출력 토큰이 GPT-5.5보다 34배 싸다
택시비가 어느 날 갑자기 1/34 수준이 됐다고 해보자. 비행기 대신 택시 타는 사람이 생긴다. 5월 22일 중국 DeepSeek가 자사 플래그십 모델 V4-Pro의 75% 가격 할인을 영구화하면서, AI 모델 시장에서 비슷한 일이 일어나고 있다.
원래 5월 31일 종료 예정이던 한시 프로모션을 마감 9일 전에 “이게 새 가격"이라고 못 박았다. 이번 인하로 V4-Pro는 OpenAI GPT-5.5 대비 입력 토큰 11.5배, 출력 토큰 34.5배 싸졌다.
가격 구조
새 V4-Pro 요금은 다음과 같다 (백만 토큰 기준).
- 입력 (cache miss, 새 텍스트): $0.435
- 입력 (cache hit, 이미 처리한 텍스트 재활용): $0.003625
- 출력: $0.87
GPT-5.5는 입력 $5–$10, 출력 $30 수준이다. 캐시 hit($0.003625) 기준으로 같은 1M 토큰 처리 비용이 V4-Pro는 0.5센트, GPT-5.5는 5천 원 — 천 배 가까운 격차다.
캐시 hit 가격은 “재방문 할인"이다. 같은 문서를 여러 번 LLM(Large Language Model, 거대 언어 모델)에 보내는 RAG(Retrieval-Augmented Generation, 외부 문서를 검색해 답변에 붙이는 방식) 시스템이나 멀티턴 대화에서, 한 번 본 텍스트는 거의 무료에 가깝게 처리해준다.
성능은 어떻게 됐나
가격이 30배 싸면 성능도 30분의 1이어야 균형이 맞을 것 같지만, 실제는 그렇게 안 갈렸다.
- GPQA Diamond(Graduate-level Q&A, 대학원 수준 과학 문제 벤치마크): GPT-5.5 93.6% / V4-Pro 90.1%
- MRCR(Multi-Round Coreference Resolution, 긴 문서에서 특정 정보를 찾는 능력): V4-Pro 83.5% — Gemini 3.1 Pro 초과
- 컨텍스트 윈도우(한 번에 처리 가능한 토큰 수): V4-Pro 100만 / GPT-5.5 110만
최고 난이도 추론에서 GPT-5.5가 3.5포인트 앞선다. 다만 “이 3.5포인트 차이가 34배 비싼 값을 정당화하느냐"는 질문이 기업 IT 부서들 사이에서 본격적으로 등장했다. InfoWorld에 인용된 한 애널리스트의 말이다.
“Anthropic과 OpenAI의 고마진·고소비 토큰 가격 모델은 다수의 기업 워크로드에서 정당화하기 점점 어려워지고 있다.”
모델 선택의 축이 다층화된다
“그럼 다들 DeepSeek로 갈아탄다"가 답이면 글이 짧게 끝나지만, 실제 구도는 복잡하다. 미국·유럽 기업이 전면 이전하지 못하는 이유 세 가지가 같은 InfoWorld 기사에 정리돼 있다.
- 데이터 주권: API 호출 시 데이터가 어느 나라 서버를 거치는지 불투명.
- 지식재산 유출 위험: 입력한 코드·문서가 모델 학습에 재활용될 가능성을 계약서로 배제하기 어려움.
- 규제 컴플라이언스: 데이터 처리 위치가 불투명해 GDPR·금융권 규정 통과 난항.
시장이 가는 방향은 “단일 최강 모델 채택” 종료, “다중 모델 전략” 정착이다. 민감한 고부가가치 작업은 GPT-5.5나 Claude Opus 4.8 같은 프리미엄 모델, 대량 반복 작업은 V4-Pro 같은 저가 모델로 분산하는 식이다.
가격 vs 성능 vs 신뢰
quadrantChart
title Frontier Model Trade Offs
x-axis Cheap --> Expensive
y-axis Lower Trust --> Higher Trust
quadrant-1 Premium Western
quadrant-2 Underused
quadrant-3 Niche Cheap
quadrant-4 Cost Disruptor
GPT-5-5: [0.85, 0.85]
Claude-Opus-4-8: [0.80, 0.90]
Gemini-3-5-Flash: [0.45, 0.75]
DeepSeek-V4-Pro: [0.05, 0.40]
Open-Source-Llama: [0.10, 0.55]
V4-Pro는 우하단(Cost Disruptor) 자리다. 가격은 압도적으로 싼데, 서구 기업이 무비판적으로 신뢰하기엔 데이터·규제 변수가 있다. 반대편 우상단(Premium Western)에는 비싸지만 컴플라이언스가 정리된 GPT-5.5·Claude Opus 4.8이 있다. 다중 모델 전략은 이 두 사분면을 동시에 채택하는 패턴이다.
OpenAI·Anthropic은 무엇을 할까
가격을 같이 내릴 가능성보다, **결과 기반 과금(outcome-based pricing)**으로 옮길 가능성이 더 자주 언급된다. 토큰 단위 경쟁에선 중국 모델을 이길 수 없으니, “문서 1건 처리당 얼마”, “에이전트 1회 임무 완수당 얼마” 식으로 단위를 바꾸려는 시도다. OpenAI가 광고 비즈니스로 무게 중심을 옮긴 것도 같은 맥락이다.
한국 스타트업 입장에서는 선택지가 늘었다. 같은 예산으로 30배 큰 워크로드를 돌릴 수 있다는 건 가설 검증 속도가 30배 빨라진다는 뜻이다. 다만 고객 데이터·내부 문서를 V4-Pro 외부 API에 통째로 보내는 시스템을 만들 때는, 가격표 옆에 데이터 흐름도를 같이 펴놓고 봐야 한다. 비용을 1/34로 줄이는 결정과 데이터 주권을 1/34로 줄이는 결정은 분리해야 한다.
결론
이번 인하는 가격 조정이 아니라, 모델 선택의 축이 “성능” 1차원에서 “가성비·신뢰·규제” 3차원으로 확장된 사건이다. “가장 똑똑한 모델 1개"가 시장을 다 먹는 시대는 끝나가고, 그 빈 자리를 채우는 건 워크로드별·리스크별 다중 모델 포트폴리오다. 다음 볼거리는 OpenAI·Anthropic의 응답 — 가격을 따라 내릴지, 단위를 바꿀지, 다른 축으로 도망갈지에 따라 구도가 다시 정리된다.