미국 거대 기업들이 집단적으로 중국 AI 모델을 “배신”할 때

원문 제목: 미국 최대 암호화폐 거래소, 조용히 중국 AI 모델로 교체하여 절반의 비용 절감

원문 저자: AI 상손 필기

실리콘밸리를 긴장하게 만든 데이터

최근 미국 최대 암호화폐 거래소 Coinbase의 CEO Brian Armstrong이 한 마디를 했습니다. 기술계에서 큰 화제가 되었습니다:

"우리는 AI 모델을 중국의 GLM 5.2와 Kimi 2.7로 전환했습니다. AI 지출이 절반으로 줄었습니다."

절반으로 줄었다고요? 그럼 사용량도 줄어든 건가요?

정반대입니다. Coinbase의 토큰 사용량은 계속 증가하고 있습니다.

비용을 절감하면서도 더 많이 사용하는 것, 이것이 진정으로 OpenAI와 Anthropic을 긴장하게 만드는 부분입니다.

어떻게 가능한가? 세 가지 비용 절감 전략

Coinbase는 단순히 저렴한 모델로 교체한 것이 아닙니다. 그들은 완전한 "비용 절감 시스템"을 구축했습니다:

첫 번째 전략: 하나의 모델에 묶이지 않고 시스템이 스스로 선택하게 하기

Coinbase는 자동 라우팅 시스템을 구축했습니다. 요청이 들어올 때마다 시스템은 작업 유형, 가격, 캐시 상황에 따라 가장 적합한 모델을 자동으로 선택합니다.

모든 작업이 가장 비싼 모델이 필요한 것은 아닙니다. 간단한 번역에는 저렴한 모델을, 복잡한 추론에는 좋은 모델을 사용합니다------마치 당신이 고급 스포츠카를 타고 아래층에 장을 보러 가지 않는 것과 같습니다.

두 번째 전략: 캐시 적중률을 5%에서 60%로 끌어올리기

가장 강력한 전략입니다. 캐시 전략을 최적화하여 Coinbase는 캐시 적중률을 5%에서 60%로 향상시켰습니다.

간단히 말해, 60%의 요청은 이전의 계산 결과를 재사용할 수 있어 매번 호출의 실제 비용을 크게 줄였습니다. 이 최적화만으로도 많은 비용을 절감할 수 있었습니다.

세 번째 전략: Context Engineering (맥락 공학)

Coinbase는 개발자에게 맥락을 간소화할 것을 요구합니다. 새로운 작업은 새로운 세션에서 진행하고, 하나의 대화에 너무 많은 내용을 담지 않도록 합니다.

이것은 게으름이 아니라 새로운 학문입니다------업계에서는 Context Engineering이라고 부릅니다. Anthropic은 한 기술 블로그에서 명확히 지적했습니다: AI 에이전트를 관리할 때 맥락 공학이 프롬프트 공학보다 더 효과적입니다.

간단히 말해: AI를 더 똑똑하게 만드는 것이 아니라 AI에 더 정확한 정보를 제공하는 것입니다.

▲ 점점 더 많은 기업들이 AI 모델에 대해 비용을 절감하고 있습니다

Coinbase만이 아니다, 이것은 하나의 흐름이다

Coinbase는 첫 번째가 아닙니다.

Lindy, 25명의 직원으로 구성된 AI 스타트업의 CEO Flo Crivello는 Claude를 Deepseek으로 완전히 교체했습니다. 그는 CNBC에 이렇게 말했습니다: "AI 비용이 인건비를 초과했습니다. 이는 지속 가능하지 않습니다." 모델을 교체한 후 비용이 "급격히 감소"하여 수백만 달러를 절감했습니다.

Snowflake의 CEO Sridhar Ramaswamy는 103개의 코딩 작업에 대한 실험 비교를 했습니다: GLM-5.2는 66%를 해결했고, Claude Opus 4.7은 67%를 해결했습니다. 차이점? 거의 없습니다.

하지만 가격 차이는 확실합니다:

가격 비교 (백만 토큰당)

• GLM-5.2: 입력 $1.40 / 출력 $4.40
• Claude Opus 4.7: 입력 $5 / 출력 $25
• GPT-5.5: 입력 $5 / 출력 $30

출력 가격 차이는 5-7배입니다.

저렴한 것이 좋은 품질이 아니다? 결론을 서두르지 마세요

여기까지 읽으셨다면, 저렴한 가격에 품질이 같을 수 있을지 궁금할 것입니다.

솔직히 말하자면, 완전히 같지는 않지만 차이는 당신이 생각하는 것보다 작습니다.

Snowflake의 테스트에 따르면, GLM-5.2는 특정 작업에서 실제로 안정성이 부족합니다------첫 시도 성공률이 47.6%로 Opus의 53.7%보다 낮습니다. 그리고 GLM은 때때로 잘못된 방향으로 "고집"을 부리기도 합니다: 한 작업에서 24분 동안 411번 도구를 호출했지만 여전히 실패했습니다. Opus는 49번 호출하고 9분 만에 해결했습니다.

하지만 대부분의 작업에서 두 모델의 최종 성공률은 거의 비슷합니다. 핵심은: 당신이 몇 퍼센트의 안정성을 위해 5배의 가격을 더 지불할 의향이 있는가입니다?

많은 기업에게 그 대답은 점점 더 명확해지고 있습니다: 원하지 않습니다.

▲ 중서양 AI 모델의 가격 차이가 산업 구조를 재편하고 있습니다

이것이 우리 일반인에게 의미하는 바는 무엇인가?

당신은 이렇게 말할 수 있습니다: 나는 Coinbase가 아니니, 이게 나와 무슨 관계가 있나요?

사실, 이 추세는 당신이 AI를 사용하는 방식에 세 가지 직접적인 시사점을 줍니다:

1. 하나의 모델만 고집하지 마세요

많은 사람들이 AI를 사용할 때 하나의 모델만 고집합니다------ChatGPT이거나 Claude입니다. 하지만 전문 플레이어들은 그렇게 하지 않습니다. 다양한 작업에 다양한 모델을 사용하는 것이 가장 비용 효율적인 방법입니다.

일상적인 질문에는 저렴한 모델을, 코드 작성이나 분석에는 좋은 모델을 사용합니다. 식사할 때 매번 미슐랭 레스토랑에 가지 않는 것과 같습니다.

2. 캐시와 재사용이 비용 절감의 핵심입니다

AI를 사용하여 유사한 작업을 자주 수행한다면 (예: 매주 주간 보고서 작성, 매일 노트 정리), 캐시와 템플릿을 활용하는 방법을 배우면 소비를 크게 줄일 수 있습니다.

3. 맥락을 간소화 = 더 나은 결과

많은 사람들이 AI와 대화할 때 모든 배경을 넣고 싶어합니다. 하지만 사실, AI에 더 적지만 더 정확한 정보를 제공하는 것이 오히려 더 좋은 결과를 가져옵니다. 새로운 작업에는 새로운 대화를 시작하세요. AI가 많은 역사 기록 속에서 답을 찾지 않도록 하세요.

더 깊은 변화: AI 가격 모델이 재편되고 있습니다

이 "모델 전환 물결"의 이면에는 전체 AI 산업의 가격 논리가 흔들리고 있습니다.

OpenAI와 Anthropic의 높은 평가액은 "수익이 지속적으로 빠르게 증가한다"는 가정에 기반하고 있습니다. 하지만 Coinbase, Lindy와 같은 기업들이 더 저렴한 대체품으로 전환한다면, 이 가정은 성립하지 않습니다.

보도에 따르면, OpenAI와 Anthropic 간에 가격 전쟁이 시작되었습니다. OpenAI가 방금 발표한 GPT-5.6 시리즈에서 Terra 모델은 GPT-5.5보다 절반 가격이 저렴하고, Luna는 최저가를 자랑합니다.

사용자에게는 좋은 소식입니다. 경쟁이 치열해질수록 가격은 낮아지고 선택의 폭은 넓어집니다.

미국의 대기업들이 중국 모델을 사용하여 비용을 절감하기 시작했다는 것은 AI 경쟁이 더 이상 실험실에서의 점수 경쟁이 아니라 실제 비용 경쟁으로 변모하고 있음을 의미합니다. 더 적은 돈으로 같은 일을 할 수 있는 것이 진정한 능력입니다.