투자금과 참여 투자자가 보여주는 신호

OpenAI나 Anthropic 같은 고가의 상용 LLM을 도입한 기업들은 매달 청구되는 토큰 비용의 부담을 직접적으로 겪는다. 사용량이 늘어날수록 비용이 기하급수적으로 증가하는 구조에서 모델의 성능만큼이나 비용 효율성은 기업의 생존 전략이 됐다. 이 시점에 데이터브릭스(Databricks, 데이터 및 AI 플랫폼)의 기업 가치가 1,880억 달러로 평가받았다.

이번 가치 평가는 코튜(Coatue, 투자사)가 주도한 새로운 펀딩 라운드를 통해 이뤄졌다. 정확한 조달 금액은 공식적으로 공개되지 않았으나, 일부 매체는 이번 라운드 규모가 약 30억 달러에 달한다고 보도했다. 이는 거대 자본이 단순한 모델 개발을 넘어 데이터 관리와 AI 최적화 영역에 집중하고 있다는 신호다.

비용을 결정하는 요소는 단순히 어떤 모델을 쓰느냐의 문제만이 아니다. 모델을 감싸고 프롬프트의 컨텍스트와 지침을 관리하는 에이전틱 코딩 도구인 하네스(Harness)의 선택이 실제 운영 비용에 큰 영향을 미친다. 특히 오픈 소스 하네스인 Pi는 품질 저하 없이 각 프롬프트를 둘러싼 컨텍스트를 효율적으로 관리함으로써 비용을 낮추는 최적의 선택지 중 하나로 꼽혔다. 하네스가 컨텍스트를 어떻게 관리하느냐에 따라 동일한 모델을 쓰더라도 최종 청구 비용이 달라지기 때문이다.

기업은 이제 상용 모델이 제공하는 편의성과 오픈 모델 및 최적 하네스 조합이 만들어내는 비용 효율성을 구체적으로 비교해 도입 전략을 짜야 한다. 단순히 모델의 파라미터나 벤치마크 성능 지표를 확인하는 단계를 넘어, 어떤 하네스로 컨텍스트를 관리하느냐가 AI 운영 비용을 결정하는 실질적인 판단 기준이 됐다.

내부 벤치마크 결과, 특정 코딩 작업에서 오픈 모델이 독점

비싼 모델이 반드시 더 높은 성능을 보장한다는 믿음은 이제 위험하다. 데이터브릭스가 실시한 내부 벤치마크 결과, 특정 코딩 작업에서 오픈 모델이 독점 모델보다 비용 효율적인 것으로 확인됐다. GLM 5.2(오픈 소스 기반의 대규모 언어 모델)를 포함한 오픈 모델들은 최고 난이도의 코딩 작업까지 충분히 처리할 수 있는 능력을 갖췄다. 동시에 Anthropic이나 OpenAI의 독점 모델을 사용할 때보다 전체 운영 비용을 더 낮게 유지하는 결과가 도출됐다. 복잡한 로직 구현 단계에서도 오픈 모델이 경제적 우위를 점할 수 있다는 사실이 구체적인 벤치마크 수치로 드러난 지점이다.

데이터브릭스는 2024년 12월 620억 달러였던 기업 가치를 2025년 9월 1,000억 달러까지 끌어올리며 가파른 성장세를 보였다. 이어 올해 2월에는 50억 달러 규모의 Series L(후기 단계 투자 라운드) 투자를 마무리하며 1,340억 달러의 기업 가치를 인정받는 데 성공했다. 약 1년 반이라는 짧은 기간 동안 기업 가치가 두 배 이상 급등하며 시장의 신뢰를 입증했다. 모델의 소유권이나 브랜드 인지도보다 실제 운용 비용과 성능의 균형을 잡는 실용적 접근이 자본 시장에서 높은 가치로 평가받은 결과다.

확인해야 할 핵심 지점

비용 최적화라는 경영진의 지시가 모델 선택의 기준을 바꿨다. OpenAI나 Anthropic 같은 고가의 상용 LLM을 도입할 때 겪는 토큰 비용 부담은 기업이 직면한 실질적인 문제다. 데이터브릭스는 새로운 펀딩 라운드를 통해 기업가치 1,880억 달러를 기록하며 기존의 빅데이터 기업 이미지에서 AI 제공업체로의 전환을 공식화했다. 이들은 비용 관리를 위해 저렴한 중국 기반의 오픈 웨이트(모델의 가중치 값이 공개된 형태) 모델을 도입하는 2026년의 트렌드를 적극적으로 따르고 있으며, 그 결과 해당 모델을 채택한 대표적인 기업 사례로 알려지게 되었다. 특히 코딩 모델 분야에서는 Z.ai의 GLM 5.2를 지지하며 비용 효율적인 대안을 구체적으로 제시한다.

단순한 모델 선택을 넘어 프롬프트 컨텍스트를 관리하는 하네스(모델의 입출력을 제어하는 틀)가 전체 비용에 미치는 영향이 결정적이다. 데이터브릭스는 이를 위해 AI 에이전트 전용 데이터베이스인 Lakebase와 AI 게이트웨이인 Unity를 잇달아 출시하며 제품군을 확장했다. 여기에 여러 에이전트를 통합 관리하는 메타 하네스 Omnigent를 더해 전용 AI 제품군을 구축하며 기업의 정체성을 재구축하는 데 성공했다. 이제 기업은 고가의 상용 모델을 그대로 쓰는 대신, 오픈 모델과 최적의 하네스 조합이 만들어내는 실제 비용 효율성을 기준으로 AI 도입 여부를 판단하게 된다.

OpenAI나 Anthropic 같은 고가 상용 LLM의 토큰 비용 부담은 모델 선택의 기준을 성능에서 비용 효율로 강제 이동시켰다. 데이터브릭스가 1,880억 달러의 기업가치를 기록한 것은 모델 자체보다 프롬프트 컨텍스트를 관리하는 하네스가 운영 비용의 실질적 변수라는 점을 시장이 인정했기 때문이다. 결국 AI 도입의 성패는 상용 모델의 명성이 아니라 오픈 모델과 최적 하네스 조합이 내놓는 실제 비용 효율성 수치로 판가름 난다.