미·중 AI 가격 전쟁, 싼 모델이 항상 이득일까요? | 벤더 선택 기준 3가지

3줄 요약 — 오픈AI와 앤트로픽이 나란히 모델 가격을 낮췄어요. 딥시크·GLM·Kimi 같은 중국 모델이 훨씬 싼 값으로 치고 들어온 탓이에요. 그런데 토큰 단가가 아니라 작업당 총비용을 따진 조사에서는 순위가 달라진다는 결과도 나왔어요. 가격표만 보고 벤더를 정하면 놓치는 부분이 있다는 뜻이에요.

📰 2026년 8월 27일 기준 최신 소식 | 이 글은 최근 업계 흐름을 다루고 있어요.

AI 도입 견적을 받아둔 지 얼마 안 됐는데 다음 달엔 또 조건이 바뀌어 있을까 걱정되시나요? 이번엔 흐름이 좀 달라요. 그동안은 오픈AI와 앤트로픽 두 회사의 신경전이었다면, 이번엔 중국 AI 기업들이 끼어들면서 판이 세 갈래로 갈렸어요.

1. 무슨 일이 있었나요

파이낸셜타임스가 8월 22일 보도한 내용이 핵심이에요. 오픈AI와 앤트로픽이 딥시크·즈푸AI의 GLM-5.2·문샷의 Kimi K3 같은 중국 모델에 밀려 가격을 낮추고 있다는 거예요. 오픈AI는 지난달 말 경량 모델 GPT-5.6 루나 가격을 80% 내렸고, 앤트로픽은 이전 플래그십 모델 대비 절반 수준 가격을 내세운 클로드 오퍼스 5를 새로 내놨어요. 두 회사가 손잡고 움직인 게 아니라, 같은 압박을 각자 받아서 비슷한 시기에 대응한 셈이에요.

2. 숫자로 보는 가격 격차

딥시크의 V4 플래시 모델은 입력 100만 토큰(token, AI가 글자를 처리하는 단위)당 0.14달러, 출력 100만 토큰당 0.28달러예요. 앤트로픽의 이전 플래그십 클로드 페이블 5는 같은 기준으로 입력 10달러, 출력 50달러였고요. 단순 계산으로도 딥시크 쪽이 100분의 1 남짓이에요. GLM-5.2와 Kimi K3도 미국 주요 모델 대비 60～90% 낮은 값을 매기고 있어요. 이 정도 격차라면 미국 기업들이 손을 놓고 있을 수 없었을 거예요.

3. 미국 기업들이 값을 낮춘 진짜 이유

이번 가격 인하를 선의로 보기는 어려워요. 치솟는 AI 사용료 청구서에 부담을 느낀 기업들이 저렴한 대안을 찾기 시작했고, 그 흐름을 타고 중국 모델이 실리콘밸리와 유럽 기업 사용자 사이에서도 자리를 넓혀가고 있었거든요. 오픈AI와 앤트로픽 입장에서는 기존 고객이 옮겨가기 전에 가격 카드를 먼저 꺼낼 수밖에 없었던 거예요. 저희도 자체 SaaS(구독형 소프트웨어) 4종을 운영하다 보니, 경쟁사가 값을 내리면 고객 이탈을 막으려는 방어적 대응이라는 걸 체감으로 알아요.

4. 싸다고 늘 이득은 아니에요

The Information이 8월 13일 다룬 조사 결과는 이 흐름에 균형을 잡아줘요. 토큰 단가만 보면 앤트로픽 모델이 몇 배 비싸지만, 특정 업무를 끝까지 처리하는 데 드는 총비용으로 계산하면 오히려 앤트로픽 쪽이 더 낮게 나온 경우가 있었대요. 답을 짧고 정확하게 내놓는 모델은 같은 결과를 얻는 데 필요한 토큰 자체가 적어서예요. 반대로 답을 길게 풀어내거나 다시 시도해야 하는 모델은 단가가 싸도 누적 비용이 예상보다 불어나요. 업무를 나눠서 저비용·고비용 모델에 배정하는 계층화 전략을 미리 짜두면 이런 차이를 흡수하기가 훨씬 수월해요. 게다가 값을 내려온 쪽은 중국 업체도 아니에요. 딥시크와 알리바바 일부 상품은 최근 구독료를 다시 올리기 시작했어요. 늘어나는 인프라 투자 비용을 저가 정책만으로 버티기 어려워진 거예요. 지금 가장 싼 가격이 내년에도 그대로일 거라 믿을 근거는 없어요.

5. 한국 기업이 놓치기 쉬운 지점 — 데이터가 어디로 가나요

단가 비교에 가려 잘 안 보이는 지점이 하나 더 있어요. 어떤 모델을 쓰든 회사 자료를 입력하는 순간, 그 데이터는 그 모델을 운영하는 회사의 서버로 넘어가요. 국외 서버, 특히 국내법 적용이 다른 지역이라면 개인정보나 고객 자료가 걸린 업무를 얹기 전에 국외 이전 절차와 위탁 처리 신고 여부부터 확인하셔야 해요. 저희가 CDP(고객 데이터 플랫폼)인 D:VALUEUP을 직접 운영하면서 세운 원칙도 비슷해요. 고객 데이터를 다루는 서비스일수록 데이터가 어디에 쌓이고 누가 접근하는지부터 먼저 정리해두는 거예요. 단순 문서 요약이나 아이디어 정리처럼 민감하지 않은 업무와, 고객 정보가 섞인 업무는 처음부터 다른 모델에 나눠 배정하는 편이 안전해요.

6. 지금 벤더를 고른다면 확인할 기준 3가지

가격표가 매달 바뀌는 시기일수록 판단 기준을 단순하게 가져가는 편이 낫더라고요.

1. 토큰 단가가 아니라 작업당 총비용으로 비교하세요. 같은 결과를 내는 데 토큰이 얼마나 필요한지까지 봐야 실제 청구서에 가까워져요.
2. 업무를 나눠서 배정할 구조를 먼저 짜세요. 반복 업무는 저비용 모델로, 판단이 필요한 업무는 검증된 모델로 나누면 특정 업체의 가격 변동에 덜 흔들려요.
3. 개인정보·기밀이 걸린 업무는 국내법 준수 여부부터 확인하세요. 값이 아무리 매력적이어도 이 확인을 건너뛰면 나중에 손볼 범위가 훨씬 커져요.

벤더 선택 기준을 우리 상황에 맞게 짚어보고 싶다면 저희 경험을 바탕으로 함께 판단해드릴게요 →

7. 저희가 자체 SaaS를 운영하며 보는 지점

저희는 자체 SaaS 4종을 10년 넘게 직접 운영하면서, 경쟁사가 값을 내릴 때마다 무작정 따라 내리는 대신 어떤 고객이 왜 이탈하려는지부터 살피는 쪽을 택해왔어요. 그래서 이번 가격 전쟁도 단가 경쟁으로만 보지 않아요. 외주 프로젝트에 AI를 붙일 때도 저희는 가격표보다 그 업무가 어떤 데이터를 다루는지, 결과가 얼마나 정확해야 하는지를 먼저 물어봐요. 반복 작업이 많은 곳엔 저비용 모델부터 검증해보자고 권하고, 고객 정보나 판단이 중요한 업무엔 단가보다 안정성을 먼저 보자고 말씀드려요.

8. 자주 묻는 질문

지금 중국 AI 모델을 쓰면 비용을 크게 줄일 수 있나요?

단순 반복 업무라면 체감 차이가 커요. 다만 최근 조사에서는 토큰 단가가 아니라 작업 하나를 끝내는 데 드는 총비용을 보면 순위가 달라진다는 결과가 나왔어요. 판단이 필요한 업무일수록 그 격차가 좁아지니, 단가만 보고 옮기기보다 업무 성격부터 나눠보시는 걸 권해요.

회사 업무에 중국 AI 모델을 써도 괜찮나요?

업무 성격에 따라 나눠 보셔야 해요. 개인정보나 기밀이 걸린 자료를 국외 서버로 보내는 셈이라, 도입 전에 데이터가 어디에 저장되고 어떤 경로로 처리되는지부터 확인하는 게 우선이에요. 단순 자료 정리처럼 민감하지 않은 업무부터 나눠 적용하시는 기업이 많아요.

이 가격 경쟁, 언제까지 계속될까요?

예측하기 어려워요. 실제로 값을 내리기만 하던 중국 업체 일부가 최근 구독료를 다시 올리기 시작했거든요. 지금 가장 싼 가격에 맞춰 계약 규모를 크게 늘리기보다는, 요금이 바뀌어도 옮겨탈 여지를 남겨두는 구조를 짜두시는 편이 안전해요.

9. 마무리하며

이번 가격 전쟁에서 눈여겨봐야 할 건 오늘 가장 싼 값이 아니라, 그 값이 어떤 압박에서 나왔고 얼마나 오래갈지예요. 저희는 자체 SaaS 4종을 10년 이상 운영하고 50개 이상의 프로젝트를 진행하며 롯데·캐논 같은 곳과도 함께해온 경험으로 이런 판단을 도와드려요. AI 도입 벤더를 고르는 기준이 고민되신다면 상담받으러 가기 →

함께 읽으면 좋은 글로 AI 요금 전쟁 한복판, 지금 도입해도 될까요?와 OpenAI, 한 번에 프로젝트 3개 접었다 — AI 도구 의존 대비법도 추천해요.