본문으로 건너뛰기
원포트 AI

모델과 단가

쓸 수 있는 모델과 100만 토큰당 크레딧.

AI 에게 넘기기ChatGPT 에서 열기 (새 창)Claude 에서 열기 (새 창)원문 열기

크레딧은 아래에 표시된 현재 적용 단가로 차감돼요. 표는 보기 쉽게 반올림한 값이에요 — 코드에서는 GET /v1/models 의 모델마다 pricing.input_credits_per_mtok · output_credits_per_mtok(100만 토큰당 크레딧)를 읽으세요. 이 두 칸은 pricing.rates 의 input_text · output 줄과 같은 값이라 어느 쪽을 읽어도 돼요. 캐시 읽기 · 쓰기 단가는 pricing.rates 의 cache_read · cache_write 줄에, 입력이 길면 오르는 단가는 pricing.tier(입력이 above_input_tokens 이상인 요청에만 · 캐시 토큰도 입력으로 세요)에 있어요. above_input_tokens 는 상위 구간이 시작되는 토큰 수라 그 수와 같아도 상위 구간이에요 — 표의 「N 초과면」은 N + 1 부터, 「N 이상이면」은 N 부터예요(「100K 토큰 초과」는 값이 100,001, 「272K 토큰 이상」은 272,000). 예고된 단가는 pricing.scheduled_change 에 {"from": "YYYY-MM-DD"(UTC 날짜), "rates": [ … ], "note"} 로 따로 와요 — pricing.rates 는 오늘 적용 단가예요. scheduled_change 는 이 장 표의 「YYYY-MM-DD부터」와 같은 값이에요 — from 은 오늘 뒤 단가가 바뀌는 가장 가까운 날이고, rates 엔 pricing.rates 와 같은 꼴({dimension, unit, unit_label, credits})의 줄로 그날의 기본 구간 단가가 바뀌지 않는 줄까지 전부 dimension 이름 순으로 와요. 상위 구간(pricing.tier)이 있는 모델은 그날 상위 구간 단가도 tier 칸에 {"above_input_tokens", "rates": [ … ]} 로 같이 와요(rates 는 위와 같은 꼴 · 2026-10-31 부터 · 상위 구간이 없는 모델엔 이 칸이 없어요). 오늘 단가와 다를 때만 이 칸이 있어요. 그날과 모델 이름은 https://oneport.kr/changes 의 「곧 바뀌어요」에도 「차감 변경」으로 올라요(값은 이 칸과 아래 표에만 있어요). 한 번에 쓰는 크레딧은 (캐시 안 된 입력 × 입력 단가 + 캐시 읽기 × cache_read 단가 + 캐시 쓰기 × cache_write 단가 + 출력 × 출력 단가) ÷ 100만이에요. 상위 구간 요청이면 입력 · 출력은 tier 의 단가로 세고, 캐시는 tier 에 캐시 칸이 있을 때만 그 값으로, 없으면 rates 의 cache_read · cache_write 줄로(그 줄도 없으면 그 구간의 입력 단가로) 세요. GET /v1/models 의 credits 값도 1 이상은 소수 둘째 자리, 1 아래는 유효숫자 세 자리로 맞춘 값이라, 셈한 값이 실제 차감과 아주 조금(보통 0.01 크레딧 아래) 다를 수 있어요. jev 는 질문마다 모델을 골라 그 모델 값으로 차감해요 — jev 줄의 단가는 가장 비싼 후보 값이라 차감의 상한이고(먼저 잡아 두는 몫도 이 단가로 잡아요), 실제 차감은 이보다 적을 수 있어서 부르기 전에 정확히 셀 수는 없어요. 글 문(/v1/chat/completions · /v1/messages · /v1/responses) 응답 usage 에 cost_credits 가 오면 그 값이 그 호출의 실제 차감이라(jev · 서버 도구 요금 포함) 셀 필요가 없어요 — 정산이 2초 안에 안 끝나면 그 칸 없이 오니 그땐 아래처럼 셈해요. 응답 usage 로 셀 땐 prompt_tokens(/v1/responses 는 input_tokens) 안에 캐시 읽기(…_details.cached_tokens)와 캐시 쓰기(…_details.cache_write_tokens — 캐시 쓰기가 있을 때만 와요 · 5분 · 1시간 쓰기를 합친 수예요)가 들어 있어요 — 그 둘은 빼고 나머지만 입력 단가로, 둘은 cache_read · cache_write 단가로 세요. Claude 의 1시간 캐시 쓰기는 cache_write 단가가 아니라 입력가의 2배예요 — /v1/chat/completions 로 받으면 그 몫이 prompt_tokens_details.cache_write_1h_tokens 로 따로 와요(0 보다 클 때만 · cache_write_tokens 는 합친 수 그대로라, cache_write 단가는 cache_write_tokens − cache_write_1h_tokens 에만 써요 · 「크레딧」 장). 출력은 total_tokens − prompt_tokens 예요 — 생각한 토큰도 출력이고, Gemini 는 그 몫이 completion_tokens 에 안 들어가요.

  • 모델은 종류가 아홉이고 종류마다 부르는 주소가 달라요 — 글은 /v1/chat/completions, 오래 생각하는 pro 등급은 /v1/responses, 그림은 /v1/images/generations(고치기는 /v1/images/edits), 임베딩은 /v1/embeddings, 검열은 /v1/moderations, 판정은 /v1/decisions, 음성은 /v1/audio/speech·transcriptions, 영상은 /v1/videos 예요. 종류가 안 맞는 주소로 부르면 어디로 보내야 하는지 알려드려요.
  • GET /v1/models 의 줄마다 kind(chat · responses · image · embedding · moderation · speech · transcription · video 중 하나)와 부를 문(endpoint)이 와요. 대화 모델은 kind 가 "chat" 인 줄이에요(endpoint 는 POST /v1/chat/completions). kind 가 "responses" 인 pro 등급과 gpt-5.3-codex 는 /v1/responses 로만 불러요. 이름으로 거르지 말고 kind 로 거르세요. 두 종류 줄 모두 pricing 칸이 같은 꼴이라, 회사별 단가표에 pro 등급을 넣을지는 kind 로 정하세요 — 10월 기준 공식 GPT 에서 가장 비싼 건 chat 줄만 보면 gpt-6-astra, responses 줄까지 보면 gpt-5.5-pro · gpt-5.4-pro 예요(정본은 GET /v1/models).
  • 공식 GPT 만 고르려면 owned_by 가 "openai" 이고 id 에 / 가 없는 줄을 고르세요. openai/gpt-oss-20b 같은 공개 모델도 owned_by 가 "openai" 로 와요(google/gemma-… 도 같아요) — id 에 / 가 든 공개 모델의 owned_by 는 / 앞부분을 소문자로 바꾼 값이에요(Qwen/… 이면 "qwen"). 이런 모델 하나만 볼 땐 GET /v1/models/openai/gpt-oss-20b 처럼 / 를 그대로 둔 주소로 불러도 돼요(퍼센트 인코딩 안 해도 돼요 · 없는 id 면 404 model_not_found · 2026-10-31 부터). jev 는 "typesafe" 예요(아래 표의 「Jev」).
  • jev 는 모델 하나가 아니라 자동 고르개예요 — Jev 가 질문마다 알맞은 모델과 생각 깊이를 골라 그 모델로 답해요. 고르는 값은 없고 고른 모델의 값만 빠져요(목록의 jev 단가는 가장 비싼 후보 기준의 최대값이에요). 학생 쓰임새 키에선 꺼져 있어요.
  • 단가 칸이 없는 줄도 있어요 — 0 으로 읽지 마세요. 임베딩엔 output_credits_per_mtok 가 없어요(출력이 없는 모델이에요). 검열은 pricing.free 가 true 예요. 읽어주기 · 받아쓰기 · 영상은 두 칸 중 하나나 둘 다 없을 수 있고(tts-1 · whisper-1 은 둘 다 없어요), 값은 pricing.rates 에 단위(unit: mtok · mchar · second)째로 와요 — dimension 은 영상이 video_480p · video_720p · video_1080p(초당), 읽어주기가 characters, 초로 매기는 받아쓰기가 seconds 예요. 영상 줄에 estimated: true 가 붙으면 예상한 초당 값이라 실제 차감과 다를 수 있어요. 그림은 max_hold_credits_per_image 가 한 장에 먼저 잡는 값이에요. 실제 차감은 「그림」 장을 보세요.
  • 새 모델을 알리는 칸은 없고, 줄에 created 칸도 없어요. 새로 들어온 모델과 끝나는 모델은 https://oneport.kr/changes 에 날짜순으로 있어요. 코드로 알려면 id 목록을 저장해 두고 다음에 받은 목록과 비교하세요. 끝날 모델은 줄의 retirement 가 {"date": "YYYY-MM-DD", "successors": [바꿔 넣을 id]} 로 미리 알려 줘요(예고가 없으면 null). date 는 UTC 날짜예요 — 그날 중에 목록에서 빠지고, 그 뒤 그 id 로 부르면 404 model_not_found 예요(다른 모델로 바꿔 답하지는 않아요). 끝에 날짜(-YYYYMMDD)가 붙은 id(claude-haiku-4-5-20251001 등)도 404 이고, 글 · 토큰 세기 · 그림 문은 날짜가 있든 없든 message 에 끝난 날과 바꿔 넣을 이름을 먼저 알려 줘요. 임베딩 · 읽어주기 · 받아쓰기 · 검열 · 영상 문의 404 엔 끝난 날이 없어서(읽어주기 · 받아쓰기 · 검열 · 영상은 권하는 모델도 없어요), 그 문의 모델은 미리 받아 둔 retirement 로 바꿔 넣으세요. successors 엔 저희가 파는 모델만 남아서 빈 배열일 수도 있어요(10월 기준 tts-1 · tts-1-hd). 코드 없이 보시려면 https://oneport.kr/models 의 모델 표를 보세요.
  • Gemini 는 cache_control 같은 표시 없이 Google 이 앞부분이 같은 요청을 저절로 캐시해요(암묵 캐시). 다만 입력이 최소 토큰 이상일 때만 붙어요 — Google 공식 표로 gemini-4-carbon · gemini-4-argon · gemini-4-hydrogen · gemini-3.8-flash · gemini-3.6-flash · gemini-3.1-pro-preview 는 4,096 토큰이에요(표에 없는 Gemini 모델은 Google 이 값을 안 적었어요). 맞을 확률을 올리려면 길고 매번 같은 내용(시스템 지시 · 참고 자료)을 맨 앞에 두고, 앞부분이 같은 요청을 짧은 간격으로 이어 보내세요. gemini-4-argon 의 여러 턴 대화 · 에이전트 반복은 새로 더한 몫(모델 답 · 생각 · 함수 결과 포함)이 2,050 토큰 이상일 때만 앞 요청 전체가 캐시돼요 — 그보다 적으면 앞 요청의 마지막 2,050 토큰을 입력 단가로 다시 읽어요. 캐시된 몫은 응답 usage 의 prompt_tokens_details.cached_tokens 로 오고 cache_read 단가로 세요. 붙을지는 Google 이 정해서, 같은 요청이라도 매번 붙는다는 보장은 없어요.

종류별 모델과 단가#

글

글 모델 차감 단가(크레딧)
모델입력100만 토큰당 크레딧출력100만 토큰당 크레딧
claude-fable-5-2Claude Fable 5.27,35836,792
claude-fable-5-1Claude Fable 5.19,19845,990
jevJev 자동 고르기9,19845,990
claude-fable-5Claude Fable 59,19845,990
claude-opus-5-5Claude Opus 5.53,67918,396
claude-opus-5Claude Opus 54,59922,995
claude-sonnet-5-5Claude Sonnet 5.51,8409,198
claude-sonnet-5Claude Sonnet 51,8409,198
claude-haiku-5-5Claude Haiku 5.5입력 100K 토큰 초과면 입력 460 · 출력 2,30092460
claude-sonnet-4-5Claude Sonnet 4.52,75913,797
gpt-6.2-astraGPT-6.2 Astra입력 272K 토큰 이상이면 입력 14,717 · 출력 55,1887,35836,792
gpt-6.2-solGPT-6.2 Sol입력 272K 토큰 이상이면 입력 3,679 · 출력 13,7971,8409,198
gpt-6-astraGPT-6 Astra입력 272K 토큰 이상이면 입력 18,396 · 출력 68,9859,19845,990
gpt-6-solGPT-6 Sol입력 272K 토큰 이상이면 입력 3,679 · 출력 13,7971,8409,198
gpt-6-lunaGPT-6 Luna입력 272K 토큰 이상이면 입력 184 · 출력 69092460
gpt-6.1-solGPT-6.1 Sol입력 272K 토큰 이상이면 입력 3,679 · 출력 13,7971,8409,198
gpt-5.6-solGPT-5.6 Sol입력 272K 토큰 이상이면 입력 7,358 · 출력 27,5943,67918,396
gpt-6.1-terraGPT-6.1 Terra입력 272K 토큰 이상이면 입력 1,840 · 출력 6,8999204,599
gpt-5.6-terraGPT-5.6 Terra입력 272K 토큰 이상이면 입력 3,679 · 출력 16,5561,84011,038
gpt-5.6-lunaGPT-5.6 Luna입력 272K 토큰 이상이면 입력 368 · 출력 1,6561841,104
gpt-5.5GPT-5.5입력 272K 토큰 이상이면 입력 9,198 · 출력 41,3914,59927,594
gpt-5.2GPT-5.21,61012,877
gpt-5.1GPT-5.11,1509,198
gpt-5.4GPT-5.4입력 272K 토큰 이상이면 입력 4,599 · 출력 20,6962,30013,797
gpt-5GPT-51,1509,198
gpt-5-miniGPT-5 mini2301,840
gpt-5.4-miniGPT-5.4 mini6904,139
gpt-4.1GPT-4.11,8407,358
gpt-4oGPT-4o2,3009,198
gpt-4o-miniGPT-4o mini138552
gpt-5.4-nanoGPT-5.4 nano1841,150
gpt-5-nanoGPT-5 nano46368
gpt-4.1-miniGPT-4.1 mini3681,472
o3o31,8407,358
gemini-4-carbonGemini 4 Carbon2026-12-01부터 입력 3,679 · 출력 18,3962026-12-01부터 캐시 읽기 184 크레딧 / 1M 토큰 · 글 입력 3,679 크레딧 / 1M 토큰 · 출력 18,396 크레딧 / 1M 토큰1,8409,198
gemini-4-argonGemini 4 Argon2026-12-01부터 입력 3,679 · 출력 18,3962026-12-01부터 캐시 읽기 184 크레딧 / 1M 토큰 · 글 입력 3,679 크레딧 / 1M 토큰 · 출력 18,396 크레딧 / 1M 토큰1,8409,198
gemini-3.1-pro-previewGemini 3.1 Pro (Preview)입력 200K 토큰 초과면 입력 3,679 · 출력 16,5561,84011,038
gemini-4-hydrogenGemini 4 Hydrogen1,3806,899
gemini-3.8-flashGemini 3.8 Flash2027-01-01부터 입력 1,380 · 출력 6,8992027-01-01부터 캐시 읽기 138 크레딧 / 1M 토큰 · 글 입력 1,380 크레딧 / 1M 토큰 · 출력 6,899 크레딧 / 1M 토큰6903,449
gemini-3.7-flashGemini 3.7 Flash2027-01-01부터 입력 1,380 · 출력 6,8992027-01-01부터 캐시 읽기 138 크레딧 / 1M 토큰 · 글 입력 1,380 크레딧 / 1M 토큰 · 출력 6,899 크레딧 / 1M 토큰6903,449
gemini-3.6-flashGemini 3.6 Flash2027-01-01부터 입력 1,380 · 출력 6,8992027-01-01부터 캐시 읽기 138 크레딧 / 1M 토큰 · 글 입력 1,380 크레딧 / 1M 토큰 · 출력 6,899 크레딧 / 1M 토큰6903,449
gemini-3.5-flashGemini 3.5 Flash2027-01-01부터 입력 1,380 · 출력 6,8992027-01-01부터 캐시 읽기 138 크레딧 / 1M 토큰 · 글 입력 1,380 크레딧 / 1M 토큰 · 출력 6,899 크레딧 / 1M 토큰6903,449
gemini-3.5-flash-liteGemini 3.5 Flash-Lite2762,300
gemini-3.1-flash-liteGemini 3.1 Flash-Lite2301,380
grok-4.7Grok 4.7입력 200K 토큰 이상이면 입력 3,679 · 출력 11,0381,8405,519
grok-4.6Grok 4.6입력 200K 토큰 이상이면 입력 3,679 · 출력 11,0381,8405,519
grok-4.20-0309-reasoningGrok 4.20 (추론)입력 200K 토큰 이상이면 입력 2,300 · 출력 4,5991,1502,300
grok-4.20-0309-non-reasoningGrok 4.20 (비추론)입력 200K 토큰 이상이면 입력 2,300 · 출력 4,5991,1502,300
grok-build-0.1Grok Build 0.1입력 200K 토큰 이상이면 입력 1,840 · 출력 3,6799201,840
grok-4.5Grok 4.5입력 200K 토큰 이상이면 입력 3,679 · 출력 11,0381,8405,519
grok-4.3Grok 4.3입력 200K 토큰 이상이면 입력 2,300 · 출력 4,5991,1502,300
deepseek-ai/DeepSeek-V4.1-Flash-1017DeepSeek V4.1 Flash 1017184552
deepseek-ai/DeepSeek-V4.1-FlashDeepSeek V4.1 Flash184552
deepseek-ai/DeepSeek-V4-FlashDeepSeek V4 Flash83166
deepseek-ai/DeepSeek-V4-ProDeepSeek V4 Pro1,1962,391
deepseek-ai/DeepSeek-V3.1DeepSeek V3.1230874
deepseek-ai/DeepSeek-V3.2DeepSeek V3.2239350
deepseek-ai/DeepSeek-R1-0528DeepSeek R1 (추론)4601,978
meta-llama/Llama-3.3-70B-Instruct-TurboLlama 3.3 70B92294
meta-llama/Llama-4-Scout-17B-16E-InstructLlama 4 Scout 17B92276
meta-llama/Meta-Llama-3.1-8B-Instruct-TurboLlama 3.1 8B1837
Qwen/Qwen3.5-397B-A17BQwen3.5 397B4142,759
Qwen/Qwen3.6-35B-A3BQwen3.6 35B92874
Qwen/Qwen3-235B-A22B-Instruct-2507Qwen3 235B83506
Qwen/Qwen3.5-9BQwen3.5 9B92138
Qwen/Qwen3-VL-30B-A3B-InstructQwen3 VL 30B (이미지 입력)138552
Qwen/Qwen3-Coder-480B-A35B-Instruct-TurboQwen3 Coder 480B276920
mistralai/Mistral-Small-3.2-24B-Instruct-2506Mistral Small 3.2 24B69184
mistralai/Mistral-Nemo-Instruct-2407Mistral Nemo 12B1728
moonshotai/Kimi-K3Kimi K32,62113,107
moonshotai/Kimi-K2.6Kimi K2.66903,219
MiniMaxAI/MiniMax-M3MiniMax M3 (52만 컨텍스트)2581,012
zai-org/GLM-5.3-FlashGLM 5.3 Flash (100만 컨텍스트)138460
zai-org/GLM-4.7GLM 4.73681,610
openai/gpt-oss-120bgpt-oss 120B34156
openai/gpt-oss-20bgpt-oss 20B28129
google/gemma-3-27b-itGemma 3 27B74147
google/gemma-4-31B-itGemma 4 31B138368
nvidia/NVIDIA-Nemotron-3-Super-120B-A12BNemotron 3 Super 120B78368
microsoft/phi-4Microsoft Phi-464129
ibm-granite/granite-4.2-8bIBM Granite 4.2 8B55230

그림

그림 모델 차감 단가(크레딧)
모델입력100만 토큰당 크레딧출력100만 토큰당 크레딧
gpt-image-2.5-flareGPT Image 2.5 Flare4,59927,594
gpt-image-2.5-sunburstGPT Image 2.5 Sunburst4,59927,594
gpt-image-2GPT Image 24,59927,594
gpt-image-1.5GPT Image 1.54,59929,434
gpt-image-1-miniGPT Image 1 mini1,8407,358
grok-imagine-imageGrok Imagine한 장 18 크레딧
grok-imagine-image-2.0Grok Imagine 2.0한 장 55 크레딧
grok-imagine-image-qualityGrok Imagine Quality한 장 46 크레딧
gemini-3.1-flash-imageNano Banana 2 (Gemini 3.1 Flash Image)46055,188
gemini-3.1-flash-lite-imageNano Banana 2 Lite (Gemini 3.1 Flash Lite Image)23027,594
gemini-3-pro-imageNano Banana Pro (Gemini 3 Pro Image)1,840110,376

임베딩

임베딩 모델 차감 단가(크레딧)
모델입력100만 토큰당 크레딧
text-embedding-3-smallText Embedding 3 Small18
text-embedding-3-largeText Embedding 3 Large120
text-embedding-ada-002Text Embedding Ada 00292
gemini-embedding-001Gemini Embedding 001138
gemini-embedding-2Gemini Embedding 2184

검열

검열 모델 차감 단가(크레딧)
모델차감 단가
omni-moderation-latestOmni Moderation무료
omni-moderation-2024-09-26Omni Moderation (2024-09-26)무료

읽어주기

읽어주기 모델 차감 단가(크레딧)
모델차감 단가
tts-1TTS 1글자 13,797 크레딧 / 1M 글자
tts-1-hdTTS 1 HD글자 27,594 크레딧 / 1M 글자

받아쓰기

받아쓰기 모델 차감 단가(크레딧)
모델차감 단가
gpt-4o-transcribeGPT-4o Transcribe소리 입력 2,300 크레딧 / 1M 토큰 · 글 입력 2,300 크레딧 / 1M 토큰 · 출력 9,198 크레딧 / 1M 토큰
gpt-4o-mini-transcribeGPT-4o mini Transcribe소리 입력 1,150 크레딧 / 1M 토큰 · 글 입력 1,150 크레딧 / 1M 토큰 · 출력 4,599 크레딧 / 1M 토큰
whisper-1Whisper길이 0.092 크레딧 / 초
gpt-transcribeGPT Transcribe길이 0.069 크레딧 / 초
universal-2AssemblyAI Universal-2길이 0.0383 크레딧 / 초
scribe_v2ElevenLabs Scribe v2길이 0.056 크레딧 / 초
clova-speechCLOVA Speech길이 0.22 크레딧 / 초

깊은 추론(Responses 전용)

깊은 추론(Responses 전용) 모델 차감 단가(크레딧)
모델입력100만 토큰당 크레딧출력100만 토큰당 크레딧
gpt-5.5-proGPT-5.5 pro입력 272K 토큰 이상이면 입력 55,188 · 출력 248,34727,594165,564
gpt-5.4-proGPT-5.4 pro입력 272K 토큰 이상이면 입력 55,188 · 출력 248,34727,594165,564
gpt-5.2-proGPT-5.2 pro19,316154,527
gpt-5-proGPT-5 pro13,797110,376
o3-proo3-pro18,39673,584
gpt-5.3-codexGPT-5.3 Codex1,61012,877

영상

영상 모델 차감 단가(크레딧)
모델차감 단가
grok-imagine-videoGrok Imagine Video480p 50 크레딧 / 초 · 720p 70 크레딧 / 초
grok-imagine-video-1.5Grok Imagine Video 1.51080p 249 크레딧 / 초 · 480p 80 크레딧 / 초 · 720p 140 크레딧 / 초
dreamina-seedance-2-0-260128Seedance 2.01080p 373 크레딧 / 초 · 480p 70 크레딧 / 초 · 720p 151 크레딧 / 초
dreamina-seedance-2-0-fast-260128Seedance 2.0 Fast480p 56 크레딧 / 초 · 720p 121 크레딧 / 초
dreamina-seedance-2-0-mini-260615Seedance 2.0 Mini480p 35 크레딧 / 초 · 720p 75 크레딧 / 초
dreamina-seedance-2-5-260628Seedance 2.51080p 567 크레딧 / 초 · 480p 107 크레딧 / 초 · 720p 230 크레딧 / 초
runway-gen4.5Runway Gen-4.5720p 120 크레딧 / 초

판정

판정 모델 차감 단가(크레딧)
모델입력100만 토큰당 크레딧
gpt-6-luna-decisionsGPT-6 Luna Decisions입력 272K 토큰 이상이면 입력 184 · 출력 092

그래서 어느 걸 쓰면 되나요#

위 단가만 보고 고르면 틀려요. 같은 과제라도 모델마다 답 길이가 달라서, 단가가 싼 쪽이 실제로는 더 비쌀 수 있어요. 아래는 가격대를 대표하는 모델들을 같은 과제로 실제로 돌려본 값이에요.

수업자료 초안 100건제일 싼 쪽과 제일 비싼 쪽이 476배 차이예요
  • gpt-oss 120B

    공개 모델

    18원
  • Qwen3 235B

    공개 모델

    55원
  • GPT-5.6 Luna

    OpenAI · 기준

    154원
  • Gemini 3.5 Flash-Lite

    Google

    217원
  • DeepSeek V4 Pro

    공개 모델

    426원
  • Gemini 3.7 Flash

    Google

    434원
  • Grok 4.6

    xAI

    662원
  • GPT-5.6 Terra

    OpenAI

    988원
  • GPT-5.6 Sol

    OpenAI

    1,704원
  • Claude Sonnet 5

    Anthropic

    1,912원
  • Claude Opus 5

    Anthropic

    8,753원

학습목표 2개·도입/전개/정리 활동·평가문항 3개가 다 들어 있으면 완료 · 2026년 8월 26~27일 (공개 모델 3종은 8월 31일) 측정 · 모델마다 같은 입력 6회 · 완료 조건 통과분만 · 중앙값

숫자는 지금 차감되는 크레딧을 원으로 바꾼 값이에요(1 크레딧 = 2원).

벤더 서버 도구 요금#

웹 검색처럼 벤더가 자기 서버에서 돌리는 도구는 토큰과 따로 요금이 붙어요. 그 요금도 그 모델의 차감 단가로 같은 크레딧을 사용해요. 요금을 셀 수 없는 도구와 이 표에 없는 벤더 서버 도구는 돈이 나가기 전에 400 으로 돌려드리고, 무엇을 빼면 되는지 알려드려요. 직접 정의한 도구(function·custom)와 손님 쪽에서 도는 도구(bash · 편집기 · computer use 등)는 토큰만 계산돼요. 초·중·고 학교 지갑 · 스페이스의 학생 키로는 웹 검색(web_search · x_search · google_search · web_search_options · search_parameters · 검색이 붙은 모델) · 웹 페이지 읽기(web_fetch · url_context) · 다른 서버의 도구(원격 MCP — mcp · mcp_toolset · mcp_servers)를 부를 수 없고, 돈이 나가기 전에 403 student_key_blocked 로 돌려드려요. 그 키의 GET /v1/models 엔 검색이 붙은 모델 · jev · 영상 모델이 안 나와요(부르면 403 student_key_blocked). 월 한도를 건 키(학생 키 포함)의 목록엔 그림 한 장에 먼저 잡는 몫이 그 한도보다 큰 그림 모델도 안 나와요(같으면 나와요). 목록은 남은 몫이 아니라 월 한도 자체와 견줘요 — 이번 달에 이미 쓴 몫 · 고치기에 넣은 그림 몫(참고 그림 · input_fidelity "high") · 글 · 영상 모델 · 하루 한도는 안 봐서, 목록에 있어도 첫 호출이 429 key_limit_exceeded 일 수 있어요. 학생 키인지 알아보는 법과 기본 한도는 「인증」 장이에요.

도구요금어떻게 세나
Claude web_search검색 1회 9.2 크레딧응답이 알려주는 검색 횟수로 세요. 검색 결과는 입력 토큰이라 그 모델 단가로 따로 계산돼요.
Claude advisor조언 모델 토큰 × 그 모델 단가응답의 조언 줄(usage.iterations)을 그 모델 단가로 더해요. caching.ttl 을 1h 로 켜면 캐시 쓰기는 입력가의 2배예요. 조언 모델이 이 목록에 없으면 400 이에요(목록을 잠깐 못 읽었으면 503 api_error — 잠시 뒤 그대로 다시 보내요). claude-fable-5-2 로 부르실 땐 조언 모델도 claude-fable-5-2 로 두세요 — 다른 조언 모델은 Anthropic 이 400 으로 거절해요(벤더 동작). 요청 전에 조언 몫도 크레딧에서 잠시 잡아둬요 — max_uses·max_tokens 를 주시면 그만큼 작아져요.
Claude compaction(요약)요약 토큰 × 그 모델 단가응답의 요약 줄(usage.iterations 의 compaction)을 요청한 모델 단가로 더해요. 이 줄은 응답 맨 위 토큰 수에 안 들어가 있어요.
Claude web_fetch · tool search · MCP connector토큰만따로 붙는 요금이 없어요.
Claude code_executionweb_search·web_fetch(20260209 이후 판)와 같이 쓰면 토큰만혼자 쓰면 벤더가 실행 시간으로 받는데, 응답이 그 시간을 안 알려줘서 400 으로 돌려드려요.
GPT web_search검색 1회 9.2 크레딧응답의 web_search_call(검색) 수로 세요. 검색 내용 토큰은 그 모델 단가로 계산돼요. web_search_preview 는 GPT-5 이후·o 계열에서만 받아요. gpt-4o-mini·gpt-4.1-mini 는 검색 내용을 8,000 토큰 고정으로 받는 요금이라 셀 수 없어 400 이에요.
GPT file_search받지 않아요벤더로 보내기 전에 400 으로 돌려드려요 — 파일 검색에 쓸 저장소를 만드는 문이 없어요. 찾아볼 문서는 input 에 글로 실어 보내세요.
GPT code_interpreter · hosted shell · image_generation받지 않아요응답이 컨테이너 시간·그림 값을 안 알려줘서 400 으로 돌려드려요. 그림은 /v1/images/generations 로 불러주세요.

얼마나 생각하게 할지 — reasoning_effort#

같은 모델이라도 얼마나 오래 따져볼지를 고르실 수 있어요. `reasoning_effort` 에 `low`·`medium`·`high` 를 넣으시면 돼요. 낮추면 빠르고 싸지고, 올리면 더 따져보는 대신 시간과 비용이 늘어요.

모델에 따라 양 끝이 더 있어요. GPT-6 Sol·Luna·GPT-6.1 Terra 는 `none`(생각 안 함)부터 `xhigh` 까지, GPT-6.2 Astra·GPT-6.2 Sol·GPT-6 Astra·GPT-6.1 Sol 은 `low` 부터 `xhigh` 까지 받아요. Claude 는 `max` 까지 받아요. GPT 에 `max` 를 보내시면 벤더가 400 을 내요 — reasoning_effort 값은 저희가 그대로 넘기거든요.

모델마다 받는 게 달라요. `GET /v1/models` 의 `supports_effort` 가 그 모델이 받는지 알려드려요. 안 받는 모델에 보내시면 저희가 빼고 보내고 응답 헤더 x-gateway-ignored-params 에 reasoning_effort 를 적어 드려요 — 에러는 안 나지만 효과도 없어요.

`temperature`·`top_p` 도 같아요. Claude 5 세대(Fable 5·5.1·5.2 · Opus 5·5.5 · Sonnet 5·5.5 · Haiku 5.5, 그리고 Opus 4.7·4.8)는 이 값을 아예 안 받아서 그대로 보내면 벤더가 400 을 내요. 그래서 그 모델들엔 저희가 빼고 보내요 — 답의 결은 프롬프트로 정하시면 돼요. GPT 추론 모델(GPT-5 · 5.5 · 5.6 · 6 · o 계열)도 1 이 아닌 값은 /v1/chat/completions 에서 저희가 빼고 넘기고 x-gateway-ignored-params 에 적어요 — /v1/responses 는 몸통을 그대로 넘겨서 거기선 벤더가 400 을 내요. 그 밖의 모델은 보내신 대로 가요.

덜 생각하게 해서 빠르게 받기
curl https://oneport.kr/v1/chat/completions \
  -H "Authorization: Bearer $ONEPORT_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-sonnet-5",
    "reasoning_effort": "low",
    "messages": [{ "role": "user", "content": "이 문장 맞춤법만 고쳐줘" }]
  }'
지금 쓸 수 있는 모델을 코드에서 확인하기
curl https://oneport.kr/v1/models

# 응답(줄임 · 숫자는 10월 기준 — 지금 값은 이 응답이 정본이에요). 단가 두 칸은 숫자이고 100만 토큰당 크레딧이에요.
# {"object": "list", "data": [
#   {"id": "gpt-5-nano", "object": "model", "owned_by": "openai", "display_name": "GPT-5 nano", "kind": "chat",
#    "endpoint": "POST /v1/chat/completions", "context_window": 400000, "supports_streaming": true,
#    "supports_effort": true, "retirement": null,
#    "pricing": {"input_credits_per_mtok": 45.99, "output_credits_per_mtok": 367.92, "rates": [ … ]}},
#   … ]}
# 키 없이 부르면 전체 목록이라 내 크레딧으로 못 부르는 모델도 섞여요. 키를 실으면 부를 수 있는 모델만 오고 맨 바깥(data 옆)에 credit_scope 가 붙어요.