Summary

  • Google은 2026년 10월 30일부터 TabFM 모델 토큰을 별도로 청구하고, 쿼리의 비모델 작업에는 슬롯 또는 처리 바이트 요금을 유지할 예정이다.
  • 공개 수식에서 n_ensembles는 입력·출력 토큰 모두에 곱해진다. 다른 값이 같으면 이 설정을 두 배로 할 때 모델 비용도 두 배가 된다.

간편한 호출 뒤에 붙는 새 계량기

BigQuery의 AI.PREDICT에 레이블이 붙은 표와 예측할 행을 넣으면 분류나 회귀 결과가 나온다. 별도 모델을 배포하지 않아도 되는 한 줄의 SQL이 TabFM의 매력이다. 그러나 Google의 함수 문서는 2026년 10월 30일부터 모델이 소비한 토큰을 따로 청구하고, 모델 추론 밖의 쿼리 작업에는 계속 슬롯 또는 처리 바이트 요금을 적용한다고 적었다. 이 글을 쓰는 날은 10월 28일이다. 발표된 시행 예정 규칙을 이미 발생한 고객 청구서로 바꿔 말할 수는 없다.

미리보기 단계에서는 Enterprise와 Enterprise Plus 사용량이 슬롯으로, 주문형 사용량이 처리 바이트로 계산된다. 앞으로는 비모델 작업의 계량기에 모델 토큰 계량기가 더해진다. 개발자에게는 여전히 하나의 함수이지만, 비용을 관리하는 사람에게는 두 갈래의 구매다. SQL 안에 제품을 넣는 편리함이 제품의 가격표까지 없애지는 않는다.

숫자를 키우는 것은 행과 열, 그리고 앙상블

공식 요금표의 단가는 입력 토큰 100만 개당 0.05달러, 출력 토큰 100만 개당 0.20달러다. 입력 수는 (학습 행 × 열 + 예측 행 × (열 − 1)) × n_ensembles, 출력 수는 예측 행 × n_ensembles로 계산한다. 열에는 계산에 사용한 특징과 목표 레이블이 포함된다. n_ensembles는 순서를 달리한 데이터 버전의 예측을 평균내는 횟수다. 두 식 모두 마지막에 이 값이 곱해진다. 같은 행과 열을 유지하며 앙상블 수를 두 배로 하면 모델 토큰 비용도 두 배다. TabFM 문서는 특징 열을 최대 50개로 제한한다.

가상의 사례로 레이블 행 100만 개, 열 20개, 예측 행 10만 개, 앙상블 4개를 넣어 보자. 공식은 입력 8,760만 토큰과 출력 40만 토큰을 낸다. 공개 단가로 모델 부분은 4.46달러다. 앙상블을 8개로 늘리면 8.92달러가 된다. 실제 고객의 청구액이 아니라 요금식의 산술 예시다. 나머지 쿼리의 슬롯·바이트 비용, 저장비, 개별 계약 할인은 빠져 있다. 이 계산이 보여주는 것은 전체 청구액이 아니라 설정값의 기울기다.

비용 결정권은 쿼리를 쓰는 사람에게 간다

플랫폼 조직이 BigQuery 용량을 관리해도 애플리케이션 개발자가 앙상블 수를 바꿀 수 있다. 분석가는 특징 열을 늘리고, 서비스는 예측할 행을 확대하고, 운영자는 실행 주기를 하루에서 한 시간으로 줄일 수 있다. 모두 모델 요금을 키우지만 창고 용량 계약을 새로 맺는 행위는 아니다. 비용 승인 절차가 SQL 함수의 인자와 실행 빈도를 보지 않으면 가장 중요한 손잡이를 놓친다.

한 번에 몇 달러인 시험은 가볍다. 그 시험을 고빈도 서비스에 붙이면 반복이 본체가 된다. 앙상블을 늘려 정확도가 좋아진다면 개선 폭을 측정해 추가 비용과 맞대면 된다. 측정 없이 설정만 올린다면 기술적 취향이 예산 결정을 대신한 셈이다. Google은 날짜와 수식과 단가를 공개했다. 고객도 생산 작업을 승인하기 전에 행, 열, 앙상블, 호출 횟수를 적어 둘 수 있다.

실제 영향은 10월 30일 이후의 청구서와 그에 대응하는 쿼리 설정이 있어야 판단할 수 있다. 다만 거래의 구조는 벌써 바뀌었다. 예측을 호출하는 문장은 하나지만, 그 문장에서 돈이 흐르는 길은 둘이다.

출처