알리바바, 딥시크 중국 AI 모델 경쟁을 저비용으로 이끌다

알리바바는 가장 강력한 AI 모델인 Qwen3.8-Max을 출시했으며, 이는 DeepSeek의 새로운 V4-Flash가 여러 경쟁사보다 낮은 추론 가격을 제공하며 주목을 받으면서 등장했다.

2.4조 개의 파라미터를 갖춘 Qwen3.8-Max은 요청당 일부 파라미터만 활성화하는 전문가 혼합(Mixture-of-Experts) 아키텍처를 사용한다. 알리바바에 따르면, 특정 시점에 약 950억 개의 파라미터가 활성화되어 모든 파라미터를 활성화하는 모델에 비해 비용과 지연 시간을 크게 절감한다.

DeepSeek는 비슷한 희소 아키텍처를 사용하지만 더 작은 규모로 구현했다. Artificial Analysis에 따르면, V4-Flash는 총 2840억 개의 파라미터를 가지며 추론 시 130억 개가 활성화된다. 반면, Moonshot AI의 Kimi K3는 총 2.8조 개의 파라미터를 가지며 약 1040억 개가 활성화된다.

Qwen3.8-Max은 텍스트, 이미지, 비디오를 처리하며 최대 100만 토큰의 컨텍스트 창을 지원한다. 알리바바는 또한 이 모델이 16일간의 소프트웨어 엔지니어링 프로젝트를 성공적으로 완료했다고 밝혔다.

크기 측면에서 Qwen3.8-Max은 Moonshot AI가 7월에 출시한 Kimi K3와 경쟁한다. 두 회사는 가격 경쟁도 벌이고 있다. Qwen3.8-Max은 입력 토큰 100만 개당 2달러, 출력 토큰 100만 개당 6달러를 부과하는 반면, Kimi K3는 각각 3달러와 15달러이다.

모델 크기 자체가 추론 비용을 결정하지는 않는다. 아키텍처, 활성화된 파라미터 수, 토큰 소비량, 작업 완수에 필요한 호출 횟수 등 여러 요소가 모델 실행의 최종 비용에 영향을 미친다.

출시 후 Qwen3.8-Max은 크라우드소싱 플랫폼 Arena.AI에서 중국산 텍스트 모델 중 1위를 기록했지만, 전체 순위에서는 여전히 여러 Anthropic 모델에 뒤처진다. 또한 이미지 및 시각 분석 분야 Arena.AI 리더보드에서 Anthropic Claude Fable 5 변형 모델에 이어 2위를 차지했다.

DeepSeek, 추론 가격 인하

DeepSeek는 V4-Flash를 통해 다른 전략을 채택했다. 알리바바와 Moonshot AI의 최신 모델과 같은 막대한 규모를 맞추기보다는, 널리 사용되는 여러 AI 시스템보다 낮은 가격으로 모델을 제공했다.

Artificial Analysis에 따르면, V4-Flash는 입력 토큰 100만 개당 0.14달러, 출력 토큰 100만 개당 0.28달러이다. 이 연구 기관은 해당 모델이 100만 토큰의 컨텍스트 창과 2840억 개의 총 파라미터를 가지며, 이 중 130억 개가 추론 시 활성화된다고 명시했다.

Artificial Analysis는 V4-Flash의 Max Effort 버전의 캐시 히트 가격을 토큰 100만 개당 0.003달러로 제시했으며, 이는 표준 입력 요금보다 98% 낮은 수준이다. 캐시된 입력은 이후 요청에서 재사용할 수 있는 이전에 처리된 컨텍스트를 의미한다.

DeepSeek의 낮은 토큰 요금은 Artificial Analysis의 벤치마크 테스트 결과로도 이어졌다. 로이터 통신에 따르면, 이 연구 기관은 V4-Flash의 평균 비용을 테스트당 3센트로 추정했으며, 이는 Kimi K3의 86센트, OpenAI의 GPT-5.6 Sol의 1.86달러, Anthropic의 Claude Fable 5의 3.15달러보다 낮은 수치이다.

이 비교는 각 모델이 벤치마크를 완료하는 데 사용하는 입력 및 출력의 양을 반영한다. 모델이 더 많은 출력을 생성하거나 추가 상호작용이 필요한 경우, 토큰당 낮은 요금이 반드시 낮은 작업 비용을 의미하지는 않는다.

Artificial Analysis는 DeepSeek V4-Flash의 Max Effort 추론 버전에게 Intelligence Index에서 40점을 부여했다. 이 연구 기관은 테스트 중 초당 약 118개의 토큰을 생성하는 출력 속도를 기록했다.

토큰 가격은 비용의 일부만 보여준다

Moonshot AI의 Kimi K3는 광고된 API 가격이 긴 작업 부하를 완료하는 비용과 어떻게 다를 수 있는지 보여주는 또 다른 예이다. Artificial Analysis는 이 모델의 입력 토큰 100만 개당 3달러, 출력 토큰 100만 개당 15달러이며, 캐시된 입력은 토큰 100만 개당 0.30달러로 가격 책정한다고 명시했다.

Artificial Analysis의 에이전트 지식 작업을 위한 AA-Briefcase 벤치마크에서 Kimi K3는 작업당 평균 10.57달러를 기록했다. 이 모델은 약 120,000개의 출력 토큰을 생성하고 작업당 평균 83번의 상호작용을 사용했다.

Artificial Analysis는 이 비용이 Kimi K3의 토큰 가격, 출력량, 모델 상호작용 횟수를 반영한다고 밝혔다. 따라서 반복적인 모델 호출과 더 큰 출력은 헤드라인 API 요금에서 시사하는 것보다 작업 부하 완료의 총 비용을 높일 수 있다.

Kimi K3는 테스트 당시 AA-Briefcase 평가에서 전체 점수 2위를 기록했으며, 이는 Claude Fable 5에 이어지는 수치이다. 또한 Artificial Analysis의 더 넓은 Intelligence Index에서 57점을 기록했다.

DeepSeek와의 비교는 작업당 비용 측정이 표준 API 가격에 유용한 맥락을 추가하는 이유를 강조한다. 서로 다른 아키텍처와 사용 패턴을 가진 모델은 동일한 유형의 작업을 처리하는 동안 상당하게 다른 양의 컴퓨팅 자원과 토큰을 소비할 수 있다.

오픈 가중치는 또 다른 배포 옵션을 제공한다

비용은 중국 개발자들이 모델을 배포하는 방식에 의해서도 형성되고 있다. 알리바바, DeepSeek, Moonshot AI는 호스팅 API 접근성과 함께 오픈 가중치 릴리스를 계속 지원하여 개발자들에게 이러한 모델을 배포할 수 있는 더 많은 옵션을 제공하고 있다.

Artificial Analysis는 DeepSeek V4-Flash를 MIT 라이선스 하의 오픈 가중치 모델로 분류하며, 가중치는 Hugging Face를 통해 이용할 수 있다. Kimi K3도 Moonshot AI 자체 라이선스 하에 오픈 가중치 모델로 제공된다.

오픈 가중치를 통해 개발자는 개발자 호스팅 추론 서비스에 전적으로 의존하는 대신 자체 인프라나 제3자 제공자를 통해 모델을 실행할 수 있다. 배포 비용은 여전히 사용되는 하드웨어와 인프라에 따라 다르지만, 모델 접근은 단일 호스팅 API에 묶이지 않는다.

이 접근 방식은 일반적으로 모델 가중치를 비공개로 유지하는 OpenAI, Anthropic, Google이 제공하는 주요 모델들과 구별된다.

Omdia의 수석 분석가인 Lian Jye Su는 많은 비즈니스 작업 부하에 대한 모델 선택이 단순히 최고 성능 시스템에 대한 접근성에만 의존하지 않는다고 지적했다.

Su는 "많은 비즈니스 워크플로우는 업계 최상위 모델이 필요하지 않다"며 "그들은 충분히 우수하고, 저렴하며, 투명하고, 접근 가능한 모델이 필요하며, 오픈 가중치 모델은 이러한 요구를 충족하는 데 도움이 된다"고 말했다.

참고: 알리바바는 에이전트 중심의 AI 칩을 설계 중이며, 이는 실제 경쟁의 초점이 무엇인지 변화시킨다

산업 리더들로부터 AI와 빅데이터에 대해 더 자세히 알고 싶으신가요? 암스테르담, 캘리포니아, 런던에서 개최되는 AI & Big Data Expo를 확인하십시오. 이 종합 행사는 TechEx의 일부이며 Cyber Security & Cloud Expo를 포함한 기타 주요 기술 행사와 함께 개최됩니다. 자세한 정보는 여기를 클릭하십시오.

AI News는 TechForge Media에 의해 제공됩니다. 다른 예정된 엔터프라이즈 기술 행사와 웹 세미나를 여기에서 탐색하십시오.