오픈 웨이트 모델의 가격 산정

업데이트 September 1, 2026 · 최초 게시 September 1, 2026

Qwen3.8-Flash-Next는 2026년 8월 26일 Qwen4 아키텍처의 오픈 웨이트 프리뷰로 공개되었습니다. 활성 파라미터는 약 6B, 네이티브 컨텍스트는 262,144 토큰이며, 호스팅 요금은 발표되지 않았습니다. 이 조합은 일반적인 비교 방식을 무너뜨립니다. 클로즈드 모델은 100만 토큰당 가격을 제시하지만, 오픈 웨이트는 체크포인트만 제공하고 숫자는 직접 계산하도록 남겨 둡니다.

그 숫자를 계산하는 것은 어렵지 않습니다. 다만 대부분의 팀이 계산하지 않을 뿐입니다. 대신 $0짜리 다운로드와 $3.00/MTok짜리 API를 비교하고, 다운로드가 더 싸다고 결론 내립니다. 실제로 더 쌀 수도 있습니다. 하지만 계산이 답을 줍니다. 그리고 그 계산에는 사람들이 잊기 쉬운 항목이 정확히 하나 있습니다.

공식

100만 토큰당 비용은 인스턴스의 시간당 가격을 그 시간 동안 생성하는 토큰 수로 나눈 값입니다.

cost per MTok = hourly_price / (tokens_per_second * 3600) * 1,000,000

시간당 $2.00이고 측정된 처리량이 초당 1,500 토큰이라면, 2.00 / 5,400,000 * 1,000,000 = 100만 토큰당 $0.37입니다. 출력 기준 $3.00/MTok인 호스팅 모델과 비교하면 자체 호스팅이 8배 저렴해 보입니다. 하지만 이 수치도 틀렸습니다. 비용을 지불하는 매 순간 GPU가 계속 일하고 있다고 가정하기 때문입니다.

사람들이 잊는 항목: 가동률

시간 단위로 빌리지만 실제로 쓰는 것은 그중 일부입니다. 그 비율로 나누십시오.

가동률이 10%일 때 자체 호스팅 모델은 대체하려던 호스팅 API보다 비쌉니다. 대부분의 초기 배포는 10%에서 30% 사이에 머뭅니다. 트래픽이 들쭉날쭉하고 인스턴스는 피크에 맞춰 준비되기 때문입니다. 절감 효과는 실제로 존재하지만, 그것은 가중치의 절감이 아니라 가동률의 절감입니다.

숫자에 함께 넣어야 할 것

체크포인트의 스토리지와 이그레스 비용이 있습니다. 인스턴스가 부팅된 뒤 모델이 준비될 때까지의 유휴 시간도 있습니다. 대형 컨텍스트 모델은 로딩에 몇 분이 걸리고, 그 시간 모두에 대해 비용을 지불합니다. 노드 장애를 견디려면 인스턴스를 둘 이상 두어야 할 수도 있으므로 이중화 비용도 포함해야 합니다. 마지막으로 엔지니어링 시간이 있습니다. 시간당으로 청구되지는 않지만 첫 해에 가장 큰 항목입니다.

이 중 어느 것도 자체 호스팅에 반대하는 근거는 아닙니다. 다만 무료 다운로드와 토큰당 요금을 나눗셈 없이 비교해서는 안 된다는 뜻입니다.

약속하기 전에 측정하십시오

실제로 빌릴 인스턴스에서 자신의 프롬프트 형태와 컨텍스트 길이로 모델을 실행하고, 모델 카드의 단일 스트림 수치가 아니라 동시 처리 상태의 초당 토큰 수를 기록하십시오. 그다음 실제 시간대별 트래픽 프로파일로 가동률을 계산합니다. 숫자 두 개와 나눗셈 한 번이면 결정은 저절로 내려집니다.

긴 컨텍스트에서 이 문제가 가장 크게 드러납니다. 262K 토큰 컨텍스트는 기능이 되기 전에 메모리 부담입니다. 인스턴스 등급을 결정하고, 그 등급이 공식 맨 위의 시간당 가격을 결정합니다. 모델이 지원하는 컨텍스트가 아니라 실제로 보내는 컨텍스트에 가격을 매기십시오.

관련 자료

• 오픈소스 대 클로즈드 모델 비용
• KPI로서의 요청당 비용
• 제공자 차익거래

관련 글

• 오픈소스 대 클로즈드 모델 비용
• KPI로서의 요청당 비용
• 제공자 차익거래

이 내용을 현재 스택에 적용하고 싶으신가요? 공급업체 청구서, 게이트웨이 로그, 주요 워크플로를 가져오시면 비용 요인과 절감 경로를 정리해드립니다. 무료 감사 예약 →

finopsllm.com으로 돌아가기