중국 오픈 모델 토큰 점유 46%, 미국 개발자를 옮긴 가격차

미국 회사들이 실제로 어떤 AI 모델에 돈을 쓰는지를 청구서 단위로 보면, 지난 12개월 동안 그림이 뒤집혔습니다. 2026년 7월 7일 CNBC는 API 라우팅 마켓플레이스 OpenRouter 데이터를 인용해, 미국 사용자가 소비한 토큰 중 중국산 모델 비중이 2월 초 이후 매주 30%를 넘겼고 어떤 주에는 46%까지 올랐다고 보도했습니다. 직전 12개월 평균은 약 11%였습니다. 절반이 조금 안 되는 물량이 반년 사이에 중국 랩의 오픈웨이트 모델로 넘어간 셈입니다.

이 수치가 눈길을 끄는 이유는 성능 역전이 아니라 가격 때문입니다. OpenRouter의 Justin Summerville은 중국산 오픈웨이트 모델이 Anthropic·OpenAI의 대응 모델보다 60에서 90% 저렴하다고 CNBC에 말했습니다. 같은 작업을 5분의 1 값에 처리할 수 있다면, 최고 점수 모델을 고집할 이유가 사라진 팀부터 갈아탄 것입니다.

청구 데이터가 말하는 것

OpenRouter가 특별한 이유는 집계 방식에 있습니다. 이 회사는 수백 개 모델 제공사로 API 요청을 중계하고, 실제로 청구된 토큰을 그대로 기록합니다. 설문이나 다운로드 수가 아니라 지불된 사용량이라, 업계에서 "청구 데이터는 거짓말하지 않는다"는 말과 함께 인용됩니다.

OpenRouter가 Andreessen Horowitz와 함께 낸 "State of AI" 연구는 100조 토큰 규모의 실사용을 분석했습니다. 플랫폼 처리량은 2025년 중반 연 100조 토큰을 넘겼고, 2026년에는 주당 약 20조 토큰에 이릅니다. 그 안에서 오픈웨이트 모델은 2025년 말 전체 사용량의 약 33%를 차지했고, 중국산 오픈소스 모델만 떼어 보면 2025년 주간 평균 약 13%로, 1.2%에서 출발해 하반기에 급격히 올랐습니다.

2026년 들어 순위표 자체가 바뀌었습니다. 2월 16일부터 22일 사이 OpenRouter 호출량 상위 5개 모델 중 4개가 중국산이었습니다. MiniMax의 M2.5, Moonshot의 Kimi K2.5, Zhipu의 GLM-5, DeepSeek V3.2가 이름을 올렸습니다. 누적 토큰으로도 DeepSeek이 14.37조로 단일 오픈 모델 1위, Qwen이 5.59조, Meta의 Llama가 3.96조였습니다. 데이터 분석가 Chris Zeoli의 집계에서는 2026년 5월 기준 중국산 모델이 OpenRouter 소비 토큰의 약 61%에 달했습니다. 한때 오픈 모델의 대명사였던 Llama는 라우팅 볼륨 1% 아래로 내려갔습니다.

GLM-5.2, 코딩에서 값이 붙은 이유

이동을 이끈 대표 모델은 Z.ai(구 Zhipu AI)의 GLM-5.2입니다. 6월 13일 공개돼 6월 16일 가중치가 풀린 이 모델은 총 753B, 활성 약 40B 파라미터의 MoE 구조에 100만 토큰 컨텍스트를 갖췄고, MIT 라이선스로 배포됐습니다. 코딩 벤치마크 SWE-bench Pro에서 62.1%를 기록했는데, GPT-5.5의 58.6%보다 높고 Claude Opus 4.8과 약 1%p 차입니다.

가격표를 나란히 놓으면 이동의 계산이 분명해집니다. GLM-5.2 API는 100만 토큰당 입력 $1.40, 출력 $4.40이고, 캐시된 입력은 $0.26까지 내려갑니다. 같은 단위에서 Opus 4.8은 $5/$25, 그리고 7월 8일부터 구독 포함이 끝난 Anthropic의 Fable 5는 $10/$50입니다. 출력 100만 토큰 기준으로 Fable 5 한 번의 값이면 GLM-5.2를 열 번 넘게 돌릴 수 있습니다.

Z.ai는 모델만 내놓은 게 아니라 도구까지 붙였습니다. 7월 2일경 공개한 ZCode는 GLM-5.2에 맞춘 무료 데스크톱 개발 환경으로, 에이전트 채팅·파일 관리자·터미널·Git 패널·브라우저 미리보기를 하나의 Electron 앱에 담았습니다. 검증 가능한 목표가 통과될 때까지 작업을 반복하는 "Goal Mode"가 대표 기능이고, 신규 사용자에게 5일 전체 기능 체험을 제공합니다. 오픈 가중치 모델에 Claude Code·Cursor를 겨냥한 하네스가 붙으면서, 모델부터 IDE까지 값싼 코딩 에이전트 한 벌이 통째로 갖춰졌습니다.

라우팅이 기본값이 된 이유

수치 뒤에는 실무 관행의 변화가 있습니다. Vercel 인프라 책임자는 CNBC에 "작업이 최고 모델을 요구하지 않을 때, 팀은 충분히 좋은 것 중 가장 싼 쪽으로 보내기 시작했다"고 설명했습니다. 최근 중국 모델들이 그 판정에서 이기고 있다는 것입니다. 값싼 모델을 기본으로 두고 어려운 작업만 프런티어 모델에 예외로 넘기는 방식은, 지난달 Claude Enterprise 지출 상한이 GA로 풀린 배경과도 맞닿아 있습니다. 기업들이 토큰 비용을 관리 대상으로 삼기 시작하면서, 오픈웨이트 모델은 그 비용을 "관리"하는 대신 아예 "회피"하는 선택지로 올라섰습니다.

실제 사례도 나왔습니다. AI 스타트업 Lindy는 트래픽 전량을 Claude에서 DeepSeek로 옮겼고, CNBC는 이 전환이 "수백만 달러를 절감할 것"이라고 전했습니다. 오픈웨이트 모델은 API 하나에 묶이지 않습니다. Zeoli의 표현대로 "베이스 URL과 API 키만 바꾸면 다른 모델을 돌리게" 되므로, 전환 비용이 거의 없습니다. 벤더 종속을 걱정하던 팀에게 이 이식성은 가격만큼이나 큰 유인입니다.

코딩 워크로드에서 이 이동이 특히 두드러집니다. OpenRouter 연구에서 코딩은 전체 사용량의 11%에서 50%까지 올라 최대 카테고리가 됐고, 그 안에서 오픈소스 모델의 비중도 함께 커졌습니다. 아래 차트는 프로그래밍 쿼리에서 중국산·기타 오픈소스 모델이 차지한 몫을 주 단위로 보여줍니다.

반론과 남은 리스크

이 데이터를 도입률의 최종 판정으로 읽으면 과장이 됩니다. OpenRouter 트래픽은 인디 개발자와 비용 민감한 스타트업에 치우쳐 있습니다. 자체 계약으로 Anthropic·OpenAI를 직접 쓰는 대형 기업의 소비는 이 집계에 잘 잡히지 않습니다. 미국 회사의 API 사용 전반이 중국 모델로 넘어갔다기보다, 라우팅 마켓플레이스라는 특정 표면에서 가격 민감 층이 먼저 움직였다고 읽는 편이 정확합니다.

능력 논쟁도 남아 있습니다. Anthropic의 Dario Amodei는 중국 모델이 벤치마크에 최적화됐고 미국 랩에서 증류됐다며, 장기 도입을 가르는 것은 가격이 아니라 원천 능력이라고 반박해 왔습니다. Zeoli의 분석도 결이 비슷합니다. 중국 랩이 지배하는 것은 오픈 모델의 소비량이지 프런티어 능력이 아니며, "프런티어는 기능이 되고, 열려 있고 싸고 충분히 좋은 계층이 물량을 먹는다"는 것입니다. 긴 호흡의 에이전트 작업에서는 GLM-5.2도 Opus 4.8을 아직 따라오지 못한다는 평가가 함께 나옵니다.

규제 산업이라면 계산에 항목이 하나 더 붙습니다. GLM-5.2를 Z.ai API로 호출하면 그 요청에 중국 데이터법이 적용될 수 있습니다. 금융·의료·공공처럼 데이터 거버넌스가 엄격한 곳에서는 이 조건이 가격 이점을 상쇄합니다. 다만 오픈 가중치라는 성격이 여기서 다시 작동합니다. 모델을 내려받아 자체 인프라에서 돌리면 API 경로의 데이터 노출을 피할 수 있어, "싼 가격"과 "데이터 통제"를 동시에 취하려는 팀이 자체 호스팅을 검토하고 있습니다.

개발자와 AI 팀에게

정리하면, 모델 선택의 비교 기준이 이름과 리더보드 순위에서 단가·라이선스·데이터 관할·전환 비용으로 쪼개졌습니다. 당장 점검할 항목은 세 가지입니다. 첫째, 지금 프런티어 모델로 처리 중인 작업 가운데 실제로 최고 성능이 필요한 비율을 나눠 보는 것입니다. 코드 요약·분류·초안처럼 관대한 작업은 GLM-5.2나 DeepSeek 계열로 라우팅해 볼 여지가 큽니다. 둘째, 오픈 가중치 모델은 자체 호스팅과 API 호출의 데이터 관할이 다르므로, 어떤 데이터가 어떤 경로로 나가는지 미리 분리해 설계하는 것입니다. 셋째, 벤치마크 점수보다 자기 워크로드의 실측 통과율을 재는 것입니다. SWE-bench Pro 62.1%는 참고치일 뿐, 긴 에이전트 작업의 안정성은 팀마다 다르게 나옵니다.

토큰 비용이 프로덕트 손익에 직접 들어오는 시대에, "가장 똑똑한 모델"과 "가장 싼 모델" 사이의 선택은 아키텍처 결정이 됐습니다. OpenRouter의 청구 데이터는 그 결정이 이미 미국 개발자층의 절반 가까이에서 내려졌음을 기록으로 남겼습니다.