GPT-6 루나·제미나이·딥시크 플래시급 비교…지능 5점 차, 비용은 18배

가장 싼 루나의 98초 생각 시간, 코딩 1위 GLM, 헛소리 잡은 제미나이의 18배 청구서

전자 부품과 노트북이 놓인 작업대에서 여성이 일하고, 노트북 화면에는 분석 대시보드가 표시되어 있다.
핵심 요약 AI 요약
1
지능 격차와 비용:9월 27일 기준 플래시급 5종의 지능지수는 37~42점으로 5점 차이지만 과제당 비용은 최저 0.07달러에서 최고 1.24달러로 약 18배 벌어진다.
2
루나의 비용 효율:GPT-6 루나는 과제당 0.07달러로 가장 저렴하지만 max 추론 강도에서는 첫 답변까지 98.2초가 걸려 대량 일괄 처리에 더 적합하다.
3
제미나이의 신뢰도:제미나이 3.8 플래시는 초당 278토큰의 출력 속도와 AA-Omniscience 30점으로 앞서지만 비용이 가장 높고 2027년 1월부터 토큰 단가가 두 배로 오른다.
4
코딩 성능 우위:GLM-5.3 플래시는 Terminal-Bench 4.0에서 33%로 5종 중 1위이며 MIT 라이선스의 오픈웨이트 모델이어서 호스팅 공급자를 선택할 수 있다.
5
딥시크의 응답 속도:딥시크 V4.1 플래시는 첫 답변까지 10.2초로 가장 빠르고 Terminal-Bench 4.0에서 27%를 기록해 실시간 서비스와 코딩 에이전트의 선택지로 꼽힌다.
기사 목차 펼치기 / 접기

오픈AI(OpenAI)가 지난 22일 내놓은 GPT-6 루나(GPT-6 Luna)는 과제 하나를 7센트(약 93원)에 푼다. 아티피셜 애널리시스(Artificial Analysis) 리더보드에서 지능지수 35점을 넘긴 모델 중 가장 저렴하고, 점수는 지수 v4.3.2 기준 37점이다.

2주 전 단행한 GPT-6·클로드·제미나이·딥시크 4종 비교에서는 플래시급으로 제미나이 3.8 플래시(Gemini 3.8 Flash)와 딥시크(DeepSeek) V4.1 플래시 두 종만 다뤘다. 그 뒤 루나가 새롭게 합류했고, 범위를 넓혀 보면 8월에 나온 중국 오픈웨이트(open-weights) 모델 2종이 지수 상단에 자리 잡고 있다.

싸고 빠른 모델을 고르는 기준이 그사이 크게 달라졌다. 9월 27일 기준 아티피셜 애널리시스의 지능지수와 비용, 속도 실측 데이터를 토대로 작업 환경별 최적의 모델 선택지를 짚어본다.

플래시급 5종의 라인업과 기본 스펙

플래시급은 각 연구소가 저렴한 비용과 빠른 속도를 앞세워 내놓은 경량 제품군을 가리킨다. 구글(Google)과 딥시크는 플래시, 오픈AI는 루나라는 명칭을 부여했다. 이 제품군에서 지능지수 35점을 돌파한 모델은 9월 27일 조회 기준 5종이다. 앤트로픽(Anthropic)의 경량 모델은 이 기준선에 미치지 못했다.

모델 지능지수 과제당 비용 입력/출력 단가(100만토큰) 출력 속도(초당) 과제당 시간 라이선스
GLM-5.3 플래시 42 0.25달러
(약 340원)
0.15달러/0.50달러 53토큰 1067초 MIT
제미나이 3.8 플래시(high) 41 1.24달러
(약 1700원)
0.75달러/3.75달러 278토큰 247초 비공개
큐웬3.8 플래시 넥스트 40 0.37달러
(약 510원)
0.15달러/0.47달러 55토큰 1655초 Qwen Community 1.0
딥시크 V4.1 플래시(max) 39 0.27달러
(약 360원)
0.30달러/1.20달러 222토큰 310초 MIT
GPT-6 루나(max) 37 0.07달러
(약 93원)
0.10달러/0.50달러 154토큰 325초 비공개

표의 수치는 전부 아티피셜 애널리시스가 같은 과제 묶음을 직접 돌려 잰 값이다. 과제당 비용은 지수를 이루는 시험 10종을 한 과제씩 풀 때 드는 평균 API 요금이고, 원화는 1달러 1368원으로 환산했다.

GLM-5.3 플래시(GLM-5.3-Flash)는 중국 Z.ai(구 지푸AI)가 개발했다. 허깅페이스(Hugging Face) 모델카드에 따르면 총 3200억개 파라미터 중 180억개만 켜는 구조이고, 라이선스는 제약이 거의 없는 MIT다. 텍스트와 이미지를 함께 받는다. 큐웬3.8 플래시 넥스트(Qwen3.8-Flash-Next)는 알리바바(Alibaba)의 큐웬(Qwen) 팀이 8월 26일 공개했다.

[심층 비교] 플래시급 경량 AI 5종 핵심 성능 & 실측 지표 대조
비용 효율의 역설
지능지수 42~37점 밀집 속 과제당 비용 18배 양극화
• 5대 모델의 지능지수는 GLM-5.3(42)부터 GPT-6 루나(37)까지 불과 5점 차이에 불과함.
• 그러나 과제당 비용은 GPT-6 루나(0.07달러, 약 93원)와 제미나이 3.8 플래시(1.24달러, 약 1700원) 간 18배 격차가 벌어짐.
• 제미나이는 토큰 단가가 루나의 7.5배이고 과제당 출력 토큰도 40% 많아, 긴 문서를 반복 호출하는 에이전트 과제 시 비용 부담이 가중됨.
응답 지연 vs 출력 속도
첫 토큰 98초 대기(루나) vs 초당 278토큰 고속 분사(제미나이)
• GPT-6 루나는 max 추론 시 생각을 내부에서 모두 마친 뒤 출력하므로 첫 답변까지 98.2초의 대기 시간이 발생함.
• 딥시크 V4.1 플래시는 첫 답변까지 10.2초로 가장 민첩하며, 제미나이 3.8 플래시는 초당 278토큰으로 출력 속도 1위를 기록함.
• 실시간 인터랙션 서비스에는 딥시크·제미나이가 적합하고, 야간 대량 일괄 처리(배치)에는 루나가 압도적 가성비를 제공함.
작업별 특화 성능
터미널 코딩 1위(GLM) vs 지식 신뢰도 압승(제미나이)
• 실제 터미널 실무를 검증하는 Terminal-Bench 4.0에서는 중국 GLM-5.3(33%)과 딥시크 V4.1(27%)이 상위권을 장악함 (제미나이 20%, 루나 13%).
• 환각을 엄격히 감점하는 AA-Omniscience 지식 신뢰도 시험에서는 제미나이가 30점으로 독주함 (루나 1점, 딥시크 -5점, 큐웬 -10점).
• 사실 정확도가 중요한 질의응답은 제미나이, 코딩 에이전트 및 자체 호스팅 환경 구축은 MIT 라이선스의 GLM·딥시크가 최적임.

지능지수 5점 차, 과제당 비용은 18배 격차

다섯 모델의 지수는 42점에서 37점 사이에 몰려 있다. 과제당 비용은 루나가 0.068달러, 제미나이가 1.243달러로 18배 차이가 나고, 과제 하나를 끝내는 시간도 247초에서 1655초까지 6.7배 벌어진다. 출력 속도 역시 초당 53토큰부터 278토큰까지 다섯 배 넘게 차이 난다. 성적이 비슷한 학생 다섯의 등록금이 많게는 18배 차이 나는 꼴이다.

“다섯 모델의 지능지수는 42점에서 37점 사이 5점 차에 불과하지만, 과제당 비용은 최대 18배 벌어진다. 계산서가 가장 저렴한 모델은 첫 답변까지 98초가 걸리고, 가장 빠른 모델은 헛소리를 덜 하는 대신 비용이 18배 비싸다.”

제미나이가 비싼 이유는 두 겹이다. 먼저 단가가 입력과 출력 모두 루나의 7.5배이고, 과제당 출력 토큰도 7만1000개로 루나(5만1000개)보다 40% 많다. 아티피셜 애널리시스가 지수 전체를 돌리는 데 쓴 1623달러 중 977달러는 입력 쪽에서 나왔다. 긴 문서를 되풀이해 넣는 에이전트 과제에서는 입력 단가가 청구서를 키운다.

순위는 9월에만 여러 번 흔들렸다. 아티피셜 애널리시스는 19일 지수를 v4.3.2로 조정했다. 실무형 과제 평가인 GDPval-AA의 점수 기준점을 딥시크 V4.1 플래시(max)의 1600점에 고정했고, 이 조정 뒤 딥시크의 지수는 2주 전 기사에 실린 40점에서 39점이 됐다. 모델이 그대로여도 자가 바뀌면 순위가 바뀐다. 이번에 집계된 수치를 과거 기사의 수치와 단순 평면 비교할 수 없는 이유다.

GPT-6 루나와 제미나이 3.8 플래시는 어디서 갈리나

루나는 가장 싸지만 첫 답이 가장 늦다. 최고 추론 강도인 max로 돌리면 첫 답변 토큰이 나오기까지 98.2초가 걸린다. 루나는 추론 과정을 밖으로 내보내지 않고 속으로 생각을 마친 뒤에야 답을 쓰기 시작하므로, 이 98초에는 모델이 생각하는 시간이 전부 들어 있다. 계산서가 가장 저렴한 식당인데 음식이 가장 늦게 나오는 꼴이다.

추론 강도는 모델이 답하기 전에 얼마나 오래 생각할지 정하는 설정이다. 오픈AI는 루나에 추론을 끈 상태부터 max까지 여러 단계를 두었다. 이 다이얼을 낮추면 대기 시간이 급격히 줄어든다.

GPT-6 루나 추론 강도 지능지수 과제당 비용 첫 답변까지
max 37 0.07달러 98.2초
xhigh 34 0.04달러 17.7초
high 32 0.03달러 7.0초
medium 29 0.02달러 측정 없음

max에서 high로 내리면 지수는 5점 떨어지고 대기 시간은 14분의 1이 된다. 밤새 돌리는 대량 분류처럼 답을 기다리는 사람이 없는 일이라면 대기 시간은 문제가 안 되고, 5점과 과제당 4센트를 저울질하면 된다. 사람이 화면 앞에서 기다리는 일에는 high나 xhigh가 현실적이다.

제미나이 3.8 플래시는 속도와 지식에서 앞선다. 출력 속도가 초당 278토큰으로 다섯 중 가장 빠르고, 인류 최후의 시험(Humanity’s Last Exam)에서 48%를 받아 루나(39%)를 9%p 앞섰다. 음성까지 입력으로 받는 모델도 다섯 모델 중 제미나이뿐이다.

더 큰 차이는 AA-Omniscience에서 났다. 맞히면 가점, 틀리면 감점, 모른다고 답하면 0점을 주는 지식 신뢰도 시험이다. 제미나이는 30점을 받았지만 루나는 1점, 딥시크는 -5점, 큐웬은 -10점에 그쳤다. 모르는 것을 아는 척하지 않는 능력에서 제미나이가 확실히 앞섰으며, 추가 비용을 지불한 만큼 확실한 답변 신뢰도를 얻는 구조다.

다만 이 가격은 오래가지 않는다. 구글은 3.8 플래시를 공개하면서 2027년 1월 1일부터 단가를 입력 1.50달러, 출력 7.50달러로 두 배 올린다고 밝혔다. 쓰는 토큰이 같다면 과제당 비용도 그때 두 배 가까이 뛴다.

두 회사는 세대교체에서도 반대로 움직였다. GPT-5.6 루나와 GPT-6 루나의 지수는 똑같이 37점인데 과제당 비용은 0.18달러에서 0.07달러로 62% 줄었다. 같은 두뇌를 더 싸게 판 것이다. 구글은 3.7 플래시 39점에서 3.8 플래시 41점으로 2점을 올렸지만, 과제당 비용도 0.93달러에서 1.24달러로 33% 올랐다. 클로드 오푸스 5.5와 GPT-6 솔을 비교한 분석에서 확인한 갈림길이 플래시급에서도 고스란히 되풀이됐다.

GLM-5.3 플래시와 딥시크 V4.1 플래시는 어디서 갈리나

코딩 에이전트로 쓸 모델을 찾는다면 표의 순서가 달라진다. 터미널 작업 시험인 Terminal-Bench 4.0에서 GLM-5.3 플래시가 33%로 플래시급 중 가장 높았고, 딥시크 27%, 큐웬 25%, 제미나이 20%, 루나 13% 순이었다. 지수 2위인 제미나이가 코딩에서는 4위로 내려간다.

이 시험은 에이전트에게 소프트웨어·과학·보안 등 7개 분야의 실제 터미널 작업 66개를 맡긴다. 무중단 데이터베이스 이전 같은 과제가 들어 있고, 테스트를 하나라도 통과하지 못하면 실패로 친다. 같은 시험에서 클로드 오푸스 5(Claude Opus 5)는 49%였으니, 플래시급 1위가 오푸스 5의 3분의 2 지점까지 온 것이다.

GLM-5.3 플래시의 약점은 속도다. 아티피셜 애널리시스 모델 페이지에 대표값으로 잡힌 속도가 초당 53토큰이고, 과제 하나에 평균 1067초(약 18분)가 걸린다. 큐웬은 1655초(약 28분)로 더 길다.

하지만 오픈웨이트에는 빠져나갈 길이 있다. 오픈웨이트는 가중치 파일을 공개해 누구나 내려받아 돌릴 수 있게 한 모델이라, 같은 모델을 여러 업체가 서비스한다. 아티피셜 애널리시스의 공급자별 측정에서 GLM-5.3 플래시는 인코(Inco)의 고속 요금제에서 초당 490토큰, 네비우스(Nebius)에서 초당 254토큰이 나왔다. 같은 레시피를 여러 식당이 판매하므로 느린 집을 피하면 그만이다.

큐웬은 사정이 다르다. 아티피셜 애널리시스가 측정한 공급자는 알리바바 클라우드 하나이고, 라이선스에도 조건이 붙는다. Qwen Community License 1.0은 모델을 서비스로 파는 사업자(MaaS)나 AI 업무 비서 사업자에게 별도 라이선스를 받으라고 요구한다. 월간 이용자가 1억명을 넘거나 월매출이 2000만달러(약 274억원)를 넘으면 화면에 모델명을 표시해야 한다.

딥시크 V4.1 플래시는 가장 균형 잡힌 선택지다. 첫 답변까지 10.2초로 다섯 중 가장 빠르고, 출력 속도는 초당 222토큰이며, SaaS 업무 자동화 시험인 AutomationBench-AA에서는 69%로 1위였다. 딥시크 공식 요금표를 보면 평일 피크 시간이 아니면 단가가 절반으로 내려간다. 한국 시간으로 평일 오전 10시~오후 1시, 오후 3시~7시를 뺀 나머지가 할인 구간이다.

딥시크의 GDPval-AA 1600점은 성적으로 읽으면 안 된다. 앞서 본 대로 아티피셜 애널리시스가 기준점으로 고정한 값이다.

벤더가 내건 코딩 점수는 믿어도 되나

오픈AI는 루나를 소개하며 코딩 시험 DeepSWE v1.1에서 max 강도로 66.6%를 받아 “클로드 오푸스 5에 견줄 만하다”(comparable to Claude Opus 5)고 밝혔다. 같은 발표문은 루나가 컴퓨터 사용 시험 OSWorld 2.0에서 GPT-5.6 솔(medium)을 10분의 1 비용으로 넘어섰다고 적었다. 제3자 측정은 다른 그림을 보여준다. Terminal-Bench 4.0에서 루나는 13%, 오푸스 5는 49%로 네 배 가까이 벌어졌다.

어느 쪽이 틀린 것도 아니다. DeepSWE와 Terminal-Bench는 과제도 채점 방식도 다르다. 벤더는 그중 자기에게 유리한 시험을 골라 앞에 내세운다.

시험 버전이 다른 경우도 있다. Z.ai는 GLM-5.3 플래시 모델카드에 Terminal-Bench 2.1 점수 84.3%를 올렸고, 미니맥스(MiniMax)도 M3를 공개하면서 Terminal-Bench 2.1 66%를 내세웠다. 하지만 아티피셜 애널리시스가 쓰는 4.0에서 GLM은 33%, 미니맥스 M3는 2%였다. 작년 모의고사 점수로 올해 본고사를 가늠하기는 어려운 까닭이다.

4.0은 이미 풀렸거나 품질 문제가 있던 과제 8개를 빼고 제한 시간과 채점기를 손본 판이며, 아티피셜 애널리시스는 과제마다 세 번 돌려 평균을 낸다. 모델에 도구를 쥐여 주고 작업을 굴리는 실행 틀인 하네스(harness)도 mini-swe-agent 하나로 통일한다. 같은 판, 같은 방식으로 잰 점수끼리 줄을 세워야 순위가 의미를 갖는다.

플래시와 프로의 경계가 흐려졌다

플래시급 비용으로 더 높은 점수를 내는 모델이 옆 칸에도 있다. 샤오미(Xiaomi)의 미모 V2.6 프로(MiMo-V2.6-Pro)는 이름은 프로인데 과제당 비용이 0.13달러(약 180원)이고 지수는 46점이다. Terminal-Bench 4.0도 35%로 GLM-5.3 플래시보다 높지만, 출력 속도가 초당 43토큰이라 과제 하나에 1444초가 걸린다. 이 모델은 지난 24일 심층 분석에서 실측 벤치마크를 별도로 검증한 바 있다.

반대 방향에서도 경계가 무너졌다. 오픈AI의 상위 모델 GPT-6 솔(GPT-6 Sol)을 medium 강도로 돌리면 지수 40점에 과제당 0.25달러다. 단가는 루나의 20배인데 과제당 출력 토큰이 6000개로 루나의 8분의 1밖에 안 되고, 적게 생각하고 짧게 답해서 비용이 딥시크·GLM과 같은 칸에 들어왔다. 고급 세단을 경제 모드로 몰면 경차만큼 기름을 덜 먹는 이치다.

이 비교에서 뚜렷한 존재감을 드러내지 못한 빅테크도 있다. 바로 앤트로픽(Anthropic)이다. 앤트로픽 모델 목록에서 가장 가벼운 모델은 여전히 2025년 10월에 나온 클로드 하이쿠 4.5(Claude Haiku 4.5)이고, 이 모델의 지수는 17점, Terminal-Bench 4.0은 0%다. 한 단계 위인 클로드 소넷 5(Claude Sonnet 5)도 high 강도에서 32점에 과제당 1.79달러였다.

다음 도전자, 스페이스 버니

아직 점수가 없는 후보가 하나 있다. 지난 23일 오픈라우터(OpenRouter)에 올라온 익명 모델 스페이스 버니 알파(Space Bunny Alpha)다. 입력 100만토큰을 받고 미리보기 기간에는 무료이며, 개발사는 이름을 밝히지 않았다.

정체를 두고는 미니맥스설이 가장 유력하다. 한 독립 연구자가 토큰 수를 세는 시험 24건을 돌렸더니 미니맥스 토크나이저와 전부 일치했다. 토크나이저는 문장을 모델이 읽는 단위로 자르는 도구라서 계열마다 지문처럼 다르다. 미니맥스는 27일 자사 코딩 도구에 M3.1 플래시 프리뷰를 조용히 올렸다. 추론 강도를 low부터 max까지 다섯 단계로 나눴는데, 스페이스 버니도 low부터 max까지 강도를 고르게 되어 있다.

하지만 미니맥스도 오픈라우터도 둘이 같은 모델이라고 확인하지 않았다. 출발점도 낮아서, 현행 미니맥스 M3는 지수 29점으로 플래시급 다섯에 끼려면 적어도 8점을 올려야 한다. 아티피셜 애널리시스 목록에는 스페이스 버니도 M3.1 플래시 프리뷰도 아직 없다.

작업 성격별 추천 조합

작업 환경 우선 권장 모델 선정 근거 실무 주의사항
대량 분류·요약·추출 GPT-6 루나 추론 강도에 따라 32~37점, 과제당 0.03~0.07달러 max 강도 사용 시 첫 답변까지 98초 대기
자율 코딩 에이전트 GLM-5.3 플래시, 딥시크 V4.1 플래시 Terminal-Bench 4.0 33%, 27% 상위권 GLM은 인코·네비우스 등 고속 호스팅 연동 필요
실시간 대화형 서비스 딥시크 V4.1 플래시 첫 답변 10.2초 신속 응답, 초당 222토큰 한국 시간 평일 피크 시간대 요금 확인
지식·정확도 중심 질의 제미나이 3.8 플래시 HLE 48%, AA-Omniscience 30점 압승 2027년 1월 토큰 단가 2배 인상 예고
온프레미스·자체 호스팅 GLM-5.3 플래시, 딥시크 V4.1 플래시 제약 없는 완전 오픈 MIT 라이선스 큐웬은 MaaS 사업 시 별도 라이선스 요구

본문의 수치는 전부 9월 27일 조회값이다. 이 등급은 한 달에 두세 번씩 새 모델이 진입하는 격전지인 만큼, 도입 직전에 실측 리더보드를 다시 확인하는 절차가 필수적이다.

제미나이 3.8 플래시의 단가는 석 달 뒤 두 배가 된다. 스페이스 버니의 점수는 아직 아무도 매기지 않았다.

자주 묻는 질문 (FAQ)
Q. 플래시급 AI 중 과제당 비용이 가장 낮은 모델과 실제 활용 시 유의점은 무엇인가?
A.아티피셜 애널리시스 지능지수 v4.3.2 기준 과제당 비용이 가장 낮은 모델은 GPT-6 루나(max)다. 과제당 0.07달러(약 93원)로 제미나이 3.8 플래시의 18분의 1 수준이다. 다만 max 강도에서는 생각을 속으로 모두 마친 뒤 출력하므로 첫 답변까지 98.2초가 소요된다. 사람이 화면 앞에서 응답을 기다려야 하는 실시간 인터랙션 작업이라면 추론 강도를 high(과제당 0.03달러, 7.0초)로 낮추는 편이 현실적이다.
Q. 지능지수가 가장 높은 모델은 어느 것이며, 5종 간의 격차는 어느 정도인가?
A.9월 27일 조회 기준 Z.ai의 GLM-5.3 플래시가 42점으로 가장 높다. 이어 제미나이 3.8 플래시 41점, 큐웬3.8 플래시 넥스트 40점, 딥시크 V4.1 플래시 39점, GPT-6 루나 37점 순이다. 1위와 5위 사이의 지능지수 격차는 불과 5점에 불과해 범용 추론 성능은 매우 촘촘하게 맞붙어 있다.
Q. 코딩 에이전트로 활용할 때 왜 GLM-5.3 플래시의 인프라 공급자 선정이 중요한가?
A.GLM-5.3 플래시는 실제 터미널 작업을 수행하는 Terminal-Bench 4.0에서 33%로 플래시급 1위를 기록했다. 하지만 아티피셜 애널리시스 기본 벤치마크 기준 출력 속도는 초당 53토큰으로 느린 편이다. 다행히 가중치를 공개한 오픈웨이트(MIT 라이선스) 모델이므로 인코(초당 490토큰)나 네비우스(초당 254토큰) 같은 고속 호스팅 업체를 선별해 연동하면 긴 대기 시간 문제를 효과적으로 해결할 수 있다.
Q. 구글 제미나이 3.8 플래시를 장기 프로덕션에 도입할 때 고려할 점은 무엇인가?
A.제미나이 3.8 플래시는 초당 278토큰의 빠른 출력과 HLE 48%, AA-Omniscience 30점 등 압도적인 지식 신뢰도를 자랑한다. 다만 현재도 플래시급 중 가장 비싼 과제당 1.24달러이며, 구글이 2027년 1월 1일부터 입력과 출력 토큰 단가를 두 배로 인상하겠다고 예고한 상태다. 따라서 호출 빈도가 높은 대규모 파이프라인이라면 토큰 소비량 예측과 비용 예산을 사전에 면밀히 산정해야 한다.
Q. 익명 모델 스페이스 버니 알파는 미니맥스 차세대 모델인가?
A.공식적으로 확인되지 않았다. 24건의 토크나이저 일치 검사 결과 미니맥스 계열과 정확히 일치했고, 미니맥스가 자사 코딩 도구에 유사한 추론 단계(low~max)를 지닌 M3.1 플래시 프리뷰를 탑재한 정황은 있다. 그러나 미니맥스와 오픈라우터 모두 공식 입장을 밝히지 않았으며, 벤치마크 평가 기관의 공식 실측치도 아직 발표되지 않은 상태다.

RELATED ARTICLES

RECOMMENDED STORIES