
GPT‑6.2·MAI 코드 2·큐원4, AI는 ‘완료’를 판다
세 회사가 동시에 토큰 단가가 아니라 작업당 비용을 내세웠다. 독립 평가를 대조하면 싼 모델의 기준은 가격표보다 완료율·출력량·리뷰 비용이다.
요약
OpenAI의 GPT‑6.2 Astra·Sol, Microsoft의 MAI Code 2·Flash, Alibaba의 Qwen4‑Max가 거의 동시에 등장했다. 세 회사의 발표에서 가장 눈에 띄는 공통어는 매개변수나 토큰 단가가 아니라 ‘작업당 비용’이다. 더 적은 출력 토큰, 더 낮은 재시도 비용, 실제 업무 성공률을 묶어 모델의 경제성을 설명하기 시작했다.
이 변화는 가격 인하 이상의 의미가 있다. 에이전트가 코드를 읽고 도구를 호출하며 결과를 고치는 환경에서는 100만 토큰 가격만으로 실제 비용을 알 수 없다. Kyurasi가 이번 발표들을 함께 보는 이유는 간단하다. AI 구매의 단위가 ‘얼마나 싼 토큰인가’에서 ‘리뷰 가능한 결과 하나를 얼마에 끝내는가’로 이동하고 있기 때문이다.
세 회사가 같은 단위를 꺼냈다
OpenAI는 GPT‑6.2 Astra의 API 입출력 가격을 GPT‑6 Astra보다 20% 낮췄다. 그러나 출시문의 더 중요한 주장은 따로 있다. 장기 전문 업무를 평가하는 Agents’ Last Exam에서 이전 Astra보다 높은 점수를 내면서 비용은 3분의 1 미만이었다고 밝혔다. GPT‑6.2 Sol도 Cognition의 FrontierCode 2.0에서 Astra와 0.5점 차이까지 접근하면서 비용은 약 5분의 1이었다는 설명이다. 회사가 앞세운 것은 단가가 아니라 결과 대비 비용이었다.
Microsoft도 같은 문법을 택했다. 회사와 Axios에 따르면 MAI Code 2는 선택된 코딩 평가에서 GPT‑6.1 Sol 성능의 98%를 40% 비용으로, Claude Opus 5.5 성능의 96%를 5% 비용으로 제공한다고 주장한다. Code 2 Flash와 Cyber 2 Flash는 반복 작업과 보안 작업에 더 작은 전문 모델을 붙인다. 다만 Axios는 비교가 선택된 벤치마크에 의존하고 일부 가격 우위에는 프로모션 할인이 반영됐다고 짚었다.
Qwen4‑Max도 공식 출시에서 100만 입력 토큰 1.50달러, 출력 토큰 4.50달러를 제시했다. 전작보다 각각 25% 낮은 가격이다. Qwen은 자체 Work360 평가에서 평균 작업 비용이 4.43달러에서 1.67달러로 줄었다고 밝혔다. 미국과 중국의 모델 공급자가 같은 시점에 ‘한 번의 요청’이 아니라 ‘한 건의 업무’를 가격표 중심에 놓은 셈이다.
싼 토큰이 싼 작업을 보장하지 않는다
작업 비용은 단가에 토큰 수를 곱한 값으로 끝나지 않는다. 긴 추론, 반복된 도구 호출, 실패 후 재시도, 사람이 다시 읽고 고치는 시간까지 합쳐야 한다. 모델이 한 토큰을 싸게 팔더라도 답을 장황하게 만들거나 완료까지 더 오래 걸리면 총비용은 오히려 커질 수 있다.
Artificial Analysis의 독립 결과가 이 차이를 선명하게 보여준다. Qwen4‑Max는 입력과 출력 단가가 GPT‑6.2 Sol보다 낮지만, 종합 평가의 작업당 비용은 3.27달러로 측정됐다. GPT‑6.2 Sol의 최대 추론 설정은 1.01달러였다. 평균 작업 시간도 Qwen4‑Max는 32.1분, GPT‑6.2 Sol은 7.9분이었다. Qwen4‑Max가 평가 중 생성한 출력 토큰이 훨씬 많았기 때문이다.
이 결과는 Qwen4‑Max가 모든 업무에서 나쁘다는 뜻이 아니다. 데이터 위치, 공급자 다변화, 긴 문맥, 특정 언어와 업무에서는 다른 선택이 맞을 수 있다. 핵심은 더 낮은 토큰 가격을 곧바로 더 낮은 운영비로 번역하면 안 된다는 점이다. 가격표가 출발점이라면, 완료된 결과의 비용은 실제 사용 기록이 결정한다.
벤치마크도 ‘정답’에서 ‘병합 가능한 결과’로 간다
비용의 단위가 달라지자 평가 방식도 바뀌고 있다. Cognition의 FrontierCode 2.0은 실제 오픈소스 저장소의 132개 과제를 사용하고, 단순 테스트 통과가 아니라 유지관리자가 변경을 병합할 수준인지 평가한다. 정확성뿐 아니라 테스트 품질, 변경 범위, 코드 스타일, 저장소 규칙 준수를 함께 본다. 비용은 공개 API 가격을 적용한 한 번의 실행 평균으로 계산한다.
이런 평가는 모델 이름 하나만 비교하지 않는다. 어떤 하네스에서 실행했는지, 추론 강도를 얼마나 높였는지, 인터넷과 도구를 어떻게 썼는지가 결과와 비용을 함께 바꾼다. 같은 모델도 설정에 따라 비용·속도·성공률의 위치가 달라져 하나의 점이 아니라 곡선을 만든다. 가장 비싼 최대 추론이 언제나 가장 좋은 선택도 아니다.
따라서 회사별 발표 수치를 한 표에 그대로 붙이는 것은 위험하다. OpenAI의 전문 업무 평가, Microsoft의 Copilot CLI 기반 평가, Qwen의 Work360은 과제와 하네스가 다르다. 각 수치는 해당 제품 안에서의 개선을 보여주는 증거로는 유용하지만, 서로를 완전히 같은 조건에서 줄 세운 순위는 아니다. 독립 평가가 필요한 이유가 여기에 있다.
숨은 비용은 실패 뒤에 나타난다
모델 카드가 공개한 한계는 작업당 비용에 포함해야 할 항목을 알려준다. Microsoft는 긴 에이전트 세션에서 Code 2가 도구 호출을 반복하거나 기존 코드베이스를 충분히 활용하지 못하고, 지침에서 벗어나거나 최종 확인 전에 멈출 수 있다고 명시했다. 추론 강도를 높여도 지연과 토큰은 늘지만 결과가 항상 좋아지는 것은 아니라고 덧붙였다.
OpenAI의 GPT‑6.2 시스템 카드도 실행 환경의 중요성을 보여준다. 깨진 도구나 누락된 요구를 만났을 때 한계를 알리는 행동은 Codex용 개발자 지침을 적용했을 때 크게 개선됐고, 그 지침은 일반 API 요청에는 자동으로 적용되지 않는다. 같은 가중치라도 제품의 지침·도구·모니터가 다르면 완료율과 재작업 비용이 달라질 수 있다는 뜻이다.
결국 ‘모델 비용’은 모델만의 속성이 아니다. 모델, 하네스, 도구, 권한, 테스트, 사람 리뷰가 합쳐진 시스템 비용이다. 공급자가 낮은 작업당 비용을 주장할 때는 어떤 실패를 0점으로 처리했는지, 재시도 횟수와 사람의 개입을 포함했는지, 할인 종료 뒤에도 같은지까지 함께 봐야 한다.
개발팀의 새 구매 기준
첫째, 공개 벤치마크보다 팀이 반복해서 수행하는 실제 과제를 작은 평가 묶음으로 만들어야 한다. 버그 수정, 테스트 추가, 문서 갱신, 데이터 분석처럼 완료 조건을 명확히 정하고, 결과가 병합되거나 운영에 쓰일 수 있을 때만 성공으로 세는 편이 좋다.
둘째, 토큰 청구액과 함께 완료율, 재시도 횟수, 걸린 시간, 사람의 리뷰 시간을 기록해야 한다. 한 번에 통과하는 비싼 모델이 세 번 실패하는 싼 모델보다 저렴할 수 있다. 반대로 단순 변경에 프런티어 모델을 고정하면 품질 차이 없이 비용만 커진다. 모델별로 적합한 업무를 나누는 라우팅이 필요한 이유다.
셋째, 측정값에 모델 버전과 추론 강도, 하네스, 도구 권한을 함께 남겨야 한다. 이번 발표들의 진짜 경쟁력은 새 모델 하나가 아니라 더 좋은 모델을 더 싼 작업으로 바꾸는 전체 실행 체계에 있다. 앞으로 개발팀이 물어야 할 질문은 ‘가장 똑똑한 모델이 무엇인가’가 아니다. ‘우리의 완료 기준을 가장 낮은 총비용으로 반복해서 통과하는 조합이 무엇인가’다.
출처
- Introducing GPT-6.2 Astra and Sol - OpenAI (https://openai.com/index/introducing-gpt-6-2-astra-sol/)
- GPT-6.2 Astra and Sol system card - OpenAI (https://deploymentsafety.openai.com/gpt-6-2-astra-sol/gpt-6-2-astra-sol.pdf)
- Ignite 2026: Building the frontier ecosystem - Microsoft (https://blogs.microsoft.com/blog/2026/11/17/ignite-2026-building-the-frontier-ecosystem/)
- MAI Code 2 and MAI Code 2 Flash Model Card - Microsoft AI (https://microsoft.ai/pdf/MAI-Code-2-And-MAI-Code-2-Flash-Model-Card.pdf)
- Microsoft aims to challenge OpenAI, Anthropic with cheaper, specialized AI models - Axios (https://www.axios.com/2026/11/17/microsoft-ai-models-openai-anthropic-ignite)
- Qwen4-Max: Your New Teammate Has Arrived - Qwen (https://qwen.ai/blog/qwen4-max)
- FrontierCode 2.0 - Cognition (https://cognition.com/blog/frontier-code-2.0)
- GPT-6.2 Sol: Intelligence, Performance & Price Analysis - Artificial Analysis (https://artificialanalysis.ai/models/gpt-6-2-sol)
- Qwen4 Max: Intelligence, Performance & Price Analysis - Artificial Analysis (https://artificialanalysis.ai/models/qwen4-max)


