메타의 AI 컴퓨팅 자원: 새로운 AI 개발 비용 절감 기회가 될까?

고지 — 이 글에는 제휴 마케팅 링크가 없습니다. 소개하는 어떤 서비스와도 금전 관계가 없고, 링크는 전부 출처 확인용입니다.
기준 시점 — 이 글의 모든 가격·스펙·지역 제한은 2026년 8월 31일 확인 기준입니다. LLM 단가와 프리뷰 정책은 예고 없이 바뀌므로, 실제 결제 전에는 반드시 공급자 페이지에서 다시 확인하세요. 원화 환산은 1달러 = 약 1,380원(2026년 8월 말 시장 환율, Trading Economics)으로 계산했고, 환율 자체가 변동하므로 어림값으로만 쓰시기 바랍니다.

2026년 7월 6일, 메타는 자기가 만든 모델을 자기가 서빙하던 API를 껐습니다. Llama를 직접 호출하던 개발자들은 짐을 싸서 AWS Bedrock, Together AI, Groq 같은 남의 집으로 옮겨야 했죠(메타 공식 폐지 안내).

그로부터 3주 뒤, 같은 회사가 실적 발표에서 올해 설비투자 전망을 1,300억~1,450억 달러(약 179조~200조 원)로 올렸습니다(Meta 2분기 실적 보도자료).

한쪽에서는 개발자용 수도꼭지를 잠그고, 다른 한쪽에서는 발전소를 짓고 있습니다. 이 두 장면을 나란히 놓지 않으면 “메타 컴퓨팅으로 AI 비용 줄이기"라는 이야기는 절반만 보는 겁니다. 그리고 한국에서 이 글을 읽는 분에게는 세 번째 장면이 하나 더 있습니다 — 지금은 줄을 설 수조차 없습니다. 그 얘기부터 하겠습니다.

한국에서 쓸 수 있나 — 결론부터

공개 프리뷰 기간 동안 메타 모델 API는 미국 개발자 전용입니다. 미국 밖에서는 계정 생성 자체가 되지 않고, 한국은 지원 지역에 포함되어 있지 않습니다(Meta Model API 가이드 — 접근 요건, Meta 지역 이용 정책). 메타 지원 페이지도 미지원 지역 접속 시 “아직 귀하의 국가에서 이용할 수 없습니다"를 반환합니다(Model API 지원 페이지).

실무적으로 이게 뜻하는 바는 이렇습니다.

가입 — 한국 IP·한국 사업자로는 프리뷰 등록이 막힙니다.
결제 수단 — 국내 발급 카드로 청구를 붙이는 경로가 공식적으로 열려 있지 않습니다. 지역 제한이 계정 단계에서 걸리므로 결제는 그다음 문제입니다.
리전 — 별도 아시아 리전 엔드포인트가 공개되어 있지 않습니다. 프리뷰는 사실상 단일 진입점입니다.
우회는 권하지 않습니다 — VPN이나 미국 법인 명의로 우회하는 경우가 있지만, 이용약관 위반으로 계정이 정지되면 그 위에 올린 프로덕션도 같이 멈춥니다. 비용 절감을 하려다 가용성을 잃는 거래입니다.

그러니 한국 개발자에게 이 글은 “지금 당장 옮겨라"가 아니라 **“열렸을 때 무엇을 판단할지 미리 정해두라”**는 글입니다. 그리고 기다리는 동안 쓸 수 있는 대안이 실제로 있습니다(아래 「국내·서드파티 대안」 절).

참고로 메타는 프리뷰 확대 계획을 공개적으로 확정하지 않았습니다. 언제 한국이 열리는지는 확인되지 않았고, 그 시점을 전제로 계획을 세우는 것은 위험합니다.

메타가 짓는 기가와트는 메타의 것이다

메타는 올해 1월 ‘Meta Compute’라는 최상위 조직을 새로 만들었습니다. 이번 10년 안에 수십 기가와트 규모의 AI 데이터센터를 짓겠다는 조직이죠(DataCenterDynamics 보도).

기가와트는 원자력 발전소 단위입니다. 발전소를 짓는 회사가 있다고 해서 내 전기요금이 내려가지는 않아요. 그 전력은 우선 추천 알고리즘, 광고 랭킹, 스마트글래스, 그리고 아직 이름도 안 붙은 사내 프로젝트가 먹습니다. 개발자에게 팔리는 API는 그 거대한 파이프에서 옆으로 새어 나온 가는 지선일 뿐입니다.

숫자가 이걸 잔인하게 보여줍니다. 2분기 설비투자는 금융리스 원금까지 포함해 310억 8천만 달러였고, 자유현금흐름은 1년 전 85억 달러에서 7억 8,400만 달러로 주저앉았습니다(CNBC 실적 리포트). 분기 영업현금흐름 318억 달러를 벌어서 거의 다 땅과 칩에 묻은 겁니다.

여기서 이 글의 관점을 분명히 하겠습니다. [추정] 지금 메타의 낮은 API 가격표는 원가가 싸서 나온 숫자라기보다는, 마진 압박을 받는 상황에서 시장 점유율을 확보하려는 가격 정책으로 보입니다. 다만 이것은 공개된 재무 수치와 가격표를 나란히 놓고 내린 저의 해석이지, 메타 내부 의사결정을 확인한 것이 아닙니다 — 회사가 어떤 원가 구조로 이 값을 매겼는지는 외부에서 알 수 없습니다. 확실한 것은 현재 단가에 SLA도 요금 인상 방지 약속도 붙어 있지 않다는 사실이고, 그렇다면 이건 “새로운 비용 바닥"이 아니라 언제든 움직일 수 있는 한시적 창문으로 다루는 편이 안전합니다.

지금 실제로 살 수 있는 것

같은 muse-spark-1.2라도 표준 티어 일반 입력($1.25/1M)과 기여자 티어 캐시 입력($0.002/1M) 사이에는 625배 차이가 난다.

같은 muse-spark-1.2 모델이라도 티어와 캐시 적중 여부에 따라 입력 단가가 $1.25/1M에서 $0.002/1M까지 벌어진다 — 625배 차이(2026-08-31 기준). 단, 이 최댓값은 기여자 티어를 쓰면서 캐시가 100% 적중할 때의 이론값이다.

감정을 빼고 가격표만 보겠습니다. 현재 메타의 개발자용 상품은 Meta Model API이고, OpenAI SDK와 호환됩니다. 기존 OpenAI 기반 코드베이스라면 사실상 base URL과 키만 갈아 끼우면 됩니다(Meta Model API 제품 페이지, LLM Reference 정리).

2026-08-31 기준 단가 (100만 토큰당, 괄호는 1,380원 환산 어림값)

항목	입력	캐시 입력	출력
muse-spark-1.2 (표준)	$1.25 (약 1,725원)	$0.15 (약 207원)	$4.25 (약 5,865원)
muse-spark-1.2-contributor	$0.10 (약 138원)	$0.002 (약 2.8원)	$0.20 (약 276원)
Muse Image	이미지 1장당 $0.01 (약 14원)	—	—
Llama 4 Scout (메타 직접 제공 아님)	아래 별도 표	—	—

출처: Meta Model API 모델 문서, OpenRouter — Muse Spark 1.2 Contributor, LM Market Cap 단가 비교. 표준 티어에는 웹 검색 기능이 1,000회당 $2.50로 별도 과금됩니다.

Muse Spark 1.2는 1,048,576토큰(약 100만) 컨텍스트 창을 갖고 있고, 텍스트·이미지·비디오·오디오·PDF를 입력으로 받으며, 코딩과 에이전트 워크플로에 맞춰 추론 토큰을 따로 계량합니다(Muse Spark 모델 페이지, VentureBeat 출시 보도).

성능은 메타 자료만 믿지 마세요. 제3자 평가에서 Muse Spark 1.2(xhigh)는 Artificial Analysis 지능 지수 57점을 받았고, SWE-Bench Verified에서는 **59.3%**로 Opus 5(65.0%)와 GPT-5.6 Terra(64.8%)에 이어 3위권이었습니다(Artificial Analysis 분석, 검증 벤치마크 정리). 즉 최상위권 바로 아래입니다. 메타 자체 발표 수치(82.9% 등)는 메타가 구성한 에이전트 툴·시스템 프롬프트 위에서 측정된 것이고, 그 설정이 경쟁 모델에 최적화되어 있지 않을 수 있다는 점이 같은 자료에 명시돼 있습니다. 가격이 싸다고 성능까지 최상위라고 읽으면 안 됩니다.

여기서 눈이 가는 건 두 번째 줄일 겁니다. 12.5배 싸니까요. 그런데 그 줄에는 가격이 아닌 것이 적혀 있습니다.

12.5배 할인의 정체는 데이터다

contributor 티어의 조건은 프롬프트와 출력이 메타 제품 개선에 사용될 수 있다는 것입니다(Muse Spark 모델 페이지, 기여자 티어 트레이드오프 분석). 이건 숨겨진 조항이 아니라 메타가 대놓고 써놓은 거래입니다. 데이터를 내고 할인을 받는 것.

그러니 판단 기준은 간단합니다. 프롬프트에 들어가는 내용을 그대로 공개 게시판에 붙여넣을 수 있나? 오픈소스 문서를 요약하고, 공개 뉴스를 분류하고, 마케팅 카피 초안 100개를 뽑는 일이라면 답은 예스고, 이 티어는 지금 시장에서 가장 공격적인 가격 중 하나입니다.

한국 사업자라면 여기에 법 문제가 하나 더 붙습니다

국내에서 개인정보가 섞인 데이터를 이 티어로 보내는 것은 단순한 사내 정책 문제가 아니라 법 문제입니다.

「개인정보 보호법」 제28조의8은 개인정보의 국외 이전을 원칙적으로 금지하고, ①정보주체의 별도 동의 ②법률·조약의 특별 규정 ③계약 이행에 필요한 처리위탁·보관 ④수령자의 개인정보보호위원회 인증 ⑤이전 대상 국가의 보호수준 인정 중 하나에 해당할 때만 예외적으로 허용합니다(개인정보 보호법 제28조의8).

문제는 기여자 티어의 성격입니다. 여기서 데이터는 “서비스를 제공하기 위한 처리위탁"에서 끝나지 않고 “메타의 제품 개선(=모델 학습)에 활용"됩니다. 계약 이행에 필요한 최소 처리위탁이라는 근거(③)로 이걸 덮기는 어렵고, 그렇다면 **정보주체의 별도 동의(①)**를 받아야 하는 구조로 갑니다. 개인정보보호위원회도 생성형 AI 활용 시 국외이전 고지사항 누락으로 적법 근거를 갖추지 못한 사례를 지적한 바 있습니다(생성형 AI 개발·활용을 위한 개인정보 처리 안내서, 개인정보보호위원회).

정리하면 이렇습니다. 개인정보가 한 글자라도 섞인 워크로드를 기여자 티어에 보내려면, 개인정보 처리방침에 국외이전 사항을 적고 이용자에게 별도 동의를 받아야 합니다. 그 동의를 받을 자신이 없다면 그 워크로드는 이 티어에 넣으면 안 됩니다. (이 문단은 법률 자문이 아니라 공개된 조문과 가이드에 근거한 정리입니다. 실제 서비스 적용 전에는 전문가 확인을 받으시기 바랍니다.)

고객 이메일, 사내 코드, 계약서, 의료·재무 정보가 섞인다면 그 12.5배는 할인이 아니라 청구서를 나중에 받는 것입니다. 계정 하나에서 두 티어를 섞어 쓰는 팀이라면, 어떤 워크로드가 어느 엔드포인트로 나가는지를 코드가 아니라 인프라 구조로 갈라놓아야 합니다. 사람 손에 맡기면 반드시 새요.

진짜 절감은 가격표가 아니라 구조에서 나온다

가격표 비교로 아낄 수 있는 건 기껏해야 몇십 퍼센트입니다. 청구서 자릿수를 바꾸는 레버는 따로 있습니다. 다만 얼마나 아끼는지는 워크로드 구성에 따라 크게 달라지고, 조건이 안 맞으면 오히려 더 비싸집니다. 그 조건을 숫자로 보여드리겠습니다.

첫째, 캐싱 — 다만 조건을 먼저 보세요

캐시된 입력이 $0.15인데 일반 입력은 $1.25입니다. 8.3배 차이죠. 긴 시스템 프롬프트, 코드베이스 컨텍스트, 사내 문서 묶음처럼 매 요청마다 똑같이 앞에 붙는 덩어리가 있다면 여기가 최대 절감 지점입니다.

그런데 메타는 제품 페이지에 캐시 적중의 세부 조건(최소 캐시 토큰 수, 캐시 유지 시간, 캐시 쓰기 비용)을 공개하지 않습니다 — 저도 이 글을 쓰며 확인하려 했지만 공식 문서에서 찾지 못했습니다. 확인 못 한 것을 확인한 척하지 않겠습니다. 대신 업계 통상 조건은 이렇습니다: 자동 캐싱이 걸리는 최소 토큰은 대략 1,024~4,096, 캐시 유지 시간(TTL)은 5분~1시간, 캐시 쓰기 비용은 일반 입력의 1.25배 수준입니다(Artificial Analysis 캐싱 비교, OpenAI 프롬프트 캐싱 문서, OpenRouter 캐싱 가이드).

이 통상 조건을 대입해 계산해보면, 캐싱이 왜 “무조건 이득"이 아닌지 바로 보입니다.

가정: 고정 프리픽스 20,000토큰 + 요청당 출력 500토큰, 하루 10,000요청, 표준 티어.

캐시 없음 — 입력 2억 토큰 = $250/일 (약 34만 5천 원)
트래픽이 촘촘해 캐시가 거의 항상 적중 — $30/일 (약 4만 1천 원) → 약 88% 절감
트래픽이 드물어(예: 10분에 1회) TTL 만료 후 매번 다시 씀 — 쓰기 1.25배 적용 시 $312.5/일 → 오히려 25% 더 비쌈

즉 캐싱의 실제 효과를 가르는 것은 단가가 아니라 요청 간격과 프리픽스의 안정성입니다. 프리픽스 맨 앞에 타임스탬프나 사용자 이름 같은 게 한 글자라도 들어가면 캐시는 통째로 빗나갑니다. 100만 토큰 컨텍스트 창은 자랑거리이자 함정이에요 — 넣을 수 있으니까 다 넣으면, 캐시 없이 매번 풀 요금을 냅니다.

실행 순서는 이렇습니다. ①먼저 자신의 요청 간격 분포와 프리픽스 재사용률을 로그에서 재고 ②소액으로 캐시 적중률을 실측한 뒤 ③그 숫자로 절감액을 계산하세요. 남의 절감률을 그대로 가져다 쓰면 틀립니다.

둘째, `reasoning_effort`

추론 깊이를 요청 단위로 조절하는 파라미터입니다(Muse Spark 모델 페이지). 분류나 라우팅처럼 생각할 게 없는 작업에까지 모델이 골똘히 생각하게 두는 건, 계산기로 될 일에 박사를 부르는 것과 같습니다. 추론 토큰이 별도 계량되므로, 여기서 나오는 절감은 캐싱과 달리 즉시 눈에 보입니다.

셋째, 로컬로 내리기 — 그리고 그 대가

메타는 2026년 8월 10일 Muse Glimmer라는 300억 파라미터 모델을 Apache 2.0 라이선스로 공개했습니다(Meta AI Research 발표, Hugging Face 모델 카드). Muse Spark와 달리 가중치가 열려 있고 상업적 이용 제약도 훨씬 느슨합니다. 한계 추론 비용이 0인 자리가 하나 생기는 겁니다.

그런데 “맥에서 돌아간다"는 문장 뒤에 붙는 대가가 셋 있습니다.

1) 메모리. BF16 원본 가중치는 약 58GB입니다. 일반 노트북에서는 못 돌립니다. 4비트 양자화로 압축하면 언어모델 부분이 20GB 아래로 내려가고, 비전 인코더·KV 캐시·투기적 디코딩 드래프터까지 합쳐 24GB 또는 32GB 환경에 들어갑니다. 최소 구성은 18GB RAM/VRAM 선입니다(Unsloth 로컬 실행 문서, 하드웨어 요구사항 정리). 16GB 맥북에서는 사실상 어렵고, 24GB 이상이 실질적인 출발선입니다.

2) 속도. 메타 자체 측정으로 RTX 5090에서 초당 74.9토큰(투기적 디코딩 적용 시 233.4), M4 Max에서 23.7토큰(적용 시 37.8), M5 Max에서 26.6토큰(50.2)입니다. 그리고 이건 짧은 프롬프트 기준이에요 — 컨텍스트가 4K에서 256K로 늘면 초당 45.30토큰에서 35.46토큰으로 떨어집니다. 동시 사용자·이미지 입력·툴 호출 지연은 여기에 더 얹힙니다(벤치마크 가이드). 맥에서 초당 20~30토큰대는 배치 작업에는 충분하지만 사용자가 화면 앞에서 기다리는 대화형 UI에는 답답한 속도입니다.

3) 품질. 종합 평가에서 Muse Glimmer 30B는 100점 만점에 52.5점, 228개 모델 중 119위입니다. 가장 강한 영역인 명령 수행이 22위이고, 나머지는 중위권입니다(벤치마크 집계). Muse Spark 1.2(지능 지수 57, SWE-Bench 59.3%)와 같은 급으로 보면 안 됩니다.

그래서 권장은 전체 워크플로를 여기 얹으라가 아니라, 하루 수만 번 도는 잔심부름(태깅, 라우팅, 1차 필터링, 배치 요약)을 내려보내라는 겁니다. 잔심부름이 청구서의 대부분인 경우가 생각보다 많습니다. 그리고 한국 개발자 입장에서 Muse Glimmer는 지금 당장 쓸 수 있는 유일한 메타 자산입니다 — 가중치 다운로드에는 지역 제한이 없으니까요.

Muse Image는 어떤가 — 싸지만 확인할 게 많다

이미지 1장당 $0.01(약 14원)은 시장에서 저렴한 축입니다. 이미지 생성 API 시장이 대략 장당 $0.003~$0.20 범위인 걸 감안하면 하단부죠(OpenRouter — Muse Image, Muse Image 모델 페이지).

그런데 이 항목은 이 글에서 가장 불확실한 줄입니다. 단점을 그대로 적겠습니다.

공개 API 존재 자체가 명확하지 않습니다. 2026년 7월 10일 시점 정리에 따르면 메타는 Muse Image를 Meta AI 앱과 일부 자사 서비스에 먼저 넣었고, 공개 이미지 개발자 API는 공식 확인되지 않았습니다. 유통되는 $0.01/장 단가는 프리뷰 접근이나 fal·OpenRouter 같은 서드파티 경로를 통한 것일 수 있습니다(개발자 가이드 정리, fal 호스팅 페이지). 어느 경로로 청구되는지 확인하지 않고 원가 계산에 넣지 마세요.
해상도 조건이 단가에 안 적혀 있습니다. 웹 플랫폼 쪽에는 2K·4K 옵션이 요금제별로 갈리는 언급이 있지만, API $0.01이 어느 해상도 기준인지는 공개되어 있지 않습니다. 고해상도가 필요한 상업용 이미지라면 이 단가가 그대로 적용되지 않을 가능성이 있습니다.
상업적 이용 조건을 별도로 읽어야 합니다. 웹 플랫폼 요금제에는 상업 라이선스가 포함된다고 안내되지만, API 경로·서드파티 호스팅 경로의 라이선스가 동일한지는 별개 문제입니다. 상품에 쓸 이미지라면 결제 전에 해당 경로의 약관을 직접 확인하세요.
품질은 검증된 제3자 비교가 부족합니다. 텍스트 모델과 달리 Muse Image에 대한 독립 벤치마크가 아직 두텁지 않습니다. 샘플 몇 장으로 판단하기보다 자기 용도로 소량 실측하는 편이 낫습니다.

한 줄로: 싸 보이지만, 이 항목은 “확인된 가격"이 아니라 “확인이 필요한 가격"입니다.

국내·서드파티 대안 — 기다리는 동안 쓸 수 있는 것

한국에서 메타 모델 API를 못 쓰는 지금, 실제로 결제해서 쓸 수 있는 선택지를 같은 표에 놓아 보겠습니다.

Llama 4 Scout (메타 모델이지만 메타가 직접 서빙하지 않음, 100만 토큰당)

공급자	입력	출력
OpenRouter (집계)	$0.10 (약 138원)	$0.30 (약 414원)
Together AI (배치)	$0.08 (약 110원)	공개값 미확인
DeepInfra	$0.10 (약 138원)	—
Groq	$0.11 (약 152원)	$0.34 (약 469원)
Amazon Bedrock	$0.17 (약 235원)	—

출처: OpenRouter — Llama 4 Scout, Artificial Analysis 공급자별 가격 분석, 공급자별 단가 비교. 원문에서 “대략 입력 $0.08"으로 적었던 값은 Together AI 배치 처리 기준 최저가였습니다. 어느 사업자·어느 모드 기준인지 밝히지 않으면 검증할 수 없는 숫자라 위와 같이 갈라 적습니다. Scout는 컨텍스트 창 1,310,720토큰, 최대 출력 16,384토큰입니다.

국내 모델

업스테이지 Solar Pro 4 (2026년 8월 공개) — 공식 API 정가 입력 $0.30 / 캐시 입력 $0.06 / 출력 $1.20(100만 토큰당). OpenRouter 경유는 입력 $0.03 / 출력 $0.12로 훨씬 낮습니다. 2026년 9월 10일까지 콘솔·OpenRouter 90% 할인 프로모션이 진행 중이었습니다(OpenRouter — Solar Pro 4, Artificial Analysis 분석, Solar Pro 2 소개 — 업스테이지 블로그). 310억 파라미터급 모델로, Muse Glimmer(300억)와 체급이 비슷하면서 클라우드로 바로 붙일 수 있다는 게 실무적 장점입니다. 국내 사업자라 국외이전 이슈에서도 자유롭습니다.
네이버 CLOVA Studio (HyperCLOVA X) — HCX-007, HCX-005, HCX-DASH-002 등 엔진별로 입력·출력 토큰에 각각 요금이 붙습니다(CLOVA Studio 모델 문서, CLOVA Studio 제품 페이지). 정확한 토큰당 단가는 이 글을 쓰며 공개 문서에서 확인하지 못했습니다 — 네이버 클라우드 플랫폼 콘솔의 요금 페이지에서 직접 확인하셔야 합니다. 확인 안 된 숫자를 적는 것보다 이렇게 적는 편이 정직합니다. 다만 한국어 토큰화 효율이 좋아 같은 문장을 더 적은 토큰으로 처리한다는 점은 한국어 워크로드에서 실질 단가에 유리하게 작용합니다.

비교의 핵심: 메타 기여자 티어의 $0.10/$0.20이 파격적으로 보이지만, OpenRouter의 Solar Pro 4($0.03/$0.12)는 지금 한국에서 결제 가능하면서 그보다도 쌉니다. 가격만 놓고 보면 열리지 않은 문을 기다릴 이유가 크지 않습니다. 메타 쪽의 진짜 차별점은 단가가 아니라 100만 토큰 컨텍스트와 코딩·에이전트 성능이고, 그게 필요한 워크로드인지부터 확인하는 게 순서입니다.

서명하기 전에 알아야 할 것들

솔직하게 단점을 적겠습니다.

Meta Model API는 아직 ‘public preview’입니다(제품 페이지). 메타는 제품 페이지에 무료 티어도, 요청 한도도, SLA도 공개하지 않습니다. 프로덕션 용량 계획을 세우려면 추측에 의존해야 한다는 뜻이에요. 그리고 앞에서 봤듯 접근 가능 지역부터 제한돼 있습니다.

Muse Spark는 독점 모델입니다. 가중치가 공개되지 않으니 자체 호스팅이라는 비상구가 없습니다. 가격이 오르면 받아들이거나 떠나는 두 가지 선택뿐이고, 로컬로 도망칠 수 있는 건 성능이 한참 아래인 Glimmer뿐입니다.

Llama 라이선스는 오픈소스가 아닙니다. OSI 승인 라이선스가 아니고, 월간 활성 사용자 7억 명을 넘으면 계열사 합산 기준으로 메타의 별도 허가를 받아야 합니다(Llama 커뮤니티 라이선스). 파생 모델 이름에 ‘Llama’ 접두어를 붙이고 ‘Built with Llama’ 표기를 해야 하며, 별도 사용정책의 구속을 받습니다. 대부분의 팀에게 7억 MAU는 남의 나라 얘기지만, “오픈소스니까 안전하다"는 문장은 사실이 아닙니다. (반대로 Muse Glimmer는 Apache 2.0이라 이 제약이 없습니다 — 같은 회사 모델이라도 라이선스를 따로 확인해야 하는 이유입니다.)

그리고 가장 무거운 것 — 7월 6일에 이미 한 번 일어났습니다. 메타는 자기 API를 껐고, 그 위에 지은 사람들은 이사를 했습니다. 그 일이 두 번 일어나지 않는다는 보장은 어디에도 없습니다.

그래서, 기회인가

기회입니다. 단, 한국 개발자에게는 아직 열리지 않은, 한시적이고 조건부인 기회입니다.

제가 권하는 건 네 줄입니다.

지금 한국에서 할 수 있는 것부터 하세요. 메타 자산 중 지역 제한 없이 쓸 수 있는 건 **Muse Glimmer(Apache 2.0)**와 서드파티 호스팅 Llama 4 Scout입니다. 잔심부름 워크로드를 Glimmer로 내려보는 실험은 오늘 시작할 수 있고, 24GB 이상 메모리만 있으면 됩니다.
단가만 보면 국내 대안이 이미 경쟁력 있습니다. OpenRouter의 Solar Pro 4는 $0.03/$0.12로 메타 기여자 티어보다 쌉니다. 메타를 기다릴 이유는 가격이 아니라 컨텍스트 길이와 코딩 성능이어야 합니다. 그 요구가 없다면 기다릴 필요 자체가 없습니다.
기여자 티어를 언젠가 쓸 계획이라면, 데이터 분리를 지금 만들어 두세요. 열린 뒤에 만들면 늦습니다. 그리고 국내 사업자라면 개인정보 국외이전 동의 절차가 준비돼 있는지부터 확인하세요 — 이건 인프라가 아니라 법무 항목입니다.
OpenAI SDK 호환은 양방향 문입니다. base URL 하나로 들어올 수 있다면 하나로 나갈 수도 있습니다. 이 이식성을 유지하는 것 자체가 가장 값싼 보험입니다. 메타 전용 파라미터에 로직을 깊이 묶는 순간 보험이 해지됩니다.
핵심 프로덕션 경로는 프리뷰 딱지가 떨어질 때까지 기다리세요. SLA 없는 서비스에 매출이 흐르는 경로를 얹는 건 비용 절감이 아니라 리스크 이전입니다.

메타의 기가와트는 실재합니다. 하지만 그 컴퓨팅이 여러분의 청구서로 내려오는 통로는 지금 좁고 임시적인 문 하나뿐이고, 한국에서는 그 문이 아직 잠겨 있습니다. 문이 열리기를 기다리는 동안 할 일은 손을 놓는 게 아니라, 열렸을 때 30분 안에 판단할 수 있도록 자기 워크로드의 숫자(요청 간격, 프리픽스 재사용률, 민감 데이터 비율)를 먼저 재두는 것입니다. 그리고 이사 상자는 버리지 마세요.