글 — /v1/chat/completions
OpenAI 채팅 형식 하나로 여러 회사의 글 모델을 부릅니다.
가장 많이 쓰는 문이에요. OpenAI 채팅 형식 그대로 받아요. Claude 를 부르시면 저희가 Anthropic 형식으로 번역해 넘기고 답을 다시 OpenAI 형식으로 돌려드려요 — 그래서 OpenAI 형식만 아는 도구(Cursor · Cline · LangChain)에서도 Claude 가 그대로 돌아가요.
curl https://oneport.kr/v1/chat/completions \
-H "Authorization: Bearer $ONEPORT_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "claude-sonnet-5",
"messages": [{"role": "user", "content": "안녕하세요"}]
}'- stream: true — 받는 대로 흘려드려요. 긴 답은 이쪽이 안전해요 — 첫 응답 120초 · 조각 사이 침묵 120초 · 전체 약 12분 50초에서 끊겨요.
- 모델 회사로 보낸 뒤 연결 실패 · 시간 초과 · 408 · 실행 전 거절이 확인되지 않은 5xx 또는 성공 머리글 뒤 JSON 유실은 422 upstream_execution_unconfirmed 예요. x-should-retry: false 를 따르고 자동 재전송하지 마세요. Idempotency-Key 를 실어 보낸 요청이면 받은 x-gateway-status-url 을 같은 API 키로 GET 조회하세요. Idempotency-Key 없이 보낸 요청엔 조회 주소가 안 오고 요청 ID 로 만든 주소로는 조회가 안 돼요 — 요청 ID 와 부른 시각을 admin@schoolorder.kr 로 알려 주세요. 이미 200 으로 시작한 스트림은 아래의 끝 조각 · usage 규칙으로 확인해요.
- tools — 도구 호출을 벤더 형식으로 번역해 넘기고, 모델이 부른 도구를 OpenAI 형식으로 돌려드려요.
- reasoning_effort — 얼마나 따져볼지 고르실 수 있어요. 받는 모델인지는 GET /v1/models 의 supports_effort 가 알려드려요.
요청 파라미터#
요청 본문 (JSON)
| 파라미터 | 받는 값 | 저희가 하는 일 |
|---|---|---|
| model필수 | 모델 id 문자열 | 없으면 400 이에요. 모르는 이름이면 404 와 함께 가장 가까운 이름을 알려드려요 — 시키지 않은 모델로 몰래 바꾸지 않아요. |
| messages필수 | role · content 배열 | Claude 로 갈 때는 role: system 을 따로 떼어 Anthropic 의 system 필드로 옮겨요. 그쪽은 system 을 messages 안에 못 받거든요. |
| max_tokens | 정수 (max_completion_tokens 도 받아요) | Anthropic 은 이 값이 필수예요. 안 보내시면 8,192 로 채워 넘겨요 — 안 채우면 400 이 나거든요. GPT-5 이후와 o 계열은 이 이름을 안 받아서 저희가 max_completion_tokens 로 옮겨 넘기고 응답 헤더 x-gateway-mapped-params 에 적어요. 이 모델들은 생각한 토큰도 이 상한에 들어가서(벤더 동작) 값이 작으면 답이 비거나 finish_reason length 로 끝나요 — 2,000 쯤에서 시작해 length 면 올리거나 reasoning_effort 를 낮춰 주세요. Gemini 도 생각한 토큰이 같은 상한에 들어가요(벤더 동작) — 대신 usage 의 completion_tokens 에는 안 잡혀서 출력은 total_tokens − prompt_tokens 로 세요. Claude 는 이 문에서 생각(thinking)을 켜지 않아서 completion_tokens 가 Anthropic 의 output_tokens 그대로예요. 상한이 클수록 부르기 전에 잡아 두는 몫도 커져요 — 잡는 몫은 출력 상한 몫에 입력 몫을 더한 값이에요. 입력은 글을 요청 몸통 3바이트 = 1토큰으로 어림하고, data: 로 붙인 그림은 한 장을 (base64 글자 수 ÷ 3)과 Claude 4,800 · gpt-4o-mini 48,200 · 그 밖 모델 16,400 토큰 가운데 작은 쪽으로 잡아요(보통 사진은 이 상한 그대로예요). 주소(URL)로 붙인 그림은 바이트로 셀 수 없어서 한 장마다 이 상한 그대로 잡아요(2026-11-01 부터 · 「남은 한도」 장 「최대 몫」). 끝나면 실제 사용량으로 정산하고 남은 몫은 돌아와요. 대화 기록이 길면 그 입력 몫 때문에 max_tokens 를 줄여도 402 가 남을 수 있어요 — 그땐 기록을 줄이거나 충전해 주세요. claude-sonnet-5 · claude-opus-5-5 를 스트림 없이, content 가 글자인 user 메시지 하나(system 은 있어도 돼요 — 메시지가 둘 이상이거나 그림 · 도구 · response_format 이 실리면 보통 셈)로 보내면 지갑은 더 넉넉히 잡아요 — (옮긴 JSON 바이트 + 16,384) 토큰 × 입력 단가 × 2 + max_tokens × 출력 단가예요(짧은 질문에 max_tokens 1,024 면 10월 기준 claude-sonnet-5 는 약 70 · claude-opus-5-5 는 약 140 크레딧 · anthropic-version 을 2023-06-01 아닌 판으로 싣거나 anthropic-beta · openai-beta 머리글을 실으면 보통 셈 · 조건 전부는 「남은 한도」 장). 이때는 max_tokens 를 줄여도 거의 안 줄어요 — 잔액이 적으면 stream: true 로 보내 주세요. 보통 셈으로 잡혀요. |
| stream | true / false | 그대로 넘겨요. 답을 받는 대로 흘려드려요. |
| reasoning_effort | none · minimal · low · medium · high · xhigh · max (모델마다 범위가 달라요) | Claude 로 갈 때는 Anthropic 이 실제로 받는 output_config.effort 로 옮겨요(none·minimal 은 low 로, xhigh 가 없는 Opus 4.6·Sonnet 4.6 의 xhigh 는 high 로 낮춰요). 못 받는 모델(Haiku 4.5 · Sonnet 4.5 · GPT-4o · 4.1 계열)엔 아예 안 싣고 응답 헤더 x-gateway-ignored-params 에 적어요. 낮춘 값(none·minimal→low 등)은 헤더에 안 적혀요. GPT 로는 그대로 가요 — GPT-6 Sol·Luna 는 none~xhigh, 나머지 GPT-6 은 low~xhigh 라 max 는 400 이에요. 받는 모델인지는 GET /v1/models 의 supports_effort 로 보세요. |
| temperature · top_p · top_k | 숫자 | Claude 5 세대(Fable 5·5.1·5.2 · Opus 5·5.5 · Sonnet 5·5.5 · Haiku 5.5 · Opus 4.8 · 4.7)로 갈 때는 빼고 넘기고, 뺀 칸 이름을 응답 헤더 x-gateway-ignored-params 에 적어 드려요. 이 모델들은 400 을 내지만 어차피 안 읽는 값이라 빼도 답이 같아요. top_k 는 Anthropic 칸이라 그 밖의 Claude 로만 옮겨요. GPT 추론 모델(GPT-5 · 5.5 · 5.6 · 6 · o 계열)로 갈 때는 1 이 아닌 값을 빼고 넘기고 같은 헤더에 적어요. 그 밖의 GPT 로는 그대로 가요. |
| stop | 문자열 또는 배열 | Claude 로 갈 때 stop_sequences 로 옮기고, 문자열 하나면 배열로 감싸요. |
| tools | OpenAI 함수 배열 ({type: "function", function}) | Anthropic 형식(input_schema)으로 번역해 넘기고, 모델이 부른 도구를 OpenAI 의 tool_calls 로 되돌려 드려요. function.strict: true 는 Claude 의 strict 로 옮겨요. Cursor 가 보내는 평평한 함수 꼴({type: "function", name, parameters})과 custom 도구({type: "custom", name})도 받아 함수로 번역해요. GPT 로 갈 땐 평평한 함수 꼴 · custom 도구 · tool_choice {type, name} 을 OpenAI 채팅 꼴({type: "function", function: {…}} · {type: "custom", custom: {…}})로 접어 넘기고 응답 헤더 x-gateway-mapped-params 에 tools->function · tools->custom · tool_choice->… 로 적어요. Claude 로 갈 때 함수가 아닌 도구(웹 검색 같은 서버 도구)는 400 이에요 — 그런 도구는 /v1/messages 로 보내주세요. |
| parallel_tool_calls | true / false | Claude 로 갈 때 false 면 「한 턴에 도구 하나」(tool_choice.disable_parallel_tool_use)로 옮겨요. GPT 로는 그대로 가요. |
| response_format | text · json_schema · json_object | 모양은 {"type": "json_schema", "json_schema": {"name": "…", "strict": true, "schema": {…}}} 예요(OpenAI 모양). Claude 로 갈 때 json_schema 는 Claude 의 구조화 출력(output_config.format)으로 옮겨서 그 스키마대로 답해요. strict: true 면 스키마를 손대지 않고, 그 모델이 못 받는 스키마면 400 upstream_error 에 Anthropic 의 문장을 그대로 실어 드려요(고친 요청엔 새 Idempotency-Key) — map · record 가 든 스키마도, type 배열(예: ["string", "null"])에 enum 을 같이 단 칸도 그대로 실려 400 이에요. strict 가 없으면 Claude 가 받는 모양(모든 object 에 additionalProperties: false · 길이 · 개수 제약 빼기 · type 배열 + enum 은 anyOf 로 풀기)으로 고쳐 보내요. 다만 strict 가 없을 때 아무 열쇠나 받는 object(additionalProperties 에 스키마를 단 map · record — zod 의 z.record 등)가 든 스키마는 그렇게 고치면 「빈 object 만」으로 뜻이 바뀌어서, 강제하지 않고 싣지 않은 채 헤더 x-gateway-ignored-params 에 response_format 을 적어 드려요. schema 가 빠진 json_schema 는 400 이에요. json_object(모양 없는 JSON)는 Claude 에 같은 강제가 없어 싣지 않고 헤더 x-gateway-ignored-params 에 적어 드려요 — 프롬프트에 JSON 으로 답하라고 적으시면 대개 JSON 으로 오지만 보장은 아니에요. 모양이 꼭 맞아야 하면 json_schema 로 보내주세요. GPT 로는 그대로 가요 — 다만 json_object 인데 메시지에 json 낱말이 없으면 OpenAI 가 400 을 내서, 「Respond in JSON.」 한 줄을 넣어 넘기고 x-gateway-mapped-params 에 적어요. |
| user · safety_identifier | 문자열 | Claude 로 갈 때 Anthropic 의 metadata.user_id 로 옮겨요(둘 다 오면 safety_identifier). 값은 해시해서 보내요 — Anthropic 은 이 칸에 이메일 · 이름 같은 개인정보를 넣지 말라고 해서, 이메일을 넣으셔도 원래 글자는 Anthropic 에 안 가요. 같은 값은 같은 해시라 사람 단위 구분은 그대로예요. metadata.user_id 로 직접 보내시면 그 값 그대로 가요(metadata 의 다른 칸은 Claude 에 자리가 없어 싣지 않고 헤더에 적어 드려요). GPT · Gemini · Grok 등 Claude 밖 모델로는 해시하지 않고 그대로 가요 — 이메일 같은 개인정보 대신 직접 해시한 값을 보내세요. |
| Claude 로 못 옮겨서 400 인 칸 | 기본값만 | n(1 말고) · logprobs · top_logprobs(0 말고) · logit_bias · modalities(text 말고) · audio · web_search_options · functions · function_call 은 Claude 에 같은 기능이 없고, 빼고 보내면 답의 뜻이 달라져서(답 개수 · 토큰 확률 · 검색 없이 지어낸 답 …) Claude 로 갈 땐 벤더에 보내기 전에 400 으로 알려드려요(요금 없음) — 빼고 보내시면 돼요. GPT · Gemini · Grok 으로는 그대로 가요(n 은 바로 아래 줄). |
| n | 1–128 정수 (기본 1) | 답을 몇 개 받을지예요. Claude 밖 모델(GPT · Gemini · Grok 등)로는 그대로 넘기고, 2 이상이면 답 n 개를 만드니 미리 잡는 몫의 출력도 n 배로 잡아요(입력은 한 번 · 지갑 잔액과 키 · 강좌 몫 검사 둘 다 · 2026-11-01 부터). 그래서 n 이 크면 잔액 · 한도가 남아 보여도 402 hold_exceeds_balance · 429 key_limit_exceeded(강좌 키는 group_limit_exceeded)가 날 수 있어요 — n 이나 max_tokens 를 줄여 보내요(실제로는 쓴 만큼만 사용해요). 1부터 128까지 정수가 아니면(0 · 1.5 · 글자 "2" 같은 값) 모델 회사로 보내기 전에 400 invalid_request_error · error.param "n" 이에요(요금 없음). |
| Claude 로는 싣지 않는 칸 | 아무 값 | presence_penalty · frequency_penalty · seed · store · prediction · verbosity · prompt_cache_key · prompt_cache_retention · stream_options, 그리고 이 표에 없는 칸은 빼도 같은 답이 와서 받아 두고 Claude 엔 싣지 않아요. 기본값이 아닌 값을 보내셨으면 그 칸 이름을 응답 헤더 x-gateway-ignored-params 에 적어 드려요(stream_options 는 헤더에 안 적어요 — 사용량 조각은 늘 실려서 결과가 같거든요). Gemini · Grok 과 그 밖의 GPT 로는 그대로 가요 — GPT 추론 모델(GPT-5 · 5.5 · 5.6 · 6 · o 계열)엔 0 이 아닌 penalty 를 빼고 같은 헤더에 적어요. |
| tool_choice | none · auto · required · 특정 함수 | Anthropic 형식으로 옮겨요. 다만 Fable 5.1 · 5.2 · Opus 5.5 · Sonnet 5.5 는 강제 호출에 400 을 내서 auto 로 낮춰 보내요 — 400 보다 「강제가 안 됨」이 낫다고 봤어요. 낮췄을 땐 응답 헤더 x-gateway-ignored-params 에 tool_choice 를 적어 드려요. 그 밖의 Claude(Haiku 5.5 · Sonnet 5 · Opus 5 · Fable 5 포함)는 강제 호출을 그대로 받아요. |
| service_tier | "auto" · "default" | priority · fast · flex 같은 다른 처리 등급은 아직 열려 있지 않아 벤더로 보내기 전에 400 으로 돌려드려요 — GPT · Gemini · Grok 모두 같아요. 빼고 보내시면 표준 등급 · 표준 단가로 답해요. |
| deferred | false | Grok 의 나중에 받기(deferred: true)는 결과를 가져가는 문이 저희에게 없어 400 으로 돌려드려요. 빼고 보내시면 바로 답해요 — 오래 걸리면 stream: true 로 받으세요. |
응답#
OpenAI 채팅 응답 그대로예요. Claude 에서 온 답도 저희가 이 모양으로 되돌려 드리니 받는 코드는 손댈 게 없어요. 끝난 이유(finish_reason)도 OpenAI 낱말로 옮겨요 — end_turn·stop_sequence 는 stop, max_tokens 는 length, tool_use 는 tool_calls, 거절은 content_filter 예요.
{
"id": "chatcmpl-...",
"object": "chat.completion",
"model": "claude-sonnet-5",
"choices": [
{
"index": 0,
"message": { "role": "assistant", "content": "안녕하세요!" },
"finish_reason": "stop"
}
],
"usage": { "prompt_tokens": 12, "completion_tokens": 8, "total_tokens": 20, "cost_credits": 0.1196 }
}이번 호출 크레딧 — 응답 usage 의 cost_credits 가 이번 호출에 쓴 값이에요(스트림은 끝 usage 조각 · 웹 검색 같은 서버 도구 요금까지 · 소수 넷째 자리까지 올린 값이에요 — 0 보다 크면 적어도 0.0001). 정산이 2초 안에 안 끝나면 그 칸 없이 오니, 그땐 usage 와 GET /v1/models 의 pricing.rates(100만 토큰당 크레딧)로 셈하세요. ① 입력: prompt_tokens − prompt_tokens_details.cached_tokens − prompt_tokens_details.cache_write_tokens(캐시 쓰기가 있을 때만 와요)는 input_text, cached_tokens 는 cache_read, cache_write_tokens 는 cache_write 단가로 셈해요. Claude 에 cache_control ttl "1h" 로 쓴 캐시 쓰기는 cache_write 단가가 아니라 그 구간 input_text 단가의 2배예요 — 그 몫은 prompt_tokens_details.cache_write_1h_tokens 로 따로 와요(0 보다 클 때만). cache_write_tokens 는 5분 · 1시간 쓰기를 합친 수 그대로라, cache_write 단가는 cache_write_tokens − cache_write_1h_tokens 에만 곱해요. ② 출력: total_tokens − prompt_tokens 에 output 단가를 곱해요 — Gemini · Grok 은 생각한 토큰이 completion_tokens 밖에 있어서 이렇게 해야 맞아요. ③ 입력 토큰(캐시 포함)이 pricing.tier.above_input_tokens 이상이면 그 요청 전체에 tier 단가를 써요. ④ 문서 표의 값은 반올림한 거라, 정확한 값은 pricing 의 소수로 보세요. jev 는 실제로 고른 모델의 값으로 차감해서 이 셈은 jev 엔 최댓값이에요(실제 차감은 같거나 작아요). 셈 전체는 「모델과 단가」 장에 있어요.
응답 헤더 — 저희가 붙이는 것
| 파라미터 | 받는 값 | 저희가 하는 일 |
|---|---|---|
| x-gateway-fallback-depth | 0 부터의 정수 | 몇 번째 경로에서 성공했는지예요. 0 이면 첫 번에 됐다는 뜻이고, 1 이상이면 벤더가 한 번 막았지만 저희가 다른 경로로 돌려 성공했다는 뜻이에요. |
| x-gateway-ignored-params | 칸 이름 (쉼표로) | 받았지만 싣지 않은 칸이에요 — Claude 로 번역할 때(빼도 같은 답이 오는 칸 · json_object · Claude 5 세대의 temperature 등)와 GPT 추론 모델이 못 지키는 샘플링 칸(temperature · top_p · presence/frequency_penalty). 요청 몸통의 맨 위 칸을 적고, 메시지 안에서는 그림 조각의 image_url.detail 하나만 적어요(Claude 엔 맞는 칸이 없어 그림을 원래 크기로 써요 · "auto" 는 안 보낸 것과 같아 안 적어요). 이 헤더가 없으면 기본값(0 · false · 빈 값)이 아닌 맨 위 칸은 다 실린 거예요(stream_options 는 빼도 안 적어요). |
| x-gateway-mapped-params | 옮긴 내용 (쉼표로) | 이름이나 모양을 옮기거나 채운 칸이에요 — max_tokens->max_completion_tokens(GPT 추론 모델) · json_object->json_hint(메시지에 json 낱말이 없을 때 「Respond in JSON.」 한 줄) · thought_signature->dummy. |
스트림 원본 줄#
SDK 없이 직접 읽으실 때 보시는 줄이에요. 아래는 Claude 를 이 문으로 불렀을 때 저희 번역기가 내는 줄 그대로예요(id · created 값만 예시). GPT · Gemini 등은 그 회사 조각 그대로라 칸이 더 붙고(system_fingerprint 등), finish_reason 과 usage 가 한 조각에 같이 올 수도 있어요 — 칸이 있는지로 읽으세요. 빈 줄로 나뉜 data: 한 줄이 조각 하나예요. Claude 를 이 문으로 부르면 data: 줄만 와요(event: 줄 없음). 다른 회사 모델은 그 회사 바이트 그대로라, data: 로 시작하지 않는 줄은 건너뛰게 짜세요. 정상으로 끝나면 마지막이 data: [DONE] 이고, 그 전에 usage 가 든 조각(choices 가 빈 배열)이 와요 — 그 끝 usage 조각의 cost_credits 는 GPT · Gemini 등 다른 회사 흐름에도 저희가 붙여요. 답 도중 실패하면 error 조각(data: {"error": …})이 오고 finish_reason · [DONE] 없이 닫혀요 — 소켓 예외 없이 닫힐 수 있으니 finish_reason 을 못 봤으면 잘린 답으로 다뤄요. 같은 Idempotency-Key 로 다시 보내면 409 request_already_exists 라 이어지지 않아요 — 더 받으려면 받은 글을 assistant 메시지로, 이어 써 달라는 user 메시지를 그 뒤에 붙여 새 Idempotency-Key 로 이어 받아요 — assistant 로 끝내면 지금 목록의 Claude 대부분이 400 이에요. 스트림의 도구 호출은 delta.tool_calls 로 와요 — 첫 조각에 index · id · function.name, 뒤 조각엔 같은 index 로 function.arguments 글이 이어 오니 index 마다 이어 붙이고, finish_reason 이 tool_calls 인 걸 본 뒤에 실행해요.
data: {"id":"chatcmpl-abc123","object":"chat.completion.chunk","created":1761634800,"model":"claude-sonnet-5","choices":[{"index":0,"delta":{"role":"assistant","content":""},"finish_reason":null}]}
data: {"id":"chatcmpl-abc123","object":"chat.completion.chunk","created":1761634800,"model":"claude-sonnet-5","choices":[{"index":0,"delta":{"content":"안녕"},"finish_reason":null}]}
data: {"id":"chatcmpl-abc123","object":"chat.completion.chunk","created":1761634800,"model":"claude-sonnet-5","choices":[{"index":0,"delta":{"content":"하세요!"},"finish_reason":null}]}
data: {"id":"chatcmpl-abc123","object":"chat.completion.chunk","created":1761634800,"model":"claude-sonnet-5","choices":[{"index":0,"delta":{},"finish_reason":"stop"}]}
data: {"id":"chatcmpl-abc123","object":"chat.completion.chunk","created":1761634800,"model":"claude-sonnet-5","choices":[],"usage":{"prompt_tokens":25,"completion_tokens":15,"total_tokens":40,"prompt_tokens_details":{"cached_tokens":0}}}
data: [DONE]data: {"id":"chatcmpl-abc123","object":"chat.completion.chunk","created":1761634800,"model":"claude-sonnet-5","choices":[{"index":0,"delta":{"role":"assistant","content":""},"finish_reason":null}]}
data: {"id":"chatcmpl-abc123","object":"chat.completion.chunk","created":1761634800,"model":"claude-sonnet-5","choices":[{"index":0,"delta":{"content":"안녕"},"finish_reason":null}]}
data: {"id":"chatcmpl-abc123","object":"chat.completion.chunk","created":1761634800,"model":"claude-sonnet-5","choices":[],"usage":{"prompt_tokens":25,"completion_tokens":1,"total_tokens":26,"prompt_tokens_details":{"cached_tokens":0}}}
data: {"error":{"type":"overloaded_error","code":"overloaded_error","message":"Overloaded"}}무엇이 되고 무엇이 안 되나#
Claude 를 이 문으로 부르실 때는 저희가 몸통을 Anthropic 형식으로 옮겨요. 그래서 「옮기는 자리가 있느냐」가 곧 「되느냐」예요. 아래는 옮기는 코드를 그대로 읽어 적은 것이에요. Gemini · Grok 은 몸통을 옮기지 않고 넘겨서, tools · response_format · reasoning_effort 를 받는지 · 둘을 한 요청에 같이 받는지 · 스키마 키워드를 어디까지 받는지는 그 회사의 OpenAI 호환 문서(Google 의 Gemini OpenAI 호환 · xAI)대로예요(벤더 동작). 답도 그 회사 JSON 그대로 오고 usage 에 쓴 값 칸만 더해요. Gemini 로 도구를 여러 턴 쓰실 땐 받은 tool_calls 를 extra_content 까지 그대로 돌려보내세요 — 빠지면 저희가 Google 의 대체 서명을 채워 넘기고(답 품질이 조금 떨어질 수 있어요) x-gateway-mapped-params 에 적어요. GPT 는 추론 모델의 몇 칸만 옮기거나 빼고(x-gateway-mapped-params · x-gateway-ignored-params) 나머지는 그대로 나가요 — 규칙은 위 「GPT-5.6 · GPT-6 로 부를 때」에 모아뒀어요.
| 기능 | 이 문으로 Claude 부르기 | /v1/messages 로 직접 |
|---|---|---|
| 스트리밍 | 됩니다 | 됩니다 |
| 도구 호출 | 됩니다 — 도구를 부르고 그 결과를 먹여 이어가는 여러 턴까지. 받은 assistant 메시지(content 가 null 이고 tool_calls 가 든 것)를 그대로 messages 에 다시 넣고, 결과는 {"role": "tool", "tool_call_id": <id>, "content": "<글>"} 로 붙이세요. 한 턴에 결과가 여럿이어도 저희가 한 user 턴으로 묶어 넘겨요 | 됩니다 |
| 그림 입력 | 됩니다 — image_url 을 Anthropic 그림 블록으로 옮겨요(data: 와 http 둘 다 · 아래 「그림은 3MB 아래로」) | 됩니다 |
| 생각 강도 | 됩니다 — reasoning_effort 를 output_config.effort 로 옮겨요 | Anthropic 모양 그대로 |
| 프롬프트 캐싱 | 됩니다 — system·user·assistant 글 조각, 그림 조각, 도구 결과, 도구 정의, 최상위(자동 캐싱)의 cache_control 을 같이 옮겨요(그림 조각에 단 것은 그 그림을 캐시 쓰기 단가로 잡아요). 메시지 객체에 바로 단 것은 안 옮겨요 | 그대로 나가요 |
| 구조화 출력 | 됩니다 — response_format json_schema 를 output_config.format 으로 옮겨요(strict 가 없으면 Claude 가 받는 모양으로 고쳐요) | 됩니다 |
| JSON 모드(json_object) | 강제는 안 돼요 — 싣지 않고 헤더에 적어요. 프롬프트대로 JSON 을 쓰지만 보장은 json_schema 로 | 구조화 출력으로 |
| 한 턴에 도구 하나 | 됩니다 — parallel_tool_calls: false 를 disable_parallel_tool_use 로 옮겨요 | 됩니다 |
| temperature · top_p · top_k | Claude 5 세대엔 빼고 넘기고 헤더에 적어요(그 모델이 400 을 내요) | Claude 5 세대엔 같이 빼고 헤더에 적어요 · anthropic-version 2026-10-21 판에 그 밖의 Claude 면 400 이에요 |
| 강제 도구 호출 | Fable 5.1 · 5.2 · Opus 5.5 · Sonnet 5.5 에선 auto 로 낮춰요(모두 400 을 내요) | 그대로 나가요 |
| n 2 이상 · logprobs · logit_bias · 음성 답 · web_search_options · 서버 도구 | 400 이에요 — 빼고 보내면 답의 뜻이 달라져요 | Anthropic 에 있는 것만(웹 검색 등 서버 도구는 됩니다) |
| seed · store · penalty 같은 칸 · 이 표에 없는 칸 | 받되 싣지 않고 헤더 x-gateway-ignored-params 에 적어요 | 그대로 나가요 |
이 문이 받는 모델#
표의 「초과」 · 「이상」은 같은 규칙이에요 — 입력(캐시 포함)이 pricing.tier.above_input_tokens 이상이면 그 요청 전체가 상위 단가예요. 그 값이 100,001 · 200,001 처럼 끝이 1 인 모델은 「100K 초과」 · 「200K 초과」로 적었어요.
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 |