점수 인상에서 유료 결제까지: 모델 융합의 수요 착각

저자：Yiping \& David，IOSG

일, Model Fusion은 무엇인가?

2026년 6월, AI 시장은 3주도 안 되는 시간에 "Fusion"이라는 이름의 두 가지 제품을 보게 되었습니다.

6월 12일, OpenRouter는 Fusion Router를 출시하며 Surpassing Frontier Performance with Fusion이라는 제목을 달았습니다. DRACO 심층 연구 평가에서 Fable 5와 GPT-5.5로 구성된 모델 그룹은 69.0점을 기록하여 Fable 5 단일 모델의 65.3점을 초과했습니다. OpenRouter가 제시한 판매 포인트는 매우 직관적입니다: 단일 모델이 충분히 좋지 않을 때, 여러 모델이 동일한 질문에 답변하게 하고, 평가 모델이 결과를 비교하고 종합합니다.

6월 29일, Cognition은 Devin Fusion을 출시했지만 제목은 Frontier Performance at 35% Lower Cost입니다. 여러 모델이 전체 작업을 반복 수행하게 하지 않고, 최전선 모델이 계획과 판단을 담당하게 하며, 테스트, 기계 수정 등의 작업은 더 저렴한 사이드킥에게 맡기고 실행 과정에서 동적으로 모델을 전환합니다.

같은 단어가 두 가지 상반된 경제 논리를 지칭합니다. OpenRouter는 더 많은 계산을 통해 더 높은 한계를 구매하고; Cognition은 비싼 계산을 줄이면서 기존 품질을 유지하려고 합니다. 이 대비는 어떤 모델 순위표보다도 문제를 더 잘 설명합니다. 모델 융합의 기술적 명제는 확실히 성립합니다: 여러 번의 시도가 한 번의 시도를 초과할 기회를 가집니다. 하지만 시장이 진정으로 보상하는 것은 "모델 호출을 더 많이 하는 것"이 아니라, 품질 기준을 충족한 후 누가 더 적은 비용으로 더 빠르게 제공할 수 있는가입니다.

▲ 그림 1: 같은 달, 두 가지 Fusion 본 문서에서는 Model Fusion을 좁은 구조로 한정합니다: 여러 모델이 동일한 작업에 대해 병렬로 답변하고, 평가 모델이 결과를 비교한 후 최종적으로 하나의 모델이 답변을 출력합니다. Devin Fusion은 이 정의에 해당하지 않으며, 더 동적인 라우팅과 작업 위임에 가깝습니다. 이를 처음에 언급한 이유는 시장이 "Fusion"을 모든 다중 모델 조합의 총칭으로 사용하고 있으며, 실제로 효과적인 제품은 종종 좁은 의미의 모델 융합에서 멀어지고 있기 때문입니다.

우리의 판단은 다소 비관적입니다: Model Fusion은 비싼 품질 보험입니다. 특정 작업의 절대 성능을 향상시킬 수 있지만, 비용---품질---지연의 효율성을 진정으로 외부로 밀어내는 경우는 드뭅니다. 이 보험을 구매할 가치가 있는 작업은 매우 적습니다. 그것은 남아있겠지만, 더 가능성이 높은 것은 저빈도 트리거 기능이 될 것이며, 기본 구조가 되거나 독립적인 카테고리가 되기는 더 어려울 것입니다.

이, 현재 모델에는 어떤 선택이 있나요?

Fusion에 대한 논의는 정확도 순위표로 쉽게 끌려갈 수 있지만, 기업은 순위의 위치를 구매하지 않습니다. 기업이 구매하는 것은 특정 작업의 적합한 결과이며, 가격, 지연, 개인 정보 보호 및 안정성을 동시에 고려해야 합니다. 저렴한 모델이 비즈니스 수용선을 넘어서기만 하면, "더 똑똑한" 것에 계속 비용을 지불하는 것은 경제적 의미가 없을 수 있습니다. 비용 효율성이 모델 시장의 진정한 주선입니다.

▲ 그림 2: 모델 지능과 단일 작업 비용, 가로축은 로그 스케일 그림에서 가장 주목할 만한 것은 가장 오른쪽 위의 최고 점수가 아니라 가격---능력 추세에서 벗어난 점들입니다: 이들은 더 낮은 가격으로 충분한 능력을 제공하며, 특정 작업 부하에서의 효율성 아웃라이어입니다. 종합 지수는 어떤 모델이 코드 검토, 중국어 연구 또는 규제 배포에 가장 적합한지를 직접적으로 답할 수는 없지만, 하나의 방향을 드러냅니다: 모델 공급이 상품화되고 있으며, "가장 강력한 모델"과 "최적 선택"이 분리되고 있습니다.

동일한 품질 격차에 직면하여, 현재 시장에는 네 가지 주요 구매 방법이 있습니다.

첫 번째는 더 강력한 단일 모델로 직접 업그레이드하는 것입니다. 가장 간단하고 감사하기도 쉽습니다; 고급 모델의 한계 가격 인상이 오류나 재작업 비용보다 낮기만 하면, 이는 여전히 선호되는 선택입니다. 두 번째는 동일한 모델에서 테스트 시 계산을 늘리는 것입니다. 예를 들어, 추론을 연장하거나 self-consistency 또는 여러 번 샘플링을 추가하는 것입니다. 세 번째는 라우팅, 계단식 및 작업 위임입니다: 먼저 저렴한 모델로 검증 가능하거나 기계적인 부분을 처리하고, 어려움에 직면했을 때만 업그레이드합니다. 네 번째가 좁은 의미의 Model Fusion입니다: 여러 모델이 동일한 문제에 대해 반복적으로 답변하고, 평가 및 종합 모델이 최종 답변을 형성합니다.

이 네 가지 방법 모두 "더 많은 계산으로 품질을 교환"할 수 있지만, 차이는 계산이 어디에 쓰이는가에 있습니다. 단일 모델 확장은 더 깊은 추론을 구매하고, 라우팅은 더 정확한 자원 배분을 구매하며, Fusion은 더 많은 후보 답변을 구매합니다. 처음 세 가지 방법은 결과를 변경할 가능성이 가장 높은 부분에 예산을 집중시키고; Fusion은 반복된 의견에 대해 먼저 비용을 지불한 후, 평가 모델이 유효한 차이를 찾아낼 수 있을지에 베팅합니다. 후보 모델은 충분히 많은 독립 정보를 제공해야 하며, 평가자가 이러한 정보를 인식할 수 있어야만 Fusion이 앞의 세 가지 솔루션을 초과할 수 있습니다.

라우팅은 이미 모델 간의 능력 차이가 먼저 스케줄링 기회라는 것을 증명했습니다. RouteLLM은 일부 평가에서 품질을 손상시키지 않고 비용을 2배 이상 줄였습니다; Switchcraft는 82.9%의 정확도로 84%의 비용 절감을 달성했으며, 논문에 따르면 백만 번의 요청당 3,600달러 이상을 절약할 수 있습니다. 결과는 여전히 기업의 자체 트래픽에서 재현되어야 하지만, 경제 논리는 매우 직관적입니다: 여러 모델이 회의를 할 필요 없이, 각 작업을 가장 저렴한 적합 모델에 맡기면 됩니다.

이는 시장이 먼저 업그레이드, 라우팅 및 검증을 통해 품질 격차를 해결할 것이며; 이러한 방법이 여전히 부족할 때만 Fusion을 위해 더 많은 후보 답변을 구매할 이유가 있다는 것을 의미합니다.

삼, 왜 점수 향상이 가치가 있지 않은가?

Fusion은 동시에 세 가지 문턱을 넘어야 합니다: 증가된 품질이 추가된 비용과 지연을 초과해야 하며, 후보 모델이 독립 정보를 제공해야 하고, 평가자가 더 나은 답변을 안정적으로 인식해야 합니다. 어떤 하나라도 성립하지 않으면, 점수 향상은 생산 가치를 전환할 수 없습니다. 계산 비용: 얼마나 많은 예산과 지연을 늘려야 하나요? Fusion의 점수 향상은 먼저 확정된 계산 지출입니다. OpenRouter는 여러 패널 모델을 병렬로 호출하고, 평가 및 종합 모델이 답변을 생성합니다. DRACO의 세 그룹 대조 모두 점수를 올렸습니다: Fable 5 + GPT-5.5는 65.3에서 69.0으로; Opus 4.8의 자가 융합은 58.8에서 65.5로; 저비용 세 모델 그룹은 60.3에서 64.7로 상승했습니다.

하지만 Opus 자가 융합의 향상이 더 크다는 것은 수익이 추가 검색 및 샘플링에서 올 수 있음을 나타내며, 모델 간 지식 상호 보완이 아닐 수 있습니다. 공정한 대조는 동일한 토큰 예산 하에서 self-consistency, 더 긴 추론 및 강력한 단일 모델을 비교해야 합니다. 기존 연구에서도 보여주듯이: 다중 에이전트는 약 20배의 계산량 하에서 최대 7.1% 포인트 향상할 수 있습니다; 예산이 동일할 경우, debate와 Mixture-of-Agents는 self-consistency보다 각각 1.3 및 2.7% 포인트 높을 뿐이며, 또 다른 reasoning-token 연구에서는 단일 에이전트가 동등하거나 더 우수하다는 것을 발견했습니다. 많은 "협력 수익"은 계산 정렬 후 사라질 것입니다.

▲ 그림 3: OpenRouter의 기준 향상과 제품 비용 OpenRouter의 기본 3 모델 패널의 비용은 일반 생성의 4-5배 정도이며, 속도는 2-3배 느립니다. 그러나 각 DRACO 구성의 전체 토큰, 비용 및 지연을 공개하지 않아 3.7점 향상이 가치가 있는지 판단할 수 없습니다. 평가도 100개의 순수 텍스트 영어 작업만 포함되어 있으며, Fable 관련 구성은 93개 작업만 완료했습니다; 평가 모델을 변경하면 절대 점수가 10-25% 포인트 이동할 수 있습니다. 이는 Fusion이 점수를 올릴 수 있음을 증명했지만, Fusion이 생산 ROI를 개선했음을 증명하지는 않았습니다.

선택적 호출은 비용을 희석할 수 있습니다. OpenRouter가 공개한 구간 추정에 따르면, 트리거율이 1%일 때 전체 비용은 약 1.03-1.04배; 10%일 때는 1.30-1.40배; 25%일 때는 1.75-2.00배에 달합니다.

▲ 그림 4: 선택적 호출 Fusion의 전체 경제성 가장 어려운 요청이 가장 가능성이 높은 Fusion을 트리거하지만, 시스템은 가장 느린 패널 구성원을 기다려야 하며, 평가 및 생성을 직렬로 완료해야 하므로, 꼬리 지연은 가장 가치 있는 작업에 집중됩니다. 다수 공급업체 호출은 또한 고장 면, 감사 복잡성 및 개인 정보 노출을 확대합니다. Fusion의 비용은 API 가격뿐만 아니라 대기 시간과 추가 시스템 위험도 포함됩니다. 정보 상호 보완: 여러 모델이 정말로 다른 정보를 제공하는가? Fusion의 가치는 후보 모델이 독립 정보를 가져오는지에 달려 있지만, 서로 다른 모델은 종종 훈련 코퍼스, 웹 출처 및 오류 전제를 공유합니다. 연구 작업에서 이는 "인용 세탁"을 초래할 수 있습니다: 여러 모델이 동일한 출처를 추적하지만, 여러 개의 독립적인 증거로 포장됩니다. 시스템이 claim-level provenance와 검색 경로를 보존하지 않으면, 모델 수가 증가함에 따라 API 비용은 거의 선형적으로 상승하지만, 증거 다양성은 반드시 증가하지 않습니다.

KAIKAKU.AI의 공동 창립자이자 CEO인 Josef Chen은 2026년 논문 When Does Combining Language Models Help?에서 21개 서비스 제공업체의 67개 모델을 연구했습니다. 개방형 수학 작업에서 모든 모델이 동시에 틀릴 확률은 2.3%였으나, 실제 측정에서는 5.2%로, 예측값의 약 2.3배에 달했습니다; 실행 점수 코드 작업과 자유 응답 버전 GPQA-Diamond의 공동 실패율은 각각 7.9%와 12.7%로 증가했습니다. 100개의 GPQA-Diamond 문제로 바꾸면, 약 13개의 문제에서 모든 후보 모델이 함께 틀리게 되어, 투표, 평가 또는 종합 모두 올바른 답변을 선택할 수 없습니다. 모델이 쉬운 문제에서의 분쟁은 조합 가치를 확대할 수 있지만, 가장 보험이 필요한 꼬리 문제에서는 오히려 함께 실패할 수 있습니다. 신뢰성 판단: 시스템이 더 나은 답변을 인식하고 합성할 수 있는가? 후보 답변이 상호 보완적일지라도, 가치는 평가자에게 달려 있습니다. 후보가 일치할 때, 평가는 관련 오류를 높은 신뢰도로 잘못 인식할 수 있습니다; 후보가 분쟁할 때, 충분한 전문 지식을 갖추고 있어야 올바른 선택을 할 수 있습니다. 종합 모델은 또한 핵심 소수 의견을 지우거나, 실제 분쟁을 확정적인 결론으로 바꿀 수 있습니다.

코드 작업에서 컴파일러, 테스트 및 정적 분석은 일반적으로 다른 모델 의견보다 더 신뢰할 수 있습니다; 창의적 작업에서는 평가 및 종합이 차이를 평균 답변으로 압축하기 쉽습니다. LitBench에서 가장 강력한 기존 평가 모델과 인간의 창의적 글쓰기 선호도 간의 일치율은 73%에 불과합니다. 작업에 저렴한 외부 검증기가 이미 존재하거나, "좋음" 자체가 주관적 판단에 의존할 때, Fusion의 점수 향상은 유료 가치로 전환되기 어렵습니다.

사, 누가 Fusion에 비용을 지불할 것인가?

Fusion의 수요는 두 가지 문턱에 달려 있습니다: 작업이 다중 모델에서 이익을 얻을 수 있는지, 그리고 이러한 이익이 지속적인 비용 지불을 형성할 만큼 충분한지. 전자는 기술적 문제이고, 후자는 시장 문제입니다. 기술적 적합성에서 경제적 성립으로 Fusion은 오류를 수정할 확률 × 단일 오류로 피할 수 있는 손실이 추가된 API 비용, 지연, 운영 복잡성 및 개인 정보 위험보다 커야 합니다.

기준 점수는 이 손익 문제에 답할 수 없습니다. Fusion은 오류 비용이 높고, 후보 모델이 상호 보완적인 검색 경로를 제공하며, 더 저렴한 외부 검증기가 부족하고, 비즈니스가 추가 지연 및 공급업체 위험을 수용할 수 있을 때만 성립할 수 있습니다; 최종 결과는 여전히 사람이나 외부 증거에 의해 확인되어야 합니다.

▲ 그림 5: 기술적 적합성에서 지속 가능한 수요로 이러한 조건을 충족하는 주요 작업은 고부가가치 연구 및 실사, 아키텍처 및 보안 검토, 그리고 되돌릴 수 없는 결정 전의 "두 번째 의견"입니다. 이들의 공통점은 제약이 불완전하고, 누락 비용이 높으며, 또 다른 독립적인 사고 자체가 가치가 있다는 것입니다. 반대로, 일반 코드, 실시간 소비 애플리케이션, 높은 처리량 저마진 작업 흐름, 그리고 테스트나 규칙으로 직접 검증할 수 있는 작업은 일반적으로 Fusion이 필요하지 않습니다. 규제 기관은 데이터 경계와 감사 요구로 인해 다수 공급업체 패널을 거부할 수도 있습니다. 지불 의사에서 지속 가능한 수요로 기술적으로 유용한 것은 높은 지불 의사를 가져올 수 있지만, 규모화된 수요와는 같지 않습니다. 지속적인 수요를 형성하려면, 오류 손실이 정량화 가능해야 하고, 작업이 반복적으로 발생해야 하며, 조직 내에 명확한 예산 책임자가 있어야 하며, Fusion은 지속적으로 인공지능 전문가, 강력한 단일 모델 및 외부 검증을 초과해야 합니다. 그러나 실사 예산은 종종 분석가 및 신뢰할 수 있는 출처로 흐르고, 보안 예산은 전문 감사로 흐르며, 되돌릴 수 없는 결정은 너무 드물게 발생합니다.

따라서 우리는 다중 모델 래퍼만 만들거나, 기본적으로 패널을 실행하거나, 정적 모델 선택 알고리즘을 방어선으로 삼는 회사를 긍정적으로 보지 않습니다. API 연결은 쉽게 복제할 수 있으며, 고정 전략은 모델 능력과 가격 변화에 따라 빠르게 무효화될 것입니다; 오류 값이 얼마인지, Fusion이 실제로 얼마나 많은 오류를 수정했는지 모른다면, 이 보험의 가격을 책정할 수 없습니다. 진정한 가치를 포착할 가능성이 있는 것은 실제 결과를 파악하고 있는 쪽입니다: 게이트웨이 및 에이전트 플랫폼, 수직 애플리케이션, 작업 흐름 소유자, 그리고 평가 및 관측 가능성 제품입니다. 이들은 오류 비용을 알고 결과를 관찰할 수 있으며, 트리거 전략을 최적화할 수 있습니다. 진정으로 복제하기 어려운 것은 패널 목록이 아니라, Fusion을 호출하지 않을 시점을 판단하는 것입니다. 시장 검증 공개 시장은 Fusion의 수요 규모를 판단하기에는 충분하지 않지만, 어떻게 사용되고 있는지는 이미 알 수 있습니다. Perplexity Model Council은 월 200달러의 Max 사용자 및 Enterprise Max 사용자에게만 개방되며, 사용자는 웹 인터페이스에서 세 개의 모델을 수동으로 선택하여 투자 연구, 복잡한 결정 및 정보 검증에 사용합니다; 공개 사용자 사례에는 브라우저 자동화를 통해 Model Council을 주식 연구 프로세스에 통합하는 것이 포함됩니다. Hermes Mixture of Agents는 Fusion을 에이전트 내에서 선택할 수 있는 가상 모델로 만들었습니다: 사용자는 /moa를 통해 단 하나의 어려운 문제만 업그레이드할 수 있으며, 복잡한 세션에서 지속적으로 활성화하여 여러 참조 모델이 분석을 제공하고, 집계자가 도구를 호출하여 작업을 완료합니다. Hermes는 이후 기본 fan-out 빈도를 낮추고, 비용을 통제하기 위해 이전 라운드 모델 의견을 재사용했습니다. 이러한 사례는 Fusion의 실제 수요가 연구, 디버깅, 검토 및 중요한 결정과 같은 저빈도 어려운 작업에 집중되어 있으며, 전형적인 사용 방식은 단일 모델이 병목 현상에 직면했을 때의 능동적 업그레이드이며, 기본적으로 활성화된 고빈도 자동화 프로세스가 아님을 보여줍니다. 현재 증거는 이러한 수요가 존재함을 입증하지만, 공개 정보는 독립적이고 규모화된 유료 시장을 형성할 수 있을지 판단하기에는 여전히 부족합니다.

오, Fusion의 미래

추론 가격 하락은 표면적으로 Fusion에 유리하지만, 동시에 강력한 단일 모델, 라우팅 및 외부 검증의 비용도 낮출 것입니다. Fusion이 경쟁하는 것은 어제의 한 번의 모델 호출이 아니라, 지속적으로 개선되는 다음 세대 단일 모델 및 조합 기준입니다.

Cognition의 Devin Fusion은 이 경쟁의 방향을 보여줍니다: 비싼 모델은 판단 단계에 남기고, 검증 가능하고 기계적인 작업은 더 저렴한 모델에 맡깁니다. 제조업체의 자체 테스트에서 Fusion + Fable 5의 총점은 57.0에서 소폭 57.6으로 상승했으며, 평균 비용은 5.12달러에서 3.00달러로 감소했습니다; 그러나 공개된 5개 사례에서 비용은 모두 25%-62% 감소했지만, 작업 점수는 +12에서 -27 사이에서 변동했습니다. 경계가 명확하고 테스트가 충분한 ES6 리팩토링은 98점에서 100점으로 상승했습니다; 상호 이해와 암묵적 요구에 의존하는 React/Redux 기능이 잘못 위임된 후에는 54점에서 27점으로 하락했습니다.

▲ 그림 6: Devin Fusion의 작업 점수 및 비용 이들은 제조업체가 선택한 사례로, 전체 분포를 대표하지 않지만 명확한 방향을 지시합니다: 미래의 다중 모델 시스템의 핵심 능력은 더 많은 모델을 호출하는 것이 아니라, 올바른 다운그레이드 경계를 설정하는 것입니다. 검증 가능하고 기계적인 작업은 저렴한 모델에 맡길 수 있으며, 판단 집약형 작업은 최전선 모델에 맡겨야 합니다. OpenRouter는 "더 많은 지능"을 판매하고, Cognition은 "동등한 지능, 더 낮은 비용"을 판매합니다; 두 번째 명제는 장기 방향에 더 가깝습니다. 시스템이 생산 경제학에 가까워질수록, 그것은 좁은 의미의 Model Fusion과는 점점 멀어지고, 라우팅, 위임 및 검증에 더 가까워질 것입니다.

7월 하순, 언론은 Stripe가 약 100억 달러에 OpenRouter 인수를 협상 중이라고 보도했으며, 거래는 아직 확인되지 않았습니다. 이 신호는 Fusion이 시장 검증을 받았다고 해석되어서는 안 됩니다: OpenRouter의 핵심 가치는 특정 패널이 아니라 500만 명 이상의 개발자와 400개 이상의 모델을 연결하는 중립 호출 계층입니다. Stripe는 이미 OpenRouter에 청구, 세금 및 리스크 관리를 제공하고 있으며, 개발자가 Stripe Projects를 통해 직접 계정을 생성하고 API 키를 얻고 결제를 연결할 수 있도록 허용하고 있습니다. Stripe가 실제로 구매할 가능성이 있는 것은 AI 추론의 거래 진입점입니다: OpenRouter는 모델 선택, 토큰 사용량 및 비용을 파악하고, Stripe는 가격 책정, 청구 및 결제를 처리합니다. 이는 앞서 언급한 가치 판단에 시장 신호를 제공합니다: 다중 모델 시대의 가치는 작업을 관찰하고 호출을 할당하며 결제를 완료할 수 있는 오케스트레이션 계층에 더 많이 남아 있을 가능성이 높으며, Fusion은 그 위의 고비용 업그레이드 전략 중 하나일 뿐입니다.

미래의 다중 모델 시스템은 기본적으로 패널을 소집하지 않고, 먼저 작업 난이도, 검증 비용 및 오류 손실을 추정할 것입니다; 더 강력한 단일 모델, 연장된 추론 및 외부 도구가 여전히 부족할 때만 다중 모델 분쟁 검색에 들어갈 것입니다. 트리거율, 증가 성공률 및 검증된 단위 결과 비용이 의미 있는 제품 지표입니다. Fusion은 저빈도 기능으로 남아 있을 것이며, 기본 구조나 독립 카테고리가 되지는 않을 것입니다.

여섯, 출처

• OpenRouter: Surpassing Frontier Performance with Fusion

• OpenRouter Fusion Router documentation

• Cognition: Devin Fusion --- Frontier Performance at 35% Lower Cost

• Microsoft Research: Switchcraft --- AI Model Router for Agentic Tool Calling

• When Does Combining Language Models Help?

• Multi-Agent Reasoning Improves Compute Efficiency

• Single-Agent LLMs Outperform Multi-Agent Systems on Multi-Hop Reasoning Under Equal Thinking Token Budgets

• Mixture-of-Agents Enhances Large Language Model Capabilities

• RouteLLM: Learning to Route LLMs with Preference Data

• LitBench: A Benchmark for Creative-Writing Evaluation

• Artificial Analysis model comparison

• The Price of Progress: Price Performance and the Future of AI

• Perplexity: What is Model Council?

• Perplexity user example: Model Council for financial research

• Hermes Agent: Mixture of Agents documentation

• Stripe powers OpenRouterʼs global AI model access

• Axios: Whatʼs behind Stripeʼs reported OpenRouter move