오픈AI 80% 가격 인하, AI 생태계 주도권 싸움

생성형 인공지능(AI) 챗지피티(chatGPT)로 잘 알려진 미국의 오픈 AI의 인공지능 모델 GPT-5.6 Luna의 가격을 크게 인하, AI 시장에서 가격 경쟁을 촉발하고 있다고 포브스가 1일 보도했다.

이 가격 인하는 AI 도입 비용을 절감하여 더 많은 기업과 개인이 AI를 활용할 수 있게 하며, AI 시장의 급속한 성장과 사회적 변화를 가속화할 수 있다. 반면 메타(Meta)는 AI 투자로 인한 비용 증가로 최근 수익 예상치를 밑돌았으나, AI의 잠재적 수익성을 강조하며 투자자들에게 긍정적인 전망을 제시하고 있다.

OpenAI는 GPT-5.6 Luna의 가격을 80% 인하, AI 시장의 가격 경쟁을 촉발했다. ChatGPT의 월간 활성 사용자 수는 10억 명을 돌파했으며, 이는 AI 도입의 빠른 속도를 보여준다. 가격 인하는 AI 도입 비용을 절감하고, 기업들의 AI 활용을 촉진할 수 있음을 회사측은 강조한다.

개방형 가중치 모델은 기업들이 AI 모델을 더 저렴하게 활용할 수 있도록 한다.

오픈AI는 GPT-5.6 루나(Luna)의 가격을 80% 인하해, API 사용료를 입력 토큰 백만 개당 1달러에서 20센트로, 출력 토큰 백만 개당 6달러에서 1.2달러로 낮췄다. GPT-5.6 테라(Terra)는 20% 인하되며, 최신 버전인 GPT-5.6 솔(So)l은 가격 변동이 없다. OpenAI는 시스템 효율성 개선으로 이러한 가격 인하가 가능해졌다고 밝혔다.

이번 가격 인하는 ChatGPT가 엄청난 규모로 성장한 시점에 이루어졌다. 모바일 앱 시장 데이터 분석 전문 기업 ‘센서 타워’(Sensor Tower)는 6월에 ChatGPT 앱의 월간 활성 사용자 수가 10억 명을 돌파했다고 추산했는데, 이는 소비자용 애플리케이션 중 가장 빠르게 이 수치를 달성한 사례라고 한다.

이후 OpenAI는 자사 서비스 전체에서 활성 사용자 수가 10억 명을 넘어섰고, 기업 고객은 200만 명에 달한다고 발표했다. 이 수치는 유료 고객 10억 명이 아닌 계정 또는 애플리케이션 활동을 나타내는 것이지만, 그럼에도 불구하고 중요한 전환점을 의미한다.

이번 가격 인하는 세 가지 주요 변화를 보여준다. 오픈 웨이트 모델(open-weight models : 가중치 공개 모델)과의 경쟁으로 인해 독점 제공업체들이 가격 인하를 단행하고 있다. 오픈 웨이트 모델은 인공지능 분야에서 핵심적인 ‘가중치’ 데이터를 공개한 모델을 뜻하는데, 이는 소스 코드 전체를 공개하는 전통적인 오픈 소스와는 차이가 있을 수 있지만, 사용자가 모델을 자유롭게 활용할 수 있다는 점에서 강력한 경쟁력을 가지는 특징이 있다.

인공지능(AI) 도입 속도가 이전의 컴퓨팅 혁명보다 훨씬 빨라 기관들이 적응할 시간이 부족하다. 또 ‘파운데이션 모델’(foundation-model) 시장은 규모, 자본, 운영 효율성 측면에서 소수의 대형 제공업체에 유리한 인프라 산업과 유사해지고 있다.

다시 말해 ‘파운데이션 모델’은 인공지능 분야에서 매우 방대한 양의 데이터를 사전 학습(Pre-training)하여, 이후 다양한 하위 작업(downstream tasks)에 맞춰 미세 조정(Fine-tuning)될 수 있는 대규모 모델을 말하며, 대표적으로 OpenAI의 GPT 시리즈나 구글(Google)의 BERT 등이 이에 해당한다. 이 용어는 미국 스탠퍼드 인공지능 연구소(HAI=Human-Centered Artificial Intelligence : 인간 중심의 인공 지능)에서 처음 사용하기 시작했으며, 현대 생성형 AI 생태계의 핵심적인 토대를 이루는 모델을 지칭한다.

* 개방형 가중치 모델(Open-Weight Models)의 과제

OpenAI의 이번 결정은 AI 도입 비용을 면밀히 검토하는 기업들의 압력이 커지고 있음을 반영한다. 챗봇(chatbot)을 통해 테스트할 때는 저렴해 보일 수 있는 모델이 수십억 개의 토큰을 처리하는 고객 서비스 시스템, 코딩 플랫폼 또는 연구 워크플로에 통합되면 비용이 크게 증가한다.

AI 에이전트(AI Agents)는 하나의 작업을 완료하기 전에 검색, 추론, 도구 호출 및 수정 작업을 반복적으로 수행할 수 있으므로 비용을 더욱 증가시킨다. 이러한 규모에서는 100만 개의 입력 토큰당 1달러와 20센트의 차이가 심각한 구매 문제로 작용한다.

다시 말해 ‘AI 에이전트’는 단순한 챗봇을 넘어, 주어진 목표를 완수하기 위해 스스로 계획을 세우고, 외부 도구를 호출하며, 결과물을 스스로 수정하는 등 반복적인 작업을 수행하는 시스템을 의미하는데, 작업을 완료하기 위해서는 여러 차례 추론과 도구 호출을 반복하기 때문에, 일반적인 챗봇보다 훨씬 많은 토큰을 소모하게 되어 비용 문제가 중요해진다.

가중치가 공개된 모델은 구매자의 협상력을 강화했다. 중국의 스타트업인 문샷 AI(Moonshot AI)의 키미 K3(Kimi K)3, 딥시크(DeepSeek) V4, Z.ai의 GLM-5.2는 성능 좋은 모델을 저렴한 가격에 배포할 수 있고, 많은 경우 외부 개발자가 다운로드(download)하거나 수정할 수 있음을 보여준다.

7월에 출시된 Kimi K3는 총 2조 8천억 개의 파라미터, 1,040억 개의 활성 파라미터, 그리고 100만 개의 토큰으로 구성된 컨텍스트 윈도우를 가진 전문가 혼합 모델이다. 개발자들은 모델 가중치도 공개하여 기업과 연구자들이 독립적으로 모델을 검토, 수정 및 배포할 수 있도록 했다.

개방형 가중치의 중요성은 벤치마크 순위 그 이상이다. 개발자는 개방형 가중치를 통해 호스팅, 맞춤 설정, 데이터 위치 및 추론 비용에 대한 추가적인 선택권을 확보할 수 있다. 기업은 초기 개발 단계에서 상용 API를 활용하고, 대용량 워크로드(workload)는 자체 인프라로 이전하며, 가격이나 성능 변화에 따라 공급업체를 변경할 수 있다. 현재 AI 비서에 대한 연구 결과 또한 많은 사용자가 이미 모델을 상호 교환 가능한 유틸리티로 여기고 여러 플랫폼을 자유롭게 오가며 사용하고 있음을 시사한다.

이는 프리미엄 가격 책정의 주요 방어 수단 중 하나를 약화시킨다. 독점 공급업체는 자사 모델이 다른 대안이 처리할 수 없는 작업을 수행할 때 훨씬 더 높은 가격을 책정할 수 있다. 그러나 개방형 모델이 코딩, 문서 처리, 번역, 추출 또는 고객 지원에서 충분한 결과를 제공할 경우, 이러한 프리미엄을 유지하기가 어려워진다.

결과적으로 고객에게 이익이 될 것이다. 추론 비용이 낮아지면 20달러 구독료나 고가의 API 비용이 여전히 부담스러운 학교, 소규모 기업, 비영리 단체 및 저소득층 시장에서 AI 애플리케이션을 실용화할 수 있다. 또한 개발자들이 많은 자본을 조달하지 않고도 실험을 진행할 수 있게 된다. 접근성은 여전히 ​​연결성, 언어 지원, 결제 시스템 및 지역 인프라에 따라 달라지므로 토큰 가격 인하만으로는 전 세계적인 디지털 격차를 해소할 수 없다. 하지만 이는 중요한 장벽 중 하나를 제거하는 것이다.

앤트로픽(Anthropic)은 지금까지 가장 진보된 모델에 대해 훨씬 높은 가격을 유지해 왔다. 클로드 페이블 5(Claude Fable 5)는 입력 토큰 100만 개당 10달러, 출력 토큰 100만 개당 50달러이다. 두 모델은 서로 다른 성능 수준을 제공하므로 직접적인 비교에는 한계가 있다. 그럼에도 불구하고, 50배에 달하는 입력 가격 차이는 결과적인 측면에서 분명하고 가치 있는 차이를 보여줘야만 의미가 있다.

* AI 시대 돌입에 걸린 3.5년, 기존 컴퓨터 10억 대 설치기간 50년과 맞먹어

짧은 기간에 10억 사용자 돌파라는 이정표는 사회가 적응할 시간이 얼마나 부족한지를 보여준다

컴퓨터의 역사는 유용한 비교 대상이 된다. 1960년대 말에는 상용 전자 컴퓨터가 약 1,000대 정도 밖에 설치되지 않았다. 이 컴퓨터들은 크고 값비싼 기계였으며 주로 정부, 대학, 대기업에서 소유했다. 그 후 시장은 거의 50년에 걸쳐 성장했다. 2009년에는 전 세계적으로 약 10억 대의 컴퓨터가 설치된 것으로 추산된다.

컴퓨터는 물리적 자산인 반면 ChatGPT 사용자는 기존 휴대폰이나 컴퓨터를 통해 소프트웨어에 접속하기 때문에 이러한 비교는 완벽하지 않다. 이러한 차이가 속도 차이의 일부를 설명해 준다. 소프트웨어는 모든 사용자에게 새로운 기기를 제조하고 배송할 필요 없이 전 세계적으로 배포할 수 있다.

그러한 차이점을 고려하더라도 그 성장 속도는 놀랍다. ChatGPT는 2022년 11월 30일에 공개되었고, 2026년 6월까지 월간 활성 사용자 수가 약 10억 명에 달했다. 새로운 형태의 컴퓨팅을 기반으로 구축된 소비자 인터페이스가 불과 3년 반 만에 이와 비슷한 규모를 달성한 것이다.

* AI 발전 속도 추격에 허덕이는 정부, 학교, 기업 등

사회는 인공지능에 대한 안정적인 규칙을 정립할 시간이 매우 부족했다. 학교는 평가 방식을 개편하고 있는 반면, 학생들은 이미 인공지능을 활용하여 글을 쓰고, 공부하고, 연구를 진행하고 있다. 고용주들은 정보 공개, 책임 소재, 성과 평가에 대한 명확한 기준을 마련하기도 전에 인공지능을 업무 현장에 도입하고 있다. 창조 산업계는 이미 모델이 생산 단계에 들어간 후에야 저작권, 보상, 저작자 표시와 관련된 문제에 직면하고 있다. 정부는 입법 주기 동안 기능, 가격, 사용 패턴이 여러 번 바뀔 수 있는 시스템을 규제하려고 애쓰고 있다.

빠른 도입 속도는 또한 파괴적 변화를 집중시킨다. 개인용 컴퓨터의 확산은 하드웨어, 운영 체제 및 업무 방식에 걸쳐 여러 세대에 걸쳐 전개되었다. 그러나 ‘생성형 인공지능’은 언어가 행정, 교육, 법률, 미디어, 소프트웨어 및 지식 노동의 중심에 있기 때문에 여러 활동을 동시에 변화시킬 수 있다. 비용이 저렴해지는 모델은 빠르게 수천 개의 제품에 통합될 수 있으며, 이는 수백만 명의 사람들이 읽고, 쓰고, 검색하고, 결정하고, 소통하는 방식을 변화시킬 것이다.

시간의 압축은 사회적 마찰을 야기할 것이다. 노동자들은 어떤 업무를 자동화해야 하는지, 그리고 그로 인한 이익을 어떻게 분배해야 하는지에 대해 이견을 보일 것이다. 교사와 학생들은 무엇이 독창적인 작업으로 인정되는지에 대해 논쟁을 벌일 것이다. 전문가들은 경쟁자들이 사용하고 있다는 이유로 신뢰하지 않는 시스템을 사용해야 한다는 압박에 직면할 것이다. 공동체는 인공지능이 지식 접근성을 향상시키는지, 아니면 소수의 사설 플랫폼에 대한 의존도를 심화시키는지에 대해 논쟁할 것이다. 이러한 갈등들은 전환의 속도와 규모를 반영한다.

* 저렴한 가격의 파격적 사회 변화 영향력

가격 하락은 이러한 긴장을 가속화할 수 있다. 저렴한 모델은 기업의 기술 비용을 절감하는 것 이상의 의미를 지닌다. 인간의 업무를 자동화 시스템으로 대체하거나, 자동화 에이전트를 추가하거나, 대량의 개인 및 기관 데이터를 처리하는 데 필요한 진입 장벽을 낮춘다. 효율성이 높아지면 접근성이 확대되는 동시에, 중대한 오류, 감시, 노동력 대체 등이 발생할 수 있는 환경도 증가한다.

* 파운데이션 모델이 인프라로 진화

파운데이션 모델의 경제성은 점점 컴퓨팅 인프라의 경제성과 유사해지고 있다. 선도적인 모델을 훈련하고 운영하려면 칩, 데이터 센터(DC), 에너지, 네트워킹, 연구 인력 및 글로벌 유통에 막대한 비용이 필요한다. 일단 기업이 이러한 역량을 구축하면 고정 비용을 가능한 한 많은 사용자와 토큰에 분산시키려는 강력한 동기가 생긴다.

이는 규모의 경제와 통합을 촉진한다. 컴퓨터 산업은 한때 범용 컴퓨터를 생산하는 수많은 기업으로 구성되어 있었다. 시간이 흐르면서 시장의 대부분은 소수의 칩 제조업체, 운영 체제 제공업체, 클라우드 플랫폼 업체 및 장치 제조업체에 집중되었다. 인공지능(AI)도 이와 유사한 경로를 따를 수 있다. 소수의 기업이 범용 모델을 공급하는 동안 훨씬 더 큰 생태계가 이를 기반으로 애플리케이션과 서비스를 개발할 수 있다.

이러한 전망은 광범위한 언어 모델을 개발하려는 스타트업에게 어려운 환경을 조성한다. 스타트업은 수십억 달러를 투자하고, 칩 및 클라우드 공급업체와 직접 협상하며, 단기적인 손실을 감수하고, 경쟁자가 나타날 때 가격을 인하할 수 있는 대기업과 경쟁해야 한다. 스타트업이 강력한 모델을 개발하더라도 수백만 명의 사용자를 지원하는 데 필요한 자본, 유통망 및 서비스 역량이 부족할 수 있다.

더 나은 기회는 규모만으로는 보호받기 어려운 시장 부문에 있다. 스타트업은 까다로운 워크플로, 독점적 기술 또는 규제 요건이 있는 산업에 특화할 수 있다. 의료, 법률, 제조, 교육, 과학 연구 또는 현지 언어 시장을 위한 제품을 개발할 수 있다. 이러한 사업에서 가장 강력한 자산은 워크플로 설계, 신뢰할 수 있는 데이터, 고객 관계 및 기존 기관과의 통합이 될 것이다.

다른 회사들이 모델 제공업체를 직접 공급할 수도 있다. AI 시스템은 메모리, 평가, 보안, 관찰 가능성, 데이터 관리, 에너지 관리, 추론 최적화 및 각 요청을 처리할 모델을 결정하는 도구가 필요하다. 토큰 가격이 하락함에 따라 기업들이 더 많은 작업에 더 많은 모델을 실행하게 되므로 이러한 지원 시스템에 대한 수요가 증가할 수 있다.

안전성은 독립적인 기업들이 활약할 여지가 있는 또 다른 영역이다. 모델 제공업체들은 제품을 신속하게 출시하고 역량 개발에 자원을 투입해야 한다는 상업적 압력에 직면해 있다. 외부 기업들은 사이버 보안 위험, 기만적인 행위, 개인정보 침해, 편향성 및 위험한 기능에 대해 시스템을 테스트할 수 있다. 또 업데이트 후 모델의 동작 방식을 비교하는 감사 방법을 개발할 수도 있다. 강력한 오픈 소스 시스템은 원래 개발자의 통제 범위를 벗어나 기능을 수정하고 배포할 수 있기 때문에 이러한 작업의 필요성을 더욱 높일 것이다.

따라서 OpenAI의 가격 인하는 단순히 하나의 API 요금표에 그치는 것이 아니다. 이는 인공지능 모델의 지능이 더욱 저렴해지고 풍부해지고 있음을 시사한다. 앞으로 경쟁 우위는 효율적인 운영, 분산, 특화된 데이터, 신뢰할 수 있는 애플리케이션, 그리고 인공지능이 사용자에게 도달하는 인프라에 대한 통제력을 확보하는 방향으로 이동할 것이다.