Ollama, 오픈소스 정신 훼손? 벤처 자금 유치 후 기술적 문제와 폐쇄적 행보로 비판 직면
Ollama는 llama.cpp를 기반으로 한 LLM 툴로, 초기 사용자 편의성을 제공했으나, 기술적 문제와 라이선스 미준수로 비판받음
llama.cpp에 대한 적절한 기여와 성능 개선 노력 부족, 자체 백엔드 개발 시도 후 성능 저하 및 버그 발생
폐쇄적인 정책으로 자체 모델 레지스트리 사용, Modelfile 기반 설정 방식의 불편함, 클라우드 서비스 전환 시 데이터 보안 문제 발생
커뮤니티에서는 Ollama의 상업적 행보에 대한 우려와 함께, llama.cpp, LM Studio 등 대안 툴 사용을 권장
llama.cpp에 대한 부적절한 기여와 라이선스 문제
Ollama는 llama.cpp를 기반으로 하여 LLM을 쉽게 사용할 수 있도록 지원했지만, llama.cpp에 대한 적절한 기여와 라이선스 표기를 소홀히 했다는 비판을 받았다. 특히, MIT 라이선스 준수 요구에 수개월간 응답하지 않았으며, llama.cpp의 기여를 축소하려는 시도가 있었다는 점이 지적되었다. 이러한 행보는 오픈소스 프로젝트에 대한 존중 부족으로 이어졌으며, 커뮤니티의 반발을 샀다.
성능 저하를 야기한 자체 백엔드 개발 시도
Ollama는 llama.cpp의 빠른 업데이트 속도와 안정성 문제를 이유로 자체적인 추론 엔진(Inference Engine)을 개발했지만, 오히려 성능 저하를 초래했다. llama.cpp보다 낮은 초당 토큰 처리량(Tokens per Second)을 보였으며, 기존에 해결된 버그가 재발하는 등 기술적인 문제점을 드러냈다. 이러한 시도는 기술적 역량 부족을 보여주는 사례로 평가받으며, 오픈소스 생태계에 대한 이해 부족이라는 비판을 받았다.
Modelfile 기반 설정 방식의 불편함
Ollama는 GGUF 모델 형식을 사용하면서도, 자체적인 Modelfile을 통해 모델 설정을 관리하도록 하여 사용자에게 불편함을 야기했다. Modelfile은 GGUF 파일 내에 포함된 정보를 중복 관리하며, 템플릿(Template) 호환성 문제를 발생시켰다. 또한, 모델 파라미터 변경 시 전체 모델을 복사해야 하는 비효율적인 워크플로우는 사용자 경험을 저해하는 요소로 작용했다. 단일 파일 배포(Single-file Deployment)를 지향하는 GGUF의 장점을 훼손했다는 비판도 제기되었다.
클라우드 서비스 전환과 데이터 보안 문제
Ollama는 로컬 LLM 실행을 지원하는 툴임에도 불구하고, 클라우드 서비스를 도입하여 데이터 보안에 대한 우려를 낳았다. 특히, 데이터 미저장 정책(Zero-Retention Policy)에 대한 명확한 설명 없이, 서드파티 클라우드 제공업체에 프롬프트를 전송하는 것은 사용자 데이터의 보안 위험(Security Risk)을 증가시킬 수 있다. 또한, Ollama의 인증 토큰 유출 취약점(CVE-2025-51471)은 보안에 대한 심각한 우려를 제기하며, 로컬 우선(Local-first)이라는 Ollama의 철학에 대한 의문을 제기했다.
Ollama의 상업적 행보와 커뮤니티의 반응
Ollama는 Y Combinator의 투자를 유치하며, 오픈소스 프로젝트를 기반으로 상업화를 시도했다. 하지만, llama.cpp에 대한 기여 축소, 폐쇄적인 정책, 클라우드 서비스 도입 등은 커뮤니티의 반발을 샀다. 사용자들은 llama.cpp, LM Studio, Jan 등 대안 툴(Alternative Tools)을 사용하며, Ollama의 상업적 행보에 대한 우려를 표명했다. 특히, Ollama의 벤처 캐피탈(Venture Capital) 투자 유치 이후의 행보에 대한 비판적인 시각이 지배적이다.
