사실 이렇습니다: OpenAI에서 더 빨리 갈아탈 걸 그랬습니다 — 저의 마이그레이션 가이드

지난 3월의 어느 나른한 일요일 아침, 저는 OpenAI 결제 대시보드를 열었다가 기계식 키보드에 콜드 브루를 쏟을 뻔했습니다. 500달러. 한 달 만에 사라졌습니다. 무엇을 위해서였을까요? 몇 개의 사이드 프로젝트와 제 아내의 빵집을 위해 만든, 하루에 사용자 10명 정도가 이용할 법한 챗봇을 위해서였습니다. 저는 그 숫자를 빤히 바라보며 대략적인 계산을 해보았고, 가슴 속에서 무언가 변하는 것을 느꼈습니다. 이는 마치 제3자 EULA(최종 사용자 라이선스 계약)의 세 번째 단락에 "역공학 금지"라고 적힌 것을 보았을 때 느끼는 것과 같은 기분이었습니다.

그 순간, 저는 타인의 폐쇄된 정원(walled garden)에 입주해 사는 삶을 끝내기로 결심했습니다.

저는 어디서나 Linux를 사용합니다. 제 에디터는 오픈 소스(open source)입니다. 제 데이터베이스도 오픈 소스입니다. 저는 해커스페이스(hackerspace)에서 3D 프린팅한 Apache 라이선스가 적용된 세라믹 머그컵으로 커피를 마십니다. 그런데 도대체 왜 저는 매달 500달러라는 거금을 단일 벤더의 로드맵, 가격 변동, 그리고 속도 제한(rate limits)에 저를 종속시키는 폐쇄 소스(closed-source) API에 쏟아붓고 있었던 걸까요? 인지 부조화가 화물 열차처럼 저를 덮쳤습니다.

이것은 제가 어떻게 모든 것을 OpenAI에서 마이그레이션(migration)하고, 청구 금액을 약 97% 절감했으며, 다시는 뒤돌아보지 않게 되었는지에 대한 이야기입니다. 만약 당신이 소프트웨어의 자유를 중요하게 생각하는 개발자라면 — 네, 저는 Apache 2.0 및 MIT 라이선스에 명시된 그런 종류의 자유를 말하고 있습니다 — 이 가이드는 당신을 위한 것입니다.

제가 속고 있다는 것을 깨달은 날

상황을 설명해 보겠습니다. 제가 모든 것에 기본 모델로 사용해 온 GPT-4o는 입력 토큰(input tokens) 100만 개당 2.50달러, 출력 토큰(output tokens) 100만 개당 10.00달러의 비용이 듭니다. 10달러입니다. 100만 토큰에 말이죠. 물론 GPT-4o는 훌륭한 모델입니다. 저는 이 모델의 품질을 비난하려는 것이 아닙니다. 하지만 2026년에 사용 가능한 것들과 비교했을 때, 출력 측면에서의 10달러/M(100만 토큰당 10달러)은 명백한 강도질이나 다름없습니다.

저는 조사를 시작했습니다. 스스로에게 물었습니다. '리처드 스톨만(Richard Stallman)이라면 어떻게 했을까?' 물론 좀 과장된 표현일 수도 있지만, 원칙은 유효합니다. FOSS(자유 오픈 소스 소프트웨어) 커뮤니티가 특정 프로젝트를 중심으로 결집할 때는, 사람들을 독점적인 스택(Proprietary stacks)에 가두는 것이 장기적인 함정이라는 것을 인식했기 때문입니다. 저는 API 호출을 한 번씩 할 때마다 그 함정 속으로 스스로 걸어 들어가고 있었습니다.

그래서 저는 스프레드시트를 만들었습니다. 제가 손에 넣을 수 있는 모든 모델을 비교했습니다. 제가 발견한 결과는 다음과 같습니다:

40배나 더 저렴합니다. 이 사실을 곱씹어 보십시오. 전반적인 품질 수준은 비슷하고, 동일한 채팅 완성 API (Chat completions API)를 사용하며, 밑단에는 MIT 라이선스가 적용된 추론 (Inference) 엔진이 깔려 있는데, 저는 10달러 대신 출력 토큰 100만 개당 단돈 2.5센트를 지불하고 있습니다. 계산 결과는 명확합니다.

만약 여러분이 오늘 OpenAI에 월 500달러를 쓰고 있다면, DeepSeek V4 Flash로 전환하는 데 드는 비용은 약 12.50달러일 것입니다. 오타가 아닙니다. 이것은 서버 창고의 월세를 내는 것과 커피 한 잔을 사는 것의 차이입니다.

벤더 종속(Vendor Lock-In)이 나쁜 가격 책정보다 더 최악인 이유

정말로 저를 화나게 하는 점은 바로 이것입니다. 그리고 이것이 대부분의 블로그 포스트가 그냥 지나치는 부분이라고 생각합니다. 나쁜 가격 책정은 짜증 나는 일이지만, 벤더 종속(Vendor lock-in)은 실존적인 문제입니다.

제가 OpenAI에 요청을 보낼 때, 저는 단순히 비용을 지불하는 것이 아닙니다. 저는 통제권을 양도하고 있는 것입니다. 그 모델을 실행할 수 있는 곳은 오직 그들뿐입니다. 모델의 동작을 변경할 수 있는 곳도 오직 그들뿐입니다. 다음 분기에 어떤 필터가 추가될지 결정하는 곳도 오직 그들뿐입니다. 만약 그들이 엔드포인트(Endpoint)를 폐기(Deprecate)하면, 저는 코드를 리팩터링(Refactoring)해야 합니다. 가격을 올리면, 저는 돈을 더 내거나 코드를 다시 짜야 합니다. 그들에게 장애(Outage)가 발생하면, 제 앱들도 먹통이 됩니다.

이것이 바로 '가두리 양식장(Walled garden)'의 교과서적인 정의이며, 오픈 소스 운동이 반대하기 위해 만들어진 바로 그 지점입니다. 모델이 Apache 2.0 라이선스를 가진 오픈 웨이트(Open weights) 모델일 때(위 표에 있는 많은 모델처럼), 커뮤니티는 이를 감사(Audit)하고, 호스팅하고, 미세 조정(Fine-tune)할 수 있으며, 네 — 인질이 되지 않고도 통합 API를 통해 호출할 수 있습니다.

Global API를 통해 단일 OpenAI 호환 인터페이스로 184개의 모델에 접근할 수 있습니다. 원한다면 내일이라도 DeepSeek V4 Flash를 Qwen3-32B로 교체할 수 있습니다. 벤치마크(Benchmark)를 실행하고, 내 사용 사례에 가장 적합한 모델을 선택한 뒤, 코드 한 줄만 바꾸면 됩니다. 이것이 자유입니다. MIT 라이선스 인프라가 제대로 작동할 때 느껴지는 바로 그 기분입니다.

실제 마이그레이션: 진심으로, 코드 단 두 줄이면 됩니다

저는 이 과정이 고통스러울 것이라고 예상했습니다. 주말 이틀 정도를 할애할 계획을 세웠죠. 아내에게 토요일에는 내가 까칠할 거라고 미리 말해두기까지 했습니다. 그런데 결과적으로, 15분 만에 끝났습니다.

OpenAI Python SDK가 진정으로 잘 설계되었기 때문에 (그들의 비즈니스 모델에는 동의하지 않더라도, 인정할 건 인정해야 합니다), base_url 파라미터를 허용합니다. Global API는 정확히 동일한 프로토콜(Protocol)을 사용합니다. 따라서 전체 마이그레이션은 단 두 개의 문자열을 바꾸는 것으로 요약됩니다.

다음은 Python에서의 변경 전후 모습입니다:

from openai import OpenAI

client = OpenAI(api_key="sk-...")
...

그게 전부입니다. 그것이 마이그레이션의 전부였습니다. 저는 동일한 SDK, 동일한 임포트(Import), 동일한 메서드 호출(Method calls), 동일한 응답 처리(Response handling) 방식을 그대로 유지했습니다. 오직 키 접두사(Key prefix)만 바뀌었고 (sk_에서 ga_로), 베이스 URL(Base URL)이 api.openai.com 대신 global-apis.com/v1을 가리키게 되었을 뿐입니다. 기존의 에러 핸들링(Error handling), 재시도 로직(Retry logic), 로깅(Logging) 모두 그대로 작동했습니다.

JavaScript 사용자들에게도 이야기는 같습니다:

// 변경 전
import OpenAI from 'openai';
const client = new OpenAI({ apiKey: 'sk-...' });
...

Go와 Java SDK도 동일한 방식으로 작동합니다. 심지어 순수 curl 명령어도 작동합니다. 와이어 프로토콜(Wire protocol)이 동일하기 때문입니다. 이것이 표준 기반 API(Standards-based APIs)의 아름다움입니다. 제공업체가 공개 사양(Open spec)을 준수하면, 교체 작업은 재작성이 아닌 설정 변경이 됩니다. 이는 애플리케이션이 오픈 컨테이너 포맷(Open container formats)이나 오픈 문서 표준(Open document standards)을 지원할 때 우리가 환호하는 것과 동일한 철학적 승리입니다.

얻는 것과 잃는 것 (솔직한 트레이드오프)

저는 여러분께 솔직해지고 싶습니다. 오픈 소스 커뮤니티는 가짜 약(Snake oil)을 팔지 않으니까요. OpenAI와 Global API 사이에서 동일하게 작동하는 것들은 다음과 같습니다:

• Chat Completions (채팅 완성) — 동일한 API, 동일한 요청 형태 (request shape), 동일한 응답 형태 (response shape)
• SSE를 통한 스트리밍 (Streaming via SSE) — 동일한 동작, 동일한 청크 (chunk) 형식
• 함수 호출 (Function calling) — 동일한 도구/함수 스키마 (tool/function schema), 동일한 호출 패턴 (invocation pattern)
• JSON 모드 (JSON mode) — response_format 파라미터가 동일하게 작동
• 비전 입력 (Vision inputs) — 적절한 모델(예: Qwen-VL 변형 모델)을 통해 이미지 메시지 작동
• 임베딩 (Embeddings) — 지원됨, 더 많은 모델이 출시되는 중

이제 Global API에서 (아직) 지원되지 않는 것들의 솔직한 목록입니다:

• 미세 조정 (Fine-tuning) — 사용 불가능. 미세 조정이 필요하다면, 지금 당장의 정답은 셀프 호스팅(self-hosted)하는 오픈 웨이트 (open weights) 모델을 사용하는 것입니다. 아이러니하게도, 이것이 가장 순수한 FOSS(자유 오픈 소스 소프트웨어) 방식입니다.
• 어시스턴트 API (Assistants API) — 사용 불가능. 하지만 벡터 DB (vector DB)와 상태 머신 (state machine)을 사용하여 직접 구축할 수 있습니다. 솔직히 말해서, Assistants API는 항상 과하게 홍보되었습니다.
• TTS / STT — 이 게이트웨이를 통해서는 사용 불가능합니다. 이를 위해서는 전용 서비스를 사용하세요.

제가 OpenAI로 수행하던 작업의 90% — 챗봇, 콘텐츠 생성, 코드 도우미, 데이터 추출, 분류 — 에 있어 기능 격차는 제로였습니다. 저는 말 그대로 결제 대시보드에서 숫자가 극적으로 줄어든 것 외에는 차이를 느끼지 못했습니다.

이것이 내 지갑 그 이상의 의미를 갖는 이유

잠시 시야를 넓혀보고 싶습니다. 한 달에 487.50달러를 아끼는 것도 훌륭하지만, 그것이 핵심은 아니기 때문입니다.

핵심은 우리가 독점적인 의존성(proprietary dependency)을 우회할 때마다, 오픈 생태계를 강화한다는 점입니다. Apache 또는 MIT 라이선스 하에 오픈 웨이트 (open weights)를 공개하는 제공업체로 흘러가는 모든 달러는 투명성, 재현성(reproducibility), 그리고 커뮤니티 소유권을 위한 투표입니다. 폐쇄적인 가두리 양식장(walled garden) 형태의 폐쇄 소스(closed-source)로 흘러가는 모든 달러는 그 반대를 향한 투표입니다.

저는 초기 웹을 생각합니다. HTTP와 HTML을 개방형 표준(open standards)으로 결정했던 그 순간 말입니다. 그 결정 덕분에 우리 중 누구라도 직업을 가질 수 있게 되었습니다. 우리는 AI 인프라에 있어서도 다음 세대의 개발자들에게 동일한 선물을 줄 의무가 있습니다. 독점적인 API(proprietary APIs)에서 벗어나는 것은 단순히 개인적인 재정적 결정이 아닙니다. 그것은 소프트웨어 관리(software stewardship)의 행위입니다.

게다가, 솔직히 말씀드리자면: 오픈 웨이트(open weights) 모델들은 진정으로 훌륭해졌습니다. DeepSeek V4 Flash는 체급을 훨씬 뛰어넘는 성능을 보여줍니다. Qwen3-32B는 괴물 같습니다. GLM-5는 긴 컨텍스트(long context)를 챔피언처럼 처리합니다. 이들은 더 이상 들러리가 아닙니다. 종종 가장 현명한 기본 선택지(smart default)가 됩니다.

제가 겪은 시행착오에서 얻은 몇 가지 주의사항

흉터 없는 마이그레이션 가이드는 없기에, 제가 발을 헛디뎠던 몇 가지 사항을 공유하겠습니다.

속도 제한(Rate limits)은 처음에는 다르게 느껴집니다. OpenAI의 엔터프라이즈 티어(enterprise tier)에 익숙해져 있다가 더 작은 제공업체로 옮기면, 급증하는 워크로드(bursty workloads) 중에 초당 제한에 걸릴 수 있습니다. 해결책: 클라이언트 코드에 간단한 토큰 버킷(token bucket)이나 지수 백오프(exponential backoff)를 추가하세요. 코드 다섯 줄이면 됩니다.

스트리밍 청크(Streaming chunks)는 미세한 공백 차이가 있을 수 있습니다. 한 제공업체는 청크 델타(chunk deltas)에 추가 줄바꿈을 포함했습니다. 제 다운스트림(downstream) JSON 파서가 이를 처리하지 못하고 막혔습니다. 저는 .strip()을 추가하고 넘어갔습니다.

모델 이름이 중요합니다. 저는 반사적으로 Global API에 gpt-4o를 호출하려 했다가 404 에러를 받았습니다. 제공업체의 카탈로그에 있는 모델 이름을 사용하세요. deepseek-v4-flash, qwen3-32b, glm-5, kimi-k2.5와 같은 일반적인 이름들은 안정적입니다.

이 중 그 어떤 것도 결정적인 결함은 아니었습니다. 모두 오후 한나절이면 해결할 수 있는 문제들이었습니다.

결론

저는 OpenAI에서 마이그레이션했습니다. 저는 거금을 아꼈습니다. 이제 저는 표준을 준수하는 API를 통해 오픈 웨이트(open weights) 모델로 앱을 실행합니다. 만약 OpenAI가 내일 가격을 내린다면, 저는 5분 만에 다시 돌아갈 수 있습니다. 만약 Global API에 장애가 발생한다면, 저는 다른 호환 가능한 제공업체를 가리키면 됩니다. 저는 더 이상 인질이 아닙니다.

그것이 바로 제가 구축하고 싶은 미래입니다. 모델 계층이 범용화(commodified)되고, API가 개방되어 있으며, 라이선스가 MIT 또는 Apache인 미래 말입니다. 벤더(vendor)가 분기 실적 발표를 할 때마다 매번 스택을 다시 작성할 필요 없이, 작업에 가장 적합한 도구를 선택할 수 있는 그런 미래 말입니다.

이 글을 읽으며 고개를 끄덕이고 계신다면, 스스로를 위해 Global API를 확인해 보세요. 가입하고, 키를 발급받은 뒤, 기존의 OpenAI SDK를 https://global-apis.com/v1로 지정하고 단 한 번의 테스트 호출을 실행해 보세요. 15분이면 충분합니다. 사슬을 끊어내는 데 필요한 시간은 그게 전부입니다.

여러분의 지갑이 고마워할 것입니다. 또한, 누구의 허락도 구하지 않고 마음대로 모델을 교체할 수 있게 될 미래의 여러분 자신도 고마워할 것입니다.