저가 AI 모델 확산, 오픈AI·앤트로픽 IPO 밸류에 찬물 끼얹나

• 보급형 AI 모델 확산이 오픈AI와 앤트로픽의 IPO 밸류에 부담이 될 수 있다는 분석이 나옴

  • 두 회사 모두 각각 8000억 달러를 웃도는 기업가치를 평가받는 상황
  • 그런데 기업용 AI 시장에서는 이제 “성능 최고”만큼 “얼마나 싸게 굴릴 수 있냐”가 중요해지고 있음
  • 비싼 프론티어 모델만으로 매출과 마진을 설명하기가 점점 빡세지는 분위기임

• 기업들이 AI 비용을 실제 손익 문제로 보기 시작함

  • 이번 실적 시즌에서 메타, 쇼피파이, 스포티파이, 핀터레스트가 AI와 추론 비용 증가로 마진 압박을 받았다고 밝힘
  • 클라우드제로 조사에 따르면 2025년 월 10만 달러 이상을 AI에 쓰는 기업 비중은 45%
  • 지난해 같은 기간 20%였던 것과 비교하면 1년 만에 두 배 이상 늘어난 셈

• 가격 차이는 꽤 노골적임

  • 아티피셜 애널리시스 평가에서 최고 성능 모델 기준 비용은 앤트로픽 클로드가 4811달러
  • 오픈AI 챗GPT는 3357달러로 제시됨
  • 반면 딥시크는 1071달러, 키미는 948달러, 지푸 GLM은 544달러
  • 같은 작업 기준으로 클로드는 가장 저렴한 중국 모델보다 거의 9배 비쌌다는 계산이 나옴

• 문제는 저가 모델이 싸기만 한 게 아니라는 점임

  • 딥시크가 지난달 공개한 차세대 모델 V4 프리뷰는 코딩, 에이전트, 지식 벤치마크에서 오픈AI, 앤트로픽, 구글 최신 모델과 비슷하거나 근접한 성능을 보였다고 함
  • 최근 넉 달 사이 문샷, 샤오미, 지푸도 비슷한 수준의 모델을 출시함
  • 즉 “싸지만 구림”이 아니라 “충분히 쓸 만한데 훨씬 쌈”이라는 구도가 만들어지는 중

• 기업들의 모델 사용 방식도 바뀌고 있음

  • 데이터브릭스의 알리 고드시 CEO는 저렴한 오픈소스 모델을 기본으로 쓰는 방식이 확산된다고 설명함
  • 기본 모델이 해결하지 못하는 과제만 오픈AI나 앤트로픽의 프론티어 모델을 호출하는 구조
  • 기사에서는 이를 ‘어드바이저 모델’ 방식으로 설명함

• 개발자 입장에서는 모델 라우팅이 더 중요해지는 흐름임

  • 모든 요청을 최고가 모델로 보내면 품질은 편할 수 있지만 비용이 터짐
  • 반대로 모든 요청을 저가 모델로 보내면 어려운 작업에서 품질 문제가 생길 수 있음
  • 그래서 요청 난이도에 따라 저가 모델, 오픈소스 모델, 프론티어 모델을 나눠 쓰는 전략이 현실적인 선택지가 됨

• 오픈라우터의 사용 비중 변화는 이 흐름을 숫자로 보여줌

  • 오픈라우터에서 중국 모델 사용 비중은 2024년 약 1% 수준이었음
  • 올해 5월에는 60%를 넘어섰다고 함
  • 개발자들이 모델을 쉽게 바꿔 쓸 수 있는 환경에서는 가격 대비 성능이 좋으면 점유율이 순식간에 이동할 수 있다는 얘기임

• 비용 절감 자체를 파는 기능도 등장하고 있음

  • 피그마는 고객 토큰 사용량을 20∼30% 줄이는 기능을 판매하고 있음
  • AI 기능이 제품 안에 깊게 들어갈수록 토큰 절감이 곧 제품 마진 개선으로 이어짐
  • 앞으로는 “어떤 모델을 쓰냐”만큼 “얼마나 덜 호출하냐”도 중요한 최적화 포인트가 될 가능성이 큼

• 오픈AI와 앤트로픽에 불리한 지점은 성장 서사가 비용 압박과 정면충돌한다는 것임

  • 고성능 모델 개발에는 막대한 학습·추론 인프라 비용이 들어감
  • 그런데 고객은 점점 더 저렴한 대안을 비교하고 있음
  • IPO를 앞둔 회사라면 높은 기업가치를 정당화하려면 단순 모델 성능 이상의 락인, 플랫폼, 생태계, 기업용 워크플로우를 증명해야 함

---

기술 맥락

• 기업들이 모델을 고르는 기준이 바뀌는 이유는 추론 비용이 반복 비용이기 때문이에요. 데모 한 번 돌릴 때는 비싼 모델을 써도 티가 덜 나지만, 제품 기능으로 붙이고 매일 수백만 번 호출하면 토큰 단가가 바로 마진을 깎아먹거든요.

• 그래서 저가 모델을 기본값으로 두고, 어려운 요청만 프론티어 모델로 넘기는 구조가 나와요. 이 방식은 품질과 비용 사이의 타협이에요. 대부분의 평범한 요청은 싼 모델로 처리하고, 코드 생성이나 복잡한 추론처럼 실패 비용이 큰 요청만 비싼 모델에 맡기는 거죠.

• 오픈라우터 같은 모델 라우팅 계층이 중요해지는 것도 같은 이유예요. 애플리케이션 코드가 특정 모델 하나에 강하게 묶이면 가격이나 성능 변화에 대응하기 어렵거든요. 여러 모델을 추상화해서 갈아끼울 수 있으면, 기업은 벤더 충성도보다 비용 대비 성능을 기준으로 움직일 수 있어요.

• 피그마가 토큰 사용량을 20∼30% 줄이는 기능을 판다는 대목도 꽤 상징적이에요. 이제 AI 기능의 경쟁력은 모델 이름만이 아니라 프롬프트 압축, 캐싱, 라우팅, 재시도 제어 같은 운영 최적화까지 포함해요. 서비스 개발자는 모델 API를 붙이는 것보다, 비용이 폭주하지 않게 설계하는 쪽에 더 신경 써야 해요.