인공지능 업계의 거대 모델 중심 전략에서 저비용 모델로의 전환

주장인공지능 업계는 그동안 가장 강력한 모델이 시장을 주도한다는 전제 아래 성장했습니다. 그러나 최근 급증하는 운영 비용 문제로 인해 기업들은 더 작고 저렴한 모델의 가치를 재평가하기 시작했습니다.

팩트코인베이스 공동 창업자 브라이언 암스트롱은 향후 12개월에서 18개월 내에 전체 작업의 80%가 현재보다 99% 저렴한 모델로 이동할 것으로 예측했습니다. 나머지 20%의 작업만이 최고 성능이 요구되는 최신 세대 모델에서 실행될 전망입니다.

교차검증이러한 시장의 변화는 오픈에이아이와 앤스로픽 등 대형 인공지능 연구소의 수익성에 부정적인 영향을 줄 가능성이 있습니다. 특히 기업공개를 앞둔 이들 기업에 모델 경제성의 변화는 재무적인 위험 요소로 작용합니다.

팩트법률 인공지능 도구인 하비는 최근 테스트를 통해 품질 저하 없이 추론 비용을 3배 절감했습니다. 하비는 클로드 오퍼스와 파이어웍스 에이아이의 지엘엠 5.1 모델을 조합하여 효율적인 작업 분배를 수행했습니다.

주장인공지능 품질의 정의는 단순히 가장 강력한 모델을 사용하는 것에서 가장 효율적으로 정답을 도출하는 모델을 선택하는 방향으로 진화하고 있습니다. 이는 품질이 최우선인 법률 서비스 분야에서도 소형 모델 도입이 충분히 가능함을 보여줍니다.

팩트현재 인공지능 시장의 핵심 구분은 독점 모델과 오픈 모델의 대립이 아닌 대형 모델과 소형 모델 사이의 효율성 경쟁입니다. 기업들은 지피티-5.5 대신 딥시크의 브이4 플래시나 지피티-5.4-미니를 활용하여 비용 절감을 도모합니다.

교차검증모든 기업이 반드시 소형 모델로 전환한다고 단정하기는 어렵습니다. 기업은 모델 교체 대신 인공지능 호출 횟수를 줄이거나 컨텍스트 사용량을 제한하는 방식으로 비용을 관리할 수도 있습니다.

주장그동안 인공지능 연구소들은 투자자의 보조금을 바탕으로 가장 컴퓨팅 집약적인 모델 훈련에 집중했습니다. 그러나 토큰 가격 상승과 보조금 축소로 인해 이제는 비용 효율성을 우선적으로 고려해야 하는 시점이 도래했습니다.

팩트대부분의 작업이 소형 모델로 충분히 처리 가능하다는 사실이 입증되면 추론 수요에 대한 시장의 기대치는 낮아집니다. 이는 천문학적인 비용이 투입되는 프론티어 모델 훈련의 정당성에 의문을 제기하는 근거가 됩니다.

주장기업들은 이제 모델의 성능뿐만 아니라 투입 대비 산출 효율을 극대화하는 전략을 수립해야 합니다. 인공지능 생태계는 거대 모델의 환상에서 벗어나 실질적인 경제성을 확보하는 단계로 진입했습니다.

팩트인공지능 모델의 경제성 변화는 향후 기술 개발의 방향성을 결정짓는 중요한 변수가 됩니다. 기업들은 더 적은 자원으로 최적의 결과를 내는 모델 조합을 찾는 데 역량을 집중하고 있습니다.

출처테크크런치가 2026년 6월 9일 보도한 '기술 기업들은 더 저렴한 인공지능 모델을 사랑하는 법을 배울 수 있는가' 기사를 교차 검증했습니다.