모델과 단가
쓸 수 있는 모델과 100만 토큰당 크레딧.
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
| 모델 | 입력100만 토큰당 크레딧 | 출력100만 토큰당 크레딧 |
|---|---|---|
| claude-fable-5-2Claude Fable 5.2 | 7,358 | 36,792 |
| claude-fable-5-1Claude Fable 5.1 | 9,198 | 45,990 |
| jevJev 자동 고르기 | 9,198 | 45,990 |
| claude-fable-5Claude Fable 5 | 9,198 | 45,990 |
| claude-opus-5-5Claude Opus 5.5 | 3,679 | 18,396 |
| claude-opus-5Claude Opus 5 | 4,599 | 22,995 |
| claude-sonnet-5-5Claude Sonnet 5.5 | 1,840 | 9,198 |
| claude-sonnet-5Claude Sonnet 5 | 1,840 | 9,198 |
| claude-haiku-5-5Claude Haiku 5.5입력 100K 토큰 초과면 입력 460 · 출력 2,300 | 92 | 460 |
| claude-sonnet-4-5Claude Sonnet 4.5 | 2,759 | 13,797 |
| gpt-6.2-astraGPT-6.2 Astra입력 272K 토큰 이상이면 입력 14,717 · 출력 55,188 | 7,358 | 36,792 |
| gpt-6.2-solGPT-6.2 Sol입력 272K 토큰 이상이면 입력 3,679 · 출력 13,797 | 1,840 | 9,198 |
| gpt-6-astraGPT-6 Astra입력 272K 토큰 이상이면 입력 18,396 · 출력 68,985 | 9,198 | 45,990 |
| gpt-6-solGPT-6 Sol입력 272K 토큰 이상이면 입력 3,679 · 출력 13,797 | 1,840 | 9,198 |
| gpt-6-lunaGPT-6 Luna입력 272K 토큰 이상이면 입력 184 · 출력 690 | 92 | 460 |
| gpt-6.1-solGPT-6.1 Sol입력 272K 토큰 이상이면 입력 3,679 · 출력 13,797 | 1,840 | 9,198 |
| gpt-5.6-solGPT-5.6 Sol입력 272K 토큰 이상이면 입력 7,358 · 출력 27,594 | 3,679 | 18,396 |
| gpt-6.1-terraGPT-6.1 Terra입력 272K 토큰 이상이면 입력 1,840 · 출력 6,899 | 920 | 4,599 |
| gpt-5.6-terraGPT-5.6 Terra입력 272K 토큰 이상이면 입력 3,679 · 출력 16,556 | 1,840 | 11,038 |
| gpt-5.6-lunaGPT-5.6 Luna입력 272K 토큰 이상이면 입력 368 · 출력 1,656 | 184 | 1,104 |
| gpt-5.5GPT-5.5입력 272K 토큰 이상이면 입력 9,198 · 출력 41,391 | 4,599 | 27,594 |
| gpt-5.2GPT-5.2 | 1,610 | 12,877 |
| gpt-5.1GPT-5.1 | 1,150 | 9,198 |
| gpt-5.4GPT-5.4입력 272K 토큰 이상이면 입력 4,599 · 출력 20,696 | 2,300 | 13,797 |
| gpt-5GPT-5 | 1,150 | 9,198 |
| gpt-5-miniGPT-5 mini | 230 | 1,840 |
| gpt-5.4-miniGPT-5.4 mini | 690 | 4,139 |
| gpt-4.1GPT-4.1 | 1,840 | 7,358 |
| gpt-4oGPT-4o | 2,300 | 9,198 |
| gpt-4o-miniGPT-4o mini | 138 | 552 |
| gpt-5.4-nanoGPT-5.4 nano | 184 | 1,150 |
| gpt-5-nanoGPT-5 nano | 46 | 368 |
| gpt-4.1-miniGPT-4.1 mini | 368 | 1,472 |
| o3o3 | 1,840 | 7,358 |
| 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 토큰 | 1,840 | 9,198 |
| 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 토큰 | 1,840 | 9,198 |
| gemini-3.1-pro-previewGemini 3.1 Pro (Preview)입력 200K 토큰 초과면 입력 3,679 · 출력 16,556 | 1,840 | 11,038 |
| gemini-4-hydrogenGemini 4 Hydrogen | 1,380 | 6,899 |
| 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 토큰 | 690 | 3,449 |
| 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 토큰 | 690 | 3,449 |
| 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 토큰 | 690 | 3,449 |
| 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 토큰 | 690 | 3,449 |
| gemini-3.5-flash-liteGemini 3.5 Flash-Lite | 276 | 2,300 |
| gemini-3.1-flash-liteGemini 3.1 Flash-Lite | 230 | 1,380 |
| grok-4.7Grok 4.7입력 200K 토큰 이상이면 입력 3,679 · 출력 11,038 | 1,840 | 5,519 |
| grok-4.6Grok 4.6입력 200K 토큰 이상이면 입력 3,679 · 출력 11,038 | 1,840 | 5,519 |
| grok-4.20-0309-reasoningGrok 4.20 (추론)입력 200K 토큰 이상이면 입력 2,300 · 출력 4,599 | 1,150 | 2,300 |
| grok-4.20-0309-non-reasoningGrok 4.20 (비추론)입력 200K 토큰 이상이면 입력 2,300 · 출력 4,599 | 1,150 | 2,300 |
| grok-build-0.1Grok Build 0.1입력 200K 토큰 이상이면 입력 1,840 · 출력 3,679 | 920 | 1,840 |
| grok-4.5Grok 4.5입력 200K 토큰 이상이면 입력 3,679 · 출력 11,038 | 1,840 | 5,519 |
| grok-4.3Grok 4.3입력 200K 토큰 이상이면 입력 2,300 · 출력 4,599 | 1,150 | 2,300 |
| deepseek-ai/DeepSeek-V4.1-Flash-1017DeepSeek V4.1 Flash 1017 | 184 | 552 |
| deepseek-ai/DeepSeek-V4.1-FlashDeepSeek V4.1 Flash | 184 | 552 |
| deepseek-ai/DeepSeek-V4-FlashDeepSeek V4 Flash | 83 | 166 |
| deepseek-ai/DeepSeek-V4-ProDeepSeek V4 Pro | 1,196 | 2,391 |
| deepseek-ai/DeepSeek-V3.1DeepSeek V3.1 | 230 | 874 |
| deepseek-ai/DeepSeek-V3.2DeepSeek V3.2 | 239 | 350 |
| deepseek-ai/DeepSeek-R1-0528DeepSeek R1 (추론) | 460 | 1,978 |
| meta-llama/Llama-3.3-70B-Instruct-TurboLlama 3.3 70B | 92 | 294 |
| meta-llama/Llama-4-Scout-17B-16E-InstructLlama 4 Scout 17B | 92 | 276 |
| meta-llama/Meta-Llama-3.1-8B-Instruct-TurboLlama 3.1 8B | 18 | 37 |
| Qwen/Qwen3.5-397B-A17BQwen3.5 397B | 414 | 2,759 |
| Qwen/Qwen3.6-35B-A3BQwen3.6 35B | 92 | 874 |
| Qwen/Qwen3-235B-A22B-Instruct-2507Qwen3 235B | 83 | 506 |
| Qwen/Qwen3.5-9BQwen3.5 9B | 92 | 138 |
| Qwen/Qwen3-VL-30B-A3B-InstructQwen3 VL 30B (이미지 입력) | 138 | 552 |
| Qwen/Qwen3-Coder-480B-A35B-Instruct-TurboQwen3 Coder 480B | 276 | 920 |
| mistralai/Mistral-Small-3.2-24B-Instruct-2506Mistral Small 3.2 24B | 69 | 184 |
| mistralai/Mistral-Nemo-Instruct-2407Mistral Nemo 12B | 17 | 28 |
| moonshotai/Kimi-K3Kimi K3 | 2,621 | 13,107 |
| moonshotai/Kimi-K2.6Kimi K2.6 | 690 | 3,219 |
| MiniMaxAI/MiniMax-M3MiniMax M3 (52만 컨텍스트) | 258 | 1,012 |
| zai-org/GLM-5.3-FlashGLM 5.3 Flash (100만 컨텍스트) | 138 | 460 |
| zai-org/GLM-4.7GLM 4.7 | 368 | 1,610 |
| openai/gpt-oss-120bgpt-oss 120B | 34 | 156 |
| openai/gpt-oss-20bgpt-oss 20B | 28 | 129 |
| google/gemma-3-27b-itGemma 3 27B | 74 | 147 |
| google/gemma-4-31B-itGemma 4 31B | 138 | 368 |
| nvidia/NVIDIA-Nemotron-3-Super-120B-A12BNemotron 3 Super 120B | 78 | 368 |
| microsoft/phi-4Microsoft Phi-4 | 64 | 129 |
| ibm-granite/granite-4.2-8bIBM Granite 4.2 8B | 55 | 230 |
그림
| 모델 | 입력100만 토큰당 크레딧 | 출력100만 토큰당 크레딧 |
|---|---|---|
| gpt-image-2.5-flareGPT Image 2.5 Flare | 4,599 | 27,594 |
| gpt-image-2.5-sunburstGPT Image 2.5 Sunburst | 4,599 | 27,594 |
| gpt-image-2GPT Image 2 | 4,599 | 27,594 |
| gpt-image-1.5GPT Image 1.5 | 4,599 | 29,434 |
| gpt-image-1-miniGPT Image 1 mini | 1,840 | 7,358 |
| grok-imagine-imageGrok Imagine | 한 장 18 크레딧 | |
| grok-imagine-image-2.0Grok Imagine 2.0 | 한 장 55 크레딧 | |
| grok-imagine-image-qualityGrok Imagine Quality | 한 장 46 크레딧 | |
| gemini-3.1-flash-imageNano Banana 2 (Gemini 3.1 Flash Image) | 460 | 55,188 |
| gemini-3.1-flash-lite-imageNano Banana 2 Lite (Gemini 3.1 Flash Lite Image) | 230 | 27,594 |
| gemini-3-pro-imageNano Banana Pro (Gemini 3 Pro Image) | 1,840 | 110,376 |
임베딩
| 모델 | 입력100만 토큰당 크레딧 |
|---|---|
| text-embedding-3-smallText Embedding 3 Small | 18 |
| text-embedding-3-largeText Embedding 3 Large | 120 |
| text-embedding-ada-002Text Embedding Ada 002 | 92 |
| gemini-embedding-001Gemini Embedding 001 | 138 |
| gemini-embedding-2Gemini Embedding 2 | 184 |
검열
| 모델 | 차감 단가 |
|---|---|
| omni-moderation-latestOmni Moderation | 무료 |
| omni-moderation-2024-09-26Omni Moderation (2024-09-26) | 무료 |
읽어주기
| 모델 | 차감 단가 |
|---|---|
| tts-1TTS 1 | 글자 13,797 크레딧 / 1M 글자 |
| tts-1-hdTTS 1 HD | 글자 27,594 크레딧 / 1M 글자 |
받아쓰기
| 모델 | 차감 단가 |
|---|---|
| gpt-4o-transcribeGPT-4o Transcribe | 소리 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 Transcribe | 소리 입력 1,150 크레딧 / 1M 토큰 · 글 입력 1,150 크레딧 / 1M 토큰 · 출력 4,599 크레딧 / 1M 토큰 |
| whisper-1Whisper | 길이 0.092 크레딧 / 초 |
| gpt-transcribeGPT Transcribe | 길이 0.069 크레딧 / 초 |
| universal-2AssemblyAI Universal-2 | 길이 0.0383 크레딧 / 초 |
| scribe_v2ElevenLabs Scribe v2 | 길이 0.056 크레딧 / 초 |
| clova-speechCLOVA Speech | 길이 0.22 크레딧 / 초 |
깊은 추론(Responses 전용)
| 모델 | 입력100만 토큰당 크레딧 | 출력100만 토큰당 크레딧 |
|---|---|---|
| gpt-5.5-proGPT-5.5 pro입력 272K 토큰 이상이면 입력 55,188 · 출력 248,347 | 27,594 | 165,564 |
| gpt-5.4-proGPT-5.4 pro입력 272K 토큰 이상이면 입력 55,188 · 출력 248,347 | 27,594 | 165,564 |
| gpt-5.2-proGPT-5.2 pro | 19,316 | 154,527 |
| gpt-5-proGPT-5 pro | 13,797 | 110,376 |
| o3-proo3-pro | 18,396 | 73,584 |
| gpt-5.3-codexGPT-5.3 Codex | 1,610 | 12,877 |
영상
| 모델 | 차감 단가 |
|---|---|
| grok-imagine-videoGrok Imagine Video | 480p 50 크레딧 / 초 · 720p 70 크레딧 / 초 |
| grok-imagine-video-1.5Grok Imagine Video 1.5 | 1080p 249 크레딧 / 초 · 480p 80 크레딧 / 초 · 720p 140 크레딧 / 초 |
| dreamina-seedance-2-0-260128Seedance 2.0 | 1080p 373 크레딧 / 초 · 480p 70 크레딧 / 초 · 720p 151 크레딧 / 초 |
| dreamina-seedance-2-0-fast-260128Seedance 2.0 Fast | 480p 56 크레딧 / 초 · 720p 121 크레딧 / 초 |
| dreamina-seedance-2-0-mini-260615Seedance 2.0 Mini | 480p 35 크레딧 / 초 · 720p 75 크레딧 / 초 |
| dreamina-seedance-2-5-260628Seedance 2.5 | 1080p 567 크레딧 / 초 · 480p 107 크레딧 / 초 · 720p 230 크레딧 / 초 |
| runway-gen4.5Runway Gen-4.5 | 720p 120 크레딧 / 초 |
판정
| 모델 | 입력100만 토큰당 크레딧 |
|---|---|
| gpt-6-luna-decisionsGPT-6 Luna Decisions입력 272K 토큰 이상이면 입력 184 · 출력 0 | 92 |
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.
- 18원
gpt-oss 120B
공개 모델
- 55원
Qwen3 235B
공개 모델
- 154원
GPT-5.6 Luna
OpenAI · 기준
- 217원
Gemini 3.5 Flash-Lite
Google
- 426원
DeepSeek V4 Pro
공개 모델
- 434원
Gemini 3.7 Flash
Google
- 662원
Grok 4.6
xAI
- 988원
GPT-5.6 Terra
OpenAI
- 1,704원
GPT-5.6 Sol
OpenAI
- 1,912원
Claude Sonnet 5
Anthropic
- 8,753원
Claude Opus 5
Anthropic
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.
| 도구 | 요금 | 어떻게 세나 |
|---|---|---|
| Claude web_search | 검색 1회 9.2 크레딧 | 응답이 알려주는 검색 횟수로 세요. 검색 결과는 입력 토큰이라 그 모델 단가로 따로 계산돼요. |
| Claude advisor | 조언 모델 토큰 × 그 모델 단가 | 응답의 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 단가 | 응답의 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 connector | 토큰만 | 따로 붙는 요금이 없어요. |
| Claude code_execution | web_search·web_fetch(20260209 이후 판)와 같이 쓰면 토큰만 | 혼자 쓰면 벤더가 실행 시간으로 받는데, 응답이 그 시간을 안 알려줘서 400 으로 돌려드려요. |
| GPT web_search | 검색 1회 9.2 크레딧 | 응답의 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_search | 받지 않아요 | 벤더로 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_generation | 받지 않아요 | 응답이 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.
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" }]
}'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.