한국어로 쓰면 AI 비용이 더 비싸질까?

AI 비용을 비교할 때는 토큰당 가격만 보면 안 된다. 같은 내용도 언어와 모델에 따라 토큰 수가 달라지며, 프랑스어는 영어보다 31~58% 많았다. 한국어는 이 연구에서 직접 측정하지 않았으므로 실제 사용할 글로 확인하는 것이 가장 정확하다.

토큰이 뭐길래 한국어와 영어 가격이 달라지나?

AI는 글을 그대로 세지 않고 「토큰」이라는 조각으로 나눠 처리한다. AI가 한 번에 읽을 수 있는 글의 양도 토큰으로 계산하며, 글을 나누는 규칙을 토크나이저라고 한다.

토크나이저는 언어와 모델에 따라 다르다. 그래서 같은 내용을 번역해 넣어도 토큰 수가 같지 않다. 2026년 9월 바라코다 AI 랩스·NEOMA 경영대학원 연구진은 주요 AI 7곳의 토크나이저를 비교했다.

영어 뉴스 1,997문장을 여러 언어로 번역해 세어 보니 프랑스어는 영어보다 31~58% 많은 토큰을 썼다. 중국어는 영어보다 5% 적게 나온 경우부터 40% 많게 나온 경우까지 있었다. 한국어 숫자는 이 연구에 없다.

그럼 어느 언어든 차이가 비슷한가?

그렇지 않다. 같은 언어라도 어떤 회사의 토크나이저를 쓰느냐에 따라 결과가 크게 달라졌다.

프랑스어는 미스트랄 테켄에서 영어의 1.31배였지만 라마 3에서는 1.58배였다. 크메르어는 젬마 3에서 2.43배였고, 미스트랄 테켄에서는 14.32배였다.

이 결과만으로 특정 회사가 특정 언어에 강하다고 단정할 수는 없다. 언어와 토크나이저의 조합에 따라 토큰 수가 달라진다는 점이 핵심이다.

토큰당 가격만 보고 견적을 받아도 되나?

그렇게 비교하면 실제 비용을 놓칠 수 있다. 같은 영어 뉴스 전체를 세었을 때도 클로드 5세대는 84,000토큰이었고, 다른 곳은 52,000~54,000토큰이었다.

프랑스어에서는 클로드 5세대가 122,000토큰, 미스트랄 테켄이 71,000토큰이었다. 백만 토큰당 가격이 같아도 같은 문서에 들어가는 토큰 수가 다르면 실제 비용도 달라진다.

연구진도 회사끼리 비용을 비교할 때 토큰당 가격이 아니라 문서당 비용으로 비교해야 한다고 설명했다.

긴 대화를 쓰면 차이가 더 커지나?

그럴 수 있다. 고객 상담 챗봇처럼 대화가 길어지면 지난 대화를 다시 보내는 구조인지 확인해야 한다.

지난 대화를 매번 통째로 다시 보내면 턴이 늘수록 누적 비용이 커진다. 길이에 따라 단가가 올라가는 요금제라면 토큰이 많은 언어가 더 빨리 높은 단가 구간에 들어갈 수도 있다.

문맥 창도 영향을 받는다. 같은 크기의 문맥 창이라도 한국어처럼 토큰이 더 많이 나오는 언어에서는 그 안에 담을 수 있는 실제 내용이 줄어들 수 있다.

한국어는 영어보다 얼마나 비싼가?

여기서는 조심해서 봐야 한다. 앞서 말한 2026년 연구에는 한국어 측정값이 없기 때문에, 그 연구의 프랑스어 수치를 한국어에 그대로 적용할 수 없다.

다른 자료에서는 한국어와 영어의 토큰 수 차이가 측정된 사례가 있다. 개인 개발 블로그의 285개 글 측정에서는 같은 글을 4개 언어로 비교했을 때 한국어가 영어보다 cl100k에서 1.82배, o200k에서 1.38배, 클로드에서 1.88배였다.

다만 이 측정은 특정 블로그 글을 대상으로 한 참고용 자료다. 글의 내용과 토크나이저가 달라지면 결과도 달라질 수 있다.

짧은 챗봇이면 신경 쓰지 않아도 되나?

짧은 요청에서는 언어에 따른 차이가 그만큼 비례해서 나타나는 정도다. 문제는 긴 대화나 AI가 여러 단계를 이어서 처리하는 서비스다.

지난 대화를 계속 다시 보내는 구조라면 토큰 차이가 누적된다. 또 일정 길이를 넘으면 입력 단가가 올라가는 요금제에서는 토큰이 많은 언어가 더 빨리 높은 가격 구간에 들어갈 수 있다.

문맥 창도 함께 봐야 한다. 연구의 긴 대화 시뮬레이션에서는 프랑스어가 영어보다 더 빨리 12만 8천 토큰 문맥 창을 채웠고, 같은 창에 담기는 내용도 영어 기준으로 24~37% 적었다.

그럼 견적을 받을 때 뭘 확인해야 하나?

첫째는 실제 한국어 글을 넣어 토큰을 세어 봤는지다. 우리 가게에서 사용하는 상품 설명이나 고객 상담 내용처럼 실제 글 10~20개를 후보 모델에 넣어 보는 것이 좋다.

둘째는 토큰당 가격이 아니라 문서 1건이나 대화 1건에 실제 얼마가 드는지다. 모델마다 같은 문서의 토큰 수가 다르기 때문이다.

셋째는 긴 대화에서 지난 기록을 어떻게 처리하는지다. 대화 전체를 다시 보내는지, 캐싱을 쓰는지에 따라 누적 비용이 달라질 수 있다.

넷째는 긴 입력에서 단가가 올라가는 요금제인지다. 연구에서 제미나이 3.1 프로는 20만 토큰을 넘으면 입력 가격이 백만 토큰당 2달러에서 4달러로 올라가는 조건을 사용했다.

다섯째는 문맥 창을 영어 기준으로만 설명하지 않는지다. 실제 한국어로 어느 정도의 글을 담을 수 있는지 확인해야 한다.

번역 서비스라면 원문과 번역문을 따로 봐야 한다. 출력 언어도 토큰을 사용하지만, 이번 연구는 입력 토큰만 측정했기 때문이다.

한국어 비용은 결국 직접 재봐야 하나?

그렇다. 언어마다 토큰 수가 다르고, 같은 언어도 모델마다 결과가 다르기 때문이다.

토크나이저를 해당 언어에 맞게 만들면 차이를 줄일 수 있다는 연구 결과도 있다. 하지만 이것은 AI 회사가 모델과 토크나이저를 설계할 때 하는 작업이지, 가게에서 직접 할 수 있는 방법은 아니다.

무엇보다 이번 연구가 측정한 것은 토큰 수다. 실제 청구 금액이나 답변의 품질을 측정한 것은 아니다. 번역 뉴스가 아닌 상담 대화나 상품 설명에서는 비율이 달라질 수 있다.

따라서 견적을 받을 때는 「백만 토큰당 얼마인가」에서 끝내면 안 된다. 실제 한국어 글을 넣었을 때 문서 한 건과 대화 한 건에 토큰이 얼마나 드는지까지 확인해야 한다.

같이 읽을 글

• 작은 가게도 비싼 AI를 써야 할까?
• 같은 AI 모델이면 어디서 사든 똑같을까?
• 챗봇은 품절 상품을 바로 알까요?

자료 출처

• The Invisible Language Tax: Token Premiums of French and Regional Languages in 2026 LLM Tokenizers, and a French-Optimized Prototype(Baracoda AI Labs·NEOMA Business School, arXiv 2609.39001, 2026.9, NTREX-128 1,997문장·번역본 124개·토크나이저 7개)
• Language Model Tokenizers Introduce Unfairness Between Languages(옥스퍼드대, arXiv 2305.15425, 2023.5, NeurIPS 2023)
• Gemini Developer API 가격(구글 공식 문서, 2026.10 열람, 제미나이 3.1 프로 20만 토큰 기준 단가)
• 비용과 성능을 한번에 — 언어 특화 토크나이저 도입기(스캐터랩 기술 블로그, 자사 서비스 운영 지표)
• 네이버 소장의 챗GPT 견제구 "한글 사용 시 4.2배 추가비용 지불"(여성경제신문, 2023.5, 하정우 네이버 AI 연구소장 발언)
• The Non-English Token Tax — Korean Costs 1.4x, Measured(개인 개발 블로그, 같은 글 285개 4개 언어판 비교 — 숫자만 참고)