미국 상장을 준비하는 OpenAI에 붙은 숫자는 최대 1조 달러야.1 나란히 준비 중인 Anthropic은 투자자 기대치 기준 약 2조 달러고,1 두 회사 다 비공개 신청을 이미 마쳤어.1 이 몸값을 떠받치는 논리는 단순해. 최고 성능 모델을 만드는 회사는 그 접근권에 프리미엄을 매길 수 있다는 거야.
그 프리미엄을 증명하려고 최근 몇 주 나온 숫자들에는 공통점이 하나 있어. 전부 파는 쪽이 직접 쟀다는 것. 그래서 내 판단은 이거야 — 이 몸값을 판정하는 자리는 벤치마크 점수판이 아니라 손익계산서의 총마진 줄이다. 성능 우위의 증거는 지금 밖에서 재현할 수 없는 형태로만 있는데, 그 우위를 깎는 가격 압력은 이미 누구나 열어볼 수 있는 요금표에 찍혀 있거든.
왜 지금
가격이 벌써 움직였기 때문이야. OpenAI는 올여름 소형 모델 GPT-5.6의 값을 내렸고, 그중 Luna는 80%가 떨어졌어.1 구글도 Gemini 3.7 Flash를 전작이 나온 지 3주 만에 내놓으면서 토큰당 가격을 절반으로 낮췄고,2 연말까지 입력 100만 토큰당 0.75달러, 출력 100만 토큰당 3.75달러로 붙였어.2
압력의 출처는 중국 쪽 오픈웨이트 모델이야. Moonshot의 Kimi K3는 2.8조 파라미터 규모의 오픈웨이트 모델이고, 월스트리트저널은 이 모델이 미국 선도 시스템의 성능에 근접하고 있다고 보도했어.1 Z.ai의 GLM-5.2도 코딩·에이전트 작업으로 주목받았는데 미국 선도 모델보다 훨씬 싸게 제공돼.1 이 흐름을 정리한 글이 2조 달러짜리 Anthropic 앞에 90% 성능 공짜 모델이 나타났다야.
통념과 비대칭
통념은 이래. 성능 격차가 유지되는 한 프리미엄은 정당하고, 그러니 봐야 할 건 벤치마크 점수가 언제 따라잡히느냐다. 실제로 지금 시장에 흘러드는 자료의 대부분이 그 점수판을 갱신하는 발표야.
놓친 건 두 숫자의 검증 등급이 서로 다르다는 점이야. 벤치마크는 파는 쪽이 자기가 고른 조건에서 재서 자기 발표문에 싣고, 가격은 아무나 열어볼 수 있는 공개 요금 페이지에 붙어. 같은 무게로 읽을 수 있는 숫자가 아니지.
조건을 고정하지 않으면 배수 자체를 읽을 수 없다는 건 이미 알려진 문제야. test-time compute는 모델이 답을 내놓기 전에 계산을 얼마나 태우게 두느냐인데, OpenAI가 o1에서 공개한 결과를 보면 AIME 정확도가 74%에서 83%, 93%로 오르는 동안 투입한 답 후보 수는 1개에서 64개, 1000개로 훨씬 가파르게 늘었어.3 같은 모델이 같은 문제를 푸는데 손잡이 하나로 정확도와 비용이 함께 몇 배씩 움직인다는 뜻이야.
검증할 수 없는 숫자가 프리미엄을 지키고 있고, 검증할 수 있는 숫자는 이미 내려가고 있어.
근거 — 두 종류의 숫자
먼저 파는 쪽이 잰 숫자야. OpenAI는 새 모델 아스트라가 내부 테스트에서 10년 넘게 안 풀리던 수학 난제 10개를 풀었다고 밝혔고,4 그 비용을 자사 요금제로 환산하면 2000달러 수준이라고 덧붙였어.4 난제를 풀었다는 서술도 2000달러라는 계산도 회사가 스스로 낸 숫자고, 제3자가 같은 방식으로 재계산했다는 내용은 그 발표 안에 없어.4 이 갈래를 짚은 글은 오픈AI가 수학 난제를 풀었다는 근거로 내놓은 건 기계가 확인하는 코드였다에 있어.
속도 쪽도 같은 모양이야. Cerebras가 구동하는 GPT-5.6 Sol은 새 등급에서 초당 최대 750개의 출력 토큰을 뽑는다고 발표했고,5 그 속도가 Anthropic의 Fable 5보다 11배 빠르다는 배수는 Cerebras와 OpenAI가 직접 낸 숫자야.5 근거로 쓰인 두 벤치마크 다 Cerebras가 직접 수행했고,5 이 등급은 지금 일부 고객에게만 열려 있어.5 대조를 정리한 글은 GPT-5.6 Sol이 세운 속도 기록, 심사도 Cerebras가 봤어야.
같은 재료를 하드웨어 선택의 관점에서 읽은 글이 초당 750토큰은 아직 칩을 고를 근거가 못 된다야. 여기서 내가 묻는 건 다른 질문이야. 그 숫자로 몸값을 지킬 수 있느냐.
반대편에는 밖에서 확인되는 숫자가 있어. Luna의 80%도, Gemini 3.7 Flash의 반값도, 입력 100만 토큰당 0.75달러라는 요율도 이미 공개된 값이야.12 벤치마크와 달리 여기엔 조건을 고를 여지가 없어. 3.7 Flash 발표를 정리한 글은 구글이 Gemini 3.7 Flash를 3주 만에, 반값으로 내놨다에 있어.
그리고 이 가격 하락이 몸값까지 닿는 경로는 이미 알려져 있어. 모델 값이 사용량보다 더 빠르게 떨어지면 매출 성장이 견조해도 총마진은 실망스러울 수 있고,1 그러면 투자자의 질문이 “AI 매출이 얼마나 빨리 느는가”에서 “그 매출 1달러가 얼마의 이익으로 남는가”로 바뀌어.1
값이 사용량보다 빨리 떨어질 때 이 사슬이 돌고, 벤치마크 점수는 사슬의 어느 칸에도 들어가지 않아.
이 주장이 틀리는 조건
제3자가 성능 격차를 재현하면. 독립 기관이 같은 조건으로 다시 재서 발표된 배수를 확인하고, 아스트라가 공개한 Lean 증명도 밖에서 확인되면4 “검증할 수 없는 숫자”라는 내 표현은 과해져. 그러면 프리미엄의 근거는 점수판으로 돌아가.
사용량이 가격보다 빨리 늘면. 총마진이 눌린다는 건 값이 사용량보다 빠르게 떨어질 때의 이야기야.1 값이 반으로 내려도 쓰는 양이 세 배가 되면 장부는 반대로 움직여.
내 주장은 프론티어 모델 개발사에만 걸려. 모델이 상품화되면서 가치가 인프라·클라우드·애플리케이션 쪽으로 옮겨간다는 경로가 맞다면 Microsoft 같은 회사에는 오히려 유리할 수 있어.1 나는 AI 전체가 눌린다고 말하는 게 아니야.
다음 확인 지표
2027년 상반기까지, 상장 공시에 총마진이 실리는지. 두 회사 다 비공개 신청 단계라1 지금은 감사받는 숫자가 밖에 없어. 매출 성장률과 총마진이 나란히 공개되고 총마진이 아래를 향하면 내 판단은 강해지고, 매출 성장과 함께 총마진도 버티면 약해져.
2027년 상반기까지, 아스트라의 Lean 증명을 외부에서 확인했다는 자료가 나오는지. 나오면 자기 측정이 확인된 사실로 옮겨가는 첫 사례가 돼.
2027년 상반기까지, Gemini 3.7 Flash의 연말 한정 요율이 끝난 뒤 정가가 어디에 붙는지.2 반값이 그대로 굳으면 이번 하락은 판촉이 아니라 새 기준이고, 도로 오르면 가격 압력은 내 생각보다 얕은 거야.
판단 고지
개인 판단 기록이고 투자 추천이 아니다.
각주
-
FX Empire(Yahoo Finance 게재), Carolane De Palmas, 「Could Open-Source AI Challenge the Valuations of OpenAI and Anthropic?」(2026-08-13) 원문 ↩︎ ↩︎2 ↩︎3 ↩︎4 ↩︎5 ↩︎6 ↩︎7 ↩︎8 ↩︎9 ↩︎10 ↩︎11 ↩︎12
-
Google, 「Introducing Gemini 3.7 Flash」(2026-08-14) 블로그 발표 ↩︎ ↩︎2 ↩︎3 ↩︎4
-
전자신문, 「오픈AI, 차세대 AI ‘아스트라’ 출격 예고… 10년묵은 수학 난제 10개 풀었다」(2026-08-03) 기사 ↩︎ ↩︎2 ↩︎3 ↩︎4
-
Cerebras, 「Accelerating GPT-5.6 Sol Ultrafast」(2026-08-14 확인) 블로그 ↩︎ ↩︎2 ↩︎3 ↩︎4
댓글