로컬은 무료, 클라우드는 유료? Ollama의 과금 여부는 실행 위치로 갈린다

Bro's Insights
, ,
1

Ollama가 7월 9일 Theory Ventures 주도로 6,500만 달러 Series B를 발표했습니다. 그런데 이 회사는 금액보다 과금 방식이 더 눈에 띕니다. 같은 명령어로 같은 모델을 돌리는데, 내 컴퓨터에서 돌면 무료이고 Ollama의 GPU에서 돌면 유료입니다. 기능 차이가 아니라 실행 위치가 요금을 정합니다. 흔히 보던 무료·유료 구분과 다른 이 설계를 따라가면, 이 회사가 무엇을 팔려는지 보입니다.

TL;DR

  1. Ollama는 오픈 모델을 명령어 한 줄로 돌리는 무료 런타임입니다. 내 하드웨어로 감당이 안 되는 큰 모델은 같은 명령어 그대로 Ollama 클라우드에서 돌고, 여기부터 GPU 시간 단위로 과금됩니다.

  2. 무료와 유료가 다른 제품이 아니라 같은 제품의 다른 실행 위치라는 점이 이 회사의 특징입니다. 유료 전환에 배울 것이 없고, 전환을 일으키는 건 영업이 아니라 모델의 크기입니다.

  3. 대신 이 설계에는 약점이 하나 있습니다. 하드웨어와 소형 모델이 좋아져 로컬로 충분해질수록 클라우드로 넘어갈 이유가 줄어듭니다. 무료가 강해질수록 유료가 약해지는, 앞 사례들에는 없던 성격입니다.

[1] 내 컴퓨터에서는 무료, Ollama의 GPU에서는 유료

Ollama는 2023년 Jeffrey Morgan과 Michael Chiang이 만든 오픈소스 런타임입니다. 명령어 한 줄이면 모델 다운로드, 하드웨어 감지, 추론 실행까지 바이너리 하나가 처리합니다. GitHub 스타 17만 6천 개, 팀은 14명입니다. 올해 1월 이후 사용량이 두 배로 늘었고 주당 약 100만 건의 신규 설치가 붙고 있습니다. 회사 발표 기준으로는 월간 활성 개발자 890만 명, 커뮤니티 통합 6만 7천 개, Fortune 500의 85%가 쓰고 있다고 합니다.

여기까지는 무료입니다. 돈은 노트북이 감당 못 하는 큰 모델이 필요할 때부터 듭니다. 같은 명령어, 같은 설정으로 실행 위치만 Ollama의 클라우드로 옮기면 되고, 요금은 업계에서 흔한 토큰당이 아니라 GPU를 쓴 시간 단위로 매겨집니다. 구독은 무료부터 월 100달러까지입니다. 사용자 데이터로 학습하지 않는다는 원칙 덕에 정부, 의료, 금융 같은 규제 산업에서도 쓰인다는 것이 회사의 설명입니다. 이번 라운드에는 Benchmark, 8VC, Y Combinator 등이 참여했고 누적 조달액은 8,800만 달러입니다.

[2] 레이어를 나누지 않고 위치를 나눴다

이 커뮤니티에서 다뤄온 오픈소스 상용화 사례들은 전부 무료와 유료를 수직으로 나눴습니다. Vercel은 프레임워크를 무료로 풀고 그 위 신원 통제에 값을 매겼고, Microsoft는 거버넌스 커널을 무료로 풀고 그 옆 인프라에서 회수하며, Manufact는 SDK를 무료로 두고 그 위 호스팅과 관측을 팝니다. 무료인 것과 유료인 것이 서로 다른 물건이었습니다.

Ollama는 그 구분이 없습니다. 무료로 쓰는 것과 유료로 쓰는 것이 같은 런타임, 같은 명령어, 같은 추론입니다. 다른 것은 어느 하드웨어에서 도느냐 하나입니다. 회사가 내세우는 "로컬에서 시작해 클라우드로 확장, 경험의 변화 없음"이 마케팅 문구처럼 들리지만, 사실 이 과금 설계의 심장입니다. 무료에서 유료로 넘어갈 때 새로 배울 것도, 코드를 고칠 것도 없으니 전환의 마찰이 0에 가깝습니다.

[3] 영업 대신 모델 크기가 판다

그러면 무료 사용자 890만 명은 언제 유료가 될까요. 답은 이 회사의 판매 방식을 설명합니다. 내 하드웨어로 감당이 안 되는 모델을 돌리고 싶어지는 순간입니다. 더 큰 오픈 모델이 나올 때마다 일부 사용자의 하드웨어가 부족해지고, 그 순간이 곧 클라우드 전환의 계기가 됩니다. 영업 조직이 파는 것이 아니라 모델의 비대화가 파는 셈입니다.

이 관점에서 보면 파트너십 목록이 다르게 읽힙니다. Ollama는 Meta, Google DeepMind, Mistral 등 주요 모델 랩의 배포 파트너로 신모델에 day-zero로 접근하고, NVIDIA, Intel, AMD, Qualcomm과 하드웨어 통합을 맺고 있습니다. 신모델을 가장 먼저 받는 위치는 전환의 계기를 가장 먼저 여는 위치이기도 합니다. 14명이 890만 사용자 규모를 감당하는 것도 이 방식이면 설명이 됩니다. 다만 이건 Ollama가 밝힌 전략이 아니라, 과금 설계가 만들어내는 효과를 읽은 것입니다.

[4] 무료가 강해질수록 유료가 약해진다

이 설계에는 앞 사례들에 없던 문제가 하나 있습니다. 전환의 계기가 "모델 요구 성능과 내 하드웨어 성능의 격차"에 걸려 있다는 점입니다. 그 격차는 고정돼 있지 않습니다. Ollama의 하드웨어 파트너들이 로컬 추론을 빠르게 만들수록, 그리고 소형 모델의 품질이 올라갈수록 격차는 줄어듭니다. 무료 제품이 좋아질수록 유료 제품의 필요가 줄어드는, 자기 무료와 자기 유료가 경쟁하는 회사인 겁니다. Vercel의 무료 프레임워크는 유료 거버넌스와 경쟁하지 않지만, Ollama의 무료 로컬은 유료 클라우드와 정면으로 경쟁합니다.

GPU 시간 과금 자체에도 따져볼 지점이 있습니다. 토큰 과금은 계산한 만큼만 내지만, 시간 과금은 GPU를 잡고 있는 동안 냅니다. 에이전트가 도구 응답이나 사람의 확인을 기다리는 동안에도 GPU가 잡혀 있다면 비용이 쌓입니다. 꽉 채워 도는 장시간 워크로드에는 시간 단위가 유리하지만, 띄엄띄엄 도는 작업에는 토큰 단위가 쌉니다. Ollama가 유휴 시간을 어떻게 처리하는지는 공개 자료로 확인되지 않았고, 이건 가격 페이지가 아니라 실제 청구서로 검증할 항목입니다.

이 해석이 틀리는 경우도 생각해볼 수 있습니다. 로컬만으로 충분한 워크로드가 늘어나 클라우드 전환이 줄어드는 경우인데, 그렇게 되면 이 수익 모델부터 흔들립니다.

[5] 단기 매출이 아니라 위치에 대한 투자

이 조건을 알고도 6,500만 달러가 들어온 이유는 리드 투자자의 말에서 짐작할 수 있습니다. Theory Ventures의 Tomasz Tunguz는 컴퓨팅의 시대마다 모든 것이 꽂히는 플랫폼 레이어가 있었고, 오픈 모델이 실무 격차를 좁힐수록 AI가 실행되는 그 플랫폼이 소프트웨어에서 가장 가치 있는 위치가 된다고 설명했습니다.

즉 이 투자는 클라우드 추론 매출의 성장을 산 것이라기보다, 890만 개발자가 AI를 돌리는 기본 위치를 산 것에 가깝습니다. 무료와 유료가 경쟁하더라도, 어느 쪽에서 돌든 Ollama 위에서 돈다면 그 위치의 가치는 남습니다. 이 회사의 다음을 지켜볼 기준도 그래서 매출이 아니라, 로컬과 클라우드를 오가는 그 자리를 계속 지키는지가 됩니다.

역할별로 따져볼 것

기술 리더라면, 오픈 모델 운영의 로컬과 관리형 사이 계산에 워크로드의 사용률을 넣으세요. 꽉 채워 도는 작업이면 GPU 시간 과금이 맞고, 대기가 긴 작업이면 유휴 시간 처리를 계약 전에 확인해야 합니다.

규제 산업의 의사결정자라면, 데이터 학습을 하지 않는 로컬 우선 실행이 도입 심사에서 갖는 이점을 볼 만합니다. 다만 회사 발표 수치는 발표 기준이라는 점을 감안하고, 자체 검증을 거치는 편이 안전합니다.

창업자나 투자자라면, 무료와 유료가 같은 제품인 사업의 특성을 따져볼 만합니다. 전환 마찰이 0에 가까운 대신, 무료가 발전할수록 유료가 잠식되는 조건을 함께 삽니다. 이 조건을 견디는 근거가 매출인지 위치인지가 평가의 갈림입니다.

:person_raising_hand: 다음 사건을 읽는 기준

첫째, 무료와 유료를 나누는 기준이 회사마다 다르다는 점입니다. 앞선 사례들이 레이어 사이를 나눴다면 Ollama는 실행 위치로 나눴습니다. 어디를 나눴는지를 보면 그 회사가 무엇을 팔려는지 보입니다.

둘째, 전환의 계기가 설계 안에 심어져 있다는 점입니다. 더 큰 모델의 등장이 곧 유료 전환의 계기가 되는 방식이라, 영업 없이 팔리는 대신 그 계기가 하드웨어 발전에 잠식당하는 조건을 안고 있습니다.

셋째, 과금 단위가 워크로드의 성격을 담는다는 점입니다. 토큰당은 주고받는 횟수의 단위이고, GPU 시간당은 오래 도는 작업의 단위입니다. 단위 자체에 우열은 없고, 내 워크로드의 사용률이 어느 단위가 유리한지를 정합니다.

참고 자료