추론 가격이 80% 떨어졌다 — 싸진 AI가 바꾸는 것
2026년 8월, OpenAI가 GPT-5.6 Luna의 API 가격을 80% 인하해 100만 토큰당 0.2달러 수준으로 내렸습니다. AI 추론이 물처럼 싸질 때, 서비스를 만드는 사람에게 무엇이 달라지는지 정리했습니다.
어제 글이 "AI가 얼마나 똑똑해졌나"였다면, 오늘은 "AI가 얼마나 싸졌나"입니다. 사실 만드는 사람에게는 이쪽이 더 피부에 와닿습니다.
무슨 일이 있었나
2026년 8월, OpenAI가 GPT-5.6 Luna의 API 가격을 80% 인하해, 입력 100만 토큰당 약 0.2달러 수준으로 내렸다고 보도됐습니다. 이건 단발성 이벤트가 아니라, 지난 몇 년간 이어져 온 흐름의 연장입니다. 성능은 오르는데 가격은 계속 떨어지고 있습니다.
'토큰당 0.2달러'가 실감이 안 난다면
숫자가 추상적이니 감을 잡아 봅시다. 100만 토큰은 대략 책 몇 권 분량의 텍스트입니다. 그걸 모델에 통째로 넣어 읽히는 데 커피 한 잔 값도 안 드는 셈입니다. 몇 년 전이라면 같은 작업에 수십 배의 비용이 들었습니다.
이게 의미하는 바는 분명합니다. "AI를 쓰면 비싸다"는 전제가 무너지고 있다는 것입니다. 예전엔 "이 기능에 AI를 넣으면 호출 비용이 감당이 될까"를 먼저 걱정했는데, 이제는 그 걱정의 크기가 확연히 줄었습니다.
몇 년째 반복되는 패턴
이건 이번만의 사건이 아닙니다. 지난 몇 년간 같은 성능을 내는 데 드는 비용은 해마다 큰 폭으로 떨어져 왔습니다. 새 모델이 더 싸게 나오고, 경쟁사가 따라 내리고, 다시 더 싼 모델이 나오는 식입니다. 성능 곡선은 위로, 가격 곡선은 아래로. 방향이 한결같습니다.
구체적으로 그려 볼까요. 사용자 문의 1만 건을 AI로 분류하고 요약하는 서비스를 상상해 봅시다. 예전 단가라면 이 작업 하나에도 비용을 재고 또 쟀을 겁니다. "이걸 매일 돌려도 될까"를 고민했겠죠. 그런데 지금 단가라면 같은 작업이 부담 없는 수준으로 내려옵니다. 그러면 '이건 비싸서 사람이 하자'였던 일들이 하나둘 'AI에게 맡겨도 되는 일'로 넘어옵니다.
즉 가격이 내려간다는 건 단순히 청구서 숫자가 준다는 게 아닙니다. AI로 할 수 있는 일의 목록 자체가 넓어진다는 뜻입니다. 어제는 사치였던 기능이 오늘은 기본이 되는 것이죠. 그래서 가격 인하 뉴스는 "얼마 싸졌네"가 아니라 "이제 뭘 더 할 수 있게 됐나"로 읽어야 합니다.
싸지면 무엇이 달라지나
가격이 떨어지면 쓰는 방식 자체가 달라집니다.
- 아끼던 걸 마음껏 쓴다: 예전엔 비용 때문에 한 번만 부르던 걸, 이제는 여러 번 부르며 검증하거나 다듬을 수 있습니다. "한 번에 잘"에서 "여러 번 시도해 좋은 걸 고르기"로 바뀝니다.
- 새 기능이 열린다: 문서 전체를 매번 읽혀 요약하거나, 대량 데이터를 훑는 작업처럼, 비쌌다면 엄두도 못 냈을 기능이 현실적인 선택지가 됩니다.
- 실험 비용이 낮아진다: 아이디어를 붙여 보고 버리는 비용이 싸지니, 시도 횟수가 늘고 결국 더 좋은 걸 찾을 확률이 올라갑니다.
한마디로, AI가 "특별한 재료"에서 "기본 재료"로 내려오고 있습니다. 물이나 전기처럼요.
하지만 공짜는 아니다
착각하면 안 되는 지점도 있습니다. 싸진 것과 공짜인 것은 다릅니다. 토큰당 단가가 낮아져도, 많이 부르면 총액은 커집니다. 오히려 "싸니까 막 부르자"가 되면, 티끌이 모여 청구서가 됩니다. 대량 처리 서비스일수록 호출 수와 토큰 양을 설계 단계에서 관리하는 게 더 중요해집니다.
그래서 저는 싸진 지금이야말로 "어디서 부를지"를 더 신중히 설계해야 한다고 봅니다. 예를 들어 같은 문서를 매번 다시 읽히지 말고 한 번 요약해 두거나, 꼭 필요한 부분만 모델에 넘기는 식으로요. 단가가 낮아진 만큼, 낭비가 눈에 덜 띄어서 오히려 새기 쉽습니다.
사용자 한 명이 질문할 때마다 관련 문서 수십 개를 통째로 모델에 밀어 넣는 서비스를 생각해 봅시다. 단가가 싸다고 방심하면, 사용자가 늘수록 비용이 조용히 눈덩이처럼 불어납니다. 반대로 처음부터 "꼭 필요한 문서 몇 개만" 넣도록 설계하면, 같은 기능을 몇 분의 일 비용으로 돌릴 수 있습니다. 싸진 시대의 진짜 실력은 '얼마나 아끼느냐'가 아니라 **'어디에 쓰고 어디서 아낄지를 아느냐'**에서 갈립니다.
만드는 사람 입장에서
GPT 무료 전환 글에서도 말했지만, 모델이 싸지고 흔해질수록 차별화는 모델 밖으로 옮겨갑니다. 누구나 같은 값에 같은 모델을 쓸 수 있다면, 남는 승부처는 "내가 어떤 데이터를 붙이고, 어떤 흐름으로 엮느냐"입니다.
싼 추론은 평등하게 주어진 재료입니다. 같은 밀가루로 누구는 빵을, 누구는 반죽만 만듭니다. 가격 인하 뉴스를 "이제 나도 AI 붙일 수 있겠다"는 신호로 읽되, 진짜 경쟁력은 그 위에 무엇을 쌓느냐에 있다는 걸 잊지 않으려 합니다.
정리
- GPT-5.6 Luna API 가격 80% 인하(100만 토큰당 약 $0.20) — 성능↑·가격↓ 흐름의 연장.
- 싸지면 쓰는 방식이 바뀐다: 여러 번 시도, 새 기능, 낮아진 실험 비용.
- 싸진 것 ≠ 공짜. 단가가 낮을수록 호출·토큰 낭비가 안 보이니 설계로 관리해야.
- 재료가 평등해질수록 승부처는 모델 밖(데이터·워크플로우).
참고 자료