에이전트 워크로드에서 오픈 웨이트 모델 비중이 늘고 있다

헤드라인

오픈 웨이트 모델이 클로즈드 모델을 따라잡으면서 에이전트 소프트웨어에서 역할이 커지고 있다.

요약

Together AI는 Yogish Baliga 발표를 통해 오픈 웨이트 모델이 일상적인 작업에서 클로즈드 모델과 비슷한 성능을 낸다고 밝혔다. 일부 워크플로에서는 추론을 여러 번 돌려 더 나은 결과를 얻을 수도 있다. Vercel AI Gateway 데이터에서도 에이전트 워크로드 내 오픈 모델 비중이 13주 만에 30%에서 78%로 상승했다.

분석

이 변화는 경쟁의 기준을 단일 호출 벤치마크에서 비용 대비 품질, 지연시간, 재시도와 툴 호출 후 일관성으로 옮긴다.

멀티패스 워크플로는 오픈 모델 프로바이더에 유리하다. 개발자가 추론 패스를 추가해 결과를 개선하면서도 배포 방식, 커스터마이징, 비용 통제력을 더 유지할 수 있기 때문이다.

Gateway와 라우팅 플랫폼 확산은 모델 교체를 코드 수정이 아닌 설정 변경으로 바꾸고 있다. 그 결과 일반적인 에이전트 워크로드에서는 클로즈드 모델의 가격 결정력이 약해질 수 있다. 다만 프론티어 연구나 단일 호출 최고 성능이 필요한 경우에는 클로즈드 모델 프로바이더가 여전히 앞선다.

이번 주장은 오픈 웨이트(open weights)를 대상으로 하며, 학습 데이터와 학습 코드까지 공개된다는 의미는 아니다. 핵심은 모델을 더 폭넓게 배포하고 활용할 수 있게 된다는 점이다.

영향 평가

중요도는 높으며 산업 트렌드, 기술 인사이트, 오픈소스에 해당한다. 이 내러티브는 아직 초기 단계로, 반복 추론과 모델 라우팅을 제품에 통합하는 빌더가 유리하다. 트레이더와 장기 보유자는 비용 절감과 클로즈드 모델 가격 압박이 실제 매출과 밸류에이션으로 이어지는지 확인해야 한다.