5 개의 최고 오픈 소스 LLM (8월 2026)

오픈 소스 및 오픈 가중치 대규모 언어 모델은 이제 컴팩트한 로컬 어시스턴트에서부터 장기 수평 소프트웨어 작업을 위한 1조 매개변수 시스템에 이르기까지 모든 것을 다루고 있습니다. 가장 강력한 선택은 단순히 가장 큰 매개변수 수를 가진 모델이 아닙니다. 배포 하드웨어, 컨텍스트 길이, 모달리티, 도구 지원, 라이선스 조건 및 팀이 필요한 운영 제어 수준은 매개변수 수만큼 중요할 수 있습니다.

이 목록은 개발자에게 의미 있는 가중치 액세스를 제공하는 강력한 기능을 제공하는 현재 5개의 모델 패밀리에 중점을 둡니다. 일부는宽容한 소프트웨어 라이선스를 사용하는 반면 다른 일부는 사용자 지정 모델 조건을 사용하므로 조직은 배포 전에 해당 라이선스를 검토해야 합니다. 라인업은 또한 총 매개변수와 활성화된 매개변수를 구분합니다. 전문가 아키텍처는 매우 크지만 각 토큰에 대해 가중치의 일부만 사용할 수 있기 때문입니다.

대부분의 팀은 작업량에 따라 실제 결정을 내립니다. DeepSeek V4와 GLM-5.2는 매우 큰 규모에서 어려운推論 및 에이전트 작업을 대상으로 합니다. Kimi K3는 네이티브 비전을 매우 긴 컨텍스트 창과 결합합니다. Qwen3.6-35B-A3B는 더 배포 가능한 다중 모달 전문가 混合 설계를 제공하는 반면 OpenAI의 gpt-oss 패밀리는 투명한推論 제어와 광범위한 도구 지원을 제공하는 두 가지 텍스트 중심 옵션을 제공합니다.

최佳 오픈 소스 LLM 비교

1. DeepSeek V4

DeepSeek V4는 어려운 코딩, 推論, 도구 사용 및 에이전트 작업을 위한 대규모 전문가 모델 패밀리입니다. V4-Pro 구성은 1.6조 총 매개변수를 가지고 있으며 각 토큰에 대해 49억 개의 매개변수를 활성화하며, 더 효율적인 V4-Flash 구성은 284억 개의 총 매개변수를 사용하며 13억 개의 매개변수를 활성화합니다. 두 모델 모두 100만 토큰 컨텍스트 창을 중심으로 설계되어 개발자가 대규모 저장소, 광범위한 문서 및 긴 상호 작용 기록을 처리할 수 있습니다.

하이브리드 어텐션 아키텍처는 긴 컨텍스트 능력과 실제 추론을 균형 있게 조절하도록 설계되었습니다. 여러 가지 推論 모드를 사용하면 팀이 다양한 작업에 대한 행동을 조정할 수 있습니다. 이러한 유연성은 직접 응답, 의도적인 문제 해결, 도구 실행 및 확장된 소프트웨어 작업을 번갈아 가며 수행하는 시스템에 유용합니다. DeepSeek은 또한 함수 호출 및 에이전트 신뢰성을 강조하여 V4를 계획, 행동, 결과 검사 및 접근 방식 수정이 필요한 어시스턴트에 특히 관련시킵니다.

MIT 라이선스하에 공개되므로 조직이 광범위한 배포 자유를 누릴 수 있습니다. 그러나 대규모 배포에는 상당한 인프라스트럭처가 필요하며 팀은 자신의 작업량에 대한 지연 시간, 메모리 요구 사항 및 도구 호출 동작을 평가해야 합니다.

DeepSeek V4 방문하기

2. GLM-5.2

GLM-5.2는 장기 수평 전문 및 소프트웨어 작업을 위한 Z.ai의 旗艦 오픈 가중치 모델입니다. 753억 개의 매개변수와 100만 토큰 컨텍스트 창이 있는 이 모델은 대규모 코드베이스, 깊은 문서 분석 및 많은 동작을 걸쳐 일관된 목표를 유지해야 하는 워크플로에 적합합니다. 아키텍처와 훈련은 신뢰할 수 있는 실행을 강조합니다.

주목할 만한 강점은 조절 가능한思考 노력입니다. 개발자는 작업의 난이도와 지연 프로필에 따라 다른 推論 깊이를 선택할 수 있습니다. GLM-5.2는 또한 함수 호출 및 에이전트 워크플로를 지원하여 개발 환경, 연구 도구 및 구조화된 비즈니스 시스템과 상호 작용할 수 있습니다.

MIT 라이선스하에 배포되므로 생산 팀은 서빙 아키텍처, 메모리, 관찰 가능성 및 안전성 컨트롤을 고려해야 합니다. GLM-5.2는 장기 수평 推論 및 지속적인 작업 실행이 주요 요구 사항인 경우에 가장 의미가 있습니다.

GLM-5.2 방문하기

3. Kimi K3

Kimi K3는 Moonshot AI의 오픈 가중치 다중 모달 모델로, 확장된 코딩, 연구, 推論 및 지식 워크 에이전트를 위한 것입니다. 2026년 7월에 출시된 Kimi K3는 2.8조 매개변수와 네이티브 비전 및 100만 토큰 컨텍스트 창을 결합하여 단일 워크플로에서 텍스트, 코드, 스크린샷, 도면, 문서 및 긴 상호 작용 기록을 推論할 수 있습니다.

Kimi K3는 특히 여러 중간 결정이 포함된 장기 실행 에이전트 작업에 적합합니다. Kimi의 에이전트 환경은 도구를 조정하고 확장된 세션을 유지하도록 설계되었으며, 큰 컨텍스트 창은 광범위한 프로젝트 상태 및 지원 자료를 보유할 수 있습니다. 네이티브 비전은 또한 인터페이스 검사, 시각적 문서 분석 및 소스 코드와 렌더링된 출력을 혼합하는 소프트웨어 워크플로에서 우위를 제공합니다.

Kimi K3는 표준宽容한 소프트웨어 라이선스 대신 사용자 지정 모델 조건을 사용하므로 팀은 배포 및 배포 요구 사항에 대한 라이선스를 검토해야 합니다. 큰 규모로 인해 대부분의 조직은 최적화된 서빙 스택 또는 호스팅 인프라에 의존할 것입니다. Kimi K3는 다중 모달성 및 장기 수평 실행이 함께 중요할 때 설득력 있는 선택입니다.

Kimi K3 방문하기

4. Qwen3.6-35B-A3B

Qwen3.6-35B-A3B는 35억 개의 총 매개변수와 각 토큰에 대해 3억 개의 활성화된 매개변수를 가진 효율적인 다중 모달 전문가 混合 모델입니다. Qwen3.6-35B-A3B는 이미지 및 텍스트 이해를 위한 비전 인코더를 통합하여 위에 언급된 1조 매개변수 시스템보다 배포하기에 훨씬 더 접근성이 좋습니다. 모델에는 262,144개의 네이티브 컨텍스트 창이 있으며 실제로 추가 컨텍스트가 필요한 작업에는 약 100만 토큰까지 확장할 수 있습니다.

Qwen3.6-35B-A3B는 에이전트 코딩, 도구 사용, 시각적 推論 및 일반 에이전트 작업을 위해 모델을 위치시킵니다. 思考 상태 보존은 다중 단계 워크플로에서 推論을 계속할 수 있도록 도와줍니다. Qwen-Agent 및 Model Context Protocol 통합과 호환성을 통해 모델을 외부 도구 및 데이터에 연결하기가 더 쉬워집니다. 비교적 낮은 활성화된 매개변수 수는 다중 모달 동작을 원하는 팀에게 특히 매력적입니다.

Apache 2.0 라이선스하에 배포되므로 광범위한 실험 및 배포를 지원합니다. 전문가 混合 모델인 경우 실제 성능은 서빙 스택 및 작업에 따라 다르며, 네이티브 창을远으로 확장하면 메모리 사용量이 증가하고 집중력이 감소할 수 있습니다.

Qwen3.6-35B-A3B 방문하기

5. gpt-oss

OpenAI의 gpt-oss 패밀리는 로컬, 사적 및 사용자 정의 가능한 배포를 위한 두 가지 텍스트 전용 推論 모델로 구성됩니다. 더 큰 gpt-oss-120b 모델은 117억 개의 총 매개변수와 각 토큰에 대해 5.1억 개의 활성화된 매개변수를 가지며, 80GB의 메모리 내에서 실행하도록 설계되었습니다. 더 작은 gpt-oss-20b 모델은 21억 개의 총 매개변수와 각 토큰에 대해 3.6억 개의 활성화된 매개변수를 가지며, 16GB 내에서 작동하도록 설계되어 훨씬 더 많은 워크스테이션 및 에지 지향 시스템에서 접근할 수 있습니다.

두 변형 모두 128,000 토큰 컨텍스트 창, 구성 가능한 推論 노력, 네이티브 도구 사용 및 구조화된 출력을 제공합니다. 투명한 추론 스택 제어, 사적 데이터 처리 또는 더 큰 애플리케이션 내에서 적응 가능한 推論 구성 요소를 원하는 개발자에게 특히 유용합니다. 이러한 모델은 ChatGPT 또는 OpenAI API를 통해 제공되는 시스템과 동일하지 않으며, 독립적인 배포를 위한 다운로드 가중치입니다.

Apache 2.0 라이선스하에 공개되므로 연구 및 상업적 개발을 위한 직접적인 조건을 제공합니다. 텍스트 전용 설계는 네이티브 이미지 또는 오디오 이해가 필요한 애플리케이션에 대한 한계입니다. 팀은 서빙, 업데이트, 안전 계층 및 모니터링에 대한 책임을 지며, 두 변형 중 20b 모델은 제한된 하드웨어에 대한 실용적인 시작점이며, 120b 모델은 더 강력한 推論 및 더 큰 메모리 풋프린트가 필요한 작업에 더 적합합니다.

gpt-oss 방문하기

옳은 오픈 소스 LLM 선택하기

DeepSeek V4는 매우 큰 규모의 코딩 및 유연한 推論 모드를 우선하는 팀에게 가장 강력한 적합성입니다. GLM-5.2는 지속적인 전문 및 소프트웨어 워크플로우를 강조합니다. Kimi K3는 네이티브 비전과 장기 수평 에이전트가 함께 작동해야 하는 경우에 두드러집니다. Qwen3.6-35B-A3B는 효율적인 다중 모달 배포를 위한 낮은 활성화된 매개변수 수와 비전, 도구 및 큰 네이티브 컨텍스트를 결합합니다. gpt-oss는 이 그룹에서 접근 가능한 하드웨어를 위한 제어 가능한 텍스트 推論에 가장 적합합니다. 후보를 커밋하기 전에 각 후보를 대표적인 프롬프트에서 테스트하고, 의도된 사용을 위한 라이선스를 확인하며, 지연 시간, 메모리, 출력 품질, 도구 신뢰성 및 운영 안전성을 전체 시스템으로 평가해야 합니다.