제 모델을 놓아 보면 대부분이 같은 자리에 몰려 있다. 가중치 라이선스는 활짝 열어 뒀는데(MIT·Apache 2.0), 학습 데이터와 정확한 레시피는 비공개인 자리다.
| 모델 | 가중치 라이선스 | 학습 데이터 | OSAID(추정) |
|---|---|---|---|
| DeepSeek V3/R1/V4 | MIT | 비공개 | 미충족 |
| gpt-oss(OpenAI) | Apache 2.0 | 비공개 | 미충족 |
| Qwen(Alibaba) | Apache 2.0 | 비공개 | 미충족 |
| Llama 4(Meta) | 커스텀 제한 | 비공개 | 미충족 — 라이선스부터 걸림 |
DeepSeek은 이례적으로 상세한 기술보고서를 내 아키텍처와 학습 방법론을 공개했다. 그래도 원본 학습 데이터셋, 정확한 데이터 조합과 정제 파이프라인은 여전히 비공개다. "라이선스가 열려 있다"와 "재현 가능하다"가 다른 질문이라는 걸 이보다 잘 보여 주는 사례는 드물다.
가중치 라이선스 표를 데이터 공개 표로 착각하면 안 된다. 완전히 다른 두 질문이다.