AI 도입 목록
AI 도입

GPT-6.1 솔 가격 인하가 기업에 묻는 것: 더 저렴한 모델로 바꿀 수 있을까?

모델 교체 키워드와 "더 저렴한 모델로 바꿀 수 있는 구조" 부제, 두 층 받침 위 세 자리 가운데 빈 자리 위로 주황 블록이 내려오는 입체 일러스트가 있는 하이퍼이지 블로그 AI 도입 커버

OpenAI는 2026년 9월 29일(현지시간) 샌프란시스코에서 열린 개발자 행사 데브데이에서 새 모델 GPT-6.1 솔을 공개했습니다. API 가격은 입력 100만 토큰당 2달러, 캐시 입력은 0.1달러입니다. AI타임스 보도에 따르면 샘 알트먼 CEO는 최상위 모델 아스트라급 성능을 5분의 1 가격에 제공해 준다고 소개했습니다. 성능 비교는 OpenAI가 공개한 벤치마크 결과라, 실제 업무에서 같은 차이가 나는지는 따로 확인해 봐야 합니다.

같은 주에는 계약 조건 이야기도 나왔습니다. AI타임스가 9월 29일 인용한 The Information 보도에 따르면, 계약한 사용량 한도에 도달했을 때 Anthropic은 할인을 바로 끊는 반면 OpenAI는 그달 말까지 쓰게 하고 한 달의 추가 협상 기간을 준다고 합니다. 코드 리뷰 서비스 CodeRabbit은 연간 수천만 달러 규모로 AI를 쓰는데, 6개월 사이 주 공급사를 Anthropic에서 OpenAI로 옮겼고 성능 개선과 가격이 이유였다고 합니다.

가격보다 먼저 확인해야 할 것

모델 가격이 이렇게 빠르게 바뀌다 보니, 더 저렴한 모델로 옮길 수 있는 회사와 옮기지 못하는 회사의 AI 원가는 점점 벌어집니다. CodeRabbit처럼 반년 만에 주 공급사를 바꾸려면, 모델을 바꿔도 서비스 품질이 유지되는지 확인할 방법이 있어야 하고, 바꾸는 데 필요한 작업이 회사에서 감당할 수 있는 수준이어야 합니다. 가격은 누구나 비교해 볼 수 있지만, 실제로 그 가격으로 이용할 수 있는지는 회사마다 다릅니다.

국내 기업이라면

국내 기업은 해외 API 가격만 보고 결정하기 어려운 경우가 많습니다. 금융이나 공공처럼 망분리 규정이 있는 곳은 외부 API를 쓰는 업무와 사내에 설치한 모델을 쓰는 업무가 나뉘고, 한국어 문서가 많은 업무는 모델마다 답의 품질 차이가 크게 날 수 있습니다. 한 회사 안에서도 업무마다 맞는 모델이 다를 수 있다는 뜻인데, 그러려면 업무마다 모델을 바꿀 수 있어야 합니다.

기업이 모델을 바꾸기 어려운 경우

프롬프트를 특정 모델에 맞춰 다듬은 경우

한 모델로 파일럿을 시작해 몇 달 동안 프롬프트를 다듬다 보면, 그 프롬프트는 그 모델의 버릇에 맞춰집니다. 다른 모델로 옮기면 같은 프롬프트에서도 답의 형식과 길이가 달라지고, 처음부터 다시 손봐야 하는 경우가 생깁니다.

업무 규칙을 프롬프트 안에만 적어 둔 경우

할인 기준이나 승인 조건 같은 업무 규칙을 프롬프트 문장으로 적어 두면, 규칙과 모델이 한 덩어리가 됩니다. 예를 들어 "주문 금액이 일정 기준을 넘으면 팀장 승인을 받는다"는 규칙이 프롬프트에만 있다면, 모델을 바꿀 때마다 이 규칙이 그대로 지켜지는지 다시 확인해야 합니다.

바꿔도 되는지 판단할 기준이 없는 경우

새 모델이 더 저렴하다는 건 알아도, 우리 업무에서 같은 품질이 나오는지 확인할 방법이 없으면 결정을 내리기 어렵습니다. 결국 익숙한 모델을 계속 쓰게 되고, 가격 인하는 남의 이야기가 됩니다.

기록과 권한이 벤더 콘솔 안에만 있는 경우

호출 기록과 권한 설정이 특정 벤더의 관리 화면 안에만 있으면, 모델을 옮길 때 감사 기록이 끊기고 권한도 새로 설정해야 합니다. 예를 들어 AI가 어떤 고객 정보를 조회했는지 기록을 남겨 둬야 하는데 그 기록이 벤더 화면에만 있다면, 벤더를 바꾸는 순간 예전 기록을 꺼내 보기가 번거로워집니다. 기록은 사내 시스템에도 함께 쌓아 두는 편이 안전합니다.

지금 점검해 볼 것

  • 업무별 평가 질문: 자주 쓰는 업무마다 질문과 기대하는 답을 모아 둡니다. 고객 문의 분류라면 실제 문의 수십 개와 맞는 분류를 모아 두는 식입니다. 새 모델이 나오면 이걸 먼저 돌려 보고, 정답률과 답 형식이 유지되는지 본 뒤 옮길지 정하면 됩니다
  • 모델 호출 경로: 사내 시스템이 각자 벤더 API를 직접 부르는지, 한 곳을 거쳐 부르는지 확인합니다. 한 곳을 거치면 모델을 바꿀 때 고칠 곳도 한 곳입니다
  • 규칙의 위치: 할인, 승인, 권한 같은 규칙이 프롬프트 안에 있는지, 시스템에 따로 정의돼 있는지 봅니다
  • 계약 조건: 사용량 한도와 할인 조건, 한도를 넘었을 때 어떻게 되는지를 확인합니다

모든 기업이 여러 모델을 번갈아 써야 하는 것은 아닙니다. 사용량이 크지 않다면 옮기는 데 드는 작업이 절감액보다 클 수도 있습니다. 다만 AI 사용량이 늘어날 계획이라면, 옮길 수 있는 구조를 미리 갖춰 두는 편이 협상할 때도 유리합니다.

하이퍼이지가 보는 방식

하이퍼이지가 Skein OS에서 업무 대상과 규칙을 온톨로지로 따로 정의하는 이유도 여기에 있습니다. 주문, 설비, 계약 같은 대상과 "미결제 주문은 출고할 수 없다" 같은 규칙이 온톨로지에 있으면, 모델을 바꿔도 규칙은 같은 자리에 남습니다. 모델은 규칙이 계산한 결과를 읽기 쉬운 말로 풀어 주는 역할을 맡습니다. 이렇게 역할을 나누는 방식은 RAG 운영 글에서도 다뤘습니다.

모델 가격 경쟁은 한동안 이어질 가능성이 큽니다. 다음 가격 인하가 나왔을 때 바로 옮겨 볼 수 있는지는, 지금 업무 규칙과 평가 기준을 어디에 두고 있는지에 따라 정해집니다.

공유 링크드인

관련 글

AI 성과 수치 키워드와 "회계사 37%, AI 100% 실험 결과를 읽는 법" 부제, 공인회계사 평균 37%와 AI 100% 정확도 막대, 과제를 만든 곳과 빠진 조건과 우리 회사 데이터를 묻는 확인 목록 카드가 있는 하이퍼이지 블로그 AI 도입 커버
AI 도입

월말 결산 과제 정확도, 회계사 평균 37%, AI 100%: 이 결과를 읽을 때 확인할 것

공인회계사 평균 37%, AI 100%라는 실험 결과가 국내에도 알려졌습니다. 연구진이 스스로 밝힌 한계를 따라 이 실험이 어떤 능력을 평가했고 무엇을 빠뜨렸는지 살펴보고, 하이퍼이지가 고객 실증에서 현업이 만든 정답지로 성과를 확인하는 이유를 정리합니다.

공공 AI 사업 키워드와 "AI 기능 목록보다 먼저 정할 업무" 부제, 어떤 업무를 바꾸는지, 데이터는 어떤 상태인지, 사업 후 누가 운영하는지 차례로 묻는 단계 카드가 있는 하이퍼이지 블로그 AI 도입 커버
AI 도입

공공 AI 사업, 요구사항에 AI 기능을 넣기 전에 확인할 것

공공 클라우드 전환 사업에 쓰일 계획 없는 AI 기능이 요구사항에 들어가는 일이 있습니다. 같은 주에 반복 업무부터 에이전트로 바꾼 한국지식재산연구원 사례와 나란히 놓고, 하이퍼이지가 공공 과제에서 기능 목록보다 먼저 확인하는 업무, 데이터, 운영 주체를 정리합니다.

폐쇄망 AI 키워드와 "업무용 PC에서 시작하는 망분리 기관의 AI 도입" 부제, 낮은 벽으로 둘러싼 판 안에 회색 블록 두 개와 작은 주황 블록 하나가 놓인 입체 일러스트가 있는 하이퍼이지 블로그 AI 도입 커버
AI 도입

망분리 AI 도입: GPU와 클라우드 없이 기관 안에서 시작하는 방법

망분리 기관은 외부 AI 서비스도, 클라우드도, GPU 서버 예산도 없는 상태에서 AI 도입을 요구받습니다. 한국신용정보원의 PC용 로컬 AI와 미 국방부 GenAI.mil 사례를 따라가며, 폐쇄망 AI를 업무용 PC, 내부망 서버, 전용 인프라 단계로 나눠 단계마다 준비할 것을 정리합니다.

도입 상담 신청

읽던 글: GPT-6.1 솔 가격 인하가 기업에 묻는 것: 더 저렴한 모델로 바꿀 수 있을까?