프론티어 모델과 엣지 모델 (2026.04.27)

스레드에 남긴 글을 주제별로 모아 블로그 글로 다시 정리했다. 원문의 내용은 그대로 살리고, 짧게 넘어갔던 맥락과 설명을 덧붙였다.

AI 모델은 하나의 시장이 아니다. 가장 똑똑한 모델을 두고 경쟁하는 프론티어 시장, 그리고 작고 싼 모델로 일상 업무를 처리하는 엣지 시장이 점점 갈라지고 있다. 4월 말부터 5월 초까지 AI 구독료와 로컬 모델에 대해 남긴 글을 묶었다.

월 2~3만 원 AI 구독료는 전략적 가격이다

지금 ChatGPT, Claude Pro의 월 2~3만 원 가격은 미국 VC와 빅테크가 전 세계 사용자에게 뿌리는 전략적 가격에 가깝다. 2026년 미국 5대 빅테크의 AI 인프라 투자만 약 900조~1,000조 원에 달하는데, OpenAI와 Anthropic 매출은 합쳐서 50조 원도 안 된다. 들어가는 돈과 버는 돈 사이에 엄청난 차이가 있다.

DeepSeek, Llama, Qwen 같은 오픈소스 LLM이 가격 천장을 누르고 있는 것도 사실이다. 하지만 결국 어떤 모델을 쓰든 연산량은 소모된다. 오픈소스라고 공짜로 돌아가는 건 아니다.

바이브코딩 열풍, 그리고 생산성 격차를 체감한 사람들로 프론티어급 모델의 사용량은 폭증하고 있다. 반면 하위 요금제(월 2~3만 원 모델)는 오픈소스와 출혈경쟁을 하다가 정리될 가능성도 있다고 본다.

VC도 영원히 적자에 베팅할 수는 없다. OpenAI는 IPO를 준비 중이고, 상장 이후에는 투자금 회수가 필요하니 가격이 정상화될 수 있다. 지금의 최상위(MAX) 요금이 평균 가격이 될 수도 있지 않을까?

이 글에 "한 세대 아래 모델이 개인에게 싸게 풀릴 수도 있지 않느냐"는 댓글이 달렸다. 충분히 가능한 시나리오다. 다만 그때쯤 기업은 이미 최신 모델로 더 큰 격차를 벌리고 있을 것이고, 비싼 모델을 살 수 있는 개인과 그렇지 않은 개인의 격차도 지금보다 커질 것이다. 기업은 가벼워지고, 일부 개인의 생산성은 커지고, 소수가 생산을 점유하는 양상은 같다. 그때가 되어도 일과 노동의 모습이 지금과 같을까? 하는 질문이 남는다.

원문: 2026.04.27 스레드 · 2026.04.27 댓글 스레드

통상 업무는 하이퍼스케일러 없이도 된다

통상적인 수준의 업무는 로컬 데이터만 잘 쌓으면 굳이 하이퍼스케일러의 거대 LLM을 쓰지 않아도 괜찮은 수준으로 처리할 수 있을 것이다.

"통상 업무"의 경계가 이미 많이 내려왔기 때문이다. 요약, 분류, 정형 데이터 추출, 간단한 초안 작성, 코드 자동완성 같은 일은 7B~14B급 오픈 모델(Qwen, Llama, Gemma 계열)로도 꽤 해낸다. 여기에 잘 정리된 로컬 RAG(내부 문서를 검색해 답변에 활용하는 방식)만 붙으면, 사내 문서 검색이나 일상 비서 정도는 하이퍼스케일러 없이도 충분하다. 애플이 온디바이스 AI로 밀고 가는 것도 같은 베팅이라고 본다.

그래서 프론티어와 엣지의 분업은 갈수록 뚜렷해질 것이다. 어려운 추론과 최신 연구는 프론티어 모델이, 반복적이고 보안이 중요한 일상 업무는 엣지 모델이 맡는 식이다. 그리고 이 과정의 병목은 인프라와 데이터다.

7B, 14B는 무슨 뜻일까

AI 모델 이야기를 할 때 7B, 14B 같은 숫자가 자주 나온다. 여기서 B는 Billion(10억)이고, 파라미터 수, 즉 모델이 가진 가중치(weight)의 개수를 뜻한다. 모델의 크기와 성능, 그리고 돌리는 데 필요한 하드웨어를 가르는 가장 일반적인 분류 기준이다.

물론 엄밀한 기준은 아니다. 학습 데이터나 기법에 따라 같은 크기라도 성능 차이가 크고, 절대적인 기준이 전혀 아니다. 그래도 대략적인 체감 분류는 이렇다(주관적인 기준이다).

3B 이하는 초경량 모델로, 스마트폰이나 노트북 CPU에서도 돌아간다. 7B~14B는 소비자용 GPU 한 장에 들어가는 정도다. 30B~70B는 워크스테이션이나 서버급으로, 꽤 정교한 추론까지 가능하다. 100B 이상은 데이터센터에서 돌리는 대형 모델이다.

앞에서 말한 "통상 업무"를 맡을 엣지 모델은 대부분 7B~14B 구간에 있다. 개인 PC나 사내 서버 한 대로도 돌릴 수 있는 크기라는 점이 중요하다.

공공이 지금 인프라와 데이터에 들어가야 하는 이유

병목이 인프라와 데이터라면, 그 병목이 풀리기 전에 공공이 들어가야 한다. 지금 데이터와 인프라 영역에 공공투자와 시민배당 구조를 도입하지 않으면, 병목이 해소된 뒤에는 공공이 충분한 재원을 마련하기 어렵다. 가치가 이미 민간에 다 귀속된 뒤에 지분을 사오려면 훨씬 비싸지기 때문이다.

나만의 AI, 나만의 로봇

엣지 모델이 충분히 똑똑해지면 더 재미있는 일이 생긴다. 텐스토렌트 같은 하드웨어를 활용해 자기만의 AI를 구축해두면, 나중에는 저가형 휴머노이드에 얹어 나만의 AI 인간을 만들 수 있게 될 것이다. 사실 이미 99달러짜리 귀여운 로봇에 사람들이 AI를 입히고 있다.

거대 모델을 빌려 쓰는 시대에서, 개인이 자기 데이터와 모델을 소유하는 시대로 넘어갈 수도 있다. 그렇게 되면 "누가 모델을 갖고 있느냐"의 문제는 기업만이 아니라 개인의 문제가 된다.

원문: 2026.05.02 스레드 · 2026.05.02 스레드 · 2026.05.02 스레드 · 2026.05.02 스레드 · 2026.05.02 스레드 · 2026.05.03 스레드

---

English Summary

Current AI subscription prices of 20 to 30 thousand won a month are strategic, subsidized by massive infrastructure spending that far exceeds revenue, and may normalize after IPOs. At the same time, routine work such as summarization, classification and drafting can be handled by 7B to 14B open models with local RAG, so a division of labor between frontier and edge models is emerging. The bottleneck is infrastructure and data, which is why public investment and citizen dividends should be designed before that bottleneck is resolved.