사내 GPU 서버를 사서 이미지 생성을 직접 돌릴까

UX팀은 Nano Banana 2(64%), BX팀은 Nano Banana Pro(57%)가 주력으로 서로 다르다. 오픈AI 계열도 $84(19%)를 쓰는데, 구글 모델로 대체되지 않는 작업이 그만큼 있다는 뜻이다. 새 모델이 나오면 그날 바로 갈아탈 수 있다는 게 지금 방식의 핵심 가치다.

이 장비는 원래 “아주 큰 언어 AI를 올려두고 개발하라”고 만든 물건이지 그림 그리는 용도가 아니다. 해외 리뷰어 다섯 곳이 각자 측정했는데 전부 “게이밍 그래픽카드(RTX 5090)의 2~3배 느리다”로 나왔고, 데이터 처리 속도는 4년 전에 산 우리 V100 서버보다도 낮다.

시안 하나에 3분 반, 보통 3~5번 재시도하니 한 컷에 10~18분이 걸린다. 5명이 동시에 쓰면 순서를 기다리는 시간이 여기에 더 붙는다.

품질 — 지금 쓰는 것들이 3·4위, 받아올 수 있는 것은 35위

두 이미지를 나란히 보여주고 “어느 쪽이 나은가”를 계속 투표시켜 만든 순위표다. 체스 점수와 같은 방식이라 점수 차이가 곧 승률이 된다. 이미지 편집 부문 71개 모델 기준.

120점 차이는 맞대결 승률 33%를 뜻한다. 즉 원하는 결과를 얻으려면 3배 더 돌려야 한다. 앞의 3분 32초와 곱해지는 숫자다. 참고 이미지도 지금은 14장까지 넣는데 무료 모델은 1~3장이라 “제품 + 배경 + 로고 + 스타일” 조합에서 바로 막힌다.

한글 — 이건 품질이 아니라 결격이다

설치하려던 Qwen-Image는 제조사가 지원 언어를 영어·중국어 둘로만 명시한다. “비영어 글자가 깨진다”는 공식 버그 신고는 1년째 답변 없이 방치돼 있다.

이미지 생성 실지출은 월 $432.67(약 61만원), 연 727만원이다. 장비값 1,162만원을 여기에 나누면 1년 반 만에 본전인 것처럼 보인다. 그런데 그 계산은 구매 후 API 비용이 0이 된다는 전제에서만 성립하고, 그 전제가 성립하지 않는다. 한글이 들어가는 작업, 정밀한 합성 작업, 오픈AI 모델로만 되는 작업($84, 19%)은 구매 후에도 계속 결제해야 한다.

절반이나 사내로 옮길 수 있다고 후하게 잡아도 3년에 1,060만원 더 든다. 한글 작업 비중이 높을수록 격차는 더 벌어진다.

인건비(1,120만원)가 장비값(1,162만원)과 맞먹는다. 초기 설치 2주에 매달 4시간씩 유지보수를 잡은 수치이고, 견적서에는 절대 나오지 않는 돈이다. 게다가 이 장비는 일반 PC와 부품 구조가 달라 우리가 쓰는 프로그램 상당수를 직접 다시 만들어 넣어야 한다.

그리고 3년 뒤 장비값은 거의 남지 않는다. 4년 전 1억에 산 V100 4장이 지금 224~492만원이고(−95%), GB10도 3년 뒤 120~200만원으로 예상된다. GPU가 무조건 헐값이 되는 건 아닌데(RTX 4090은 오히려 값이 올랐다), 설계가 시대에 뒤처질 때 그렇게 된다. GB10은 부품 세대만 최신이고 처리 속도는 2017년 V100 수준이라 같은 위험을 안고 있다.