Epoch AI 분석, 같은 AI 성능 비용 1년마다 약 13배 하락…3년 평균 분기 47% 감소

AI가 같은 수준의 문제를 푸는 데 드는 비용이 최근 3년 동안 분기마다 평균 약 47%씩 떨어졌다는 분석이 나왔습니다. Epoch AI가 9월 22일 공개한 보고서는 이를 연간으로 환산하면 같은 성능을 얻는 비용이 약 13분의 1로 줄어드는 속도라고 추정했습니다.

여기서 말하는 비용은 특정 모델의 토큰 가격표 자체가 아닙니다. 여러 모델 가운데 일정한 벤치마크 성능을 가장 싸게 달성하는 비용-성능 프런티어가 얼마나 내려갔는지를 본 값입니다. 실제 사용자가 내는 AI 구독료나 회사 전체 AI 지출이 매년 13분의 1이 된다는 뜻은 아닙니다.

수학은 더 빨랐고, 게임 퍼즐은 조금 느렸습니다

Epoch AI는 2023년부터 데이터가 비교적 충분한 다섯 벤치마크를 중심으로 추세를 계산했습니다. AIME 계열 수학, FrontierMath, GPQA Diamond, 체스 퍼즐, 비공개 게임 퍼즐처럼 수학, 과학, 게임 능력을 함께 봤습니다.

특히 최고 성능이 처음 등장했을 때 가격 하락은 더 가팔랐습니다. 다섯 벤치마크 평균으로 새 SOTA 성능이 등장한 시점에는 분기당 약 66%, 연간 약 75배의 속도로 비용이 떨어졌습니다. 같은 성능이 나온 지 2년이 지나면 하락 속도는 분기당 약 32%, 연간 약 4.7배로 둔화됐습니다.

o3의 30센트가 Luna에서는 0.0004달러가 됐습니다

보고서가 든 가장 직관적인 사례는 GPQA Diamond입니다. Epoch AI 추정으로 2025년 1월 31일 나온 OpenAI o3는 약 75% 점수를 내는 데 질문당 평균 0.30달러가 들었습니다. 18개월이 채 지나지 않아 GPT-5.6 Luna는 비슷한 점수를 질문당 0.0004달러에 냈습니다.

같은 성능을 내는 비용이 약 725배 줄어든 셈입니다. Epoch AI는 이를 5만 달러짜리 자동차 가격이 69달러로 떨어진 것과 비슷한 비율이라고 설명했습니다.

다른 기술보다도 하락 속도가 훨씬 빠릅니다

Epoch AI는 장기간 가격이 내려온 다른 범용 기술과도 비교했습니다. 미국 주거용 전기는 연평균 1.05배, 리튬이온 배터리는 1.16배, 컴퓨팅은 1.51배, DNA 시퀀싱은 1.84배씩 저렴해진 것으로 환산됐습니다. 같은 기준에서 LLM 추론은 약 13배였습니다. 다만 기술마다 비교 기간이 다르므로 절대 가격을 직접 비교한 표는 아닙니다.

그래도 “모든 AI 비용이 13배씩 내려간다”는 뜻은 아닙니다

보고서 자체도 이 수치를 정확한 법칙처럼 읽지 말라고 경고합니다. 공개 벤치마크에 맞춘 학습이 실제 업무보다 성능 개선을 부풀릴 수 있고, 벤치마크 점수가 곧바로 유용한 일의 가치와 같지도 않습니다. 또한 이 분석은 매 순간 가장 싼 모델로 갈아타는 사용자를 가정한 비용 프런티어에 가깝기 때문에 실제 이용자가 체감하는 절감 폭은 더 작을 수 있습니다.

데이터 기간도 약 3년에 불과하고 모델과 벤치마크 조합도 완전하지 않습니다. 그럼에도 같은 수준의 AI 성능을 얻기 위한 최저 비용이 매우 빠르게 내려가고 있다는 방향 자체는 뚜렷합니다. 더 강한 모델이 계속 등장하는 동시에 이미 가능해진 능력의 가격이 빠르게 낮아지면서, 이전에는 비싸서 못 하던 대량 작업을 AI에 맡길 수 있는 범위가 넓어지고 있다는 점이 이번 분석의 핵심입니다.