인공지능 종류 및 개발사, 관련 공개소프트웨어 보고서
작성일: 2026년 7월 13일
목차
- 인공지능의 분류 체계
- 주요 AI 개발사(기업)
- 관련 오픈소스 소프트웨어
- 한국 주요 AI 개발 현황
- 요약 및 전망
1. 인공지능의 분류 체계
1.1 기능적 분류 (Business Taxonomy, 2026 기준)
2026년 현재 실무에서 활용되는 AI의 4대 핵심 분류:
| 분류 |
설명 |
대표 활용 사례 |
| 예측 AI (Predictive AI) |
과거 데이터 분석으로 미래 결과를 예측/분류 |
사기 탐지, 수요 예측, 이탈 예측, 신용 평가 |
| 생성 AI (Generative AI) |
대규모 언어/이미지 모델을 통해 텍스트·코드·이미지 등 생성 |
문서 초안 작성, 코드 생성, 이미지 합성, 요약 |
| 에이전트 AI (Agentic AI) |
다단계 워크플로를 추론·계획·실행하는 자율 시스템 |
자동화된 업무 처리, 멀티스텝 워크플로, API 호출 기반 자동화 |
| 신경기호 AI (Neurosymbolic AI) |
LLM의 이해력 + 결정론적 규칙 엔진 결합 |
규제 산업의 감사 가능한 의사결정, 금융/의료 자동화 |
1.2 기술 기반 분류
| 분류 |
설명 |
| 머신러닝 (Machine Learning) |
데이터에서 명시적 프로그래밍 없이 학습하는 시스템 (지도/비지도/강화학습) |
| 딥러닝 (Deep Learning) |
다층 신경망을 활용하여 복잡한 패턴을 학습하는 머신러닝의 하위 분야 |
| 자연어처리 (NLP) |
인간 언어를 이해·해석·생성하는 AI (의도 인식, 감성 분류, 문서 요약 등) |
| 컴퓨터 비전 (Computer Vision) |
이미지/영상 데이터를 해석하는 AI (이미지 분류, 객체 탐지, 문서 검증 등) |
| 로보틱스 (Robotics) |
물리적 환경에서의 자율적 행동 및 조작 |
| 멀티모달 AI (Multimodal AI) |
텍스트, 이미지, 음성 등 여러 데이터 형태를 동시에 처리하는 AI |
1.3 모델 아키텍처 분류
| 분류 |
설명 |
대표 사례 |
| 대규모 언어모델 (LLM) |
광범위한 추론, 장문맥 분석, 복잡한 오케스트레이션에 특화 |
GPT-5, Claude Opus 4.8, Gemini 3 |
| 소규모 언어모델 (SLM) |
엣지·모바일·로컬 배포에 최적화된 경량 모델 |
Phi-4, Gemma 4, Mistral Small 4 |
| MoE (Mixture of Experts) |
특정 작업에 최적화된 전문가 모델만 활성화하여 효율성 극대화 |
DeepSeek V3/V4, Kimi K2.6, Qwen3 |
| 확산 모델 (Diffusion Model) |
노이즈로부터 이미지를 단계적으로 생성하는 모델 |
DALL-E 3, Stable Diffusion, Midjourney |
2. 주요 AI 개발사(기업)
2.1 글로벌 주요 기업
| 기업 |
본사 |
설립 |
주요 모델/제품 |
특징 |
| OpenAI |
미국 샌프란시스코 |
2015 |
GPT-5.5, o-series, GPT-OSS 120B/20B, DALL-E, Whisper |
공개혜택기업(PBC), GPT-OSS로 오픈소스 진출 |
| Anthropic |
미국 샌프란시스코 |
2021 |
Claude Opus 4.8, Claude Sonnet 4.6, Claude Haiku |
AI 안전성 중점, PBC 구조 |
| Meta AI |
미국 메나파크 |
- |
Llama 4 (Scout/Maverick/Behemoth) |
10M 토큰 문맥, 가장 광범위하게 배포된 오픈 웨이트 모델 |
| Google DeepMind |
미국 마운틴뷰 |
- |
Gemini 3 Pro, Gemma 4 (E2B/E4B/26B/31B) |
Gemma 4는 단일 GPU 최고 성능, Apache 2.0 라이선스 |
| Mistral AI |
프랑스 파리 |
2023 |
Mistral Large 3, Mistral Small 4, Codestral, Pixtral |
유럽 데이터 주권, MoE 아키텍처, Apache 2.0 |
| Microsoft |
미국 레드몬드 |
- |
Phi-4 (1.5B~14B), Phi-4-reasoning |
소형 고품질 모델, 엣지 디바이스 특화 |
| Alibaba (Alibaba Cloud) |
중국 항저우 |
- |
Qwen 3.5, Qwen3-Coder, Qwen2.5-VL |
201개 언어 지원, Hugging Face 다운로드 7억 회 돌파 |
| DeepSeek |
중국 항저우 |
- |
DeepSeek V4 Pro/Flash, DeepSeek R1 |
MIT 라이선스, 비용 효율적 학습, 추론 모델 선도 |
| Moonshot AI (Z.ai) |
중국 베이징 |
- |
Kimi K2.6 |
에이전트 스웜, 1T+ 파라미터 MoE, 128K+ 문맥 |
| Baidu |
중국 베이징 |
- |
ERNIE 4.5/5.1 |
중국 시장 특화, 대규모 오픈소스 공개 |
| Zhipu AI (Z.ai) |
중국 베이징(칭화대 출신) |
- |
GLM-5.2 |
오픈 웨이트 모델 최고 성능(인텔리전스 지수 50점), 화웨이 Ascend 칩으로 학습 |
| NVIDIA |
미국 산타클라라 |
1993 |
Nemotron 3/Llama Nemotron |
AI 하드웨어·소프트웨어 생태계 (CUDA-X, NIM 등) |
| Hugging Face |
미국 뉴욕 |
2016 |
Transformers, Diffusers, Datasets, Tokenizers |
세계 최대 오픈소스 모델 허브 플랫폼 |
| MiniMax |
중국 |
- |
MiniMax-M2.7 |
저비용 프론티어급 추론, 에이전트 도구 호출 특화 |
| Tencent |
중국 선전 |
- |
Hunyuan Hy3 (295B A21B) |
Apache 2.0, 에이전트/검색 특화 |
| Cohere |
캠 토론토 |
- |
Command A+ (218B MoE) |
기업용 RAG 특화, 48개 언어, Apache 2.0 |
2.2 한국 주요 기업
| 기업 |
주요 모델 |
라이선스 |
특징 |
| 네이버 (Naver Cloud) |
HyperCLOVA X SEED (0.5B~32B), HCX Seed 14B Think |
Apache 2.0 |
프롬 스크래치 개발, 한국어 특화, 옴니모델(멀티모달) |
| 카카오 (Kakao) |
Kanana 1.5 (2.1B~8B, MoE 15.7B-A3B) |
Apache 2.0 |
국내 최초 MoE 모델 오픈소스 공개, 경량 멀티모달 |
| LG AI연구원 |
K-EXAONE, EXAONE 4.5 (33B) |
오픈 웨이트 |
하이브리드 어텐션, 멀티 토큰 예측, 글로벌 탑 7위 |
| SK텔레콤 |
A.X 4.0 (7B/72B) |
오픈소스 |
Qwen 2.5 기반 한국어 특화, 자체 토크나이저 |
| KT |
믿:음 2.0 Base (115B) / Mini (23B) |
오픈소스 |
저작권 문제 없는 독자 데이터 학습 |
| NC소프트 |
VARCO LLM |
오픈소스 |
한국어 특화, 다국어 확장 |
2.3 기타 주목 기업
| 기업 |
본사 |
특징 |
| 01.AI (Yi) |
중국 |
Yi 시리즈 (6B~34B), 영중 이중 언어 |
| Stability AI |
영국 |
Stable Diffusion, StableLM |
| EleutherAI |
비영리 |
GPT-NeoX, Pythia, Pile 데이터셋 |
| Allen AI (Ai2) |
미국 |
OLMo 2/3, Tülu 3 - 완전 공개(가중치+코드+데이터+체크포인트) |
| Databricks |
미국 |
Apache Spark, Delta Lake, MLflow, DBRX |
| xAI |
미국 |
Grok 시리즈 (부분 공개) |
| FII (아부다비) |
UAE |
Falcon H1R, 아랍어 특화 |
| Xiaomi |
중국 |
MiMo-V2.5-Pro, Apache 2.0 |
3. 관련 오픈소스 소프트웨어
3.1 오픈소스 AI 모델 (가중치 공개)
Tier 1 - 완전 자유 라이선스 (Apache 2.0 / MIT / BSD)
| 모델명 |
개발사 |
파라미터 |
라이선스 |
주요 특징 |
| Qwen 3.5 / Qwen3-Coder |
Alibaba |
480B MoE (35B 활성) |
Apache 2.0 |
201개 언어, 1M 문맥, 에이전트 코딩 |
| DeepSeek V4 Pro |
DeepSeek |
대형 MoE |
MIT |
SWE-bench 83.7%, 1M 문맥 |
| DeepSeek R1 |
DeepSeek |
671B |
MIT |
추론 특화, 수학/논리 |
| Gemma 4 31B |
Google DeepMind |
31B Dense |
Apache 2.0 |
단일 GPU 최적, 에이전트 워크플로 |
| Phi-4 |
Microsoft |
1.5B~14B |
MIT |
엣지·모바일, 합성 데이터 학습 |
| Mistral Small 4 / Medium 3.5 |
Mistral AI |
Various |
Apache 2.0 |
유럽 데이터 주권, 함수 호출 |
| GPT-OSS 120B / 20B |
OpenAI |
117B (5.1B 활성) |
Apache 2.0 |
OpenAI 최초 오픈 모델, MXFP4 양자화 |
| OLMo 2 / OLMo 3 |
Allen AI |
1B~32B |
Apache 2.0 |
완전 공개(가중치+코드+데이터+체크포인트) |
| MiMo-V2.5-Pro |
Xiaomi |
- |
Apache 2.0 |
에이전트 특화 |
| MiniMax-M2.7 |
MiniMax |
- |
Apache 2.0 |
저비용 프론티어급 추론 |
| Kimi K2.6 |
Moonshot AI |
1T+ MoE |
MIT |
에이전트 스웜, 128K+ 문맥 |
Tier 2 - 조건부 라이선스
| 모델명 |
개발사 |
라이선스 |
조건 |
| Llama 4 (Scout/Maverick) |
Meta |
Community License |
7억 MAU 초과 시 상업 제한, 경쟁 모델 학습 금지 |
| GLM-5.2 |
Zhipu AI (Z.ai) |
MIT |
오픈 웨이트 최고 성능 |
| Command A+ |
Cohere |
Apache 2.0 |
기업용 RAG 특화 |
3.2 오픈소스 AI 인프라/프레임워크
| 분류 |
프로젝트 |
설명 |
| 추론 엔진 |
vLLM |
대규모 동시 사용자 추론에 최적화, 2025년 GitHub 기여자 수 1위 |
|
llama.cpp |
로컬 CPU/GPU 추론 엔진, 다양한 모델 지원 |
|
Ollama |
로컬 모델 실행을 위한 간편 CLI 도구 |
|
MLX |
Apple Silicon용 추론 엔진 |
|
SGLang |
GPU 서빙 최적화 추론 엔진 |
|
exllamav2 |
로컬 추론 표준 엔진 |
|
TGI (Hugging Face) |
프로덕션용 추론 서버 |
| 모델 허브 |
Hugging Face Hub |
세계 최대 오픈소스 모델 배포 플랫폼 |
| ML 라이브러리 |
Transformers (Hugging Face) |
Transformer 모델 통합 라이브러리 |
|
Diffusers (Hugging Face) |
이미지 생성 모델 라이브러리 |
|
Datasets (Hugging Face) |
ML 데이터셋 라이브러리 |
|
PyTorch |
딥러닝 프레임워크 |
|
Apache Spark |
대규모 데이터 처리 |
|
Delta Lake |
레이크하우스 아키텍처 |
|
MLflow |
ML 생명주기 관리 |
| 음성 AI |
Whisper (OpenAI) |
음성-텍스트 변환 골드 스탠더드 |
|
NVIDIA NeMo Speech |
ASR, TTS, 음성 LLM 프레임워크 |
|
ElevenLabs |
음성 AI, TTS, 음성 에이전트 |
| 멀티모달 |
OpenCLIP |
CLIP 오픈소스 구현 |
|
VILA (NVIDIA) |
비전-언어 모델 패밀리 |
|
InternVL 3 |
멀티모달 비전-언어 모델 |
| 에이전트 프레임워크 |
llm-d |
Kubernetes 기반 분산 LLM 추론 (CNCF 기부) |
| 데이터 도구 |
Docling |
비정형 데이터 처리 도구 |
3.3 오픈소스 모델 라이선스 비교
| 라이선스 |
자유도 |
해당 모델 |
| Apache 2.0 |
상업·재배포·파생 모두 자유 |
Qwen, Gemma, Mistral, Phi, OLMo, GPT-OSS, MiniMax, Falcon |
| MIT |
상업·재배포·파생 모두 자유 |
DeepSeek R1/V4, GLM-5, Kimi K2.6, Phi-4 |
| Community License |
조건부 상업 허용 |
Llama 4 (7억 MAU 제한) |
| Research License |
비상업 전용 |
일부 Mistral 대형 모델 |
4. 한국 주요 AI 개발 현황
4.1 정부 주도 사업
- 독자 AI 파운데이션 모델(독파모) 프로젝트: 과기정통부 주관
- 참여 기업: LG AI연구원, SK텔레콤, 업스테이지, 카카오, 네이버
- 2026년 8월 오픈소스 전면 공개 예정
- NVIDIA B200 GPU 공동 구매 및 데이터 구축 지원
4.2 한국 오픈소스 AI 모델 현황
| 기업 |
모델 |
파라미터 |
공개일 |
특징 |
| 네이버 |
HCX SEED 3B 옴니 |
3B |
2025.12 |
텍스트+이미지+음성 통합 옴니모델 |
| 네이버 |
HCX SEED 14B Think |
14B |
2025.07 |
추론 특화, 자체 증류 기술 |
| 카카오 |
Kanana 1.5 |
2.1B~8B |
2025.05 |
Apache 2.0, 한국어 특화 |
| 카카오 |
Kanana MoE |
15.7B (3B 활성) |
2026.07 |
국내 최초 MoE 오픈소스 |
| LG AI연구원 |
K-EXAONE |
236B MoE |
2026.01 |
글로벌 오픈 웨이트 탑 7위 |
| LG AI연구원 |
EXAONE 4.5 |
33B |
2026.04 |
멀티모달, GPT-5-mini 상회 |
| SK텔레콤 |
A.X 4.0 |
7B/72B |
2025.07 |
Qwen 2.5 기반 한국어 특화 |
| KT |
믿:음 2.0 |
23B/115B |
2025.07 |
독자 한국어 데이터 학습 |
5. 요약 및 전망
5.1 핵심 트렌드
- 중국 모델의 약진: GLM-5.2, Kimi K2.6, DeepSeek V4, Qwen 3.5 등 상위 오픈 웨이트 모델의多数가 중국 랩에서 개발
- 오픈소스와 폐쇄 모델의 격차 축소: 프론티어급 오픈 모델이 폐쇄 모델과 약 3개월 수준으로 격차 축소
- MoE 아키텍처 확산: 전체 파라미터 중 일부만 활성화하여 효율성 극대화 (DeepSeek, Kimi, Qwen, Llama 4)
- 에이전트 AI 부상: 다단계 워크플로 자동화가 기업 AI 핵심 도입 영역으로 부상
- 소형 모델의 진화: Phi-4, Gemma 4, Mistral Small 등 소형 모델의 성능이 빠르게 향상
- 단일 GPU 배포 가능성: MXFP4 양자화 등을 통해 대형 모델도 단일 GPU에서 동작 가능
5.2 라이선스 동향
- Apache 2.0 / MIT가 표준으로 자리잡아 기업 도입 마찰 최소화
- 중국 랩의 MIT/Apache 2.0 라이선스 채택 증가로 글로벌 활용성 확대
- 한국 기업(네이버, 카카오, LG)도 Apache 2.0으로 개방하여 생태계 기여
5.3 한국 AI 전략 방향
- 소버린 AI 확보: 정부 독파모 프로젝트를 통한 국산 AI 모델 경쟁력 강화
- 오픈소스 생태계 구축: 한국어 특화 모델의 Apache 2.0 공개로 생태계 확산
- 하드웨어 자립: 화웨이 Ascend 등 비NVIDIA 칩 기반 학습 기술 확보 (Zhipu AI 사례 참고)
본 보고서는 2026년 7월 기준 공개된 자료를 바탕으로 작성되었습니다.
