한국어로 Claude를 쓰면 영어보다 2.59배 비쌉니다
Blog version of a 2026-04-29 LinkedIn note — same claims, cleaned structure for reading.
This is the long-form blog cut of a note I originally posted on LinkedIn. The claims, numbers, and product names are the same; the formatting is for reading on the site.
Context
Original framing (translated in place for key technical posts; substance preserved):
한국어 프롬프트를 영어로 바꿨을 뿐인데 토큰이 절반 가까이 줄었습니다. 모델을 바꾼 것도 아니고 기능을 뺀 것도 아닙니다. 토크나이저가 언어마다 다르게 동작하기 때문이에요.
6개 모델 9개 언어 비교 데이터와 대응법을 7가지로 정리했습니다.
① 같은 문장이라도 언어마다 토큰 수가 다릅니다
AI 연구자 Aran Komatsuzaki가 Sutton의 Bitter Lesson 원문을 9개 언어로 번역한 뒤 6개 모델 토크나이저에서 토큰 수를 측정했습니다. 영어 토큰 수를 1.0으로 놓고 각 언어의 비율을 비교한 겁니다. 상대적으로 더 많은 수의 토큰이 요구되었고 이걸 Non-English Tax라고 불렀습니다.
② 전 언어 평균에서 Anthropic 추가 부담이 가장 큽니다
Gemini 3.1 → 1.22배. Qwen3.6 → 1.23배. OpenAI → 1.33배. DeepSeek V4 → 1.49배. Kimi K2.6 → 1.76배. Anthropic → 2
한국어 프롬프트를 영어로 바꿨을 뿐인데 토큰이 절반 가까이 줄었습니다. 모델을 바꾼 것도 아니고 기능을 뺀 것도 아닙니다. 토크나이저가 언어마다 다르게 동작하기 때문이에요.
6개 모델 9개 언어 비교 데이터와 대응법을 7가지로 정리했습니다.
① 같은 문장이라도 언어마다 토큰 수가 다릅니다
AI 연구자 Aran Komatsuzaki가 Sutton의 Bitter Lesson 원문을 9개 언어로 번역한 뒤 6개 모델 토크나이저에서 토큰 수를 측정했습니다. 영어 토큰 수를 1.0으로 놓고 각 언어의 비율을 비교한 겁니다. 상대적으로 더 많은 수의 토큰이 요구되었고 이걸 Non-English Tax라고 불렀습니다.
② 전 언어 평균에서 Anthropic 추가 부담이 가장 큽니다
Gemini 3.1 → 1.22배. Qwen3.6 → 1.23배. OpenAI → 1.33배. DeepSeek V4 → 1.49배. Kimi K2.6 → 1.76배. Anthropic → 2.07배.
5개 모델이 1.2~1.8배 사이인데 Anthropic만 2배를 넘깁니다.
③ 한국어만 떼어 보면 격차가 더 벌어집니다
Qwen3.6 → 1.13배. OpenAI → 1.40배. DeepSeek V4 → 1.59배. Kimi K2.6 → 2.02배. Anthropic → 2.59배.
같은 한국어 프롬프트를 넣어도 Claude는 Qwen 대비 토큰을 2배 넘게 소모합니다. “비싼 모델이니까 좀 더 써도 괜찮다”로 넘기기엔 차이가 커요.
④ 자국어 최적화 모델은 영어보다 효율이 높습니다
중국어 기준: Kimi K2.6 → 0.81배. Qwen3.6 → 0.85배. DeepSeek V4 → 0.87배.
세 모델 모두 자국어에서 영어보다 토큰을 적게 소모합니다. 토크나이저 학습 데이터에 자국어 비중을 높인 결과입니다. 한국어에 이 수준으로 최적화된 대형 모델은 아직 없어요.
⑤ Opus 4.7 토크나이저가 바뀌면서 토큰이 늘었습니다
Anthropic 공식 문서에 따르면 Opus 4.7은 새 토크나이저를 쓰면서 같은 텍스트에 최대 1.35배 더 많은 토큰을 소모합니다. 가격표는 Opus 4.6과 동일하지만 생성되는 토큰 수가 늘었어요. 직접 확인해봤는데 같은 프롬프트에서 토큰 카운트가 올라간 게 눈에 보입니다.
⑥ 최악의 경우 영어 대비 3.5배입니다
한국어 추가 부담 2.59배에 토크나이저 변경 최대 1.35배를 곱하면 약 3.5배. 같은 요금제 안에서 영어 사용자가 10번 쓸 때 한국어 사용자는 3번도 못 쓰는 구조입니다. 체감이 아니라 구조적인 비용 차이에요.
⑦ 시스템 프롬프트와 반복 지시문은 영어로 바꾸세요
가장 빠른 대응 방법입니다. 매번 소모되는 시스템 프롬프트와 고정 지시문을 영어로 쓰면 그만큼 토큰이 줄어듭니다. Claude Code의 CLAUDE.md도 영어로 쓰는 게 유리해요.
사용자 입력은 한국어로 써도 됩니다. 고정되어 반복 소모되는 부분만 바꾸면 충분합니다.
벤치마크 1위 모델을 한국어 사용자가 가장 비싸게 쓰고 있습니다. 실측 데이터와 추가 절약법을 이어서 공유해보겠습니다.
订阅通讯
获取最新 AI 洞见。