머큐리 2.5 LLM, 초당 770 토큰 달성

(artificialanalysis.ai)

Hacker News2026년 9월 24일AI 모델

Mercury 2.5 LLM은 지능 지수는 평균보다 낮지만 초당 780토큰 이상의 압도적인 추론 속도와 합리적인 비용을 갖춰, 실시간 응답이 중요한 서비스 구축에 최적화된 모델로 주목받고 있습니다.

이 글의 핵심 포인트

1Mercury 2.5는 초당 약 781토큰의 매우 빠른 출력 속도를 기록함
2Intelligence Index는 12점으로, 유사 모델의 중간값(13점)보다 다소 낮은 수준임
31M 토큰당 입력 $0.25, 출력 $0.75의 합리적인 가격대를 형성함
4260k 토큰의 넓은 컨텍스트 창을 지원하여 대량의 텍스트 처리에 용이함
5텍스트 입출력을 지원하며, 추론(Reasoning) 기능이 포함된 버전임

이 글에 대한 공공지능 분석

왜 중요한가?

LLM 시장의 경쟁 축이 '지능의 극대화'에서 '운영 효율 및 속도의 최적화'로 분화되고 있음을 보여주는 사례입니다. 모든 AI 서비스가 최고 성능의 모델을 필요로 하지 않는다는 점을 시사합니다.

어떤 배경과 맥락이 있나?

최근 LLM 트렌드는 거대 모델(Frontier Models)과 특정 목적에 특화된 고속/경량 모델로 양극화되고 있습니다. Mercury 2.5는 지능보다는 비용과 지연 시간(Latency)을 줄이는 데 집중한 모델 라인업의 확장을 의미합니다.

업계에 어떤 영향을 주나?

실시간 챗봇, 대량의 문서 요약, 에이전틱 워크플로우 등 응답 속도가 사용자 경험(UX)의 핵심인 서비스 개발자들에게 강력한 대안이 될 것입니다. 이는 서비스 운영 비용(OPEX) 구조를 혁신할 수 있는 기회입니다.

한국 시장에 어떤 시사점이 있나?

높은 API 비용 문제로 수익성 확보에 어려움을 겪는 한국 AI 스타트업들에게, Mercury 2.5와 같은 고속/저비용 모델은 서비스 마진을 개선하고 대규모 사용자 확보를 가능케 하는 핵심적인 기술적 레버리지가 될 수 있습니다.

이 글에 대한 큐레이터 의견

Mercury 2.5의 등장은 AI 모델의 가치가 '얼마나 똑똑한가'에서 '얼마나 경제적이고 빠른가'로 이동하고 있음을 보여줍니다. 스타트업 창업자들은 모든 기능에 고비용의 고성능 모델을 사용하는 대신, 작업의 난이도에 따라 모델을 분리하는 '모델 라우팅(Model Routing)' 전략을 적극적으로 채택해야 합니다. 단순 요약, 데이터 추출, 실시간 인터랙션 등 낮은 지능으로도 충분한 태스크에는 Mercury 2.5를 배치하여 비용 효율성을 극대화하는 것이 생존 전략입니다.

다만, 지능 지수가 평균 이하라는 점은 복잡한 논리적 추론이나 고도의 창의성이 요구되는 핵심 로직에서는 한계를 드러낼 수 있다는 리스크를 내포합니다. 따라서 서비스의 핵심 가치를 결정하는 'Core Logic'은 고성능 모델에 맡기고, 보조적인 'Peripheral Task'에 Mercury 2.5를 활용하는 하이브리드 아키텍처를 설계하는 균형 잡힌 접근이 필요합니다. 무분별한 저비용 모델 채택은 서비스 품질 저하로 이어져 사용자 이탈을 초래할 수 있음을 경계해야 합니다.

원문 보기 →