OpenAI API 가격은 모델마다 입력 토큰과 출력 토큰 100만 개당 단가가 따로 있고, 처리 방식(Batch·Flex·Fast)과 캐시 여부에 따라 같은 모델도 값이 달라집니다. 결론부터 말하면 대부분의 서비스는 GPT-6.1 Sol로 시작해, 급하지 않은 대량 작업만 Batch로 돌리는 것이 비용 대비 효율이 좋습니다. 이 글의 단가는 2026년 10월 12일 OpenAI 공식 가격 문서에서 확인한 값이고, 확인하지 못한 수치는 쓰지 않았습니다.
OpenAI API 가격은 어떻게 매겨지나요?
OpenAI API는 쓴 만큼 내는 종량제입니다. 요청에 넣은 글자(입력)와 모델이 써 준 글자(출력)를 토큰 단위로 세고, 모델별 단가를 곱합니다. 출력 단가가 입력보다 다섯 배 안팎 비싸기 때문에, 긴 답을 받는 작업일수록 출력 토큰이 비용의 대부분을 차지합니다.
공식 가격표의 주요 모델은 아래와 같습니다(표준 처리, 입력 27만 2천 토큰 이하 기준).
| 모델 | 입력 | 캐시 입력 | 출력 | 공식 설명 |
|---|---|---|---|---|
| GPT-6 Astra | $10.00 | $1.00 | $50.00 | 가장 성능이 높은 모델, 기본 추천 |
| GPT-6.1 Sol | $2.00 | $0.10 | $10.00 | Astra에 가까운 성능을 낮은 비용으로 |
| GPT-6 Luna | $0.10 | $0.01 | $0.50 | 대량 작업용 가장 효율적인 모델 |
| GPT-5.6 Terra | $2.00 | $0.20 | $12.00 | 이전 세대 |
공식 문서는 "어디서 시작할지 모르겠다면 GPT-6 Astra"를 권하지만, 단가가 GPT-6.1 Sol의 다섯 배입니다. 품질 차이가 결과에 드러나는 작업인지 먼저 확인하고 고르는 편이 돈을 덜 씁니다.
어떤 모델을 골라야 비용을 아낄 수 있나요?
모델 선택이 비용에 가장 크게 영향을 줍니다. 같은 일을 시켜도 GPT-6 Astra와 GPT-6 Luna의 출력 단가는 100배 차이가 나기 때문입니다. 작업 성격별로 이렇게 나눠 보면 출발점을 정하기 쉽습니다.
분류·추출·짧은 요약: 가장 작은 모델부터
정해진 범주로 나누기, 문서에서 이름·날짜 뽑기, 한두 줄 요약처럼 답이 짧고 형식이 정해진 일은 GPT-6 Luna로 먼저 시험합니다. 결과가 기준에 못 미칠 때만 한 단계 올립니다. 이런 작업은 요청 수가 많아서 단가 차이가 그대로 월 비용 차이가 됩니다.
글쓰기·코드·여러 단계 판단: 중간 모델
고객 응대 초안, 코드 수정, 여러 문서를 비교해 결론을 내는 일은 GPT-6.1 Sol이 출발점으로 적당합니다. 공식 설명이 "Astra에 가까운 성능을 더 낮은 비용으로"인 모델입니다.
실패 비용이 큰 일: 큰 모델은 좁게
틀리면 사람이 다시 해야 하는 복잡한 분석에만 GPT-6 Astra를 씁니다. 전체 요청을 Astra로 돌리기보다, 작은 모델이 자신 없어 하는 요청만 큰 모델로 다시 보내는 구조가 비용을 크게 줄입니다.
어느 경우든 실제 작업 샘플 20~30건으로 모델 두 개를 나란히 돌려 보는 것이 가장 정확한 판단 기준입니다. 남이 측정한 벤치마크 점수는 내 작업과 조건이 다릅니다.
Batch·Flex·캐시 할인은 얼마나 되나요?
같은 모델이라도 처리 방식을 바꾸면 단가가 달라집니다.
Batch와 Flex: 표준의 절반
Batch는 요청을 모아 맡기고 나중에 결과를 받는 방식이고, 입력·캐시 입력·출력 모두 표준 단가의 절반입니다. Flex도 가격표상 표준의 절반입니다(처리 조건은 공식 문서에서 확인하세요). 밤사이 문서 수천 건을 분류하거나 요약하는 일처럼 기다릴 수 있는 작업이면 이 둘부터 검토합니다.
Fast: 표준의 두 배
Fast는 2026년 7월 30일 Priority 처리에서 이름이 바뀐 등급으로, 표준의 두 배를 냅니다. 속도가 매출에 바로 영향을 주는 경우가 아니라면 표준이나 Batch부터 검토하는 편이 쌉니다.
캐시 입력: 반복되는 앞부분을 싸게
매 요청 앞부분이 같으면(긴 시스템 프롬프트, 고정된 참고 문서) 그 부분에 캐시 입력 단가가 붙습니다. GPT-6.1 Sol 기준 입력 $2.00이 $0.10이 되므로, 바뀌지 않는 내용을 요청 맨 앞에 두고 바뀌는 질문을 뒤에 붙이는 순서가 중요합니다.
내 사용량으로 OpenAI API 비용을 계산하려면?
아래 순서로 계산하면 대략의 월 비용이 나옵니다. 예시는 GPT-6.1 Sol로 요청 1,000건, 건당 입력 2,000토큰·출력 500토큰을 가정한 값입니다.
- 입력 토큰 합계: 2,000 × 1,000 = 200만 토큰 → 2 × $2.00 = $4.00
- 출력 토큰 합계: 500 × 1,000 = 50만 토큰 → 0.5 × $10.00 = $5.00
- 합계 $9.00, 같은 작업을 Batch로 돌리면 $4.50
- 입력 2,000토큰 중 1,500토큰이 매번 같은 앞부분이라 캐시가 적용되면, 입력이 150만 × $0.10 + 50만 × $2.00 = $1.15로 줄어듭니다
토큰 수는 작업마다 크게 다르므로, 실제 요청 몇 건을 보내 응답의 사용량(usage) 값을 확인한 뒤 위 식에 넣는 것이 가장 정확합니다. 한국어는 같은 내용이라도 영어와 토큰 수가 다르게 나올 수 있어서, 영어 기준 예시 숫자를 그대로 가져다 쓰면 예산이 어긋납니다. 계산할 때는 평균값보다 출력이 길게 나오는 요청을 기준으로 잡아 두면 월말에 놀랄 일이 줄어듭니다.
결제와 사용 한도는 어떻게 되나요?
OpenAI 도움말에 따르면 ChatGPT 구독과 API 결제는 완전히 분리되어 있습니다. ChatGPT Plus를 쓰고 있어도 API는 플랫폼 계정의 결제 설정에서 결제 수단을 따로 등록해야 합니다.
사용 한도는 누적 크레딧 구매액에 따라 자동으로 올라갑니다.
| 등급 | 조건 | 월 사용 한도 |
|---|---|---|
| Free | 허용 지역 사용자 | $100 |
| Build | 누적 구매 $5 | $500 |
| Launch | 누적 구매 $100 | $5,000 |
| Grow | 누적 구매 $500 | $200,000 |
서비스 출시 직전에 한도에 걸리지 않도록, 예상 사용량이 한도 근처라면 미리 등급 조건을 채워 두는 것이 안전합니다.
OpenAI API와 Claude API 가격은 어떻게 다른가요?
2026년 10월 공식 가격표 기준으로 두 회사의 중간급 모델은 단가가 같습니다. GPT-6.1 Sol과 Claude Sonnet 5.5 모두 입력 $2, 출력 $10이고, 가장 싼 모델인 GPT-6 Luna와 Claude Haiku 5.5도 입력 $0.10, 출력 $0.50으로 같습니다. 두 회사 모두 Batch를 50% 할인합니다.
그래서 실제 비용 차이는 단가보다 같은 작업에 토큰을 얼마나 쓰는지와 캐시 적용 방식에서 납니다. 비교하려면 내 작업 샘플 수십 건을 두 API에 똑같이 보내 사용량과 결과 품질을 함께 보는 방법이 가장 확실합니다. Claude 쪽 요금 구조는 클로드 요금제와 API 가격 정리에, 더 싼 대안으로 자주 거론되는 딥시크는 딥시크 API 가격 글에 정리해 두었습니다.
OpenAI API가 맞지 않는 경우는 언제인가요?
- 사람이 대화하듯 쓰는 용도라면 API보다 ChatGPT 구독이 단순합니다. 토큰을 셀 필요가 없고 월 요금이 정해져 있습니다. 구독 요금은 챗GPT 요금제 비교에 있습니다.
- 사용량을 예측할 수 없는 공개 서비스라면 종량제가 위험할 수 있습니다. 월 사용 한도와 예산 알림을 먼저 걸어 두지 않으면 예상보다 큰 청구서가 나옵니다.
- 긴 문서를 통째로 넣는 작업이라면 27만 2천 토큰을 넘는 입력에 더 높은 단가가 붙습니다. 문서를 잘라 필요한 부분만 넣는 편이 쌉니다.
- 데이터를 특정 지역에서만 처리해야 한다면 지역 처리 엔드포인트에 10% 가산이 붙는다는 점을 예산에 넣어야 합니다.
그래서 OpenAI API는 어떻게 시작하면 될까요?
- GPT-6.1 Sol로 실제 요청 몇 건을 보내 결과와 사용량을 확인합니다.
- 품질이 충분하면 더 작은 GPT-6 Luna로도 같은 결과가 나오는지 시험합니다.
- 기다릴 수 있는 대량 작업은 Batch로 옮깁니다.
- 고정된 시스템 프롬프트를 요청 맨 앞에 두어 캐시 입력 단가를 받습니다.
- 월 사용 한도와 예산 알림을 설정합니다.
AI 도구를 실제 서비스에 붙이는 과정은 AI 자동화 카테고리에서, 이 블로그를 운영하는 사람은 블로그 소개에서 볼 수 있습니다.
