인공지능 모델을 완전히 공개하는 쪽으로 한 걸음 더 나간 사례가 나왔다. 아랍에미리트 무함마드 빈 자이드 인공지능 대학교 산하 기초 모델 연구소가 학습 과정의 모든 요소를 공개하는 파운데이션 모델 제품군을 내놓았다. 모델 가중치만 공유하던 기존 오픈 웨이트 방식과 달리 데이터와 학습 경로 전체까지 공개하는 오픈소스 방식이다.

MBZUAI IFM, K2 Horizon 공개

아랍에미리트 무함마드 빈 자이드 인공지능 대학교(MBZUAI) 산하 기초 모델 연구소(IFM)가 2026년 9월 3일 파운데이션 모델 'K2 Horizon' 시리즈를 공식 발표했다. 제품군은 0.9B(9억 개)부터 최대 375B(3750억 개) 파라미터 규모까지 모두 6종이다. 소형 기기부터 대규모 엔터프라이즈 환경까지 폭넓게 쓸 수 있도록 설계됐다.

실제로 가져다 쓸 수 있다는 점도 중요하다. 배포된 모든 모델의 가중치와 구현 코드는 아파치 2.0(Apache 2.0) 라이선스로 제공된다. 개발자와 연구자는 라이선스 제약 없이 상업 서비스에 이 기술을 도입하고 성능을 개량할 수 있다.

아랍에미리트 MBZUAI 산하 IFM이 0.9B부터 375B까지 6종의 오픈 AI 모델 K2 Horizon을 출시했다.

타겟 환경별 모델 세그먼트

K2 Horizon은 구동 환경별로 라인업을 나눴다. 가장 가벼운 0.9B 모델은 스마트워치나 안경처럼 하드웨어 자원이 아주 적은 웨어러블 기기를 겨냥한다. 3.7B와 7B 밀집 모델은 스마트폰 같은 온디바이스 환경에서 추론, 수학, 코딩, 에이전트 작업을 잘 해내도록 연산 효율을 높였다.

대규모 시스템용 모델도 있다. 32B 밀집 모델은 로컬 서버에 맞고, 36B와 375B 모델은 희소 MoE(Mixture-of-Experts) 아키텍처를 썼다. 36B 모델은 4B, 375B 모델은 23B의 활성 파라미터만 사용해 고성능 추론을 해내며 자원을 효율적으로 쓴다.

0.9B의 초경량 디바이스용부터 375B의 엔터프라이즈용까지 타겟 환경에 맞춰 계층화된 라인업을 제공한다.

완전 공개(Fully Open) 수명주기

K2 Horizon은 가중치만 공개하는 흐름에서 더 나아가 학습 수명주기 전체를 공개한다. 최종 가중치와 함께 학습 데이터 구축 레시피, 학습 중간 체크포인트, 상세 평가 로그, 훈련 코드까지 묶어서 내놓는다. 개발자는 가중치 뒤에 있는 학습 과정을 직접 확인하고 검증할 수 있다.

공개는 모델 규모에 따라 차례로 진행된다. 3.7B와 7B 모델은 데이터와 레시피, 코드를 모두 포함해 바로 출시됐고, 0.9B 모델은 체크포인트가 먼저 공개됐다. 36B와 375B 모델은 최종 가중치가 공개됐으며, 중간 체크포인트와 학습 데이터를 앞으로 순차적으로 올려 완전 공개를 마칠 예정이다.

가중치 공개를 넘어 데이터 구축 레시피, 중간 체크포인트, 평가 로그까지 전체 학습 수명주기를 공개한다.

글로벌 연구 거점과 규제 맥락

프로젝트를 이끈 MBZUAI IFM은 여러 나라에 연구망을 두고 있다. 아랍에미리트 아부다비 본원을 중심으로 미국 실리콘밸리의 써니베일 연구실, 프랑스 파리의 연구 시설을 묶어 최고 수준의 인공지능 연구원들이 기획과 개발을 조율한다.

학습 환경과 데이터를 전부 공개하는 방식은 점점 구체화되는 각국의 인공지능 규제와도 맞아떨어진다. 유럽연합(EU)의 AI 법은 범용 모델 공급자에게 학습 콘텐츠의 충분히 상세한 요약 정보를 공개하라고 요구한다. K2 Horizon이 수명주기를 먼저 공개한 것은 이런 제도 흐름 속에서 신뢰할 수 있는 인공지능 개발의 기준점이 된다.

IFM은 아부다비, 실리콘밸리, 파리 연구소를 연결하며 학습 데이터 공개 등 글로벌 규제 흐름에 부합한다.

개발자를 위한 시사점

K2 Horizon은 자체 서비스를 만드는 개발자에게 쓸모 있는 도구다. 아파치 2.0 기반이라 상용 서비스에 도입할 때 법적 장벽이 없고, 외부 폐쇄형 API 공급업체에 인프라를 맡기지 않고도 맞춤형 모델 환경을 직접 꾸릴 수 있다.

가장 유용한 것은 풍부한 포스트 트레이닝 자원과 데이터 구축 레시피다. 공개된 중간 체크포인트를 가져다 쓰면 도메인 특화 미세조정을 더 적은 자원으로 끝낼 수 있다. 데이터 정제 설계도를 참고해 자체 데이터 파이프라인의 안전성도 점검할 수 있다. 공개된 자원을 상황에 맞게 고쳐 쓰는 것이 앞으로 경쟁력을 갖추는 가장 현실적인 방법이다.

참고