Nova Premier가 뭔데 이렇게 비싸냐고요?

결론부터 말씀드리면, Amazon Nova Premier는 2025년 4월 30일 Amazon Bedrock에 정식 출시된 Nova 제품군의 최상위 멀티모달 모델입니다. 입력 텍스트, 이미지, 영상을 동시에 처리하고, 컨텍스트 창이 100만 토큰에 달합니다. 이 말이 어떤 의미인지 실감하려면 숫자를 하나 대입해보면 됩니다. A4 용지 약 1,500페이지 분량을 한 번의 요청에 넣을 수 있습니다. (출처: Artificial Analysis, 2026.03 기준)

가격은 입력 토큰 100만 개당 $2.50, 출력 토큰 100만 개당 $12.50입니다. (출처: cloudprice.net, 2026.03.06) 같은 Nova 계열의 Pro 모델(입력 $0.80, 출력 $3.20)과 비교하면 입력 기준 약 3.1배, 출력 기준 약 3.9배 비쌉니다. 그만큼 쓸 이유가 명확해야 합니다.

AWS는 이 모델을 “복잡한 작업을 위한 가장 강력한 모델이자 모델 증류를 위한 교사용 모델”이라고 공식 정의했습니다. (출처: AWS 한국 블로그, 2025.05.07) 두 가지 역할을 동시에 언급한다는 게 핵심인데, 막상 대부분의 기사와 블로그는 앞쪽 ‘강력한 모델’에만 집중합니다. 뒤쪽 ‘교사 모델’ 기능에서 실제 경쟁력이 나옵니다.

▲ 목차로 돌아가기

공식 문서에서 직접 확인한 스펙 — 생각보다 제한이 많습니다

AWS 공식 문서(docs.aws.amazon.com/nova/latest/userguide/what-is-nova.html)의 스펙 표를 그대로 옮기면 아래와 같습니다.

(출처: AWS 공식 문서 what-is-nova.html, 2026.03.30 접속 기준)

표에서 주목해야 할 줄은 Fine Tuning과 Provisioned Throughput입니다. 둘 다 ❌입니다. Fine Tuning이 없다는 건 Nova Premier 자체를 특정 업무에 맞게 직접 훈련시킬 수 없다는 뜻입니다. Provisioned Throughput이 없다는 건 고정된 처리 용량을 예약하는 방식으로 사용할 수 없다는 뜻이고, 트래픽이 몰릴 때 응답 속도를 보장받기 어렵습니다. Nova 제품군 중 가장 강력하다는 모델이 프로덕션 최적화 기능에서 오히려 가장 제한적입니다.

▲ 목차로 돌아가기

교사 모델로 쓰면 API 정확도가 20% 오르는 이유

AWS가 공개한 실측 데이터가 있습니다. Nova Premier를 교사로 써서 Nova Pro를 증류했더니, 기본 Nova Pro보다 API 간접 호출(API calling) 정확도가 20% 높아졌습니다. 동시에 속도와 비용은 Nova Pro 그대로였습니다. (출처: AWS 한국 블로그, 2025.05.07) 실사용 관점에서 풀면, 높은 정확도를 $2.50짜리 모델이 아닌 $0.80짜리 모델로 뽑아낼 수 있다는 뜻입니다.

모델 증류(Model Distillation)의 작동 방식은 생각보다 단순합니다. 기존 Fine Tuning처럼 사람이 직접 라벨을 붙인 데이터가 필요 없습니다. Nova Premier(교사)에 실제 업무 입력값을 넣고, 그 출력 결과를 학습 데이터로 삼아 Nova Pro나 Nova Micro(학생)를 훈련시키는 구조입니다. AWS Bedrock 콘솔에서 절차를 지원하고, 로그를 S3로 내보내는 방식으로 데이터를 준비할 수도 있습니다. (출처: AWS 공식 문서, Bedrock Model Distillation)

이 구조를 보면 Nova Premier의 포지션이 달리 보입니다. 직접 쓰는 모델이라기보다 “소형 모델을 업그레이드하는 도구”에 가깝습니다. 실제로 AWS 공식 블로그에서 Snorkel AI 공동 창업자 Henry Ehrenberg는 “프로토타입뿐 아니라 실제 AI 배포를 가속화하려면 실제 애플리케이션의 고유한 요구 사항에 특화된 모델을 구축할 수 있는 능력이 필요하다”고 말하며 이 증류 흐름을 지목했습니다. 특화 모델을 만들되 인건비와 라벨링 비용을 줄이는 데 핵심이 있습니다.

▲ 목차로 돌아가기

GPT-4o 대비 속도 97% 빠른데 정확도는 1.5% 낮습니다

FloTorch가 Meta의 CRAG 벤치마크 데이터셋으로 Nova Pro와 GPT-4o를 비교한 결과가 있습니다. (출처: AWS Machine Learning 블로그, 2025.03.11) Nova Pro는 RAG 정확도에서 51.5%, GPT-4o는 53.0%였습니다. 차이는 1.5%포인트입니다. 반면 비용은 200개 쿼리 기준 Nova Pro가 $0.000302, GPT-4o가 $0.000870으로 Nova Pro가 65.26% 저렴했습니다. 평균 응답 속도도 Nova Pro가 1.68초, GPT-4o가 2.16초로 Nova Pro가 21.97% 빨랐습니다.

이 수치를 실사용 규모로 계산해보면 체감이 달라집니다. 월 1,000만 건 쿼리를 처리하는 서비스를 운영할 경우, GPT-4o 대비 Nova Pro를 사용하면 월 약 $5,675, 연간 약 $68,098을 절약할 수 있습니다. (FloTorch 계산식, AWS ML 블로그 인용) 정확도 1.5% 차이를 감수할 수 있는 서비스라면 비용 절감 효과가 압도적입니다.

단, 이 벤치마크는 Premier가 아닌 Nova Pro 기준입니다. Premier는 Nova 계열 최고 성능 모델이므로 정확도는 더 높겠지만 비용도 Pro 대비 약 3.9배 높습니다. 솔직히 Premier를 그냥 쓸 거면 가성비 계산을 먼저 해봐야 합니다. Slack의 Senior Staff Engineer Curtis Allen은 실제 테스트에서 “다른 주요 모델 대비 속도가 빠르고 비용이 거의 절반”이라고 평가했지만, 어떤 모델과 비교했는지 AWS가 구체 명칭을 밝히지 않았습니다. (출처: AWS 한국 블로그, 2025.05.07)

▲ 목차로 돌아가기

오디오가 없어서 막히는 시나리오

Nova Premier는 텍스트, 이미지, 영상을 입력받습니다. 그런데 영상 속 오디오는 분석하지 못합니다. AWS 공식 문서에 이렇게 나옵니다. “The models are currently trained to process and understand video content solely based on the visual information in the video. They do not possess the capability to analyze or comprehend any audio components.” (출처: AWS 공식 문서 prompting-vision-limitations.html) 영상 파일을 넣어도 화면에 나온 정보만 읽고, 대화나 배경음 같은 소리 정보는 처리하지 않습니다.

제가 직접 써보진 않았지만, 공식 문서만 봐도 회의 녹화 영상 분석이나 인터뷰 영상 요약 같은 작업은 걸립니다. 화면에 자막이 깔려 있으면 자막을 읽겠지만, 음성만 있는 구간은 놓칩니다. 오디오 기반 대화가 필요하면 같은 Nova 계열의 Nova Sonic이 담당하는데, 이쪽은 영어·프랑스어·이탈리아어·독일어·스페인어 5개 언어만 지원하고 한국어는 없습니다. (출처: AWS 공식 문서 what-is-nova.html)

또 하나 체크해야 할 부분이 리전입니다. Nova Premier의 직접 접근 가능 리전은 현재 US East(버지니아 북부) 단 1곳입니다. 크로스 리전 추론(cross-region inference)을 사용하면 서울 리전(ap-northeast-2)을 포함한 추가 리전에서도 쓸 수 있지만, 이 경우 데이터가 미국 리전을 경유합니다. 데이터 거버넌스나 규제 요건이 있는 조직이라면 이 점을 반드시 법무팀과 확인해야 합니다. (출처: AWS 공식 문서 what-is-nova.html, inference-profiles-support.html)

▲ 목차로 돌아가기

증류 없이 Nova Premier를 쓰는 게 맞는 경우

물론 교사 모델로만 써야 한다는 건 아닙니다. AWS가 제시하는 단독 사용 시나리오도 분명히 있습니다. 다단계 에이전트 워크플로를 조율하는 슈퍼바이저 에이전트 역할이 대표적입니다. Nova Premier가 “무엇을 어느 순서로 실행할지” 결정하고, 아래 여러 Nova Pro 기반 하위 에이전트들이 실제 데이터를 가져오는 구조입니다. Robinhood Markets의 Head of AI Dev Tagare는 이 아키텍처를 도입하면서 “복잡한 다중 에이전트 협업을 일반 고객 서비스 가능 가격과 속도로 구현하는 길이 열렸다”고 평가했습니다. (출처: AWS 한국 블로그, 2025.05.07)

Nova Premier가 단독으로 쓸 때 강점을 발휘하는 조건은 세 가지로 좁혀집니다. 하나는 대규모 코드베이스 전체를 한 번에 검토해야 하는 경우(컨텍스트 1M 토큰 활용), 하나는 매우 긴 법률·계약 문서를 요약하거나 질의응답하는 경우, 마지막은 다단계 추론이 필요한 에이전트 오케스트레이션입니다. 반대로 단순 Q&A, 짧은 텍스트 생성, 반복적인 배치 작업이라면 Nova Pro나 Nova Lite로 충분하고 비용도 훨씬 낮습니다. 이 판단을 먼저 하지 않으면 Nova Premier 비용을 낭비하게 됩니다.

개인적으로 흥미로운 부분은 17개 벤치마크에서 Nova Premier가 동급 최고 비추론 모델과 비교 가능하다고 AWS가 밝히면서도, 절반 정도에서만 동등하거나 더 낫다고 표현했다는 점입니다. (출처: AWS 한국 블로그, 2025.05.07) “가장 강력한” 표현과 “약 절반에서 동등하거나 더 낫다”는 표현은 뉘앙스가 다릅니다. Claude 4.5 Sonnet나 GPT-5 계열이 출시된 현 시점에서 Nova Premier의 절대적 성능 위치는 공식적으로 다시 검증된 바 없습니다.

▲ 목차로 돌아가기

Q&A

▲ 목차로 돌아가기

마치며

AWS Nova Premier를 공식 문서와 벤치마크 수치로 들여다보면, “가장 강력한 모델”이라는 포지셔닝과 실제 쓸 수 있는 범위 사이에 꽤 큰 간격이 있습니다. Fine Tuning도 안 되고, Provisioned Throughput도 없고, 오디오도 처리 못 하고, 직접 리전은 미국 동부 1곳입니다.

반면 교사 모델로 쓸 때는 이야기가 달라집니다. Nova Pro의 API 호출 정확도를 20% 끌어올리면서 비용은 Pro 수준을 유지하는 구조는 실제로 매력적입니다. RAG·에이전트 워크플로에서 슈퍼바이저 역할로 쓰거나 100만 토큰 컨텍스트를 꽉 채워야 하는 레거시 코드 분석 작업이라면 단독 사용도 의미가 있습니다. 어떤 쪽이 자기 상황에 맞는지는 이 글에서 정리한 스펙과 수치로 먼저 따져보는 게 순서입니다.

본 포스팅 참고 자료

1. AWS 한국 블로그 — Amazon Nova Premier 정식 출시 발표 (aws.amazon.com/ko/blogs/korea, 2025.05.07)
2. AWS 공식 문서 — What is Amazon Nova? (docs.aws.amazon.com/nova, 2026.03.30 접속)
3. AWS 공식 문서 — Video understanding limitations (docs.aws.amazon.com/nova/prompting-vision-limitations)
4. AWS Machine Learning 블로그 — Benchmarking Amazon Nova and GPT-4o with FloTorch (aws.amazon.com/blogs/machine-learning, 2025.03.11)
5. Cloudprice.net — Nova Premier v1:0 Pricing (cloudprice.net, 2026.03.06)