🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

오픈소스 AI 모델의 사용량은 빠르게 늘고 있지만, 기업 AI 지출의 프리미엄 영역은 아직 Anthropic 같은 프런티어 모델 제공자가 유지하고 있다는 분석이다.

📌 핵심 요약

• Decagon CEO 제시 장은 기업 AI 시장에서 오픈소스 모델과 프런티어 모델이 직접 경쟁하기보다 같은 생애주기의 서로 다른 단계에 놓인다는 관점을 제시했다.
• 성숙한 AI 활용 사례는 더 가볍고 저렴한 모델로 이동하지만, 새로운 활용 사례가 계속 생겨나면서 고가의 최첨단 모델에 대한 전체 지출은 크게 줄지 않고 있다.
• Vercel 데이터에서는 DeepSeek가 토큰 처리량에서 선두로 올라섰고 Z.ai도 상위권에 진입했지만, 지출 기준으로는 Anthropic이 여전히 절반 이상을 차지한다.
• OpenRouter 데이터도 비슷한 흐름을 보이며, DeepSeek V4 Flash가 사용량에서 앞서지만 Opus 4.8은 토큰당 가격이 훨씬 높아 지출 측면에서는 여전히 큰 비중을 차지하는 것으로 해석된다.
• 글은 오픈소스가 생산 단계에서 커지고 프런티어 모델이 탐색·검증 단계에서 강점을 유지하는 이중 구조가 AI 경제의 비교적 안정적인 특징이 될 수 있다고 본다.

🧩 주요 포인트

1. Decagon CEO 제시 장은 기업 AI 시장에서 오픈소스 모델과 프런티어 모델이 직접 경쟁하기보다 같은 생애주기의 서로 다른 단계에 놓인다는 관점을 제시했다.
2. 성숙한 AI 활용 사례는 더 가볍고 저렴한 모델로 이동하지만, 새로운 활용 사례가 계속 생겨나면서 고가의 최첨단 모델에 대한 전체 지출은 크게 줄지 않고 있다.
3. Vercel 데이터에서는 DeepSeek가 토큰 처리량에서 선두로 올라섰고 Z.ai도 상위권에 진입했지만, 지출 기준으로는 Anthropic이 여전히 절반 이상을 차지한다.
4. OpenRouter 데이터도 비슷한 흐름을 보이며, DeepSeek V4 Flash가 사용량에서 앞서지만 Opus 4.8은 토큰당 가격이 훨씬 높아 지출 측면에서는 여전히 큰 비중을 차지하는 것으로 해석된다.
5. 글은 오픈소스가 생산 단계에서 커지고 프런티어 모델이 탐색·검증 단계에서 강점을 유지하는 이중 구조가 AI 경제의 비교적 안정적인 특징이 될 수 있다고 본다.

🧠 상세 정리

1. 기업 AI 시장의 모순에서 출발한 문제 제기

글은 Decagon CEO 제시 장이 발표한 글을 출발점으로 삼아, 현재 AI 경제에서 나타나는 흥미로운 모순을 설명한다. 장의 주장에 따르면 더 성숙한 AI 배포 사례들은 점점 더 가벼운 모델로 옮겨가고 있으며, 이는 그의 회사에서도 관찰되는 현상이다. 그러나 동시에 고가의 최첨단 모델에 쓰이는 전체 비용은 거의 줄지 않고 있다. 즉 사용량과 비용이 같은 방향으로 움직이지 않는 현상이 핵심 문제로 제시된다. 이 문제의식은 오픈소스 AI가 성장하면 Anthropic 같은 프런티어 랩의 수익이 곧바로 타격을 받을 것이라는 단순한 전망에 의문을 던진다.

2. 오픈소스와 프런티어 모델을 경쟁자가 아닌 생애주기로 보는 관점

제시 장의 관점에서 오픈소스 모델과 프런티어 모델은 서로를 대체하는 경쟁자라기보다 같은 활용 사례가 지나가는 두 단계에 가깝다. 비싸고 성능이 높은 프런티어 모델은 새로운 사용 사례가 실제로 가능한지 검증하고 초기 배포를 성립시키는 데 쓰인다. 이후 그 사용 사례가 충분히 안정되고 요구사항이 명확해지면, 더 저렴한 오픈소스 또는 경량 모델로 이전될 수 있다. 이런 구조에서는 오픈소스 모델의 성공이 곧바로 프런티어 랩의 실패를 뜻하지 않는다. 성숙한 업무가 빠져나가도 새로운 업무가 계속 프런티어 모델의 영역으로 들어오기 때문이다.

3. Vercel 데이터가 보여주는 사용량과 지출의 분리

글은 장의 주장이 충분한 자체 데이터를 동반하지는 않지만, 외부 플랫폼 데이터에서 유사한 흐름을 볼 수 있다고 설명한다. Vercel의 AI gateway 대시보드에서는 최근 일주일 동안 DeepSeek가 토큰 처리량 기준으로 선두에 올랐고, 전체 토큰의 3분의 1을 조금 넘는 비중을 처리한 것으로 나타난다. Z.ai 역시 GLM-5.2 모델의 인기에 힘입어 같은 기간 4위권에 진입했다. 하지만 지출 기준으로 보면 Anthropic은 여전히 해당 플랫폼 전체 AI 비용의 절반 이상을 차지한다. Anthropic의 가격 상승 영향으로 한 달 동안 비중이 약간 내려가기는 했지만, 글은 그 하락이 크지 않다고 본다.

4. OpenRouter 사례와 프리미엄 토큰 가격의 힘

OpenRouter 데이터도 사용량과 지출 사이의 차이를 다시 보여주는 사례로 제시된다. 이 플랫폼에서는 DeepSeek V4 Flash가 주간 5.3조 토큰을 처리하며 전체 사용량에서 가장 큰 승자로 나타난다. 반면 가장 인기 있는 프런티어 모델로 언급된 Opus 4.8은 2조 토큰을 조금 넘게 처리한다. 그러나 평균 토큰 비용은 Opus 4.8이 DeepSeek V4 Flash보다 약 23배 높으며, 백만 토큰당 1.37달러와 0.06달러라는 큰 가격 차이가 제시된다. OpenRouter가 모델별 총지출 순위를 직접 제공하지는 않지만, 이 가격 차이를 고려하면 Opus가 지출의 큰 몫을 가져갔을 가능성이 크다는 것이 글의 설명이다.

5. 새 모델의 등장과 프런티어 랩이 아직 버티는 이유

글은 Nvidia의 Nemotron도 최신 변수로 언급하면서, 해당 모델이 Nvidia의 강한 연결망과 모델 자체의 높은 적응성을 바탕으로 빠르게 선두권에 오를 수 있다고 설명한다. 다만 이러한 수치와 사례들이 장의 생애주기 주장을 완전히 입증하는 것은 아니라고 선을 긋는다. 그럼에도 Anthropic 같은 프런티어 랩이 오픈소스의 부상으로 아직 큰 타격을 받지 않는다는 점은 보여준다고 평가한다. 가능한 설명 중 하나는 AI가 적용될 수 있는 업무 시장 자체가 매우 빠르게 커지고 있다는 점이다. 또 다른 설명은 일부 사용 사례가 너무 어려워서, 고객이 오픈소스로 이동하더라도 값싼 대안만으로 완전히 대체하기 어렵다는 점이다.

6. 이중 구조로 굳어질 가능성과 이전 전망의 수정

필자는 과거에 기초 모델 제공자가 애플리케이션 기업에 원재료를 공급하는 상품화된 위치로 밀려날 가능성을 언급한 적이 있다고 되돌아본다. 실제로 그 전망의 일부는 맞아떨어졌으며, 수직형 AI 기업들이 더 가벼운 모델로 전환했고 이른바 GPT wrapper 스타트업의 경제성도 대체로 안정적으로 유지됐다. 그러나 이번 글은 동시에 프런티어 제공자들이 토큰 단위로 볼 때 시장에서 가장 매력적인 영역, 즉 높은 프리미엄 가격을 지키고 있다는 점을 강조한다. 오픈소스는 생산 단계에서 더 큰 역할을 맡고, 프런티어 모델은 새로운 가능성을 발견하고 검증하는 단계에서 강점을 유지하는 구조가 나타난다는 것이다. 필자는 이런 구도가 당분간 쉽게 바뀌지 않을 것으로 본다.

🧾 핵심 주장 / 시사점

• AI 시장에서는 토큰 사용량이 곧바로 매출 또는 지출 점유율을 의미하지 않으며, 모델 가격 차이가 시장 권력을 크게 좌우한다.
• 오픈소스 모델의 성장은 프런티어 모델을 단순히 대체하기보다, 성숙한 업무를 생산 단계로 넘겨받는 방식으로 시장을 분화시키고 있다.
• Anthropic 같은 프런티어 제공자의 핵심 방어력은 전체 사용량보다 새로운 사용 사례를 먼저 검증하고 높은 가격의 프리미엄 토큰 영역을 유지하는 데 있다.

✅ 액션 아이템

• 오픈소스와 프런티어를 단순 대체 구도로 보지 말고 생애주기 단계별 역할로 나눠 적용 범위를 정리한다.
• 성숙한 활용사례의 경량·저비용 전환이 늘어도 신규 사용사례로 인한 프리미엄 수요가 어느 정도 유지되는지 점검한다.
• 토큰 처리량과 지출을 분리 지표로 두고 Vercel·OpenRouter에서 DeepSeek, Z.ai, Opus 4.8, Anthropic 비중을 추적한다.

❓ 열린 질문

• 어떤 기준으로 특정 사용 사례를 생산 단계와 탐색·검증 단계로 나눠 분류할 것인가?
• 오픈소스 사용량이 계속 늘어날 때 Anthropic 지출이 절반 이상 유지되는 패턴이 언제까지 지속될 가능성이 높은가?
• 높은 토큰 단가의 Opus 4.8이 필요한 사용 맥락인지 판단할 때 어떤 성능·품질 지표를 우선 비교해야 하는가?