[8월 월간브리핑] 오픈소스 서밋 코리아 2026, AI 모델 경쟁 넘어 Harness·MCP·AI-BOM·거버넌스로 확장

- Open UP -

□ 오픈소스 서밋 코리아 2026, AI 시대 오픈소스의 역할이 모델을 넘어 시스템·운영·거버넌스로 확장

○ 리눅스 재단(Linux Foundation)이 주최한 오픈소스 서밋 코리아(Open Source Summit Korea) 2026은 AI 시대 ‘개방’의 범위가 모델에서 시스템·운영·거버넌스 전반으로 확대되고 있음을 보여주는 다양한 기술과 사례가 공유

 - 8월 11~12일 이틀간 개최된 오픈소스 서밋 코리아 2026에서는 AI와 클라우드, 리눅스, 보안, 오픈소스 생태계 전반의 기술과 산업 사례를 공유

- 이어 8월 13~14일에는 리눅스 재단과 에이전틱 AI 재단(Agentic AI Foundation, AAIF)이 공동 주최하는 MCP 데브 서밋 서울 (MCP Dev Summit Seoul) 2026​이 연계 행사로 개최돼, MCP(Model Context Protocol)를 중심으로 AI 에이전트의 실제 기업 도입과 프로덕션 운영 과제를 집중적으로 논의

- 이번 두 행사에서는 오픈소스 AI 모델의 성능이나 공개 여부를 넘어, AI를 어떤 인프라에서 운영하고, 외부 도구와 어떻게 연결할 것인지, 생성된 코드와 데이터의 출처·보안·책임을 어떻게 검증할 것인가​가 주요 논점으로 다뤄짐

○ 한국의 독자 AI 파운데이션 모델 개발과 오픈소스·오픈웨이트 생태계를 디지털 주권과 연결하는 논의도 주요하게 제시

 - 짐 젬린(Jim Zemlin) 리눅스 재단 CEO는 키노트에서 한국에서도 성능 높은 오픈웨이트 모델이 등장하고 있다고 평가하며, 한국 기업이 한국 고유의 데이터로 학습한 저비용 AI 대안을 개발할 수 있는 역량이 디지털 주권 측면에서도 중요하다고 강조

 - 한국 정부의 독자 AI 파운데이션 모델 프로젝트와 SK텔레콤·업스테이지· LG AI연구원의 자체 LLM 개발 움직임도 긍정적으로 평가하며, 한국이 자체 AI 기술 역량과 선택권을 확보하려는 흐름에 주목

 - 또한, 향후 한국을 포함한 글로벌 AI 시스템이 지금보다 더 개방적인 방향으로 발전할 것으로 전망하고, 로컬·클라우드·다양한 모델을 혼용하는 환경에서는 모델별 실제 비용과 업무 가치, 경제적 가치까지 함께 측정하는 것이 중요하다고 언급

○ AI 인프라 투자 확대와 함께 이를 뒷받침하는 오픈소스의 중요성도 강조

 - 짐 젬린 CEO는 2026년 AI 인프라 투자가 미화 9,000억 달러, 2027년에는 1조 4,000억 달러에 이를 것으로 전망하며 역사상 가장 큰 투자 급증이라고 평가

 - 이와 같은 투자가 하드웨어·에너지·데이터센터에 집중돼 있지만, 실제 AI 시스템을 구성하는 소프트웨어 계층에서 Linux, Kubernetes, CNCF 프로젝트, PyTorch 등 오픈소스 기술이 핵심 기반으로 활용되고 있다고 설명

 ※ Linux는 클라우드 컴퓨팅 워크로드의 90%를 구동, 대부분의 AI 학습 및 추론 환경을 구동하며, Kubernetes는 대규모 데이터센터에서 컴퓨팅 자원을 오케스트레이션하고 관리하는 데 사용됨

 ※ CNCF(Cloud Native Computing Foundation)의 경우 230개 이상의 오픈소스 프로젝트를 보유하고 있으며 AI 학습 계층에서는 PyTorch가 사실상 표준으로 자리 잡았다고 강조

○ 막대한 AI 투자에도 기업들이 실제 경제적 가치를 제대로 측정하지 못하는 문제를 지적하며, 모델 평가 기준을 성능에서 비용·업무 가치까지 확대할 필요성을 제기

 - 짐 젬린 CEO는 기업들이 AI에 많은 비용을 투입하고 있지만, 특정 AI 모델이나 워크로드가 사업을 얼마나 효율적으로 만들고 실제로 어떤 가치를 창출하는지 명확하게 설명하지 못하는 경우가 많다고 지적

 - 이에 리눅스 재단은 AI 모델과 워크로드의 비용·경제적 가치를 공통 기준으로 측정하기 위한 토크노믹스 재단(Tokenomics Foundation)을 출범

 ※ 토크노믹스 재단은 2026년 8월 4일 공식 출범했으며, AI의 비용과 비즈니스 가치를 공통 기준으로 측정하고, 모델·워크로드별 ROI를 비교할 수 있는 표준과 벤치마크 마련을 목표로 함

○ 행사 전반에서는 이러한 변화에 따라 AI 시대 오픈소스의 논의 범위도 모델에서 시스템 전체로 확대

 - AI 에이전트를 구성하는 Harness, 외부 시스템과의 연결을 표준화하는 MCP·A2A, 모델·데이터의 출처와 의존관계를 추적하는 AI-BOM, AI 생성 코드의 검증과 공급망 보안, OSPO의 AI 거버넌스 역할 등이 주요 주제로 다뤄짐

 - 특히 여러 세션에서는 AI가 코드와 분석 결과를 빠르게 만들어내고 외부 도구까지 직접 호출하는 환경으로 발전하면서, 모델·데이터의 출처를 추적하고, AI가 사용하는 도구와 권한을 관리하며, 생성 결과를 사람과 자동화된 절차로 검증하는 관리·검증 체계가 함께 중요해지고 있다는 점이 공통적으로 제시됨

▶ 모델에서 Harness·MCP로…AI 경쟁의 범위가 ‘시스템’으로 확대 

○ 에이전틱 AI가 확산되면서 AI 시스템은 더 이상 하나의 모델만으로 구성되지 않으며, Harness와 MCP 등 모델 외부의 시스템 계층의 중요성이 커지고 있음

 - 짐 젬린 CEO는 키노트에서 LLM의 성능 격차가 빠르게 좁혀지고 오픈웨이트 모델이 확산되면서, 경쟁의 중심이 모델 자체에서 이를 실제 업무에 활용할 수 있도록 구성하는 Harness로 이동하고 있다고 설명

 ※ 짐 젬린 CEO는 Harness를 기본적으로 모델 자체 주변에서 사용하는 피드백 루프, 도구, 데이터, 콘텐츠 관리, 그리고 에이전트와 모델을 배포하는 데 사용하는 모든 인프라를 지칭한다고 정의함

 - 특히 가장 성능이 뛰어난 모델이라도 Harness가 제대로 구성되지 않으면, 상대적으로 성능이 낮은 오픈웨이트 모델에 잘 설계된 Harness를 적용한 시스템보다 실제 업무에서 더 낮은 성과를 낼 수 있다고 강조

○ 리눅스 재단의 Ana Jiménez Santamaría는 에이전트를 ‘Agent = model + harness’​로 설명하고, Harness가 모델 주변에서 에이전트의 실제 작업 수행을 구성·관리하는 요소라고 설명

 - 특히 Harness에는 지시사항과 컨텍스트, 외부 도구, 메모리·상태, 실행 루프뿐 아니라 권한 관리, 정책 적용, 관측성 등이 포함되며, 확률적으로 동작하는 AI 모델에 정책·권한·실행 절차와 같은 ‘결정론적 가드레일’을 적용할 수 있는 계층이라고 설명

 - 이에 따라 AI 시스템의 개방성도 단순히 “모델이 오픈소스인가”를 판단하는 수준에서 벗어나 Harness가 개방돼 있는지, 사용 프로토콜이 개방형인지, 다른 모델로 교체 가능한지, 특정 벤더에 종속되지 않는지를 계층별로 살펴야 한다고 제안

○ MCP(Model Context Protocol)는 AI 에이전트가 파일·데이터베이스·코드 저장소·API 등 외부 도구·데이터·서비스와 연결될 때 발생하는 개별 통합의 복잡성을 공통 프로토콜로 표준화하기 위한 오픈 프로토콜로 소개

※ Anthropic이 2024년 공개한 MCP는 현재 리눅스 재단 산하 AAIF(Agentic AI Foundation)에서 관리되고 있으며, 각 AI 애플리케이션과 외부 시스템을 개별적으로 연결해야 하는 복잡성을 공통 프로토콜을 통해 단순화하는 것을 목표로 함

 - Tools, Resources, Prompts를 주요 구성요소로 두고 AI가 외부 기능을 호출하거나 필요한 정보를 가져올 수 있도록 지원하며, 기업 도입 확대에 따라 인증·권한·보안·운영 관리의 중요성도 함께 커지고 있음

○ 이러한 논의는 8월 13~14일 열린 MCP Dev Summit Seoul 2026으로 이어져, MCP를 실제 엔터프라이즈 환경에서 안전하게 운영하기 위한 구체적인 구현 사례가 공유

 - MCP 생태계의 현황과 표준화뿐 아니라 엔터프라이즈 환경에서의 인증·권한 관리, 보안, 상호운용성, 게이트웨이, 도구 선택·관리, 테스트 및 운영 안정성 등 실제 프로덕션 적용을 위한 다양한 기술과 사례가 공유

 ※ 네이버클라우드는 다수의 MCP 서버와 1만 개 이상의 API 기능을 AI 에이전트에 직접 노출하는 대신, MCP Gateway를 통해 필요한 도구를 검색·선택하고 인증·권한·호출 기록·민감정보 필터링을 통합 관리하는 구조를 소개

 ※ Workato는 금융·결제·주문 등 정형화된 비즈니스 프로세스를 LLM이 임의로 판단하지 않도록, 검증된 업무 절차 자체를 MCP 서버로 제공하는 Workflow-based MCP 방식을 제시

 ※ AWS는 AI 에이전트를 기업 환경으로 확대하기 위한 핵심 요소로 신원 인증, 권한 제어, 책임 추적, 관측성, 소통을 제시하며, 단순한 프로토콜 호환을 넘어 신뢰할 수 있는 에이전트 운영 체계와 상호운용성이 중요하다고 강조

▶ 생성에서 검증으로…AI 코딩 확산에 커지는 리뷰·책임 부담

○ AI 코딩 도구의 확산으로 코드 생성과 오픈소스 기여의 진입장벽은 낮아지고 있지만, 생성된 결과를 검증하고 실제 프로젝트에 반영하기 위한 리뷰와 유지관리 비용은 오히려 증가하는 현상이 나타남

○ openEuler는 AI 도입 이후 오픈소스 커뮤니티에서 실제로 발생한 변화와 이에 대응하기 위한 거버넌스 체계를 제시

 - openEuler 커뮤니티에서는 2025년 1분기 대비 2026년 1분기 전체 PR(Pull Request)는 9,766건에서 16,857건으로 72% 증가​한 반면, 품질 기준을 충족하지 못한 invalid PR은 2,290건에서 5,568건으로 143% 증가​함

 - 같은 기간 CI 자원도 80개 이상에서 113개 이상으로 확대되는 등, AI가 기여량을 늘리는 동시에 프로젝트가 검증해야 할 코드와 운영 부담도 함께 증가한 것으로 나타남

 - 이에 AI 사용 여부보다 책임·투명성·추적 가능성을 우선하는 AI 코딩 가이드라인을 마련하고, AI가 코딩을 지원할 수는 있지만 최종적인 책임은 사람에게 있다는 원칙을 제시

○ 현대오토에버는 AI로 생성된 코드가 실제 오픈소스 프로젝트에서 승인될 수 있도록 하기 위한 Review-Ready Contribution 절차를 제시

 - Argo CD 메인테이너인 최재우 엔지니어는 AI가 생성한 코드가 테스트를 통과하더라도 프로젝트의 역사, 설계 철학, 업스트림·다운스트림 관계까지 이해했다고 볼 수 없기 때문에 실제 오픈소스 기여에는 추가 검증이 필요하다고 설명

 - 이에 Init → Validate → Harden → Submit의 4단계 프로세스를 제안

 ※ Init: 로컬 검증 환경 구축, Validate: 실제 문제 재현, Harden: 실제 환경에서 증거 기반 검증, Submit: 재현 방법과 결과를 포함해 리뷰 가능한 형태로 제출

○ 두 사례의 공통점은 AI가 코드를 생성했는지 여부보다 누가 결과를 검증하고 책임질 것인가를 핵심 기준으로 본다는 점

 - AI 시대의 오픈소스 기여는 생성 속도를 높이는 것보다 메인테이너가 검토할 수 있는 형태로 품질과 증거를 제공하는 것이 중요해지고 있음

▶ AI-BOM으로 확장되는 공급망 관리…코드에서 학습 데이터 계보까지

○ AI 시스템의 신뢰를 확보하기 위해서는 소프트웨어 구성요소뿐 아니라 모델의 아키텍처·가중치뿐 아니라 어떤 학습 데이터에서 만들어졌는지 추적할 수 있어야 한다는 문제가 제기

○ LG AI연구원은 기존 소프트웨어에서 SBOM을 통해 구성요소를 추적했던 것처럼 AI 모델과 데이터의 출처를 추적하기 위한 AI-BOM과 데이터 계보(Data Lineage)를 주요 과제로 제시

 - AI 모델의 신뢰는 아키텍처와 가중치뿐 아니라 학습 데이터까지 함께 확인해야 하지만, 기존 소프트웨어 공급망 관리 도구는 모델 학습에 사용된 데이터의 출처와 관계를 충분히 추적하기 어렵다고 설명

 - 이에 SPDX 3.0을 활용해 데이터셋의 출처와 의존관계를 그래프 형태로 연결하는 방식의 AI-BOM 체계를 개발하고 있으며, 한국 정부와 함께 K-AI BOM 이니셔티브를 추진하고 있다고 소개

○ 실제 AI 데이터 활용 과정에서도 데이터의 표면적인 라이선스만 확인해서는 충분하지 않은 사례를 제시

 - 하나의 공개 비전·언어 데이터셋은 표면적으로 하나의 라이선스를 표시하지만, Wikipedia, ImageNet, LAION, COCO 등 수천 개의 하위 출처와 의존관계가 연결될 수 있어 최종 라이선스만 확인하는 것으로는 실제 사용 가능성을 판단하기 어렵다고 설명

 - LG AI연구원이 진행한 실제 조사에서 약 3,000개 데이터셋의 출처를 추적한 결과, 제품에 안전하게 사용할 수 있다고 판단된 데이터는 약 21%에 불과했으며, 나머지는 상위 계보에서 연구 전용 또는 사용 불가로 표시된 출처와 얽혀 있었다고 설명

○ AI-BOM은 이에 따라 모델·데이터를 단순히 ‘공개했는가’가 아니라 어디에서 왔고, 어떤 조건으로 사용할 수 있으며, 다른 구성요소와 어떤 관계를 갖는지를 확인하기 위한 투명성 수단으로 의미가 확대

 - 향후 기업이 외부 모델이나 데이터셋을 도입할 때에도 라이선스뿐 아니라 데이터의 출처, 버전, 의존관계, 상업적 활용 가능성을 함께 검증할 수 있는 체계가 중요해질 것으로 제시됨

▶ AI 공급망과 코딩 거버넌스

○ AI가 개발 과정에 직접 참여하고 외부 도구와 연결되면서 기존 소프트웨어 공급망 관리 범위도 코드·라이브러리에서 AI 코딩 도구와 에이전트·MCP 서버까지 확대되는 흐름이 나타남

○ SK텔레콤은 OpenChain Korea Work Group에서 시작한 Trusted OSS를 통해 기존 오픈소스 관리체계에 AI 코딩 거버넌스와 운영 도구를 결합하는 방안을 제시

 - Trusted OSS는 △OpenChain의 ISO/IEC 5230 라이선스 컴플라이언스와 ISO/IEC 18974 보안 보증 체계에 기반한 오픈소스 관리체계 구축 △AI 코딩 거버넌스 5단계 모델 △실제 운영을 위한 도구의 세 부분으로 구성

 - 특히 기존 오픈소스 관리에 활용해온 정책·프로세스·DevSecOps 도구를 AI 개발 환경에도 적용할 수 있다는 관점에서 AI 코딩 거버넌스를 5단계로 구분해 제시

 ※ 1단계 개인 Prompt 수준에서 시작해, 2단계 저장소 내 정책·규칙 적용, 3단계 CI/CD 기반 자동 검증, 4단계 AI를 활용한 취약점 판단·퍼징·MCP 관리, 5단계 배포 이후 지속적 모니터링으로 구성

○ 특히 AI 에이전트가 외부 라이브러리와 MCP 도구를 직접 가져와 사용하는 환경에서는 개발자의 코드뿐 아니라 AI 에이전트가 사용하는 도구 자체도 공급망 관리 범위에 포함해야 한다고 강조

 - SK텔레콤은 npm에 공개된 postmark-mcp의 특정 버전에서 사용자의 메일을 외부 주소로 몰래 BCC 전송하도록 하는 코드가 포함된 사례를 소개하며, MCP 서버 역시 일반 오픈소스 패키지와 마찬가지로 검증해야 할 소프트웨어 의존성이라고 설명

 ※ 대응 방안으로 허용된 MCP 서버만 사용하는 Allowlist, 버전 고정, 최소 권한, 사람의 승인과 감사 로그, Tool Description 검토, 외부 데이터 전송 경로 확인 등을 제안

○ 정책에서 실제 운영까지, TRUSCA와 BomLens로 공급망 관리 지원

 - SK텔레콤은 Trusted OSS에서 정책과 프로세스를 제시하는 데 그치지 않고, 이를 실무에서 쉽게 적용할 수 있도록 TRUSCA(Trusted SCA)와 BomLens 등 운영 도구도 함께 개발·공개

 ※ TRUSCA는 소스코드를 스캔해 사용된 오픈소스 컴포넌트의 라이선스와 최신 취약점 정보를 확인할 수 있도록 만든 SCA 도구로, 설치·사용법과 데모 환경까지 제공해 기업이 오픈소스 관리체계를 실제 운영 단계로 연결할 수 있도록 지원

 - SK텔레콤은 2026년 3월부터 소프트웨어를 납품하는 공급사에 SBOM을 제출하도록 요구하고 있어 공급사가 별도의 복잡한 환경 구축 없이 쉽게 SBOM을 만들 수 있도록 BomLens를 개발해 오픈소스로 공개했으며, 소스코드를 입력하면 빌드 환경을 자동으로 파악해 SBOM과 취약점·라이선스 정보를 생성하도록 구성

 ※ BomLens는 Apache-2.0 라이선스로 공개된 도구로, SBOM, 오픈소스 고지문, 보안 취약점 리포트를 생성 도구로 소스코드, 컨테이너 이미지, 바이너리, 펌웨어, 기존 SBOM, AI 모델 입력을 지원하며, 공급사에서 먼저 활용되기 시작했고 이후 SK 계열사로 활용 범위가 확대되고 있다고 소개

○ Trusted OSS를 통해 관리 원칙과 프로세스를 정의하고, TRUSCA로 기업 내부의 오픈소스 라이선스·취약점을 관리하며, BomLens를 통해 공급사의 정확한 SBOM 생성을 지원하는 공급망 관리 구조를 제시

▶ OSPO·커뮤니티 역할 확대, 컴플라이언스에서 AI 전략으로

○ AI 기술이 모델·데이터·프로토콜·외부 도구 등 다양한 오픈소스 요소를 조합하는 구조로 발전하면서, 기존에 오픈소스 정책과 컴플라이언스를 담당해온 OSPO(Open Source Program Office)의 역할도 AI 거버넌스와 기술 전략으로 확대

 ○ 리눅스 재단의 Ana Jiménez Santamaría가 공개한 State of OSPO 2026 예비 조사에서 이미 상당수 OSPO가 AI 관련 업무에 참여하고 있는 것으로 나타남

 - 조사 대상 51개 조직 가운데 58%의 OSPO가 AI 관련 활동에 참여하고 있으며, 주요 업무는 컴플라이언스·법무 검토 61%, 오픈소스 AI 모델·데이터셋·코드 활용 가이드 53%, AI 정책 정의 45%, AI 리스크 관리 43%, AI 조달·벤더 평가 35%, 내부 AI 도구 도입 정책 27%로 나타남

 - AI 거버넌스와 관련해서도 25%가 공동 주도, 10%가 전면 주도하는 등 총 35%가 주도적인 역할을 수행하고 있다고 설명

 ○ OSPO가 기존에 수행해 온 ▷오픈소스 생태계 평가 ▷표준화 참여 ▷업스트림 기여 ▷의존성 관리 ▷부서 간 협업 ▷상호운용성 확보 등의 업무가 MCP와 에이전틱 AI에도 그대로 적용될 수 있다고 강조

 - 어떤 오픈소스 프로젝트와 표준에 의존하고 있는지 평가하고, 업스트림 변화를 추적하며, 특정 기술에 종속되지 않도록 대안을 확보하고, 필요한 프로젝트에는 직접 참여하는 것이 MCP와 AI 에이전트 환경에서도 중요하다는 설명

 - OSPO 역량을 MCP에 적용하기 위해 조직이 확인해야 할 핵심 질문으로 ▷어디에서 MCP를 사용하고 있는가 ▷무엇에 의존하고 있는가 ▷누가 업스트림 변화를 추적하는가 ▷어디에 참여해야 하는가 ▷선택권을 유지하고 있는가 등 5가지를 제시

 ○ AI 시대 오픈소스의 지속 가능성을 위해서는 조직 차원의 OSPO뿐 아니라 프로젝트 차원의 커뮤니티 거버넌스 체계도 중요

 - Zephyr RTOS는 Linux 커널 개발의 모범사례를 적용해 공개 리뷰, 메인테이너 체계, DCO 기반 기여, 보안 프로세스, SBOM, LTS 정책 등을 10년에 걸쳐 구축했으며, 2026년 8월 기준 3,500명 이상의 기여자가 참여하는 프로젝트로 성장

 - Zephyr 사례는 오픈소스 프로젝트의 장기적인 지속 가능성이 기술 개발뿐 아니라 명확한 기여·리뷰 구조, 보안 관리, 장기 지원 정책, 커뮤니티 운영 체계의 축적에 의해 뒷받침된다는 점을 보여줌

□ 시사점

○ 이번 Open Source Summit Korea 2026은 AI 경쟁의 초점이 ‘더 많이 공개·생성하는 것’에서 ‘신뢰할 수 있게 운영·검증하는 것’으로 이동하고 있음을 보여줌

○ 모델 경쟁은 Harness·MCP·메모리·추론 인프라 등 시스템 경쟁으로 확대되고 개발에서는 AI가 생성한 코드의 검증과 리뷰 부담이 중요한 문제로 부상하고 있음 

○ 공급망 관리 범위 역시 코드·라이브러리를 넘어 AI 모델·학습 데이터· AI 코딩 도구·MCP 서버까지 확대되면서, 출처와 의존관계, 보안, 권한, 책임을 추적·관리하는 체계의 중요성이 높아지고 있음

○ 이에 따라 AI 시대의 ‘개방성’은 단순히 소스나 모델을 공개하는 상태를 넘어, 무엇을 기반으로 만들어졌는지 확인하고, 결과를 검증하며, 필요할 때 다른 모델·도구·인프라로 교체할 수 있는 운영 역량까지 포함하는 개념으로 확장

□ 주목할 만한 월간 이슈(8월) 

○ (AI) 독파모 2차 평가, 업스테이지·SKT·LG 3개 팀 선정

 - 과학기술정보통신부와 정보통신산업진흥원(NIPA)이 ‘독자 AI 파운데이션 모델’ 프로젝트 2차 단계평가를 실시한 결과, 업스테이지, SK텔레콤, LG AI연구원 3개 정예팀이 다음 단계에 진출함

 - 2단계 참여 4개 정예팀이 개발한 모델은 모두 오픈소스로 공개됐으며, 최근 미국 비영리 AI 연구기관 에포크AI(Epoch AI)의 ‘주목할 만한 AI 모델(Notable AI Models)’에 등재됨

 ※ 에포크AI의 ‘주목할 만한 모델’은 단순 성능 순위가 아니라 성능, 연구 영향력, 역사적 중요성, 활용 규모 등 일정 기준을 충족해 국제적으로 추적·분석할 가치가 있는 모델을 선정하는 지표임

 ※ 이번 등재 모델은 LG AI연구원 ‘K-엑사원(EXAONE) 2.0’, 업스테이지 ‘솔라 오픈(Solar Open) 2’, SK텔레콤 ‘A.X K2’, 모티프테크놀로지스 ‘모티프(Motif)-3’ 등 4종임 

 ※ 과기정통부에 따르면 에포크AI가 2026년 신규 선정 모델 보유국은 현재 미국·중국·한국 등 3개국뿐으로 Artificial Analysis의 AI 종합평가지수(AAII)에서도 4개 모델 모두 31점 이상을 기록, 40점 초과 구간에는 미국·중국에 이어 한국 모델이 포함됨

 - 이번 2차 단계평가는 ▲벤치마크 평가 40점 ▲전문가 평가 35점 ▲사용자 평가 25점으로 구성

 ※ 벤치마크 평가는 글로벌 평가인 AAII와 NIA 한국 특화 벤치마크를 병행

 ※ 전문가 평가는 산업계 3명, 학계 5명, 연구계 2명 등 외부 전문가가 개발 전략·기술, 개발 성과·계획, 생태계 및 글로벌 파급효과, 개발 모델 사용성과 실용성, 적용 가능성 등을 평가

 ※ 사용자 평가는 AI 전문 사용자와 일반 국민 평가로 나눠 모델의 사용성 검증

 - 평가 결과 업스테이지, SK텔레콤, LG AI연구원이 다음 단계에 진출

 ※ 세부 평가에서는 글로벌 AAII 벤치마크는 모티프테크놀로지스, NIA 벤치마크와 AI 전문 사용자 평가는 SK텔레콤, 전문가 평가와 일반 국민 평가는 LG AI연구원이 각각 최고점을 기록

 ※ 업스테이지는 개별 평가항목에서 1위를 기록하지 않았으나 종합평가 결과 다음 단계 진출팀에 포함됨

 - 업스테이지는 개발 모델의 실제 서비스 연계와 국산 AI SW·HW 생태계 결합 측면에서, SK텔레콤은 한국어·수리 추론 성능과 실제 상용 서비스 및 산업 적용 측면에서 LG AI연구원은 글로벌 확산 전략과 Agentic AI 차별성, 안전·신뢰성 관리 측면에서 높은 평가를 받음

 ※ 모티프테크놀로지스는 다음 단계 진출에는 실패했으나 글로벌 AAII 평가에서 4개 팀 중 가장 높은 점수를 기록

○ (개방형 AI) 메타 온디바이스 모델 ‘뮤즈 글리머’ 공개, 오픈소스 생태계 복귀 공식화

 - 메타가 개인의 AI 접근성과 통제권 확대를 강조하며 온디바이스용 개방형 AI 모델 ‘뮤즈 글리머’를 공개하고 오픈소스 AI 생태계 복귀도 공식화

 ※ 이번에 공개한 차세대 개방형 AI 모델 ‘뮤즈 글리머’는 300억 매개변수 규모로 일반 PC에서 단일 그래픽카드만으로 에이전트 작업을 상시 구동할 수 있도록 설계

 - 마크 저커버그 메타 CEO는 에세이 ‘미래는 모두의 것’을 통해 초인공지능을 중앙집중화하기보다 널리 배포해 모든 사람이 이를 통제할 수 있도록 해야 한다는 입장을 밝힘

 - AI가 개인의 일자리를 대체하는 전망에도 의문을 제기하며 개인의 역량과 생산성을 강화하는 방향으로 활용돼야 한다고 주장

 - 외신에 따르면 최상위 모델인 '뮤즈 스파크1.2'의 가중치 개방형 모델 역시 몇 주 안에 선보일 예정

 - 메타는 기존 ‘라마(Llama)’ 이후 폐쇄형 모델 개발에 무게를 두는 방향으로 AI 사업을 재편해 왔으나, 이번 ‘뮤즈 글리머’ 모델 공개를 계기로 개방형 AI 전략을 다시 강화하는 움직임을 보임

 - 또한 미국 내 AI 인프라 및 지역사회 지원을 위한 10억 달러 규모의 ‘미래는 모두의 것’ 기금 조성 계획도 발표

○ (로보틱스) 로보티즈, 오픈소스 기반 휴머노이드 풀스택 공개

 - 로보티즈가 중국 베이징에서 열린 ‘2026 세계로봇대회(WRC)’에서 휴머노이드 ‘AI 사피엔스’를 중심으로 오픈소스 기반 풀스택 로봇 솔루션을 공개함

 ※ 전시에는 휴머노이드 ‘AI 사피엔스’, 세미 휴머노이드 ‘AI 워커’, 로봇 핸드 ‘HX5-D20’, 신규 액추에이터 ‘다이나믹셀-Q’ 등이 포함됐으며, 액추에이터부터 완성형 휴머노이드까지 자체 개발하는 수직 통합 역량을 강조

 - 로보티즈는 이달 초 구동 제어 코드, Sim2Real 도구, 강화학습 워크플로 등 주요 소프트웨어를 공개하며 오픈소스 전략을 강화

 - 외부 연구자가 개발한 알고리즘을 실제 로봇에 빠르게 적용할 수 있는 개방형 플랫폼 구축을 목표로 함

○ (오픈 하드웨어) 2026 OCP 코리아 테크 데이, AI 데이터센터 개방형 인프라 기술 공유 확대

 - 오픈 컴퓨트 프로젝트(OCP) 재단과 OCP 코리아 커뮤니티가 서울 코엑스에서 ‘2026 OCP 코리아 테크 데이’를 개최하고, AI 데이터센터를 구성하는 서버·스토리지·네트워크·전력·냉각 등 개방형 인프라 기술과 구축 전략을 공유함

 ※ OCP는 기업이 개발한 데이터센터 하드웨어 설계와 기술을 공유해 효율적이고 확장 가능한 인프라 생태계를 조성하는 글로벌 오픈 하드웨어 커뮤니티

 - OCP는 개방성을 바탕으로 개별 하드웨어를 넘어 AI 클러스터 전체의 설계와 구축 방식 등 'AI 팩토리' 전반을 오픈소스로 공유하는 활동을 전개

 ※ 엔비디아는 ‘MGX 랙’ 설계를 OCP 커뮤니티에 공개했으며, 메타·AMD 등은 42인치 ‘오픈 랙 와이드(ORW)’ 생태계 확대에 참여

 ※ 구글이 자사 데이터센터에서 검증한 냉각수분배장치(CDU) 설계를 OCP에 공개한 이후 8개 공급업체가 이를 기반으로 제품을 출시

 ※ 오픈AI·마이크로소프트·인텔·AMD 등이 대규모 AI 클러스터에서 검증한 다중경로 네트워크 기술 ‘MRC’를 OCP에 공개

○ (AI 정책) 오픈소스 기반 AI 생태계 구축·글로벌 협력 전략 논의

 - 국회에서 리눅스재단, 마이크로소프트, 국가인공지능전략위원회, 한국전자통신연구원, 외교부, 과학기술정보통신부 관계자 등이 참석한 ‘AI 오픈소스 협력 간담회’를 개최하고 국내 오픈소스 기반 AI 생태계 구축 방안을 논의함

 - 간담회는 미국·중국 중심의 글로벌 AI 경쟁 구도 속에서 오픈소스·오픈웨이트 전략을 활용해 국내 독자 AI 생태계와 경쟁력을 확보하는 방안을 모색하기 위해 마련됨

 - 임문영 의원은 리눅스재단 등 글로벌 오픈소스 진영을 국내 AI 전략의 핵심 협력 파트너로 활용하고, 국제 개발협력과 수출 전략에서도 오픈소스 연계를 확대할 필요가 있다고 강조

 - 리눅스 재단은 AI 인프라, 학습모델, 에이전트 AI, MCP 등 AI 개발 전반의 오픈소스 기술을 지원하고 있다며 국내 오픈소스 AI 생태계 조성에 협력할 뜻을 밝힘

 - 마이크로소프트는 오픈소스 생태계 기여와 함께 국산 AI 반도체와의 협력 가능성을 제시

○ (보안) AWS, AI 에이전트용 오픈소스 정책 언어 ‘도그우드’ 공개

 - AWS가 AI 에이전트의 개별 작업뿐 아니라 연속된 행동 흐름까지 통제할 수 있는 오픈소스 정책 언어 ‘도그우드(Dogwood)’를 공개하고, 이를 아마존 베드록 에이전트코어에 적용함

 - 도그우드는 기존 오픈소스 정책 언어 ‘시더(Cedar)’를 확장한 형태로, 동일 세션에서 에이전트가 이전에 수행한 행동 이력을 참조해 다음 도구 호출의 허용 여부를 판단하는 ‘시간 기반 정책’을 지원

 - 시간 기반 정책은 현재 요청뿐 아니라 동일한 세션에서 AI 에이전트가 이전에 수행한 행동까지 함께 분석해 다음 작업의 허용 여부를 판단, 앞선 호출 결과와 다음 호출 입력값의 일치 여부를 검증하거나 누적 사용 금액이 일정 수준을 넘으면 추가 결제를 차단하는 방식임

 - 도그우드는 기존 오픈소스 정책 언어인 '시더(Cedar)'를 확장한 형태로 설계되어 기존 정책을 재작성하거나 마이그레이션하지 않고 사용할 수 있으며, 아파치 2.0 라이선스의 오픈소스 사양과 참조 구현으로 제공