딥씨크, 볼륨과 토큰당 비용에서 구글 추월, 토큰당 비용 13.6% 감소
(vercel.com)
딥씨크(DeepSeek)가 토큰 사용량에서 구글을 추월하며 토큰당 비용이 13.6% 하락한 가운데, 이는 오픈 웨이트 모델의 급성장과 에이전트 중심 AI 워크로드 변화를 알리는 중요한 지표입니다.
이 글의 핵심 포인트
- 1DeepSeek가 구글을 제치고 토큰 사용량 기준 세계 2위 AI 랩으로 등극
- 27월 평균 토큰당 비용이 전월 대비 13.6% 감소 (전체 지출은 37% 증가)
- 3Anthropic은 전체 토큰 볼륨의 30%만 차지하면서도 전체 지출의 65%를 점유하며 프리미엄 가격 유지
- 4Moonshot의 Kimi K3 출시 이후 에이전트 작업용 토큰 사용량이 급격히 증가
- 5오픈 웨이트 모델의 게이트웨이 지출 비중이 7월에 8.6%로 두 배 이상 상승
이 글에 대한 공공지능 분석
왜 중요한가?
AI 모델의 경제 구조가 '고비용 고성능'에서 '저비용 대량 소비'로 급격히 전환되고 있음을 보여줍니다. 토큰 가격의 하락은 AI 서비스의 유닛 이코노믹스(Unit Economics)를 근본적으로 재편하며, 더 복잡한 에이백(Agentic) 워크로드의 상업적 실현 가능성을 높입니다.
어떤 배경과 맥락이 있나?
DeepSeek와 같은 효율적인 오픈 웨이트 모델들이 막대한 볼륨을 확보하면서 시장의 가격 결정권이 변화하고 있습니다. 특히 Kimi K3처럼 긴 컨텍스트와 에이전트 작업에 특화된 모델들이 등장하며, 단순 챗봇을 넘어선 자율형 에이전트 시대의 인프라가 구축되고 있습니다.
업계에 어떤 영향을 주나?
모델 자체를 제공하는 레이어의 가치는 하락하고, 이를 활용해 복잡한 워크플로우를 설계하는 오케스트레이션 레이어의 중요성이 커질 것입니다. Anthropic처럼 프리미엄 가격을 유지할 수 있는 모델과 DeepSeek처럼 저가 물량 공세를 펼치는 모델로 시장이 양극화될 전망입니다.
한국 시장에 어떤 시사점이 있나?
한국 스타트업들은 단순히 LLM을 API로 호출하는 '래퍼(Wrapper)' 수준에 머물러서는 안 됩니다. 하락하는 토큰 비용을 레버리지 삼아, DeepSeek나 Kimi K3 같은 모델들을 활용한 고난도 에이전트 서비스나 특정 산업 특화형 워크플로우를 구축하여 차별화된 가치를 만들어야 합니다.
이 글에 대한 큐레이터 의견
AI 인프라의 '범용재(Commodity)화'가 가속화되고 있습니다. DeepSeek의 부상은 모델 성능의 상향 평준화와 비용 파괴를 의미하며, 이는 개발자들에게 엄청난 실험적 자유를 제공합니다. 이제 스타트업은 '어떤 모델을 쓰느냐'가 아니라 '낮아진 비용으로 얼마나 복잡한 태스크를 자동화하느냐'에 집중해야 합니다.
하지만 리스크도 명확합니다. 모델 가격의 하락은 곧 서비스 간 차별화 요인이 사라짐을 의미하며, 이는 수익성 악화로 이어질 수 있는 '치킨 게임'의 전조이기도 합니다. 또한, 특정 오픈 웨이트 모델에 대한 의존도가 높아질 경우 공급망 리스크나 데이터 보안 이슈가 발생할 수 있습니다.
따라서 창업자들은 저렴한 모델을 활용해 비용 효율적인 백엔드를 구축하되, 그 위에 독점적인 데이터 루프(Data Loop)나 사용자 경험(UX) 레이어를 쌓아 모델의 교체 가능성으로부터 비즈니스를 보호하는 전략을 취해야 합니다.
관련 뉴스
댓글
아직 댓글이 없습니다. 첫 댓글을 남겨보세요.