EmpirioLabs 주요 연구실과 최신 연구소 목록에서 100개 이상의 AI 모델을 하나의 API로 운영합니다. 이 때문에 이 플랫폼은 단순한 질문에 대한 유용한 시각이 됩니다: 한 청구서에 전체 모델이 모두 제공되고 고정 조건이 없는 상황에서, 개발자들은 실제로 어떤 모델을 선택할까요?
우리는 플랫폼 전반의 실제 사용 사례를 살펴보았습니다. 그 답은 일관되고, 한 가지 면에서는 진심으로 놀랍다. 개발자들은 새로운 세대의 랩에서 나온 소수의 빠르고 능력 있는 모델들을 모으고 있으며, 가장 큰 브랜드 이름을 노리기보다는 실력에 따라 선택하고 있습니다.
방법에 대한 참고: 아래 모든 수치는 실제 집계된 플랫폼 트래픽에서 가져온 백분율로 표시되어 있습니다. 선호도를 논의할 때는 각 제조사가 제공하는 모델 수에 맞춰 사용량을 정규화하여, 단순히 선반에 있는 모델이 아니라 개발자가 선택하는 모델을 반영합니다.
100+ 모델 중에서 선택할 수 있는 경우, 사용은 몇 가지에 집중됩니다
데이터의 첫 번째 패턴은 집중입니다. 개발자들은 거대한 메뉴를 앞에 두고 있지만, 메뉴가 그 안에 분산되어 있지 않습니다. 실제로 사용된 모델 중 가장 인기 있는 세 가지가 전체 언어 요청의 40%를 차지하고, 상위 10개 모델은 거의 90%를 차지합니다. 긴 꼬리 모델들이 존재하고 어느 정도 활용되지만, 실제 작업은 소량입니다.
이 집중은 처음 보이는 것보다 훨씬 더 중요합니다. 즉, 몇몇 모델들이 조용히 개발자들이 품질, 속도, 가격에 대해 기대하는 기준을 설정하고 있다는 뜻입니다. 새로운 모델은 전체 경쟁자들과 경쟁하지 않습니다. 이 게임은 상위권의 최종 후보들과 경쟁하며, 실제 과제에서 그 모델들을 이기지 못하면 이론상 벤치마크 결과와 상관없이 뒤에 머무릅니다.
가장 많이 사용되는 모델
모든 언어 사용 점유율로 순위를 매기면, 어떤 단일 모델도 이를 능가하지 않습니다. Z.ai의 GLM 모델, MiniMax M3, Xiaomi의 MiMo, DeepSeek의 빠른 모델들이 상단에 모여 비슷한 비중을 차지하고, 나머지 카탈로그들은 긴 꼬리를 채우고 있습니다. 이는 하나의 지배적인 승자가 아니라 경쟁적인 상위 그룹으로, 이는 건강한 점입니다: 개발자들이 단일 기본값에 머무르지 않고 적극적으로 옵션을 비교하고 있다는 뜻입니다.
이런 원본 사용은 이 질문에 대한 한 가지 관점일 뿐입니다. 요청량이 어디로 가는지 알려주는데, 이는 유용하지만, 요청량은 소수의 헤비 사용자에게만 집중될 수 있고 모델이 얼마나 널리 채택되는지 드러내지 않습니다. 이에 대해, 다음으로는 각 제조사를 선택하는 개별 개발자 수를 살펴봅니다. 이는 사람들이 실제로 선택하는 것을 더 민주적으로 보는 관점입니다.
이것은 단순히 가용성이 아니라 선호 문제입니다
인기 순위에 대해 반박하는 것은 타당하다. 카탈로그가 특정 방향으로 기울면 사용량도 따라오기 때문에, 인기 모델 목록은 플랫폼이 어떤 모델을 진열하기로 결정했는지를 단순히 반영할 수 있습니다. 진정한 선호와 가용성을 구분하기 위해, 각 제조사의 사용 점유율과 카탈로그 내 비중을 비교했습니다.
두 가지 사이의 간극이 진짜 신호이며, 매우 인상적입니다. Z.ai 사용 가능한 모델의 작은 부분을 차지하지만 사용량의 가장 큰 비중을 차지합니다. DeepSeek, Moonshot, Xiaomi는 카탈로그에서 예상되는 것보다 훨씬 더 많은 이용자를 기록하고 있습니다. 동시에, 가장 많은 모델을 보유한 제조사인 알리바바는 사용 비중이 적고, 아마존의 잘 갖춰진 라인업은 거의 손대지 않는다.
즉, 개발자들은 단순히 자신에게 놓인 것을 사용하는 것이 아닙니다. 그들은 특정 모델 세트를 적극적으로 선택하고, 동등하게 이용 가능하며 경우에 따라 훨씬 더 많은 모델을 건너뛰고 있습니다. 가용성은 운명이 아닙니다. 대규모 카탈로그 존재감은 실제 작업에서 모델이 얻지 않는 한 사용으로 이어지지 않으며, 모든 모델 연구소가 반드시 그 점을 받아들여야 합니다.
소수의 실험실이 수요를 소유하고 있습니다
더 민주적인 관점, 즉 원시 요청량 대신 각 제작자가 기본값으로 선택하는 개발자 수를 세는 것은 수요를 짧은 목록으로 집중시킵니다. Z.ai 가 확실한 격차로 앞서고 있으며, 그 뒤를 DeepSeek과 Moonshot, 알리바바, 샤오미, 미니맥스가 그 뒤를 잇고 있습니다. 나머지 모든 것을 합친 것은 작은 잔여 수치입니다.
리더들을 하나로 묶는 것은 마케팅 예산이나 가정적인 이름이 아니다. 강력하고 공개적으로 이용 가능한 모델을 빠른 속도로 출시하려는 의지입니다. 개발자들의 관심을 받는 연구소들은 대부분 팀이 점검하고 적응하며 저렴하게 실행할 수 있는 유능한 모델을 출시하며, 기대치가 높아지면서 최종 후보에 오를 만큼 빠르게 반복 작업을 진행하고 있습니다.
속도가 크기를 이깁니다
개발자들이 감당할 수 있는 가장 크고 똑똑한 모델을 선택한다는 일반적인 가정이 있습니다. 사용 데이터는 그렇지 않다고 말합니다. 우리는 모델을 두 그룹으로 나누었습니다: 속도와 저렴한 가격을 위해 제작된 경량형 플래시, 미니, 라이트 버전과 풀사이즈 모델입니다. 대부분의 언어 요청은 경량 변형으로 향합니다.
이것은 실제 애플리케이션이 작동하는 방식에 대한 합리적인 반응입니다. 분류, 추출, 라우팅, 요약, 단기 생성과 같은 대부분의 생산 작업은 프런티어 모델이 필요하지 않으며, 빠르고 저렴한 모델이 훨씬 짧은 시간 내에 답변하는 것이 더 나은 엔지니어링 선택입니다. 더 큰 모델은 기본적으로 해결되지 않는 진짜 어려운 문제들을 위해 비축 상태로 보관됩니다. 지연 예산과 청구서를 모두 감시하는 팀들에게는 그 직감을 신뢰할 만합니다.
텍스트를 넘어서: 개발자들이 생성하는 것들
사용은 단지 언어에만 국한되지 않습니다. 미디어 생성에 관해서는, 패턴이 텍스트만큼이나 집중되어 있습니다. 이미지 생성은 거의 전적으로 단일 모델을 통해 이루어집니다. 비디오는 주로 Kling과 Seedance로 나뉘어 있습니다. 특히 오디오 작업은 합성보다는 전사가 지배적인데, 이는 오늘날 팀들이 오디오 모델을 어떻게 활용하는지를 보여준다: 새로운 소리를 만드는 것보다 기존 사운드를 이해하는 데 더 중점을 둔다.
이 법칙은 모든 기분에 적용됩니다. 짧은 모델들이 대부분의 작업을 수행하고, 나머지 모델들이 남은 부분을 두고 경쟁합니다.
모델을 선택할 때 이것이 의미하는 바
이 모든 것을 통해 실질적으로 얻는 교훈은 브랜드가 아니라 각 작업을 선택하라는 것입니다. 플랫폼에서 가장 많이 사용되는 모델은 가장 유명한 모델은 아닙니다. 그들은 특정 작업에 대한 비용, 속도, 품질 평가에서 진짜 승리를 거둡니다. 몇 가지 습관은 데이터에서 직접 도출됩니다:
- 빠르고 가벼운 단계부터 시작해서 정말 더 큰 모델이 필요한 작업만 올리세요. 대부분의 작업은 그렇지 않습니다.
- 오픈 가중치 모델을 진지하게 평가하세요. 실제 사용 시 타협 옵션이 아니라 생산 작업의 기본 선택입니다.
- 가장 큰 카탈로그 이름이 가장 적합하다고 가정하지 마세요. 가용성과 품질은 별개의 문제이며, 사용 데이터는 개발자들이 이를 그렇게 다루고 있음을 보여줍니다.
- 기본 설정은 정기적으로 다시 확인하세요. 이 분야의 최상위 경쟁이 치열한 상황에서, 과제에 대한 최적의 모델은 분기마다 바뀔 수 있습니다.
핵심 내용
2026년 실제 AI 사용의 이야기는 수렴과 선택입니다. 개발자들은 그 어느 때보다 더 많은 모델을 보유하고 있으며, 이에 대응해 신세대 연구소에서 나온 빠르고 능력 있는 소수의 모델에 집중하고 있습니다. 무엇보다도, 그들은 플랫폼이 제공하는 것에 따라 모델들을 선택하지 않습니다. 가장 큰 카탈로그 존재감이 승리하지 못한다. 이 작업에 가장 적합한 모델은 그렇고, 점점 더 개방적이고 빠르며 저렴한 모델이 되고 있습니다.
전체 카탈로그에서 모든 모델, 모달리티, 실시간 가격을 비교할 수 있습니다. EmpirioLabs 모델 페이지·.
공개: 이 문서는 AI 지원으로 작성되었으며 EmpirioLabs AI에 의해 검토되었습니다.
