깊은 추론 — /v1/responses
pro 등급이 들어오는 문. 보통 모델도 받습니다.
pro 등급(이름이 -pro 로 끝나는 모델)과 코딩 모델 gpt-5.3-codex 는 /v1/chat/completions 로 부르면 벤더가 받지 않아요. 그래서 저희가 보내기 전에 400 invalid_request_error 로 돌려드리고, 문장에 맞는 문을 적어 드려요(요금 없음). 이 모델들은 /v1/responses 로 부르셔야 해요 — GET /v1/models 의 endpoint 가 POST /v1/responses 인 모델이고, 전체 목록은 아래 표가 말해요.
curl https://oneport.kr/v1/responses \
-H "Authorization: Bearer $ONEPORT_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-5-pro",
"input": "3학년 분수 단원 수행평가 문항 5개를 만들어줘"
}'import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["ONEPORT_API_KEY"],
base_url="https://oneport.kr/v1",
timeout=300, # 조각 하나를 기다리는 시간 — 120초보다 길게
)
stream = client.responses.create(
model="gpt-5-pro",
input="3학년 분수 단원 수행평가 문항 5개를 만들어줘",
max_output_tokens=20000, # 생각한 토큰도 여기 들어가요
reasoning={"effort": "high"},
stream=True,
)
for event in stream:
if event.type == "response.output_text.delta":
print(event.delta, end="", flush=True)
elif event.type in ("response.completed", "response.incomplete", "response.failed"):
print("\n", event.type, event.response.usage) # input_tokens · output_tokens · cost_credits(이 호출에 쓴 값 · 정산이 2초 안에 안 끝나면 없어요)쓴 토큰은 마지막 이벤트(response.completed · response.incomplete · response.failed)의 response.usage 에만 와요 — input_tokens · output_tokens 이고, 생각한 토큰은 output_tokens 안에 들어 출력 단가로 셈해요(output_tokens_details.reasoning_tokens 가 그중 생각 몫). input_tokens 에는 input_tokens_details 의 cached_tokens · cache_write_tokens 가 들어 있어요 — 둘을 뺀 나머지를 input_text 단가로 세요. 답마다 쓴 값은 그 response.usage 의 cost_credits 로 와요(스트림이 아니면 응답 몸통의 usage · 끝 이벤트가 response.incomplete · response.failed 여도 · 정산이 2초 안에 안 끝나면 그 칸 없이 와요). 이 값엔 도구 수수료(웹 검색 등)까지 들어 있어요 — 따로 더하지 마세요. 그 칸이 없고 토큰 수가 확인되면 토큰 × 표 단가 ÷ 1,000,000(검색을 실었으면 그 수수료도 더해서)으로 어림하세요(GET /v1/credits 의 balance_credits 는 내림, used_credits 는 올림한 정수라 앞뒤 차이로는 못 재요). 정산은 답이 끝난 뒤 따로 돌아서 몇 초 뒤에 보세요. response.incomplete 와 OpenAI 가 보낸 response.failed 는 그 usage 만큼 크레딧을 써요. 저희 시간 제한 · 연결 끊김으로 저희가 보낸 response.failed(바로 앞에 event: error · code server_error 가 와요 · 아래 원본 줄)엔 usage 가 없어서, 끝 이벤트 없이 닫힌 답과 같이 받은 .delta 글로 어림해요. 손님 쪽에서 스트림을 먼저 닫아도 같은 셈이에요 — response.completed 전에 닫으면 그때까지 저희가 OpenAI 에서 받아 흘려보낸 .delta 글(손님께 못 닿은 조각도 들어가요) 바이트 ÷ 3 을 출력으로 셈해요(입력은 0 · 미리 잡은 몫까지). 그래서 먼저 닫으셨을 땐 손님 쪽 어림이 실제보다 작을 수 있어요 — 저희 시간 제한 · 연결 끊김으로 닫힌 답은 다 받은 data 줄까지만 세고 그 줄을 다 넘겨서, 받으신 .delta 글로 어림한 값과 같아요. 이 실패 프레임이나 본문·usage 부재를 0원이나 완료 확인으로 읽지 마세요. 끝 이벤트 없이 닫히거나 usage 없이 실패한 답은 받으신 이벤트 가운데 이름이 .delta 로 끝나는 것의 delta 글 전부(답 글 · 도구 인자 · 생각 요약 · 거절 글 등 — 소리 조각만 빼요)를 다 더해 3바이트를 출력 1토큰으로 어림해 써요(입력은 세지 않아요 · 위 주의 칸). 이 어림은 미리 잡아 둔 몫을 넘지 않아요 — usage 가 온 답은 usage 그대로 세요. 캐시에 잡힌 입력(usage.input_tokens_details.cached_tokens)은 GET /v1/models 의 pricing.rates 에 dimension 이 "cache_read" 인 줄이 있는 모델이면 그 단가로 세고, 그 줄이 없는 모델은 입력 단가 그대로 세요 — 지금 pro 등급은 cache_read 줄이 없어서, 함수 도구 왕복으로 같은 앞부분을 다시 보내도 싸지지 않아요. 새로 캐시에 쓴 입력(usage.input_tokens_details.cache_write_tokens)은 pricing.rates 에 dimension 이 "cache_write" 인 줄이 있는 모델이면 그 단가로 세고, 없으면 입력 단가예요(셈은 「모델과 단가」 장). 12시간 캐시(prompt_cache_options.ttl · 조각의 prompt_cache_breakpoint.ttl 에 "12h")는 받지 않아요 — 보내기 전에 400 invalid_request_error 이고 error.param 에 그 칸 이름이 와요(요금 없음 · 2026-10-31 부터). 30분 캐시(기본 · "30m")는 그대로 받아요.
data: {"type":"response.created","response":{"id":"resp_1","status":"in_progress"}}
data: {"type":"response.in_progress","response":{"id":"resp_1","status":"in_progress"}}
data: {"type":"response.output_item.added","output_index":0,"item":{"id":"msg_1","type":"message","status":"in_progress","content":[],"role":"assistant"}}
data: {"type":"response.output_text.delta","item_id":"msg_1","output_index":0,"content_index":0,"delta":"안녕하세요!"}
data: {"type":"response.output_item.done","output_index":0,"item":{"id":"msg_1","type":"message","status":"completed","content":[{"type":"output_text","text":"안녕하세요!"}]}}
data: {"type":"response.completed","response":{"id":"resp_1","status":"completed","usage":{"input_tokens":25,"input_tokens_details":{"cached_tokens":0},"output_tokens":15,"total_tokens":40}}}data: {"type":"response.output_text.delta","item_id":"msg_1","output_index":0,"content_index":0,"delta":"안녕"}
data: {"type":"response.incomplete","response":{"id":"resp_1","status":"incomplete","incomplete_details":{"reason":"max_output_tokens"},"usage":{"input_tokens":25,"input_tokens_details":{"cached_tokens":0},"output_tokens":15,"total_tokens":40}}}data: {"type":"response.created","sequence_number":0,"response":{"id":"resp_1","status":"in_progress"}}
data: {"type":"response.output_text.delta","sequence_number":4,"item_id":"msg_1","output_index":0,"content_index":0,"delta":"안녕"}
event: error
data: {"type":"error","code":"server_error","message":"처리 시간을 넘어 답이 도중에 끊겼어요. 받은 곳까지가 잘린 답이에요.","param":null,"sequence_number":5}
event: response.failed
data: {"type":"response.failed","sequence_number":6,"response":{"id":"resp_1","object":"response","status":"failed","error":{"code":"server_error","message":"처리 시간을 넘어 답이 도중에 끊겼어요. 받은 곳까지가 잘린 답이에요."}}}끊긴 이벤트의 code · message 는 맨 위에 있고(event: error), response.failed 에선 response.error 안에 같은 값이 있어요. 연결이 끊겼으면 message 가 「답을 받던 중 연결이 끊겼어요. 받은 곳까지가 잘린 답이에요.」예요. 반쯤 받은 data 줄은 저희가 버리고 다 받은 줄까지만 넘겨요. 잘린 답은 처음부터 다시 부르지 말고 이어 받으세요 — 원래 input 배열 뒤에 {"role": "assistant", "content": 받은 글} 과 {"role": "user", "content": "앞 답이 끊겼어요. 끊긴 곳 바로 뒤부터 이어서 써 주세요 — 앞부분은 다시 쓰지 마세요."} 두 항목을 붙여 같은 모델로 다시 불러요(input 이 글자였으면 {"role": "user", "content": 그 글} 로 바꿔 맨 앞에 둬요). 저희는 input 을 손대지 않고 넘겨요(이 모양을 받는 건 벤더 동작이에요). 함수 호출이나 생각 도중에 끊긴 왕복은 이어 받지 말고 그 왕복을 처음부터 다시 받아요. 이어 받기도 새 호출이라 앞 대화와 받은 글을 입력으로 다시 사용해요.
요청 파라미터#
요청 본문 (JSON) — OpenAI Responses 그대로
| 파라미터 | 받는 값 | 저희가 하는 일 |
|---|---|---|
| model필수 | OpenAI 모델 id | 이 API 는 OpenAI 것이라 Claude · Gemini · Grok · DeepSeek 은 400 으로 돌려드리고 어느 문으로 가야 하는지 알려드려요. |
| input필수 | 문자열 또는 배열 | 채팅 문과 달리 messages 가 아니라 input 이에요. 손대지 않고 그대로 OpenAI 에 닿아요. |
| reasoning | OpenAI 형식 (effort 등) | 그대로 넘겨요(받지 않는 도구 · 처리 등급 · background 는 보내기 전에 400 으로 돌려드려요). 채팅 문에서 쓰는 reasoning_effort 와 모양이 다르니 그쪽 문서를 보세요. pro 등급은 받는 effort 단계가 좁아요 — gpt-5-pro 는 "high" 만, gpt-5.5-pro 는 "medium" · "high" · "xhigh" 예요(10월 OpenAI 모델 문서 · 벤더 동작). 받지 않는 단계(예: "low")를 실으면 OpenAI 가 400 으로 거절하고 저희는 4xx upstream_error 로 전해요(요금 없음). pro 가 아닌 모델도 받는 단계가 모델마다 달라요(예: "minimal" 은 gpt-5 · gpt-5-mini · gpt-5-nano 가 받아요 · 10월 벤더 실측) — 받지 않는 단계면 같은 4xx upstream_error 예요. GET /v1/models 의 supports_effort 는 effort 를 받는지만 알려 주고 받는 단계는 알려 주지 않아요 — effort 를 한 값으로 고정한 코드라면 pro 등급을 고를 땐 "high" 로 바꿔 주세요(위 예처럼). |
| tools | OpenAI Responses 형식 도구 배열 | function · custom · mcp 같은 도구는 그대로 넘기고, 따로 붙는 도구 요금 없이 토큰만 세요. web_search 는 검색 1회 9.2 크레딧씩 같이 빼요 — output 의 web_search_call 가운데 action.type 이 open_page · find_in_page 인 것과 status 가 failed 인 항목은 안 세요. web_search 의 다른 칸(search_context_size · user_location · filters 등)은 손대지 않고 넘기고, 요금은 칸과 상관없이 web_search_call 항목 하나에 1회예요 — 항목 안 검색어(action.queries)가 여럿이어도 1회예요. 같은 항목이 response.output_item.done 과 끝 이벤트의 response.output 에 둘 다 오니 id 로 한 번만 세요(저희도 그렇게 세요). 검색해서 읽은 내용도 그 모델의 입력 토큰으로 usage 에 들어와요(벤더 동작). 이 수수료는 미리 잡는 몫에는 안 들어가서, 잔액이 거의 없을 때 부르면 잔액보다 조금 더 빠질 수 있어요. file_search · code_interpreter · hosted shell · image_generation 과 저희가 모르는 도구는 벤더로 보내기 전에 400 으로 돌려드려요. web_search 는 gpt-4o-mini · gpt-4.1-mini 말고 이 문의 모델이면 다 넘겨요(그 둘은 400). web_search_preview 는 이름이 gpt-5 · gpt-6 · o 숫자로 시작하는 모델만 넘겨요(pro 등급 포함) — 둘 다 1회 9.2 크레딧예요. 범위가 다른 건 저희가 요금을 바르게 셀 수 없는 조합을 막아서예요(400 문장이 까닭을 말해요). store · include 같은 칸도 손대지 않고 그대로 넘겨요. 함수 도구 왕복과 앞 대화 잇기는 아래 「대화 이어가기」 · 「함수 도구 한 번 왕복」에 있어요. 전송 정책을 켠 스페이스의 키는 tools 를 실을 수 없어요 — function 도구도, web_search 도, 앞 output 의 reasoning 항목도 403 space_content_policy(code unsupported_capability)예요. 이 키로는 글만 보내 주세요. 같은 type 이 다른 code 로도 와요 — blocked_term · policy_forbidden(403) · invalid_content · content_limit(400) · policy_changed(409) · policy_unavailable(503 · 잠시 뒤 다시 보내면 돼요). type 말고 code 로 가르세요(「에러」 장 표). 초·중·고 학교 지갑 · 스페이스의 학생 키(GET /v1/key 의 audience 가 "student")는 web_search · web_search_preview · mcp 를 실으면 돈이 나가기 전에 403 student_key_blocked 예요 — function 도구는 그대로 돼요. 웹 검색이 필요하면 키를 나눠 준 분이 그 키를 선생님 키로 바꿔 주세요. 학생 키도 pro 등급을 불러요 — 막히는 건 위의 검색 · MCP 도구와 검색이 붙은 모델(학생 키로 부른 GET /v1/models 엔 안 보여요)이에요. 왕복마다 따로 부르는 호출이라 시간 상한 · 미리 잡는 몫 · 요금도 왕복마다 따로예요. 다시 실은 reasoning 항목의 encrypted_content 도 보낸 JSON 바이트라 미리 잡는 몫(바이트 ÷ 3 토큰)이 왕복마다 커지고, 그 어림이 pricing.tier 의 above_input_tokens 이상이면 미리 잡는 몫은 tier 단가로 잡아요. 요금은 usage 대로예요. |
| service_tier | "auto" · "default" · "standard" | priority · fast · ultrafast · flex · scale 은 아직 열려 있지 않아 벤더로 보내기 전에 400 으로 돌려드려요. 빼고 보내시면 표준 등급 · 표준 단가로 답해요. |
| background | false | background: true 는 400 이에요 — 저희 문엔 결과를 나중에 가져가는 길(GET /v1/responses/{id})이 없어요. 오래 걸리는 요청은 stream: true 로 받으세요(시간 상한은 위 주의 칸과 같아요). 스트림은 OpenAI Responses 이벤트(response.output_text.delta · response.completed 등)를 손대지 않고 그대로 흘려요 — 이 문엔 stream_options.include_usage 를 싣지 마세요 — OpenAI 가 400 이에요(실측). 이 문엔 필요 없어요(토큰 수는 끝 이벤트의 response.usage 에 와요). 답 도중 OpenAI 가 실패하면 그 이벤트(response.failed · type 이 error 인 이벤트)도 그대로 가요 — SDK 판에 따라 이벤트로 오거나 오류로 던져져요(읽는 법은 위 주의 칸). 어느 쪽이든 response.completed 를 못 받았으면 잘린 답이에요. |
| 그 밖의 파라미터 | OpenAI Responses 문서에 있는 것 — 위에서 400 이라고 적은 것 빼고 | 번역이 없어서 보내신 그대로 나가요. 이 문은 칸을 고치거나 빼지 않아서 x-gateway-ignored-params 가 거의 안 붙어요(맨 위 칸에 reasoning_effort 를 실으셨을 때만 — 추론을 못 하는 모델이면 그 칸을 빼고 이름을 적어요. 추론 모델이면 저희는 손대지 않고 넘기는데, Responses API 엔 없는 칸이라 OpenAI 가 400 으로 돌려줄 수 있어요(벤더 동작). 이 문에선 reasoning: {"effort": …} 로 주세요) — 모델이 못 받는 칸(GPT 추론 모델의 temperature 등)은 그대로 넘어가 OpenAI 가 400 으로 돌려줘요. 하나만 고쳐요 — text.format 이 json_object 인데 input · instructions 에 「json」 낱말이 없으면(대소문자 무관) OpenAI 가 400 으로 거절해서, 저희가 instructions 끝에 Respond in JSON. 한 줄을 붙이고 x-gateway-mapped-params 에 json_object->json_hint 로 적어요. |
대화 이어가기#
앞 턴의 output 항목(가볍게는 받은 답 글)을 input 에 다시 실어 이어가세요. 저장된 응답 · 대화 · 파일을 id 로 부르는 칸 — previous_response_id · conversation · input 의 item_reference 항목(type 이 "item_reference" 인 항목만이에요 — 앞 output 항목에 든 id · status 칸은 그대로 다시 실어도 돼요) · id 가 있는 prompt · input_file · input_image 의 file_id(function_call_output · custom_tool_call_output 의 output 안도) — 은 받지 않아요(저희 문엔 파일을 올리는 길이 없어요 — 파일은 file_data(base64) · file_url · image_url 로 실어요 · file_url 문서는 창 하나만큼 잡아요 · 「남은 한도」 장 「최대 몫」). 실으면 벤더로 보내기 전에 400 invalid_request_error 이고 요금은 없어요(문장이 받지 않는 칸 이름을 알려 줘요 · 그 칸을 빼고 다시 보내요 · 값이 null 이면 그대로 지나가요). 저장된 응답은 저희 문으로 꺼낼 수도 없어요(GET /v1/responses/{id} 는 404). 전송 정책을 켠 스페이스 키는 그보다 먼저 403 space_content_policy 예요. 함수 도구 왕복도 같아요 — 앞 호출 output 의 function_call 항목과 그 결과(function_call_output)를 input 에 다시 실어 새로 불러요. 생각하는 모델(GET /v1/models 의 supports_effort 가 true 인 모델 — pro 등급 · 코딩 모델 등)은 앞 output 을 reasoning 항목까지 통째로 다시 싣고 store: false · include: ["reasoning.encrypted_content"] 로 부르시면 경로가 바뀌어도 이어져요(벤더 동작 · 아래 코드).
import json, os
from openai import OpenAI
client = OpenAI(api_key=os.environ["ONEPORT_API_KEY"], base_url="https://oneport.kr/v1", timeout=300, max_retries=0)
tools = [{
"type": "function",
"name": "get_weather",
"description": "도시의 지금 날씨",
"parameters": {"type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"]},
}]
kw = dict(model="gpt-5.6-sol", tools=tools, store=False, include=["reasoning.encrypted_content"])
items = [{"role": "user", "content": "서울 날씨 알려줘"}]
resp = client.responses.create(input=items, **kw)
items += resp.output # 앞 output 을 reasoning 항목까지 그대로 붙여요
for c in resp.output:
if c.type == "function_call":
result = {"city": json.loads(c.arguments)["city"], "temp_c": 18} # 여기서 실제 함수를 불러요
items.append({"type": "function_call_output", "call_id": c.call_id, "output": json.dumps(result, ensure_ascii=False)})
resp = client.responses.create(input=items, **kw) # 새 호출이라 미리 잡는 몫 · 요금도 따로예요
print(resp.output_text)import OpenAI from "openai";
const client = new OpenAI({ apiKey: process.env.ONEPORT_API_KEY, baseURL: "https://oneport.kr/v1", timeout: 300_000 });
const stream = await client.responses.create({
model: "gpt-5.6-sol",
input: "서울 날씨 알려줘",
tools: [{
type: "function",
name: "get_weather",
description: "도시의 지금 날씨",
parameters: { type: "object", properties: { city: { type: "string" } }, required: ["city"], additionalProperties: false },
strict: true,
}],
max_output_tokens: 20000,
stream: true,
});
let text = "";
try {
for await (const event of stream) {
if (event.type === "response.output_text.delta") text += event.delta;
else if (event.type === "response.completed") {
// 이 response 엔 output_text 가 없어요(SDK 동작) — 글은 위에서 모은 text 예요
for (const item of event.response.output) {
if (item.type === "function_call") console.log("도구 호출:", item.call_id, item.name, JSON.parse(item.arguments));
}
console.log(text, event.response.usage);
} else if (event.type === "error" || event.type === "response.incomplete" || event.type === "response.failed") {
console.log("잘린 답이에요:", event.type, text); // openai 7.5 까지는 저희 끊김이 이 이벤트로 와요
break;
}
}
} catch (err) {
// openai 7.6 이후(4.x 도)는 저희 끊김을 던져요 — 받기 시작한 뒤라 err.status 가 비어 있어요
if (err instanceof OpenAI.APIError && err.status === undefined && !(err instanceof OpenAI.APIConnectionError)) console.log("잘린 답이에요:", err.message, text);
else throw err;
}Node openai SDK 는 스트림이 아닌 응답에만 output_text 를 채워요 — responses.create({ stream: true }) 로 받은 이벤트의 response 는 OpenAI 가 보낸 JSON 그대로라 output_text 가 없어요(TS 타입엔 있어서 컴파일은 지나가요 · SDK 동작). 저희도 이 칸을 만들지 않아요. 끝난 답을 통째로 받으시려면 client.responses.stream({ … }) 의 finalResponse() 를 쓰면 output_text 가 채워져 와요(SDK 동작). Python openai SDK 는 response.completed 이벤트의 event.response.output_text 로 읽혀요(output 에서 셈하는 속성이에요 · SDK 동작). 도구 호출은 조각으로 모으지 않아도 돼요 — response.completed 의 response.output 에 function_call 항목(call_id · name · arguments)이 다 와요(벤더 동작 · 이 흐름은 저희가 손대지 않고 넘겨요). 결과를 실어 다시 부르는 건 위 Python 왕복과 같아요.
chat/completions 에서 옮기기#
chat/completions 는 그대로 받으니 한 흐름씩 옮겨도 돼요(OpenAI 안내도 같아요). 이 문은 몸통을 번역하지 않고 OpenAI 에 넘겨서 칸 이름이 Responses 이름이어야 해요 — chat/completions 칸을 그대로 실으면 벤더가 거절하거나 무시해요. Claude · Gemini 를 부르는 흐름은 옮기지 마세요(이 문은 OpenAI 모델만 받아요).
| chat/completions | /v1/responses | 저희 문에서 |
|---|---|---|
| messages | input — 문자열이나 항목 배열 | 손대지 않고 넘겨요. |
| system · developer 메시지 | instructions(맨 위 칸) — 또는 input 안의 developer 메시지 | 그대로 넘겨요. |
| max_tokens · max_completion_tokens | max_output_tokens | 미리 잡는 몫도 이 칸으로 셈해요(안 적으면 8,192). 칸을 적은 요청은 402 · 429 문장도 이 이름으로 줄이라고 해요(안 적었으면 줄이라는 말 대신 새 대화 · 첨부 안내가 와요). |
| reasoning_effort | reasoning: {"effort": …} | reasoning 칸은 손대지 않고 넘겨요 — GET /v1/models 의 supports_effort 가 false 인 모델(gpt-4o · gpt-4.1 계열)엔 빼고 보내세요(OpenAI 가 거절할 수 있어요 · 벤더 동작). 저희가 빼 드리는 건 맨 위 칸 reasoning_effort 를 실었을 때뿐이에요 — 추론 못 하는 모델이면 빼고 x-gateway-ignored-params 에 적어요. |
| response_format | text: {"format": {"type": "json_schema", "name": …, "schema": …}} | 그대로 넘겨요 — name · schema 가 json_schema 안이 아니라 format 바로 아래예요. |
| tools: {"type": "function", "function": {name, parameters}} | {"type": "function", "name": …, "parameters": …} — function 한 겹이 없어요 | 그대로 넘겨요. strict 를 안 적으면 strict 로 시도해요(벤더 동작). |
| {"role": "tool", "tool_call_id": …, "content": …} | {"type": "function_call_output", "call_id": …, "output": …} — 앞 output 을 그대로 다시 싣고 그 뒤에 | 위 「함수 도구 한 번 왕복」 예 그대로예요. |
| choices[0].message.content | output_text(SDK 도우미 · 원본은 output 배열) | 저희는 이 칸을 만들지 않아요 — 스트림이 아니면 SDK 가 채워요. stream: true 면 위 「Node 로 스트림 받기」처럼 delta 글을 이어 붙여요. |
| n | 없어요 — 답 여럿은 요청을 따로 보내요 | — |
| stream_options.include_usage | 싣지 마세요 | OpenAI 가 400 이에요(실측). 토큰 수는 끝 이벤트의 response.usage 에 와요. |
| usage.prompt_tokens · completion_tokens | usage.input_tokens · output_tokens | 정산도 이 두 칸(과 캐시 칸)으로 해요. |
| 스트림 끝 data: [DONE] | response.completed 이벤트 | [DONE] 은 없어요 — 위 「스트림 원본 줄」. |
import os
from openai import OpenAI
client = OpenAI(api_key=os.environ["ONEPORT_API_KEY"], base_url="https://oneport.kr/v1", timeout=300, max_retries=0)
r = client.chat.completions.create(
model="gpt-5-nano",
messages=[
{"role": "developer", "content": "초등 교사에게 짧게 답해요."},
{"role": "user", "content": "분수의 덧셈을 한 문단으로 설명해 줘"},
],
max_completion_tokens=2000,
reasoning_effort="low",
)
print(r.choices[0].message.content)r = client.responses.create(
model="gpt-5-nano",
instructions="초등 교사에게 짧게 답해요.",
input="분수의 덧셈을 한 문단으로 설명해 줘",
max_output_tokens=2000,
reasoning={"effort": "low"},
)
print(r.output_text)그림 붙이기#
input 의 content 에 {"type": "input_text", "text": "…"} 와 {"type": "input_image", "image_url": "data:image/jpeg;base64,…"} 를 같이 넣어요(OpenAI Responses 모양) — 몸통은 손대지 않고 OpenAI 에 넘겨요. 미리 잡는 몫은 data: 그림 한 장을 바이트가 아니라 16,400 토큰어치(gpt-4o-mini 는 48,200)로 잡고, 정산은 OpenAI 가 센 토큰대로예요. 요청 한 번은 4.5MB 까지예요 — base64 는 원본보다 3분의 4배(약 1.33배)쯤 커지니 원본 3MB 를 넘는 그림은 줄여서 보내 주세요(넘으면 JSON 이 아닌 영어 413 이 와요). 그림을 못 받는 모델이면 OpenAI 가 거절해 4xx upstream_error 가 와요. PDF(input_file 의 file_data base64)는 그림처럼 한 장 몫으로 잡지 않고 바이트 ÷ 3 그대로 잡아서, 미리 잡는 몫이 실제보다 클 수 있어요 — 글만 뽑아 보내면 작아져요. 주소로 붙인 그림(image_url 이 https 주소)도 한 장에 같은 몫이고, input_file.file_url 로 붙인 문서는 크기와 상관없이 모델 창 하나만큼 잡아요(「남은 한도」 장 「최대 몫」).
{
"model": "gpt-5.5-pro",
"input": [{
"role": "user",
"content": [
{ "type": "input_text", "text": "이 그래프에서 틀린 곳을 찾아줘" },
{ "type": "input_image", "image_url": "data:image/jpeg;base64,/9j/4AAQ..." }
]
}],
"stream": true
}이 문이 받는 모델#
이 문은 OpenAI 모델만 받아요 — GET /v1/models 의 kind 가 responses · chat 인 것만이고, 아래 표가 이 문으로 부를 수 있는 모델이에요. 그림 · 임베딩 · 음성 · 검열 모델은 owned_by 가 openai 여도 400 이고, 문장이 맞는 문을 알려 줘요. 줄은 아래 모양으로 오고, 단가는 줄마다 pricing 칸에 있어요. 입력이 길면 단가가 오르는 모델(pricing.tier 가 있는 모델 — pro 등급 일부도 그래요)은 입력이 tier.above_input_tokens 이상인 요청이면 그 요청 전체를 tier 의 단가로 계산하고, 미리 잡는 몫도 그 단가로 잡아요. 입력 · 출력은 tier 의 input · output 값이고, 캐시 읽기 · 쓰기는 tier 에 cache_read · cache_write 값이 있는 모델만 그 값이에요 — 없으면 짧은 구간 값(pricing.rates 의 cache_read · cache_write 줄)으로 세요. rates 에 캐시 줄도 없는 모델(캐시 할인이 없는 pro 등급)은 캐시 토큰도 tier 의 입력 단가로 세요. tier 는 그런 모델에만 와요. 판매가 끝나는 gpt-5.3-codex 의 후속(retirement.successors 의 gpt-6-sol)은 채팅 모델이지만 이 문도 받아요 — Codex CLI 는 wire_api = "responses" 그대로 model 만 바꾸시면 돼요.
{
"id": "gpt-5.5-pro",
"owned_by": "openai",
"kind": "responses",
"endpoint": "POST /v1/responses",
"context_window": 1050000,
"supports_effort": true,
"pricing": {
"input_credits_per_mtok": 27594.07,
"output_credits_per_mtok": 165564.44,
"rates": [
{ "dimension": "input_text", "unit": "mtok", "unit_label": "1M tokens", "credits": 27594.07 },
{ "dimension": "output", "unit": "mtok", "unit_label": "1M tokens", "credits": 165564.44 }
],
"tier": { "above_input_tokens": 272000, "input_credits_per_mtok": 55188.15, "output_credits_per_mtok": 248346.66, "note": "…" }
}
}글
| 모델 | 입력100만 토큰당 크레딧 | 출력100만 토큰당 크레딧 |
|---|---|---|
| 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 |
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 |