← AP News 목록
NO. 51 · 인사이트

토큰 열 개 중 일곱은 오픈 웨이트 모델로 간다 — 허깅페이스는 자기 추론 라우팅을 OpenRouter에 넘기며 「오픈 웨이트 비중 26.8%→71.7%, 값은 닫힌 모델의 4분의 1」이라는 라우터 통계를 공개했고, 메타는 가장 작은 모델 칸에 「같은 값, 과제당 비용은 3분의 1」을 들고 왔고, 로컬 실행기 llama.cpp는 3년 반 만에 1.0이 됐다

허깅페이스는 11월 16일 공식 블로그에 언어 모델 추론 라우팅을 OpenRouter로 옮긴다고 적으며 OpenRouter가 센 숫자를 공개했습니다 — 오픈 웨이트 모델이 차지하는 토큰 비중이 2025년 10월 26.8%에서 2026년 9월 말 71.7%로 올랐고, 평균 단가는 닫힌 모델의 약 4분의 1(회사 측정)이라는 것입니다. 우리는 OpenRouter 순위표를 직접 열어 이번 주 토큰 상위 4개가 모두 중국 회사 모델임을 확인했습니다. 다만 두 회사 모두 올여름·초가을에 스트라이프(OpenRouter)와 엔비디아(허깅페이스)가 인수에 합의했다고 발표한 회사이고, 11월 16일 글에는 그 사실이 적혀 있지 않습니다. 메타는 11월 9일 「가장 작은 모델」 Muse Ember를 100만 토큰당 0.10/0.50달러에 냈고, 독립 평가(Artificial Analysis) 과제당 비용은 0.14달러로 같은 값표의 Claude Haiku 5.5(0.41달러)의 약 3분의 1이었습니다. 로컬 실행기 llama.cpp는 11월 13일 1.0.0을 내며 「API가 깨지면 메이저 번호를 올린다」고 약속했습니다. 셋을 「토큰이 값표를 따라 흐른다 — 그런데 그 값표를 누가 재고 누가 소유하나」로 묶었습니다.

이 글은 AI(Claude)와 함께 작성했고 편집자가 검수했습니다. 우리 회사는 앤트로픽과 OpenAI 두 회사의 유료 고객이고 구글 모델도 시험에 씁니다. 이 글을 쓴 AI를 만든 앤트로픽의 모델이 이번 소식의 비교 기준으로 세 번 나옵니다 — 허깅페이스 글은 Kimi K3.1 Pro의 점수·비용을 Claude Fable 5.2와 나란히 적었고, 메타는 Muse Ember를 Claude Haiku 5.5와 비교했고, OpenRouter 순위표 6위가 Claude Opus 5.5입니다. 그래서 어느 모델에도 평가를 보태지 않고 발표된 숫자와 문장만 옮겼습니다. 회사가 발표한 수치는 「회사가 발표한 것」으로, 플랫폼이 자기 트래픽에서 센 수치는 「그 플랫폼의 측정」으로 표시했고, 출처가 한 곳뿐인 내용은 그 출처를 함께 적었습니다. 글에 나오는 인수 소식은 보도된 사실만 옮겼으며 이 글은 특정 기업에 대한 투자 의견이 아닙니다.

NO.48에서 「모델을 바꾸는 데 몇 주가 걸린다」를, NO.46에서 「토큰 값이 아니라 과제 값으로 읽자」를, NO.41에서 「오픈 웨이트라는 한 단어 아래 라이선스 조건은 셋」을 적었습니다. 이번 소식 셋은 그 숫자들이 어디로 흘렀는지를 보여 줍니다 — 라우터를 지나는 토큰 열 개 중 일곱이 오픈 웨이트 모델로 가고, 가장 작은 모델 칸에 같은 값표를 든 새 선수가 들어왔고, 그 모델을 자기 컴퓨터에서 돌리는 도구가 1.0이 됐습니다. 사실·해석·우리라면으로 나눠 적습니다.

1. 허깅페이스 → OpenRouter — 라우팅을 넘기며 공개한 「오픈 웨이트 71.7%」 (사실, 회사 발표·플랫폼 측정)

허깅페이스는 11월 16일 공식 블로그에 「Hugging Face and OpenRouter join forces to make open-weight models easy to run」을 올렸습니다. 직접 읽었습니다. 내용은 둘입니다. 하나는 제품 변경 — 허깅페이스의 「Inference Providers」에서 언어 모델 요청의 라우팅을 자기 라우터에서 OpenRouter 라우터로 옮깁니다. 허브에 있는 오픈 웨이트 모델을 어느 공급자가 서빙하든 허깅페이스 토큰 하나로 부르고, 요청마다 OpenRouter가 값·속도·안정성으로 공급자를 고르고, 실패하면 다른 공급자로 다시 보냅니다(전에는 그 공급자의 오류가 그대로 돌아왔다고 적었습니다). 모델 이름 뒤에 `:fastest`·`:cheapest`나 공급자 이름을 붙여 고를 수 있고, 대화마다 같은 ID를 헤더(`X-HF-Session-Id`)로 보내면 프롬프트 캐시를 가진 공급자에 붙여 둡니다. OpenAI의 Chat Completions·Responses 형식과 앤트로픽의 Messages 형식을 받고, Claude Code·Codex·OpenCode 등 코딩 도구 설정 안내가 붙어 있습니다. 깨지는 변경이 하나 있습니다 — 언어 모델에는 자기 공급자 API 키를 더 못 씁니다(이미지·영상 키는 그대로). 값은 공급자 값 그대로이고 허깅페이스 쪽 추가 수수료는 없다고 적었고, 설정에서 특정 공급자를 끄면 라우터가 그곳엔 보내지 않습니다. 이미지·영상·음성 생성은 이번 변경에서 빠져 있습니다.

다른 하나는 숫자입니다. 모두 OpenRouter가 자기 트래픽에서 센 것입니다. 오픈 웨이트 모델이 차지하는 토큰 비중이 2025년 10월 26.8% → 2026년 9월 말 71.7%(7월 최고 77.5%)이고, 같은 기간 주간 오픈 웨이트 토큰 양은 60배 이상, 닫힌 모델은 약 10배 늘었습니다. 이번 주 가장 많이 쓰인 모델은 DeepSeek V4.1 Flash 1017로 59.2조 토큰. 평균 단가는 오픈 웨이트가 100만 토큰당 입력 0.28·출력 1.62달러, 닫힌 모델이 1.27·6.36달러 — 약 4배 차이입니다. 글은 Artificial Analysis 지능 지수를 인용해 오픈 웨이트 1위 Kimi K3.1 Pro가 46점·과제당 3.68달러, 전체 1위 Claude Fable 5.2가 65점·26.54달러라고 나란히 적었습니다(우리가 11월 18일 AA 순위표를 직접 열어 같은 숫자를 확인했습니다 — 19점 차이에 비용은 약 7배). OpenRouter의 규모는 월 800조 토큰 이상·이용자 1,000만 명 이상·모델 600개 이상·공급자 80곳 이상, 라우터를 다시 짠 뒤 용량 오류 46% 감소·첫 토큰까지 시간 16.9% 개선·처리량 16.3% 증가(OpenRouter 측정). 글에는 직접 인용문이 없고 허깅페이스 직원 여러 명의 이름으로 나왔습니다.

우리는 OpenRouter 순위표(openrouter.ai/rankings)를 11월 18일 직접 열었습니다. 11월 16일까지의 주간 토큰 상위 10개는 DeepSeek V4.1 Flash 1017(61.2조)·텐센트 Hy4(16조)·DeepSeek V4.1 Flash(15.5조)·Z.ai GLM 5.3 Flash(11.8조)·GPT-6 Luna(8.08조)·Claude Opus 5.5(7.37조)·StepFun Step 5 Preview(6.36조)·샤오미 MiMo-V2.6-Flash(4.16조)·GLM 5.3(3.74조)·GPT-6.1 Sol(3.71조)입니다. 상위 4개가 모두 중국 회사 모델이고, 미국 모델은 5·6·10위에 있습니다. 1위 숫자가 블로그 글(59.2조)과 순위표(61.2조)에서 조금 다른 것은 집계 시점 차이로 보이지만 확인하지 못했습니다. 순위표 텍스트에는 총량과 오픈/클로즈 비중 숫자가 없었습니다. 배경으로, OfficeChai(6월 26일)가 옮긴 블룸버그 차트(OpenRouter·Exponential View 자료)는 구글·OpenAI·앤트로픽 세 회사의 토큰 비중을 2025년 6월 약 70% → 2026년 6월 약 30%로 적었습니다(근사치, 방법론 없음).

여기서 적어 둘 것이 하나 있습니다. 두 회사는 모두 올해 인수 발표가 있었던 회사입니다. 로이터(8월 19일)는 스트라이프가 OpenRouter 인수에 합의했다고 보도했고(가격 비공개, 소식통 「80억 달러 조금 넘음」; 위키피디아는 블룸버그·WSJ의 「70억 달러 이상」을 옮김), 스트라이프 CEO는 「토큰은 AI로 만드는 회사들의 중심 통화」라고 말했습니다. 엔비디아는 9월 4일 허깅페이스를 129억 달러에 인수한다고 발표했고(Fortune·Advanced Television, 「합의」 단계로 보도, 종결 여부는 우리가 확인하지 못함), 젠슨 황은 블로그에서 「허깅페이스는 전체 AI 생태계에 열린 플랫폼으로 남고, 엔비디아 컴퓨트를 꼭 써야 하는 것은 아니다」라고 적었습니다(Advanced Television 인용). 11월 16일 글에는 두 인수 모두 언급이 없습니다. 로이터 기사의 OpenRouter 규모(하루 10조 토큰·개발자 1,000만)와 위키피디아의 회사 주장(월 400조 토큰)은 11월 글(월 800조)과 시점이 달라 그대로 두었습니다.

2. 메타 Muse Ember — 가장 작은 칸에 「같은 값, 과제당 3분의 1」 (사실, 회사 발표·독립 평가)

메타 AI 연구 블로그(11월 9일)의 「Introducing Our Smallest, Most Efficient Model: Muse Ember」를 직접 읽었습니다. 용도는 「복잡한 추론의 실행과 에이전트가 하루 종일 반복하는 일」 — 도구 호출·코딩 하위 작업·라우팅·추출·긴 문서 파싱입니다. 값은 100만 토큰당 입력 0.10·캐시 입력 0.004·출력 0.50달러, 20만 토큰을 넘는 프롬프트는 0.30·0.012·1.50달러. 컨텍스트 100만 토큰, 출력 최대 51만 2,000토큰. Meta Model API(`muse-ember-1.0`)·Muse Code·구글 클라우드·오라클 클라우드에서 쓸 수 있습니다. 회사 표는 최대 추론 단계 기준으로 GPT-6 Luna·Claude Haiku 5.5와 비교합니다 — AutomationBench-AA 37.8% vs 20.2%/13.9%, Terminal-Bench 4.0 40.9% vs 16.4%/39.2%, OSWorld 2.1 69.5% vs 50.5%/68.9%, FrontierCode 2.0-AA는 27.2% vs 25.2%/34.9%로 Haiku가 앞섭니다. Artificial Analysis 지능 지수 36은 「Haiku 5.5와 동점, Luna(28)보다 위」, 그리고 「Haiku 5.5의 최고 점수를 약 3분의 1 비용으로 맞췄다」는 것이 회사의 요약 문장입니다. 자기 상위 모델 Muse Spark 1.3(지수 37, 과제당 약 2.39달러)과는 1점 아래·비용 약 17분의 1. 여러 벤치마크가 내부 측정이고 일부는 특정 하네스·부분 점수를 쓴다고 글 스스로 적었습니다. 출시 전 「Meta Superintelligence Scaling Framework」로 화학·생물·사이버·통제 상실 위험을 평가해 고위험 문턱 아래였고, 에이전트 행동 평가(웹페이지·도구 출력에 숨은 지시 거부, 영향 큰 행동 전 사람에게 묻기)를 거쳤다고 적었습니다. 오픈 웨이트 언급은 없습니다.

독립 평가 쪽을 직접 열었습니다. Artificial Analysis의 Muse Ember 페이지는 지능 지수(v5.0.1) 최대 단계 36(동급 36개 중 2위)·xhigh 34, 과제당 0.14달러, 출력 속도 449토큰/초, 과제당 3.1분으로 적었습니다(동급 중앙값은 지능 24·단가 0.24/0.83달러). AA 전체 순위표(11월 18일)는 Claude Haiku 5.5 Max 36점·과제당 0.41달러, GPT-6 Luna Max 28점·0.15달러, DeepSeek V4.1 Flash 1017 Max 33점·0.60달러, Muse Ember Max 36점·0.14달러 — 메타의 「3분의 1」은 이 표의 0.14 대 0.41과 맞습니다. 사이먼 윌리슨(11월 10일)이 짚은 것은 값표입니다 — Ember·Luna·Haiku 5.5 셋 다 짧은 프롬프트 값이 0.10/0.50달러로 같고, 다른 것은 「긴 프롬프트」의 문턱(20만/27만 2,000/10만 토큰)과 그 뒤 값(Haiku는 0.50/2.50달러)입니다. 그래서 그는 「토큰 단가는 약한 비교다 — 같은 과제에 쓰는 토큰 수가 모델마다 다르다」고 적고 AA의 과제당 비용(Ember xhigh 약 0.12·max 0.14, Haiku xhigh 약 0.25, Luna xhigh 약 0.10달러)을 그래프로 옮겼습니다. 그의 시험에서는 추론 단계 여섯 개 가운데 「high」가 SVG를 끝까지 못 냈고, 단계가 결과 품질을 깨끗하게 예측하지 않았다고 적었습니다. Ember의 가중치 공개 여부는 메타 글·AA 페이지·윌리슨 글 어디에도 없습니다.

3. llama.cpp 1.0.0 — 로컬 실행기가 「깨지면 번호를 올린다」고 약속했다 (사실, 프로젝트 발표)

ggml-org가 허깅페이스 블로그(11월 13일)에 올린 「Hot llama.cpp v1.0.0: A stronger foundation for the local AI ecosystem」을 직접 읽었습니다. llama.cpp는 LLM을 자기 컴퓨터(노트북·서버·휴대기기)에서 돌리는 C/C++ 실행기이고, 첫 커밋에서 약 3년 반 만에 라이브러리 두 개(`libllama`·`libggml`)에 1.0.0을 붙였습니다. 약속은 시맨틱 버전 — 공개 C API를 깨는 변경은 메이저 번호, 호환되는 기능·새 모델 지원은 마이너, 버그 수정은 패치로 올립니다. 지원 모델 아키텍처 150종 이상, 주류 추측 디코딩 방법 지원, 배포는 Docker·Debian·Homebrew·conda-forge·MacPorts·Winget·XCFramework, CI는 허깅페이스 Buckets·Jobs와 엔비디아·AMD·퀄컴·Arm·IBM·인텔이 제공하는 자체 호스팅 러너로 돈다고 적었습니다. 글에 깃허브 스타 수·다운로드 수·기여자 수·라이선스는 없고(우리는 저장소를 열지 않았습니다), 댓글에는 아주 긴 프롬프트의 처리 속도가 아직 과제라는 지적과 「리눅스 데스크톱 앱은 없나」는 질문이 있었습니다(글이 적은 데스크톱 앱은 macOS·Windows).

세 가지를 함께 읽으면 (해석)

첫째, 토큰은 점수표가 아니라 값표를 따라 흐릅니다 — 다만 「어느 문을 지나는 토큰」인지 적어야 합니다. 71.7%는 OpenRouter라는 한 라우터를 지나는 토큰의 비중입니다. 모델 회사와 직접 계약한 기업의 토큰, 클라우드 안에서 도는 토큰은 이 숫자에 없습니다. NO.16에서 「어떤 AI를 제일 많이 쓸까 — 숫자가 서로 다른 이유」를 적었는데, 램프의 법인카드 결제 데이터(NO.47: 미국 기업의 결제 기준 앤트로픽 44.8%·OpenAI 40.6%)와 OpenRouter의 토큰 데이터(상위 4개가 중국 모델)는 같은 달의 같은 시장을 다른 문에서 본 것입니다. 둘이 다 맞을 수 있습니다 — 하나는 「누가 돈을 내나」, 하나는 「어느 모델이 토큰을 먹나」입니다. 그리고 토큰 양과 돈은 다릅니다(NO.43의 「토큰 양 37%↑·지출 9%↑」). 허깅페이스 글이 적은 평균 단가(오픈 0.28/1.62·닫힌 1.27/6.36달러)를 그대로 놓고 아주 거칠게 셈하면, 토큰의 71.7%가 오픈 웨이트라도 돈으로는 절반을 넘지 않을 가능성이 큽니다(우리 계산, 입력·출력 비율을 모르니 자릿수만 보는 수준 — 숫자 자체를 옮기지 마세요). 즉 「7할」은 양의 7할이지 매출의 7할이 아닙니다.

둘째, 가장 작은 칸은 값표가 같아서 값표로는 고를 수 없는 칸이 됐습니다. Ember·Luna·Haiku 5.5의 짧은 프롬프트 값은 셋 다 0.10/0.50달러입니다. 다른 것은 과제당 비용(0.14·0.15·0.41달러, AA)과 긴 프롬프트 문턱(20만·27만 2,000·10만 토큰)과 점수(36·28·36)입니다. NO.46에서 「토큰 값≠과제 값」을 Hydrogen과 Flash로 적었는데, 이번엔 값이 같은 세 모델이 과제당 비용에서 3배 갈립니다 — 같은 일에 쓰는 토큰 수가 다르기 때문이고, 그 수는 제조사가 아니라 독립 평가와 우리 자신의 기록에서만 나옵니다. 메타의 「3분의 1」이 AA 표와 맞는 것은 좋은 신호지만, AA의 과제당 비용은 AA 자기 평가 세트에서의 값이라 우리 일에서 같은 비율이 나온다는 뜻은 아닙니다(NO.21). 「FrontierCode는 Haiku가 앞선다」는 지는 칸을 회사 표가 그대로 둔 것도 적어 둡니다 — NO.44의 앤트로픽 표처럼, 지는 칸이 있는 표가 없는 표보다 읽을 만합니다(해석).

셋째, 숫자를 내는 플랫폼의 주인이 바뀌었습니다. 오픈 웨이트 71.7%를 센 OpenRouter는 결제 회사가, 그 숫자를 공개한 허깅페이스는 칩 회사가 인수에 합의했다고 발표한 회사입니다. 두 회사 어느 쪽도 그 숫자를 왜곡했다는 근거는 없고 우리도 그렇게 적지 않습니다 — 다만 「중립 장터라서 깨끗한 신호」(OfficeChai 6월 기사의 표현)라는 설명은 이제 한 줄이 더 필요합니다: 「결제 회사가 소유한 장터」. 황이 「열린 플랫폼으로 남는다·엔비디아 컴퓨트 필수 아님」이라고 적은 것은 그 질문에 대한 답이고, 허깅페이스 글의 깨지는 변경(「자기 공급자 키를 더 못 쓴다」)과 「공급자를 끌 수 있다」는 토글은 같은 질문의 작은 판입니다 — 라우터가 고르면 편하고, 대신 누가 고르는지를 내가 못 봅니다. 그 반대편에 llama.cpp 1.0이 있습니다. NO.48에서 「모델 바깥에 둔 것만 다음 모델로 넘어간다」고 적었는데, 모델을 돌리는 실행기도 「바깥에 둔 것」이고, 1.0은 그 바깥 상자의 API가 적어도 메이저 번호 안에서는 안 깨진다는 약속입니다. 세 소식은 결국 같은 선택지 셋입니다 — 라우터에 맡기기, 제조사 API로 직접 부르기, 내 컴퓨터에서 돌리기 — 그리고 셋의 차이는 값이 아니라 「누가 고르나·데이터가 어디로 가나·깨질 때 누가 고치나」입니다.

우리라면 — 커머스·앱·AI 인플루언서를 운영하는 팀이 이번 주에 할 세 가지 (실전)

  1. 모델 비용표에 「경로」 열을 넣는다. NO.46에서 만든 「과제당 비용」 열 옆에, 그 모델을 어느 문으로 부르는지 — 제조사 API 직접 / 라우터(OpenRouter·허깅페이스 Inference Providers 등) / 로컬(llama.cpp) — 를 적고, 각 경로에 세 칸을 붙입니다: 공급자를 누가 고르나(우리·라우터), 프롬프트·응답이 어느 회사 서버를 지나나(라우터는 공급자 목록을 적어 둠), 자기 키를 쓸 수 있나(허깅페이스는 11월 16일부터 언어 모델엔 불가). 라우터를 쓰는 작업이 있으면 「끄는 공급자」 목록을 설정에서 실제로 저장하고 날짜를 적습니다. 성분표 판정(NO.03)처럼 손님 데이터가 든 요청은 「공급자를 우리가 고르지 않는 경로」로 보내지 않는 것을 규칙 한 줄로.
  2. 가장 작은 칸 세 모델을 같은 20건으로 재 본다. 리아 대본의 짧은 교정·커머스 문의 분류·성분표 항목 추출 가운데 반복이 많은 작업 20건을 Muse Ember·Claude Haiku 5.5·GPT-6 Luna에 같은 추론 단계로 돌리고, 완료 건수·실제 입력/출력 토큰 수·과제당 비용·걸린 시간을 적습니다(NO.48의 「모델 교체 리허설」 4칸과 같은 표). 표 머리에 세 모델의 긴 프롬프트 문턱(20만/10만/27만 2,000)을 적어 두면, 우리 프롬프트가 어느 문턱을 넘는지 바로 보입니다. AA의 0.14/0.41/0.15달러는 「참고값」 칸에 — 우리 숫자가 나오면 그 옆에 둡니다.
  3. 로컬 1.0 시험 하나를 정한다. llama.cpp 1.0.0으로 오픈 웨이트 소형 모델 하나를 사무용 컴퓨터에서 띄우고, 성분표 판정 가운데 개인정보가 섞이는 질문(알레르기·복용 약) 20건이 밖으로 나가지 않고 처리될 수 있는지를 봅니다 — 판정 품질·응답 시간·우리가 감당할 기기 사양을 적습니다. NO.48의 「모델 바깥 상자」에 실행기 이름과 버전 칸(llama.cpp 1.0.x)을 추가합니다. 결과가 나쁘면 나쁘다고 적습니다 — 이 시험의 목적은 로컬로 옮기는 것이 아니라 「옮길 수 있는 일과 없는 일」의 경계를 숫자로 갖는 것입니다.

이번에 고르지 않은 것

OpenAI가 11월 16일 올린 글 셋 — 학술 연구자 파일럿 분석(1,819명·58만 186개 메시지·「AI 없으면 1.9배 걸렸을 것」 자기 보고), 연구자 프로그램 20만 명 확대(11월 23일 5만 그랜트), ChatGPT for Healthcare(의사 블라인드 평가 1,300건 이상) — 은 AI-Weekly(11월 17일) 요약으로만 보았고 openai.com이 우리 쪽에서 열리지 않아 쓰지 않았습니다(NO.40의 METR 「1.9배」와 같은 숫자가 나온 점은 후속 후보). 엔비디아 3분기 실적(11월 17일)과 CEO 교체 관련 보도는 투자·개인 영역이라 쓰지 않습니다. 앤트로픽 뉴스룸의 11월 17일 항목은 제목이 뜨지 않았고 검색에 보이는 같은 날 소식은 상장 관련이라 쓰지 않습니다(이해관계·투자). 사이먼 윌리슨의 llm 0.37.2(API 키가 다른 공급자로 새는 결함 수정)는 보안 사안이라 제목만 둡니다. Fireworks AI·Notion 보안 사고(AI-Weekly)도 제목만. 오클랜드시 노조의 「AI로 자리가 바뀌면 해고 대신 재교육·재배치」 조항(AI-Weekly)은 원문을 열지 않았습니다. 허깅페이스의 「Decision Models」 범주 추가(11월 10일)는 NO.47 Decisions API 후속 후보로 둡니다. OpenAI 뉴스 목록은 이번에도 열리지 않았고, Google AI Blog·Axios는 구버전 목록이 계속됩니다.

이 소식에서 확인하지 못한 것

  • 71.7%·4배·800조·1,000만·46%·16.9%·16.3%는 모두 OpenRouter가 자기 트래픽에서 센 수치이고 독립 검증은 없습니다. 「이번 주 1위 59.2조」(블로그)와 순위표의 61.2조가 다른 이유는 확인하지 못했습니다. 순위표의 총량·오픈/클로즈 비중 숫자는 텍스트에 없었습니다.
  • 스트라이프–OpenRouter 인수 가격은 비공개이고 「80억 달러 조금 넘음」은 로이터 소식통, 「70억 달러 이상」은 블룸버그·WSJ(위키피디아 경유)입니다. 엔비디아–허깅페이스 129억 달러는 발표 수치이고 두 거래의 종결 여부는 확인하지 못했습니다. 황의 「열린 플랫폼」 문장은 Advanced Television이 블로그를 인용한 것으로 블로그 원문은 열지 않았습니다.
  • 블룸버그 차트의 「70%→30%」는 OfficeChai가 옮긴 근사치이고 방법론을 보지 못했습니다.
  • 메타의 벤치마크 수치는 회사 표이고 일부는 내부 벤치마크·특정 하네스·부분 점수입니다. 「3분의 1」은 AA 표와 맞지만 AA의 과제당 비용은 AA 평가 세트 기준입니다. Ember의 가중치 공개 여부는 어디에도 없었습니다. 윌리슨의 Haiku xhigh 0.25달러와 AA 순위표의 Haiku Max 0.41달러는 추론 단계가 달라 그대로 두었습니다.
  • llama.cpp 글에는 스타·다운로드·기여자 수·라이선스가 없고 우리는 저장소를 열지 않았습니다.
  • 해석의 「돈으로는 절반을 넘지 않을 가능성」은 허깅페이스 글의 평균 단가로 한 우리의 거친 셈이고, 입력·출력 비율을 모르는 추정입니다.
  • 어느 회사의 발표도 우리가 직접 시험하거나 세어 본 것은 없습니다.

함께 읽은 글

성격이 다른 출처를 직접 열어 확인했습니다. 회사 발표·공식 문서, 독립 평가·데이터, 매체 보도, 개인 블로그, 위키, 우리 이전 글을 나눠 적습니다.

회사 발표·공식 문서:

독립 평가·데이터:

매체 보도:

개인 블로그:

위키:

우리 이전 글:

← 「해도 되는 일」을 에이전트가 오기 전에 적어 두는 세…「중간 칸」 Gemini 4 Neon이 나왔고, 점수표… →