AI 성능별 이용 비용이 1년마다 약 10분의 1로 낮아졌다

AI 모델의 성능 수준을 같게 맞췄을 때 이용 비용이 대체로 1년마다 약 10분의 1로 줄었다는 분석이 나왔다. 2026년 10월 기준 네 가지 벤치마크를 비교한 결과이며, 오래된 성능 수준에서는 비용 하락이 둔화하는 사례도 확인됐다.

분석은 성능별 비용 하락 속도를 네 가지 기준으로 계산했다.

Humanity’s Last Exam(HLE)은 여러 분야의 전문가가 작성한 어려운 질문으로 모델을 평가한다. 글은 2025년 1월 출시된 o3-mini가 HLE에서 12%를 기록했고, 토큰 100만 개당 가격은 1.93달러였다고 설명한다. 그로부터 1년이 조금 지난 뒤 DeepSeek V4 Flash가 비슷한 수준의 성능을 토큰 100만 개당 약 18센트에 제공해, 비용이 11분의 1로 낮아졌다는 사례를 들었다.

다만 2026년 9월에도 MiMo V2.6 Flash의 가격은 약 18센트였다. 글의 계산에 따르면 이는 약 1.7년 동안 11분의 1로 낮아진 데 그친 것으로, 같은 기간에 약 50분의 1이 될 것으로 예상하는 규칙보다 느린 하락이다. 글은 이미 저렴해진 오래된 성능 수준을 더 낮은 비용으로 제공하는 데 시장이 관심을 두지 않아 하락세가 완만해질 수 있다고 추정한다.

Arena Elo는 모델 답변을 두 개씩 비교해 사람들이 선호하는 답변을 측정한다. 이 기준에서는 10분의 1 하락에 1.3년이 걸렸다. 대학원 수준의 과학 문제를 다루는 GPQA Diamond는 1.2년, 터미널 작업 수행 능력을 측정하는 Terminal-Bench는 0.8년으로 계산됐다.

비용 계산에는 입력 토큰과 출력 토큰의 비율을 3대 1로 적용했고, 캐싱은 포함하지 않았다. 분석에 사용한 차트 데이터, 날짜별 가격과 출처, 계산 결과도 공개돼 있다.

글은 이 추세를 ‘리의 법칙(Lee’s Law)’이라 부르자고 제안한다. 카이푸 리가 2024년 5월 추론 비용이 매년 10분의 1로 낮아질 것이라고 예측한 사례를 가장 이른 예측으로 들면서도, 샘 올트먼이 이 생각과 ‘측정하기 어려울 만큼 저렴한 지능’이라는 표현을 널리 알렸다는 점에서 ‘올트먼의 법칙’이라 부를 근거도 있다고 덧붙였다. 글은 반도체 칩의 트랜지스터 수가 2년마다 두 배가 된다는 무어의 법칙과 비교해, 리의 법칙은 개선 속도가 7배 빠르다고 주장한다.