---
title: "중국산 저가 LLM 공세, 오픈AI와 앤스로픽의 비싼 토큰 장사가 흔들린다"
published: 2026-07-05T22:05:02.794Z
canonical: https://jeff.news/article/4698
---
# 중국산 저가 LLM 공세, 오픈AI와 앤스로픽의 비싼 토큰 장사가 흔들린다

기업들이 AI 도입 후 토큰 비용 부담에 부딪히면서 고가 폐쇄형 모델만 쓰는 전략을 다시 계산하고 있어. 중국계 저비용 오픈소스 모델은 100만 토큰당 입력 0.1달러대, 출력 0.2~0.3달러대로 가격을 낮추며 오픈AI와 앤스로픽의 기업가치 논리를 흔들고 있어.

- 기업들이 AI를 붙여보니, 문제는 모델 성능만이 아니었음. 토큰 비용이 생각보다 훨씬 빨리 눈덩이처럼 불어나는 중임
  - UBS 보고서에 따르면 조사 대상 기업의 60%가 이미 AI 지출 억제에 들어갔다고 함
  - 코딩 보조, 검색 보조, 텍스트 요약처럼 반복적으로 많이 호출되는 업무일수록 토큰 단가가 바로 비용 폭탄으로 이어짐

- 이 틈을 중국계 저비용 오픈소스 모델들이 세게 파고들고 있음
  - Z.ai의 GLM-4.5는 입력 100만 토큰 0.11달러, 출력 100만 토큰 0.28달러 수준으로 가격을 제시함
  - 미니맥스 M2.5, 딥시크, 큐웬, 키미도 입력 0.1달러대, 출력 0.2~0.3달러대 범위로 묶인다고 기사에서 언급됨
  - 과거 미국 빅테크 모델이 100만 토큰에 10~15달러 수준이었던 것과 비교하면, “10분의 1”이라는 표현이 과장이 아님

> [!IMPORTANT]
> 기업 입장에서는 모델이 조금 덜 똑똑해도 비용이 10분의 1이면 계산이 완전히 달라짐. 특히 반복 업무에서는 최고 성능보다 단가와 안정성이 먼저 보일 수밖에 없음.

- 중국계 모델의 또 다른 무기는 온프레미스 배포 가능성임
  - 외부 클라우드 API를 호출하지 않고 회사 내부 서버나 전용 데이터센터에 직접 설치해 쓸 수 있음
  - 데이터 주권, 보안, 규제 이슈가 큰 기업에는 이게 단순 가격 할인보다 더 큰 매력일 수 있음
  - 다만 중국계 모델을 쓰면 대미 수출 규제, 데이터 국경, 보안 규범 같은 리스크를 같이 봐야 함

- 이 가격 전쟁은 오픈AI와 앤스로픽의 상장 스토리에도 부담이 됨
  - 시장에서는 두 회사의 가치평가를 8000억~9000억 달러, 원화로 약 1223조~1376조 원 수준까지 거론하고 있음
  - 이런 몸값은 높은 진입장벽과 기술 우위가 오래 유지된다는 전제가 있어야 설득력이 생김
  - 그런데 저가 모델이 충분히 쓸 만해지고 단가가 내려가면, “프런티어 모델만 돈을 번다”는 논리가 흔들림

- 더 빡센 건 인프라 비용이 계속 커지는 구조임
  - 모건스탠리는 2028년까지 글로벌 AI 데이터센터 건설에 누적 2조 9000억 달러, 약 4435조 원이 들어갈 것으로 추정함
  - 골드만삭스는 관련 설비투자가 올해 7650억 달러, 2031년에는 1조 6000억 달러까지 커질 수 있다고 봄
  - 데이터센터, 전력, GPU 비용은 커지는데 서비스 단가가 내려가면 수익성 계산이 꽤 험해짐

- 한국 기업의 현실적인 선택지는 “하나만 고르는 것”보다 섞어 쓰는 쪽에 가까움
  - 보안이 중요한 핵심 업무에는 고가 프런티어 모델을 쓰고, 반복 업무에는 저가 오픈소스 모델을 붙이는 방식
  - 가벼운 오픈소스 모델을 자체 미세조정해서 로컬 서버에 배포하는 시나리오도 가능함
  - 삼성전자, SK하이닉스, 네이버, 카카오처럼 AI 투자 규모가 큰 기업일수록 투자 회수 시점과 비용 통제가 중요해짐

> [!TIP]
> 앞으로 기업 AI 운영의 핵심은 “어떤 모델이 제일 세냐”가 아니라 “이 요청을 어느 모델에 보내야 비용 대비 결과가 맞냐”가 될 가능성이 큼.

- 결국 LLMOps와 라우팅 전략이 진짜 경쟁력이 되는 흐름임
  - 같은 업무라도 어떤 모델을 언제 호출하느냐에 따라 비용과 응답 품질이 달라짐
  - 최고 성능 모델을 모든 요청에 쓰는 방식은 점점 설득력을 잃을 수 있음
  - 업무별 적정 성능과 최저 비용을 실시간으로 매칭하는 운영 능력이 중요해지는 중임

---

## 기술 맥락

- 이 기사에서 가장 중요한 기술적 선택은 “모든 요청을 최고급 프런티어 모델로 보낼 것인가, 아니면 업무별로 모델을 나눠 쓸 것인가”예요. 기업 환경에서는 요청 수가 많아질수록 토큰 단가가 바로 비용 구조가 되기 때문에, 성능만 보고 모델을 고르면 운영비가 버티기 어려워져요.

- LLMOps가 필요한 이유도 여기에 있어요. 고객 문의 요약, 내부 문서 검색, 코드 보조처럼 업무 성격이 다르면 필요한 추론 능력도 달라요. 단순 요약에는 저렴한 모델을 쓰고, 복잡한 의사결정에는 비싼 모델을 쓰는 식으로 라우팅해야 비용 대비 품질을 맞출 수 있어요.

- 온프레미스 배포는 보안과 비용을 같이 건드리는 선택이에요. 민감한 데이터를 외부 API로 보내기 어려운 기업은 로컬 서버에 모델을 올리고 싶어 하거든요. 중국계 오픈소스 모델이 싸고 직접 배포도 가능하다면, 클라우드 API 중심의 기존 사업 모델에는 압박이 생길 수밖에 없어요.

- 다만 가격만 보고 움직이면 안 돼요. 중국계 모델을 쓰는 순간 규제, 데이터 이전, 보안 검증 문제가 같이 따라와요. 그래서 한국 기업에는 단일 모델 전환보다 고가 모델, 오픈소스 모델, 로컬 배포를 섞는 혼합형 운영이 더 현실적인 선택지로 보이는 거예요.

## 핵심 포인트

- 조사 대상 기업의 60%가 AI 지출 억제에 들어갔다는 UBS 보고서가 언급됨
- 중국계 GLM-4.5는 입력 100만 토큰 0.11달러, 출력 100만 토큰 0.28달러 수준으로 제시됨
- 오픈AI와 앤스로픽은 8000억~9000억 달러 가치평가가 거론되지만 토큰 단가 하락 압박을 받고 있음
- 한국 기업에는 고가 모델, 오픈소스 모델, 로컬 배포를 섞는 LLMOps 전략이 중요해짐

## 인사이트

이제 기업 AI의 질문은 “제일 똑똑한 모델이 뭐냐”에서 “이 업무에 이 가격을 내는 게 맞냐”로 옮겨가고 있어. 한국 기업 입장에서는 모델 성능보다 라우팅, 비용 통제, 보안 요구를 묶어 운영하는 능력이 경쟁력이 될 가능성이 큼.