오픈AI·앤트로픽은 왜 모델 가격을 최대 80% 낮췄나

오픈AI(OpenAI)와 앤트로픽(Anthropic)은 2026년 여름부터 가을까지 주요 대형언어모델(LLM)의 이용 가격을 잇달아 낮췄다. 일부 모델은 몇 달 사이 비용이 최대 80% 줄었다. AI 개발자 맥스 울프(Max Woolf)는 두 회사의 맞대응만으로는 이 폭을 설명하기 어렵다고 본다. 값싼 개방형 모델, 이를 운영하는 수많은 추론 업체, 더 효율적인 모델이 함께 가격을 끌어내린다는 분석이다. 다만 상장을 앞둔 기업의 수익성과 구독 상품의 실제 혜택은 별개의 문제로 남는다.

핵심요약

  • 오픈AI는 GPT-5.6 루나의 가격을 7월에 80% 낮췄고, 이후 다른 모델도 인하해 개발자가 고르는 모델의 비용 기준을 바꿨다.
  • 앤트로픽은 패블 5.1의 캐시 읽기 가격을 75% 낮춰, 이전 대화를 반복해서 불러오는 코딩 에이전트의 비용을 크게 줄였다.
  • 딥시크의 개방형 모델은 오픈라우터에서 여러 추론 업체가 제공하고 있어, 대형 개발사의 가격 인하를 압박하는 대안으로 거론된다.
  • 모델 단가가 내려가도 이용량 증가로 전체 지출은 늘 수 있으며, API 가격 인하가 구독 상품의 사용 한도 확대로 이어지는 것도 아니다.
  • Hacker News에서는 경쟁과 효율 개선이라는 설명에 더해, 추론 수익성·과잉 설비·규제·데이터 취급을 우려하는 의견이 나왔다.

6월 출시 가격에서 7월의 80% 인하까지

6월 26일 오픈AI는 GPT-5.6 솔(Sol)과 저렴한 작업을 겨냥한 루나(Luna)를 발표했다. 가격은 입력·출력·캐시 읽기 각각 100만 토큰당 솔이 5달러·30달러·0.50달러, 루나가 1달러·6달러·0.10달러였다. 토큰은 모델이 처리하는 텍스트의 단위이며, 캐시 읽기는 앞서 처리한 내용을 다시 불러올 때 매겨지는 비용이다. 같은 달 30일 앤트로픽은 클로드 소넷 5(Claude Sonnet 5)를 입력 2달러·출력 10달러·캐시 읽기 0.20달러에 내놓았다.

7월 24일에는 앤트로픽이 클로드 오퍼스 5(Claude Opus 5)를 5달러·25달러·0.50달러에 출시했다. 그런데 불과 엿새 뒤 오픈AI는 GPT-5.6 루나 가격을 0.20달러·1.20달러·0.02달러로 80% 낮췄다. 울프는 이 조치가 소형 개방형 모델과 경쟁하려는 움직임이었을 것으로 추정한다. 앤트로픽도 처음에는 한시적이라고 했던 소넷 5의 출시 가격을 8월 10일 영구 가격으로 확정했고, 오픈AI는 8월 21일 솔의 가격을 석 달간 약 20% 낮추겠다고 밝혔다.

코딩 에이전트의 청구서를 바꾼 캐시 가격

9월 1일 앤트로픽이 발표한 패블 5.1(Fable 5.1)은 입력·출력 가격을 이전 패블 5와 같은 10달러·50달러로 유지하면서 캐시 읽기 가격을 1달러에서 0.25달러로 낮췄다. 울프는 코딩 에이전트가 매 차례 이전 대화를 불러오기 때문에 캐시 읽기가 전체 토큰 사용량의 9699%를 차지한다고 설명한다. 캐시 적중률도 추론 서비스를 운영하는 업체에 따라 약 90100%에 이른다. 그는 이 조건을 합치면 캐시 가격 75% 인하가 실제 모델 사용 비용 약 70~75% 감소와 연결된다고 계산했다.

오픈AI가 이틀 뒤 내놓은 GPT-6 아스트라(Astra)는 패블 5.1과 성능 및 입력·출력 가격이 비슷했지만, 캐시 읽기 가격은 1달러로 더 높았다. 이는 모델 가격표에서 입력과 출력만 비교하면 놓치는 차이다. 특히 긴 대화를 유지하며 여러 차례 작업하는 에이전트라면 캐시 읽기 가격이 이용자의 체감 비용을 좌우한다. 같은 100만 토큰 단위의 가격이라도 작업 방식에 따라 최종 청구서는 달라진다.

같은 날 맞붙은 GPT-6와 오퍼스 5.5

9월 22일 오픈AI는 GPT-6 솔을 2달러·10달러·0.20달러, GPT-6 루나를 0.10달러·0.50달러·0.01달러에 발표했다. 솔과 루나 모두 직전 가격과 비교하면 입력·출력 단가가 절반으로 떨어졌다. 같은 날 앤트로픽은 클로드 오퍼스 5.5를 4달러·20달러·0.20달러에 내놓았다. 앤트로픽은 오퍼스 5.5를 서비스하는 데 오퍼스 5보다 연산이 덜 필요하며 가격에도 이를 반영했다고 밝혔다.

울프는 오퍼스 5.5가 입력·출력뿐 아니라 캐시 읽기 비용도 낮춰, 오퍼스 5보다 총비용이 40~60% 줄었다고 본다. 다만 그가 직접 써본 GPT-6 솔의 성능 평가는 좋지 않았다. 오픈AI는 일주일 뒤 GPT-6.1 솔을 발표하면서 캐시 읽기 가격을 다시 절반인 0.10달러로 낮췄다. 울프는 GPT-6.1 솔이 아스트라에 견줄 만하다고 평가하며, 솔 제품군의 누적 비용 감소 폭을 75%로 계산했다.

가격이 내려간다고 업계의 지출까지 함께 줄어드는 것은 아니다. 울프가 인용한 베르셀(Vercel)의 AI 모델 게이트웨이 자료에서는 토큰당 비용이 2026년 4월 수준의 43.3%까지 낮아졌지만, 전체 지출은 증가했다. 울프는 모델의 성능 개선에 따른 이용 증가가 가격 하락보다 빨랐기 때문이라고 해석한다. 그는 코덱스(Codex)나 클로드 코드(Claude Code) 같은 구독형 에이전트에서도 이러한 가격 변화가 영향을 준다고 설명한다.

모델을 쉽게 갈아타는 이용자들

울프가 가격 경쟁의 또 다른 이유로 꼽는 것은 낮은 전환 비용이다. 개발자는 오픈코드(OpenCode)나 제드 에이전트(Zed Agent) 같은 도구에서 설정을 바꾸거나, 오픈라우터(OpenRouter)의 API 주소를 바꿔 새 모델을 시험할 수 있다. 성능 차이를 명확히 가리기 어려운 작업도 많아, 기존 모델을 계속 써야 할 이유가 약해진다는 것이 그의 판단이다. 그는 구글(Google), 메타(Meta) 같은 대기업뿐 아니라 충분한 성능의 대체 모델을 내놓는 업체들도 가격을 압박한다고 본다.

그 사례로 든 것이 딥시크(DeepSeek)의 플래시 V4다. 2026년 4월 출시된 이 모델의 가격은 0.14달러·0.28달러·0.0028달러로, 캐시 읽기 가격이 입력 가격의 2%에 불과했다. 울프는 오픈AI와 앤트로픽 모델의 해당 비율인 5~10%보다 낮다는 점에 주목한다. 그가 7월의 루나 80% 인하를 이 같은 소형 개방형 모델에 대한 대응으로 읽는 이유다.

딥시크 모델을 운영하는 29개 업체

딥시크 플래시 V4.1의 ‘1017’ 버전은 기존 플래시 V4보다 벤치마크 수치가 높아졌다고 울프는 소개한다. 그가 제시한 아티피셜 애널리시스(Artificial Analysis) 지수는 기존 모델 24, 새 버전 45다. 딥시크가 직접 제시한 새 모델 가격은 0.15달러·0.60달러·0.003달러로, 낮은 수준을 유지했다. 다만 개방형 가중치 모델은 개발사 외의 업체도 운영하므로, 이용자가 마주하는 가격은 제공 업체에 따라 달라진다.

오픈라우터에서는 여러 추론 업체가 같은 모델을 등록하고, 요청이 들어오면 이용 가능한 업체로 연결한다. 개발자는 최저가 같은 조건을 지정할 수도 있다. 울프가 집계한 딥시크 플래시 V4 제공 업체는 5월 13곳이었고, 새 1017 버전은 10월 24일 기준 29곳이었다. 캐시 적중률을 반영한 실효 입력 비용에서도 클라우드플레어(Cloudflare)와 딥인프라(DeepInfra)는 딥시크 직접 제공 가격과 10% 이내 차이를 보였다.

울프는 이 업체들이 적자를 감수하며 같은 모델을 계속 서비스할 유인은 작다고 본다. 손해가 나면 연산 자원을 다른 수익성 있는 모델에 돌릴 수 있기 때문이다. 동시에 그는 가장 싼 모델들이 전체 토큰 사용량에서는 소수에 머문다고 짚었다. 가격 경쟁이 거세더라도, 이용자가 성능과 가격을 함께 비교한다는 뜻이다.

오퍼스에 다가선 키미, 그리고 가격 인상론

성능 경쟁에서도 개방형 모델의 추격은 이어진다. 울프가 소개한 문샷AI(Moonshot AI)의 키미 K3.1 프로(Kimi K3.1 Pro)는 비교 지수에서 55를 기록해 오퍼스 5.5의 58에 근접했다. 제시된 가격은 2달러·10달러·0.20달러로, 오퍼스 5.5보다 입력·출력 가격이 절반이고 캐시 읽기 가격은 같다. 울프는 이미 키미 K3를 운영하는 업체가 20곳이 넘는다는 점을 들어, 새 모델의 가중치가 공개되면 여러 업체가 지원할 것으로 예상했다.

울프는 이 경쟁 구조를 두고 ‘지금은 손해를 보며 싸게 팔다가 나중에 토큰 가격을 올릴 것’이라는 주장에 의문을 제기한다. 오픈AI와 앤트로픽만 가격을 정하는 시장이 아니고, 개방형 모델을 운영하는 업체 사이에서도 경쟁이 일어나기 때문이다. 물론 두 회사에는 더 좋은 모델로 차별화해야 할 과제가 남는다. 울프는 기업 고객과 개인용 에이전트에 집중하는 행보 역시 이용자가 다른 서비스로 옮기지 않도록 하려는 시도로 해석한다.

상장 소문과 구독 한도의 역설

가격 인하 시점은 오픈AI와 앤트로픽의 기업공개(IPO) 소문과도 겹친다. 울프는 오픈AI의 2027년 상장설과 앤트로픽의 수개월 내 상장설을 언급하면서, 연구개발과 규모 확대에 따른 막대한 손실이 투자자의 검토 대상이 될 것이라고 봤다. 그러면서 주된 매출원인 모델 이용 가격을 크게 낮추는 일이 투자자에게 어떻게 설명될지 묻는다. 토큰당 추론 수익률이 어느 정도인지는 가격 인하만으로 알기 어렵다는 문제도 남는다.

울프 자신의 지출 방식은 단가 인하와 매출의 관계가 단순하지 않음을 보여준다. 그는 월 100달러 코덱스 구독을 쓰다가 GPT-6.1 솔의 이용 비용이 실질적으로 75% 줄자, 사용 한도를 기존의 5분의 1로 낮췄다고 밝혔다. 같은 작업을 더 효율적으로 할 수 있게 되자 더 많이 쓰기보다 지출을 조절한 것이다. 한편 오픈AI는 GPT-6.1 솔을 발표하면서 월 200달러 코덱스 상품의 사용 허용량을 50% 줄였고, 이를 더 효율적인 모델을 반영한 조치라고 설명했다.

울프는 가격 인하에 효율 개선도 작용했을 것으로 본다. 앤트로픽이 오퍼스 5.5의 서비스에 필요한 연산이 줄었다고 밝힌 설명을 신뢰한다는 것이다. 다만 추론 연산이 효율화된다고 해서 대규모 데이터센터의 필요성이 곧 사라지지는 않을 것으로 예상했다. 추론은 전체 연산 수요의 일부이며, 다른 작업에도 시설이 쓰이기 때문이다.

커뮤니티 의견

한 사용자는 경쟁이 실제 선택을 바꿨다고 했다. 오픈AI와 앤트로픽에서 사이버보안 관련 요청이 차단된 뒤 키미와 GLM 모델을 시험했고, 더 싼 비용으로 작업을 마쳤다는 경험을 들었다. 가격뿐 아니라 어떤 작업을 허용하는지도 모델 선택의 기준이 된다는 의견이다.

다른 사용자는 딥시크가 플래시 V4에 대해 GPU 한 대당 시간당 38달러의 매출을 주장한다며, 추론 사업에 가격을 조정할 여력이 있을 수 있다고 봤다. 다만 대형 오픈AI·앤트로픽 모델은 비용 구조를 알 수 없는 부분이 많다고 덧붙였다. 이 수치를 근거로 두 회사도 최적화를 통해 가격을 내릴 공간이 있었을 것이라는 해석이다.

규제를 가격 경쟁과 연결하는 시각도 나왔다. 한 사용자는 대형 업체들이 규제를 추진하면 중국의 개방형 모델이 시장에 들어오기 어려워져 투자자에게 보여줄 수익성이 좋아질 수 있다고 주장했다. 이에 대한 답글에서는 가격을 낮추더라도 장비를 충분히 가동해 수익을 내면 연구 비용을 감당할 수 있다는 반론이 제기됐다.

가격 인하를 지속 불가능한 출혈 경쟁으로 보는 사용자는 누가 먼저 버티지 못하는지를 겨루는 상황이라고 표현했다. 반론은 딥시크의 사례를 들어 추론 자체를 반드시 적자 사업으로 볼 이유는 없다는 쪽이었다. 논점은 싼 가격이 가능한가보다, 추론에서 남는 돈으로 모델 연구와 훈련까지 감당할 수 있는가에 가까웠다.

수요와 설비에 주목한 의견도 있었다. 한 사용자는 GPU 처리 용량을 항공기 좌석처럼 그때 쓰지 않으면 남는 자원에 비유하며, 수요가 제한적이라면 가격 압박이 더 심해질 것으로 봤다. 답글에서는 모델 효율이 높아지는 가운데 데이터센터가 과도하게 건설될 가능성을 우려했다. 이는 울프가 다른 연산 수요를 근거로 시설의 필요성을 예상한 대목과 대비된다.

또 다른 사용자는 낮은 가격의 대가로 데이터 취급 조건이 달라지는 것은 아닌지 물었다. 데이터 보존을 하지 않는 조건과 모델 출력물에 대한 이용자 데이터의 정의가 자신이 기대하는 것과 다를 수 있다는 우려다. 이 의견은 가격표와 성능표만으로는 서비스 선택에 필요한 모든 조건을 알 수 없다는 문제를 제기한다.

사업성 자체를 의심하는 사용자는 두 회사의 손실을 연구개발 투자보다 LLM 사업의 한계로 해석했다. 이에 대한 답글은 개방형 모델을 제공하는 추론 업체의 존재와 딥시크의 수치를 들어, 추론의 수익성과 거액의 연구비를 회수할 수 있는지는 구분해야 한다고 맞섰다. 가격 인하를 읽을 때에도 모델 운영과 개발사의 전체 재무를 나눠 봐야 한다는 주장이다.

반대로 한 사용자는 거품 붕괴를 끌어오지 않아도 설명할 수 있다고 했다. 추론 기법이나 연산 효율이 개선돼 생산 비용이 낮아지고 경쟁까지 있다면, 판매 가격이 내려가는 것은 자연스럽다는 것이다. 같은 가격 인하를 두고도 커뮤니티에서는 위기의 신호와 효율 향상의 결과라는 해석이 갈렸다.

핵심통찰

이번 가격 인하는 단순한 할인 경쟁보다 개발자가 모델 비용을 계산하는 방식의 변화를 보여준다. 반복 대화가 많은 에이전트에서는 입력·출력 단가보다 캐시 읽기 가격이 중요해졌고, 개방형 모델은 여러 추론 업체를 통해 대형 개발사의 대안이 됐다. 앞으로 볼 것은 더 낮아진 가격표만이 아니다. 실제 작업에 드는 총비용, 구독 상품의 사용 한도, 추론에서 남는 이익이 모델 개발비까지 지탱할 수 있는지가 가격 경쟁의 지속성을 가를 것이다.


원본: OpenAI and Anthropic cut their LLM prices by up to 80% within a few months. Why?

토론: Hacker News