Perplexity 'Fast Search' Photon 엔진: 검색 비용 80% 인하가 바꾸는 AI 노출 계층

핵심 요약

• Perplexity는 2026년 9월 24일 Search API의 신규 모드 Fast Search를 출시했으며, 자사 측정 기준 결과의 95%를 230밀리초 이하, 중앙값 160밀리초에 반환한다(Perplexity 자사 발표).
• Fast Search는 표준 웹 검색 1,000건당 $5.00 대신 1,000건당 $1.00을 청구해 호출당 가격을 80% 낮췄다(Perplexity 공식 문서).
• 이 모드는 Rust 기반 신규 검색·랭킹 엔진 'Photon' 위에서 동작하며, 소수의 엔지니어와 '수백 개 에이전트'가 함께 구축했다(Pasquale Pillitteri, Perplexity 포럼).
• Perplexity는 9월 25일 개발자에게 '수천억 개(hundreds of billions)' 웹페이지 색인 접근권을 제공한다고 밝혔다(Analytics India Magazine).
• Fast Search는 모델이 작성한 답변이 아니라 추출된 스니펫과 함께 순위가 매겨진 원본 웹 결과를 반환하며, 실패한 요청은 무료로 과금된다(LLM Gateway).

Fast Search는 기존 모델 경쟁과 무엇이 다른가?

결론부터 말하면, 이번 변화는 '모델'이 아니라 '검색 공급망'에서 일어난 사건이다. GPT-6, Claude Opus 5.5·Sonnet 5.5 등 프런티어 모델 릴리스가 쏟아지는 가운데, Fast Search는 LLM과 분리된(standalone) 웹 검색 계층 자체가 빨라지고 저렴해졌다는 점에서 결이 다르다.

기존 Perplexity 제품(Sonar)이 산문 형태 답변을 돌려주는 데 비해, 에이전트와 검색 파이프라인은 모델의 요약이 아니라 원본(raw) 검색 결과를 필요로 하는 경우가 많다(Perplexity 포럼). 즉 Fast Search는 '답을 쓰는' 계층이 아니라 '무엇을 볼지'를 결정하는 **노출 인프라(retrieval substrate)**를 겨냥한다.

수치로 본 Fast Search의 핵심 변화는?

에이전트에게 가장 중요한 두 숫자는 지연시간과 가격이며, Fast Search는 두 축을 동시에 공략한다.

항목	내용	출처
지연시간	중앙값 160ms, 95백분위 230ms	Perplexity 자사 측정
가격	표준 $5.00 → Fast $1.00 / 1,000건 (80%↓)	Perplexity 공식 문서
엔진	Rust 기반 신규 'Photon'	Perplexity 포럼
색인 규모	수천억 개 웹페이지	Analytics India Magazine
반환 형태	순위가 매겨진 원본 결과 + 추출 스니펫	LLM Gateway

9월 28일부터는 LLM Gateway의 /v1/search를 통해서도 제공되어, 추출된 페이지 콘텐츠와 함께 순위가 매겨진 결과를 자체 프롬프트·도구에 투입할 수 있게 됐다(LLM Gateway). 다만 '작업당 검색 횟수 N배 증가' 같은 구체 수치는 확인되지 않았으므로 추정에 불과하다.

한국 브랜드의 AI 노출에는 어떤 의미인가?

노출 경쟁이 '모델 인용'에서 '검색 색인 포함 여부'로 한 단계 더 내려간다는 점이 핵심이다. Fast Search는 모델이 답을 쓰기 전 단계인 검색 결과(순위·스니펫)를 그대로 반환하기 때문에, 브랜드가 AI 답변에 등장하려면 먼저 Photon 같은 독립 검색 색인에 양질의 스니펫 단위로 들어가 있어야 한다.

• 기회와 리스크의 동시 확대: 호출당 $5→$1, 지연 160ms라는 조건은 에이전트가 한 작업에서 반복적으로 웹을 들여다보게 설계됐다(확인된 설계 의도). 노출 접점은 늘지만, 상위 랭킹에 들지 못하는 브랜드는 '수십 번 검색 중 한 번도 안 뽑히는' 리스크에 놓인다.
• 공급자별 전략 분화: 검색 계층이 모델과 분리·상품화되면서, 한국 브랜드는 특정 챗봇이 아니라 '어떤 검색 색인이 어떤 에이전트의 눈이 되는가'를 추적해야 한다. 한국어 콘텐츠의 Photon 색인 커버리지와 언어 필터 품질이 실질적 노출 변수가 된다.

TableFlip 관점

이번 변화는 GEO의 작업 지점이 '모델 답변 최적화'에서 '검색 색인 진입'으로 선행 이동했음을 뜻한다. TableFlip은 이를 네 단계 실무로 해석한다. 첫째 진단 단계에서 자사 핵심 페이지가 Perplexity 등 독립 색인에 포함·갱신되는지 점검하고, 둘째 구조 개선 단계에서 스니펫 단위(세분화된 문단)로 명확히 요약 가능한 구조를 설계한다. 셋째 근거 콘텐츠 단계에서 국가·언어 필터가 한국/한국어로 올바르게 분류되도록 신호를 정비하고, 넷째 월간 모니터링으로 에이전트 검색 결과 내 등장 여부를 추적한다.

TableFlip이 매주 실측하는 AI 노출 리포트와 GEO 진단 방법론은 바로 이 '검색 계층 포함 여부'를 1차 데이터로 관찰하도록 설계돼 있다. 검색이 싸지고 빨라지는 흐름 속에서, 색인 진입 여부를 지금 점검하는 것이 다음 단계의 출발점이다. 무료 AI Visibility 진단으로 자사 페이지의 색인 노출 상태를 먼저 확인해 보길 권한다.