작업당 비용 3분의1 낮춘 GPT-5.6 비교

오픈AI(OpenAI)와 앤트로픽(Anthropic)의 최신 AI 모델을 둘러싼 비용 경쟁이 토큰당 가격에서 작업당 총비용 비교로 옮겨가고 있다. 중국 AI 모델은 공개 가격표에서 낮은 단가를 앞세우지만, 일부 코딩·에이전트 작업에서는 미국계 프런티어 모델이 더 적은 토큰과 시간으로 결과를 내 총비용을 낮출 수 있다는 비교가 나왔다.

오픈AI는 7월 9일 공개한 GPT-5.6 발표문에서 GPT-5.6 Sol이 Artificial Analysis Coding Agent Index에서 Claude Fable 5보다 출력 토큰을 절반 이하로 쓰고, 시간도 절반 이하로 줄였으며, 비용은 약 3분의 1 낮았다고 밝혔다. 이 비교는 단순 API 단가가 아니라 특정 작업을 끝내는 데 들어간 비용을 기준으로 삼았다.

Artificial Analysis는 코딩 에이전트 리더보드에서 비용을 작업당 평균 종량제 API 비용으로 측정한다고 설명한다. 같은 100만 토큰 가격이 높더라도 재시도와 출력량이 줄면 실제 업무 비용은 달라질 수 있다는 뜻이다.

앤트로픽은 Claude Fable 5와 Claude Mythos 5 가격을 입력 100만 토큰당 10달러(약 1만4150원), 출력 100만 토큰당 50달러(약 7만750원)로 공지했다. 오픈AI는 7월 30일 GPT-5.6 Luna 가격을 80%, GPT-5.6 Terra 가격을 20% 낮췄다.

로이터는 오픈AI의 가격 인하를 기업 고객의 AI 비용 부담과 중국 저가 모델 경쟁에 대한 대응으로 전했다. 기업이 AI 모델을 고를 때 가격표만으로 우열을 판단하기 어려워진 배경이다.

중국 모델은 여전히 공개 단가에서 강점을 보인다. 딥시크(DeepSeek)는 deepseek-chat 기준 입력 100만 토큰당 0.27달러(약 382원), 출력 100만 토큰당 1.10달러(약 1557원)를 제시한다.

Z.AI는 GLM-5.1 가격을 입력 100만 토큰당 1.4달러(약 1981원), 출력 100만 토큰당 4.4달러(약 6226원)로 공지했다. Moonshot의 Kimi K2.6은 입력 100만 토큰당 0.95달러(약 1344원), 출력 100만 토큰당 4.00달러(약 5660원)다.

다만 모델별 성능과 속도, 작업 성격이 달라 단가표만 나열하면 비교가 왜곡될 수 있다. Artificial Analysis의 Kimi K3와 GPT-5.6 Terra 비교에서는 Kimi K3가 인텔리전스 지수 60으로 더 높았지만, GPT-5.6 Terra(high)는 100만 토큰당 1.74달러(약 2462원)로 Kimi K3의 2.31달러(약 3269원)보다 낮고 속도도 더 빠른 것으로 제시됐다.

실제 사용 데이터도 양쪽 흐름을 함께 보여준다. Vercel은 2026년 7월 AI Gateway 생산 지표에서 6월 기준 앤트로픽이 전체 지출의 61%를 차지했지만 토큰 비중은 32%였다고 밝혔다.

반면 오픈웨이트 모델은 토큰의 29%를 처리하면서 지출 비중은 4% 미만이었다. 같은 보고서에서 딥시크는 게이트웨이 토큰의 22.6%를 차지했다.

이 차이는 한국 기업과 웹3 프로젝트에도 비용 구조 문제로 연결된다. 챗봇, 개발 보조, 보안 점검, 데이터 분석처럼 반복 호출이 많은 업무에서는 토큰 단가가 중요하지만, 복잡한 코딩 에이전트나 장시간 자동화 업무에서는 성공률, 재시도 횟수, 출력 토큰이 총비용을 좌우할 수 있다.

본지가 앞서 전한 미 기업의 중국 모델 검토 흐름도 같은 비용 압박과 맞물려 있다. 본지가 보도한 에이전트형 AI의 작업당 비용 절감 실험 역시 모델 가격 자체보다 실행 구조와 토큰 사용량이 비용을 바꿀 수 있다는 점을 보여줬다.

경쟁 구도에는 기술 안보 논쟁도 붙었다. 로이터는 미국 정부 고위 당국자가 Moonshot AI의 Kimi K3 개발 과정에 앤트로픽 Fable이 증류됐다는 의혹을 제기했다고 보도했고, 중국 측은 관련 주장을 부인했다.

이번 비교의 핵심은 미국 모델이 중국 모델보다 항상 싸다는 뜻이 아니다. 공개 가격표에서는 중국 모델이 낮은 단가를 유지하고, 일부 작업 단위 비교에서는 오픈AI와 앤트로픽 계열 모델의 효율성이 부각된다.

기업의 실제 비용은 모델 가격, 작업 성공률, 토큰 사용량, 라우팅 방식에 따라 달라진다. AI 비용 경쟁은 앞으로도 100만 토큰당 단가와 실제 업무 완주 비용을 함께 따지는 방식으로 이어질 예정이다.