CNIL, 오픈소스 AI 모델 계보 추적 도구 '젠모드' 업데이트

프랑스 국가정보자유위원회(CNIL)는 2026년 8월 26일, 오픈소스로 공개된 AI 모델들의 계보를 탐색할 수 있는 데모 도구의 새 버전을 발표했다. 이번 업데이트는 도구의 성능과 사용 편의성을 개선하고 데이터 갱신을 자동화했다. 프랑스어판에 이어 영어판 인터페이스도 새롭게 제공된다.

오픈소스로 공개된 AI 모델은 다운로드, 수정, 새로운 데이터로 특화 학습, 또는 다른 모델과의 결합을 거쳐 다시 공개될 수 있다. 이 때문에 Kimi K3, Mistral Medium, LLaMa 같은 하나의 모델이 수많은 파생 모델의 근원이 될 수 있으며, 결국 어떤 모델이 어떤 모델에서 나왔는지 파악하기 어려워진다. Hugging Face 한 곳에만 약 200만 개의 모델이 공개되어 있어, 어떤 모델이 유명 모델의 파생판인지 가려내기가 더욱 어렵다.

모델의 조상과 후손 찾기

'젠모드(Genmod, 모델 계보라는 뜻)'라 불리는 이 데모 도구는 CNIL의 AI 부서가 디지털혁신연구소(LINC)와 공동으로 개발했으며, 2025년 11월 처음 공개됐다. 이 도구를 이용하면 모델 간 연결 관계를 탐색하고, 특정 모델의 조상(해당 모델이 유래한 모델)과 후손(해당 모델이 기여한 대상 모델)을 모두 찾을 수 있다.

이러한 추적 기능은 AI 모델의 학습 데이터 암기가 초래하는 결과를 연구하는 데 유용하다. 개인정보를 암기한 것으로 확인된 모델을 출발점으로 삼아, 같은 정보를 보유하고 있을 가능성이 있는 '계보' 상의 다른 모델들을 식별함으로써, GDPR(EU 일반개인정보보호법)이 규정한 권리——이의제기권, 열람권, 삭제권——의 행사 조건을 검토할 수 있다.

훨씬 빨라진 검색

그래프 탐색 엔진이 최적화되어 가장 방대한 검색에 걸리는 시간이 크게 줄었다. 깊이 제한 없는 검색도 평균 약 20초 만에 끝난다. 인터페이스는 검색 진행 상황을 보여주며, 추정이 가능한 경우 완료까지 남은 시간도 표시한다. 여러 검색을 동시에 처리할 수 있고, 이용자가 몰릴 때는 사용자가 대기열에서 자신의 순번을 확인할 수 있다.

• 깊이 제한 없는 검색: 평균 약 20초
• 진행 상황 표시 및 남은 시간 추정
• 동시 검색 처리, 혼잡 시 대기열 순번 표시
• Hugging Face의 공개 데이터를 기반으로 그래프 매주 자동 갱신
• 애플리케이션 내 데이터 최종 갱신일 표시
• 다운로드 수가 많은 모델을 검색 제안에서 우선 표시, 결과는 기본적으로 다운로드 수순으로 정렬
• 애플리케이션의 여러 페이지에 홈으로 바로 가는 바로가기 추가
• Firefox, Chrome, Edge, Safari 및 다양한 화면 크기에서 더 일관된 레이아웃 제공

새로운 처리 방식을 통해 Hugging Face에서 공개된 모델과 데이터셋에 관한 정보를 바탕으로 데모 도구의 기반 데이터베이스를 재구축할 수 있게 됐다. 이를 통해 그래프의 매주 자동 갱신이 가능해져, 빠르게 변화하는 오픈소스 생태계를 더 잘 따라갈 수 있다.

구체적인 사례: Kimi K3의 파생 모델

프랑스 매체 Next는 활용 사례를 제시한다. Moonshot AI의 Kimi K3 모델의 파생 모델을 살펴보려면, 먼저 개발사의 저장소 이름을 입력한 뒤 모델명의 앞 글자를 입력하면 전체 계보 트리를 확인할 수 있다. 각 파생 모델에 대해 도구는 어떤 방식으로 파생이 이루어졌는지 명시한다——예를 들어 양자화(quantization)는 원본 모델 가중치의 정밀도를 낮춰 메모리 사용량을 줄이는 방식이다. 이 도구는 또한 The Cauldron과 같은 특정 데이터셋을 사용한 모든 모델을 찾아낼 수도 있다. 또한 고급 검색 기능을 이용하면 사용자가 원하는 조건을 정확히 선택할 수 있다.

한 개인의 개인정보가 특정 모델에 암기되어 있었다면, 동일한 정보를 암기했을 가능성이 있는 다른 모델들을 어떻게 식별할 수 있을까?

이러한 추적 기능은 AI 모델이 저작권으로 보호되는 콘텐츠를 그대로 '재생산'했다는 의혹이 제기될 때도 유용할 수 있다. 뉴욕타임스와 OpenAI 간의 진행 중인 소송이 이를 잘 보여주는 사례로, 어떤 모델이 보호된 텍스트를 암기한 뒤 재생산했을 가능성이 있는지가 여전히 핵심 쟁점으로 남아 있다.

오픈소스 모델을 다루는 한국의 연구자와 개발자에게 젠모드는 모델을 도입하기 전에 그 출처를 문서화하고, GDPR에 상응하는 권리 행사 요청——한국이라면 개인정보보호법에 따른 열람·정정·삭제 요구——이 들어온 뒤에야 허둥대는 대신 미리 대비할 수 있는 구체적인 수단을 제공한다. 특히 국내 기업이 해외에서 수집되거나 유럽 이용자를 대상으로 서비스를 제공하며 GDPR의 적용을 받는 경우, 어떤 모델이 문제가 된 데이터를 암기했는지 사전에 파악해 두는 편이 사고가 터진 뒤 대응하는 것보다 훨씬 유리하다. 개인정보보호위원회를 비롯한 감독기구 입장에서도 이 도구는 규제기관이 모델 추적 가능성을 어떻게 실무에 적용할 수 있는지 보여주는 실제 사례다. 그래프는 Hugging Face에 새로 공개되는 모델에 맞춰 매주 확장되며, 이 때문에 공개 시점에 고정된 목록이 아니라 생태계의 속도에 맞춰 계속 갱신되는 참고 자료가 된다.