서브에이전트 1만 번에 $2 vs $7.5, GPT-5.4 nano가 바꾸는 비용 계산

OpenAI가 GPT-5.4 nano를 출시했다. 입력 $0.20/백만 토큰, 같은 회사 mini($0.75)의 4분의 1 수준이다. 서브에이전트 1만 번 호출 기준으로 $2 대 $7.5. 에이전트 아키텍처를 어떻게 짜느냐가 곧 프로젝트 수익성이 되는 구도다.

nano와 mini, 어디에 쓰는 모델인가?

GPT-5.4 mini는 코딩·컴퓨터 사용·서브에이전트 작업에 최적화됐고, 입력 $0.75/백만 토큰, 출력 $4.50/백만 토큰이다. GPT-5.4 nano는 API 전용으로 분류·데이터 추출·서브에이전트 지원에 쓰이며, 입력 $0.20/백만 토큰, 출력 $1.25/백만 토큰이다.

OpenAI가 mini/nano 계층을 나눈 의도는 명확하다. 에이전트 워크로드는 단일 LLM 한 번 호출이 아니라 수백~수천 번의 서브에이전트 호출로 구성된다. 오케스트레이터 역할엔 고성능 모델, 반복·대량 처리엔 저단가 모델, 이 구조를 API 가격 체계로 공식화한 것이다.

빌더 입장에서 계산은 이렇다.

- 서브에이전트 1만 회 호출 기준: nano $2 vs mini $7.5 - 월 10만 회 호출 규모 프로젝트: nano $20 vs mini $75 - 성능 차이가 결과물에 영향 없는 워크로드라면, 아키텍처 설계만으로 비용을 5분의 1로 낮출 수 있다

단, nano는 mini보다 성능이 낮다. 품질이 중요한 작업에 nano를 쓰면 결과물이 달라진다. '싼 모델 = 무조건 이득'은 아니고, 워크로드별로 어떤 계층 모델을 배치할지가 설계의 핵심이다.

세 플랫폼이 동시에 저단가 에이전트 경쟁에 진입했다

OpenAI·Anthropic·Google이 동시에 저비용 에이전트 경쟁에 들어왔다. 같은 날 텐센트는 OpenClaw 기반 엔터프라이즈 에이전트 플랫폼 ClawPro를 공개 베타로 출시했다. 10분 이내 배포, 토큰 사용량 추적, 보안 컴플라이언스를 포함하는 구성이다. 텐센트는 WeChat(MAU 10억 이상)을 에이전트의 1차 인터페이스로 포지셔닝하고 있다.

OpenClaw는 GitHub 역사상 가장 빠르게 성장한 프로젝트로 기록됐다. 텐센트가 이 위에 엔터프라이즈 레이어를 얹었다는 건, 에이전트 플랫폼 경쟁이 미국 빅테크만의 싸움이 아니라는 신호다.

빌더에게 실질적으로 달라지는 건 선택지다.

- OpenAI nano로 서브에이전트 단가를 낮추는 경로 - DeepSeek + 로컬 모델로 비용을 더 낮추는 경로 (앞선 $15 사례) - 텐센트 ClawPro처럼 플랫폼 자체가 멀티모델 라우팅을 지원하는 경로

지금은 세 플랫폼이 동시에 진입한 단계다. 승자를 단정할 수 없고, 빌더 입장에서는 특정 플랫폼에 락인되기 전에 비용 구조를 직접 계산해보는 것이 맞다.