Perplexity Computer, 숫자 4개로 직접 따져봤습니다

Published on

in

Perplexity Computer, 숫자 4개로 직접 따져봤습니다

2026.03.11 출시 기준
Perplexity Max 전용
TECH

Perplexity Computer, 숫자 4개로 직접 따져봤습니다

결론부터 말씀드리면, Perplexity Computer는 “AI 챗봇의 업그레이드 버전”이 아닙니다. 아예 다른 카테고리의 제품입니다. 그런데 많은 글들이 기능 소개에만 그치고 있습니다. 20개 모델, 10,000 크레딧, 4주에 3.25년, $200 — 이 숫자들이 실제로 무엇을 의미하는지, 공식 문서와 실사용 데이터를 교차해서 직접 따져봤습니다.

20개
조율 AI 모델 수
10,000
월 기본 크레딧
$200
Max 월 구독료
3.25년
4주 처리 업무량

Perplexity Computer가 정확히 뭔지부터

Perplexity Computer는 2026년 2월 25일 공개된 멀티에이전트 AI 시스템입니다. 많은 글들이 “AI가 대신 일해준다”는 식으로 소개하지만, 작동 방식이 기존 AI 서비스와 근본적으로 다릅니다. 일반 챗봇이나 에이전트가 개별 작업에 응답하는 구조라면, Perplexity Computer는 워크플로 전체를 자율적으로 설계하고 실행하는 시스템입니다.

작동 순서는 이렇습니다. 원하는 결과물을 설명하면 → Computer가 이를 작업과 하위 작업으로 분해하고 → 각 하위 작업에 맞는 하위 에이전트를 생성해 병렬로 실행합니다. 한 에이전트가 문서를 작성하는 동안 다른 에이전트가 데이터를 수집하는 식이죠. (출처: Perplexity 공식 블로그, 2026.02.25)

실행 환경도 중요한 포인트입니다. 모든 작업은 실제 파일 시스템, 실제 브라우저, 실제 도구 통합에 접근할 수 있는 격리된 컴퓨팅 환경(샌드박스)에서 돌아갑니다. 내 로컬 환경에 직접 설치하는 구조가 아니라 클라우드 기반 격리 환경에서 실행된다는 점, 처음 접하면 헷갈리기 쉽습니다.

현재 Perplexity Computer는 Perplexity Max 구독자($200/월)만 사용할 수 있습니다. Pro 플랜($20/월)에는 크레딧 시스템 자체가 아직 미지원 상태이며, 공식 헬프센터 기준 “크레딧 접근 예정”으로만 안내됩니다. (출처: Perplexity 헬프센터)

▲ 목차로 돌아가기

20개 모델 오케스트레이션 — AI가 범용화된다는 통념을 뒤집다

💡 공식 발표문과 실제 모델 배치 구성을 같이 놓고 보니, Perplexity가 왜 이 방식을 택했는지가 보였습니다.

업계에서는 “AI 모델이 범용화(commoditizing)되고 있다”는 시각이 오랫동안 주류였습니다. 모델 성능이 평준화되면 결국 가격 경쟁으로 흐른다는 논리죠. 그런데 Perplexity 공식 블로그는 이 전제를 정면으로 뒤집습니다. “실제로는 모델의 전문화(specialization)가 일어나고 있다”는 게 Perplexity의 진단입니다. (출처: Perplexity 공식 블로그 ‘introducing-perplexity-computer’, 2026.02.25)

현재 Perplexity Computer의 모델 배치 구성을 보면 이 논리가 더 선명해집니다. 핵심 추론 엔진은 Opus 4.6, 심층 연구용 하위 에이전트는 Gemini, 이미지는 Nano Banana, 비디오는 Veo 3.1, 가벼운 작업 속도용은 Grok, 긴 문맥 회상과 광범위한 검색은 ChatGPT 5.2를 씁니다. 20개 모델을 조율한다고 발표했지만, 공개된 구성만 봐도 이미 6개 이상의 모델이 역할별로 다르게 배치돼 있습니다.

여기서 주목할 점이 있습니다. Perplexity는 어떤 특정 모델의 팬이 아닙니다. OpenAI, Anthropic, Google, xAI 모델을 동시에 씁니다. 경쟁사 모델을 한 시스템 안에 조율하는 구조이기 때문에, 특정 회사의 모델이 더 좋아지면 그냥 교체하면 됩니다. 이 구조가 Perplexity의 진짜 해자(moat)입니다.

그래서 “Perplexity vs ChatGPT” 비교 구도 자체가 좀 어긋납니다. ChatGPT가 하위 에이전트로 안에 들어가 있으니까요. ChatGPT는 모델이고 Perplexity Computer는 시스템입니다. 다른 레이어입니다.

▲ 목차로 돌아가기

10,000 크레딧의 실제 의미 — 생각보다 빨리 바닥납니다

Perplexity Max 구독자는 매월 10,000 크레딧을 기본으로 받습니다. 한시적 보너스로 35,000 크레딧이 추가 지급되고 있습니다. (출처: Perplexity 헬프센터 ‘How Credits Work’, 2026.03 기준)

구분 크레딧 비고
기본 월 크레딧 10,000 월말 미사용분 소멸
한시적 보너스 크레딧 35,000 보너스 먼저 소진
리서치 작업 1건 소비 1,000~2,000 복잡도에 따라 상이
기본 크레딧으로 가능한 리서치 작업 수 5~10건 기본 크레딧 기준
추가 크레딧 구매 별도 결제 Auto-refill 기본 OFF

리서치 작업 1건당 1,000~2,000 크레딧이 소비됩니다. 기본 월 크레딧 10,000개로는 복잡한 리서치 작업을 많아야 10건 정도 처리할 수 있습니다. 월 5~10건이면 생각보다 적죠. 실제 Reddit 커뮤니티에서는 하루 만에 1만 5천 크레딧을 소진했다거나, 단 1건의 복잡한 프로젝트에서 월 기본 크레딧 전체가 날아갔다는 후기도 여럿 올라와 있습니다.

한 가지 더 봐야 할 게 있습니다. Auto-refill은 기본값이 OFF입니다. 활성화하면 잔액이 일정 수준 이하로 떨어질 때 자동으로 추가 결제가 됩니다. Max 계정 기본 월 지출 한도는 $200이지만, 최대 $2,000까지 올릴 수 있습니다. Auto-refill을 켜두고 복잡한 프로젝트를 돌리면 예상보다 빠르게 추가 결제가 발생할 수 있습니다. (출처: Perplexity 헬프센터)

보너스 크레딧 35,000개를 포함하면 초기에는 여유로워 보이지만, 이건 한시적 프로모션이라 언제 종료될지 모릅니다. 구독 갱신 시점에 동일 조건이 보장되지 않습니다. 정상 운영 기준으로는 월 10,000 크레딧이 실제 한도라고 봐야 합니다.

▲ 목차로 돌아가기

4주에 3.25년 — 이 수치, 그대로 믿으면 안 됩니다

💡 벤치마크 수치 출처를 파고들면, 이 숫자가 일반 사용자에게 그대로 적용되지 않는 이유가 보입니다.

Perplexity 공식 블로그(‘Everything is Computer’, 2026.03.11)에는 이런 수치가 나옵니다. “McKinsey, Harvard, MIT, BCG 등 기관 벤치마크를 기준으로 16,000건이 넘는 질의를 연구한 결과, Perplexity Computer는 내부 팀의 인건비를 160만 달러 절감했고 단 4주 만에 3.25년치 업무를 수행했다.” 단순 계산하면 1주일에 약 0.81년치, 하루에 약 42일분의 업무를 처리한 셈입니다.

그런데 이 수치를 액면 그대로 받아들이기 전에 확인해야 할 것이 있습니다. 이 벤치마크는 Perplexity 내부 팀이 자체적으로 수행한 업무에 대한 결과입니다. Perplexity가 자사 제품을 직접 평가한 수치라는 점에서, 이를 제3자 독립 검증 결과로 볼 수는 없습니다. 공식 발표문 어디에도 외부 독립 감사 기관이나 제3자 기관 검증 언급은 없습니다.

또한 “3.25년치 업무”라는 산출 기준, 즉 어떤 작업을 기준으로 ‘1년치 업무’를 정의했는지도 공식 문서에서 별도로 밝히지 않았습니다. 리서치, 문서 작성, 데이터 처리 등 작업 유형에 따라 결과는 크게 달라질 수밖에 없습니다.

실사용 커뮤니티 후기와 맞춰보면 방향성 자체는 납득이 됩니다. “리서치와 분석은 진짜 빠르고, 비즈니스 운영 실무 작업에서는 기대에 못 미쳤다”는 후기가 반복적으로 올라옵니다. 리서치 특화 작업에서 생산성 향상은 실제로 크지만, 모든 종류의 업무에 3.25배 이상 효율이 나온다고 이해하면 기대치 오류가 생깁니다.

▲ 목차로 돌아가기

Personal Computer — 하드웨어를 사는 게 아닙니다

2026년 3월 11일 Perplexity의 ‘Ask 2026’ 개발자 컨퍼런스에서 Personal Computer가 공개됐습니다. 이름과 설명 방식 때문에 많은 사람들이 Perplexity가 Mac mini를 파는 거라고 착각합니다. 직접 확인했더니 그게 아닙니다.

Personal Computer는 소프트웨어입니다. 사용자가 보유한 Mac mini에 Perplexity의 AI 에이전트 소프트웨어를 연결하는 방식입니다. Mac mini가 24시간 켜져 있으면, 해당 기기에서 로컬 앱과 파일에 접근하면서 Perplexity의 보안 서버와 통신하는 구조입니다. (출처: Perplexity 공식 블로그, 2026.03.11)

⚠️ 현재 상태: Personal Computer는 2026년 3월 기준 대기자 명단(waitlist) 단계입니다. 가입 후 초기 참여 그룹이 순차 선발되며, 일반 공개 시점은 공식적으로 발표되지 않았습니다. Mac 전용(macOS 한정)이며, Windows 지원 일정도 공개되지 않았습니다.

실제 연결 가능한 서비스 범위를 보면 상당히 넓습니다. Gmail, Slack, GitHub, Notion, Salesforce에 직접 연결해 모니터링하고 트리거 기반 작업을 실행할 수 있습니다. 예를 들어 GitHub 레포지토리를 밤새 모니터링하고, 새벽에 스탠드업 전에 Slack 요약을 자동으로 올리는 식의 사용이 가능합니다.

보안 구조는 이렇습니다. 민감한 작업에는 사용자 승인이 필요하고, 모든 세션에 감사 추적이 남으며, 킬 스위치로 즉각 중단이 가능합니다. 모든 실행은 독립된 샌드박스 환경에서 돌아갑니다. 그렇더라도 로컬 파일과 앱에 AI 에이전트가 접근하는 구조이기 때문에, 민감한 데이터를 다루는 환경에서는 권한 범위 설정을 신중히 검토해야 합니다.

▲ 목차로 돌아가기

$200짜리 구독, 이런 용도가 아니면 손해입니다

💡 기업 벤치마크 수치와 개인 구독 구조를 같이 보면, 이 서비스가 실제로 어떤 사람을 위한 것인지 패턴이 보입니다.

Perplexity Computer가 진짜 빛을 발하는 구간은 명확합니다. 반복적이고 대용량인 리서치·분석 워크플로입니다. 시장 조사, 경쟁사 분석, 금융 데이터 수집, 보고서 초안 생성 같은 작업에서 실제 사용자들의 긍정 후기가 집중됩니다. 반면 사업 운영 실무처럼 맥락이 복잡하고 판단이 개입되는 작업에서는 기대보다 못하다는 평가가 많습니다.

Enterprise 버전 수치($1.6M 인건비 절감)는 대규모 팀 단위의 결과입니다. 개인 Max 구독자가 동일한 ROI를 기대하기는 어렵습니다. 월 $200를 지출한다고 할 때, 이를 정당화하려면 해당 구독으로 대체할 수 있는 작업의 시간 가치가 최소 $200 이상이어야 합니다.

✅ 이 조건이면 맞습니다

  • 매주 대용량 리서치 작업이 반복되는 경우
  • 여러 SaaS 도구(Slack, Notion, Gmail 등)를 동시 조율해야 하는 경우
  • 여러 AI 모델을 목적별로 직접 골라 쓰던 경우
  • 코딩+리서치+문서작업이 하나의 플로우로 묶여야 하는 경우

❌ 이 조건이면 과합니다

  • 일상적인 질문·답변이 주 사용 목적인 경우
  • 월 리서치 작업이 5건 미만인 경우
  • Pro 플랜($20/월)으로 현재 충분한 경우
  • Mac이 없는 환경(Personal Computer 사용 불가)

Perplexity 자체도 공식 블로그에서 “$200 월정액은 개인용이면서 동시에 기업용”이라고 언급합니다. 솔직히 말하면 이 가격대는 개인보다 팀 단위에 맞는 구조입니다. 반복 리서치 작업을 대량으로 돌려야 하는 사람, 또는 소규모 팀에서 직원 채용 전 자동화가 필요한 경우에 가장 현실적인 선택지가 됩니다.

▲ 목차로 돌아가기

자주 묻는 질문 5가지

Q1. Perplexity Computer는 Pro 플랜($20/월)에서도 쓸 수 있나요?

아직 안 됩니다. 2026년 3월 기준, 크레딧 시스템 자체가 Max($200/월)와 Enterprise Max 전용입니다. 공식 헬프센터에 “Pro 플랜 크레딧 접근 예정”으로 적혀 있지만, 구체적인 시점은 공개되지 않았습니다.

Q2. Personal Computer를 쓰려면 Mac mini를 별도로 구매해야 하나요?

네, 하드웨어는 사용자가 직접 준비해야 합니다. Perplexity가 Mac mini 자체를 판매하는 게 아닙니다. M4 Mac mini를 이미 보유하고 있거나 구매하면 Perplexity Personal Computer 소프트웨어를 연결할 수 있습니다. 현재 waitlist 단계이며, Windows는 지원하지 않습니다.

Q3. 월 10,000 크레딧으로 어느 정도의 작업이 가능한가요?

복잡도에 따라 다르지만, 리서치 중심 작업 기준으로 작업 1건당 1,000~2,000 크레딧이 소비됩니다. 기본 크레딧만으로는 월 5~10건 정도가 현실적인 한도입니다. 보너스 35,000 크레딧은 한시적 프로모션이라 이후에는 기본 10,000개가 실제 기준입니다.

Q4. Auto-refill을 켜두면 추가 비용이 자동 청구되나요?

그렇습니다. Auto-refill은 기본값이 OFF입니다. 직접 활성화하지 않으면 자동 청구가 없습니다. 활성화할 경우, 잔액이 임계치(Max 기준 2,500 크레딧) 이하로 떨어지면 자동으로 크레딧을 추가 구매합니다. 기본 월 지출 한도는 $200이며, 최대 $2,000까지 설정 가능합니다.

Q5. 내 로컬 파일에 접근하는 것이 안전한가요?

모든 작업은 격리된 샌드박스 환경에서 실행되고, 민감한 작업에는 사용자 승인이 필요하며, 전체 감사 추적이 남습니다. Enterprise 버전은 SOC 2 Type II, SAML SSO를 지원합니다. 다만 AI 에이전트가 로컬 앱과 파일에 접근하는 구조인 만큼, 민감 정보가 많은 환경에서는 접근 권한 범위를 꼼꼼히 설정하는 게 좋습니다.

▲ 목차로 돌아가기

마치며

Perplexity Computer를 한 줄로 정리하면, “AI 챗봇을 더 잘 만든 것”이 아니라 “특정 AI 모델이 아닌 모든 AI 모델 위에 올라가는 오케스트레이션 레이어”입니다. 이 구조 자체가 기존의 “단일 모델 구독” 방식과 전혀 다른 포지션입니다.

숫자를 다시 정리하면, 20개 모델을 조율하지만 기본 크레딧 10,000개로 월 5~10건의 리서치 작업이 현실적인 한도입니다. 4주에 3.25년 수치는 내부 팀 자체 측정이라 맥락 파악이 필요하고, Personal Computer는 아직 waitlist 단계이며 Mac 전용입니다. $200/월은 반복 대용량 리서치 작업이 있는 경우에 정당화가 됩니다.

막상 수치를 따져보면 마케팅 발표와 실사용 조건 사이에 간극이 있습니다. 이게 아쉬웠습니다. 그래도 멀티모델 오케스트레이션이라는 방향 자체는, AI 업계가 앞으로 어떻게 진화할지를 가장 선명하게 보여주고 있다는 생각은 들었습니다.

▲ 목차로 돌아가기

📚 본 포스팅 참고 자료

  1. Perplexity 공식 블로그 — Introducing Perplexity Computer (2026.02.25)
    https://www.perplexity.ai/ko/hub/blog/introducing-perplexity-computer
  2. Perplexity 공식 블로그 — Everything is Computer (2026.03.11)
    https://www.perplexity.ai/ko/hub/blog/everything-is-computer
  3. Perplexity 헬프센터 — How Credits Work on Perplexity
    https://www.perplexity.ai/help-center/en/articles/13838041-how-credits-work-on-perplexity
  4. Yahoo Tech — Perplexity’s Personal Computer: What is it, what can it do, and what does it cost (2026.03.14)
    https://tech.yahoo.com/articles/perplexity-personal-computer-does-cost-210108697.html

본 포스팅은 2026년 3월 25일 기준 공개된 공식 자료를 바탕으로 작성되었습니다. 본 포스팅 작성 이후 서비스 정책·UI·크레딧 구조·기능이 변경될 수 있습니다. 최신 정보는 Perplexity 공식 헬프센터에서 확인하시기 바랍니다.

댓글 남기기


최신 글


아이테크 어른경제에서 더 알아보기

지금 구독하여 계속 읽고 전체 아카이브에 액세스하세요.

계속 읽기