Token 가격은 어떻게 정해질까? AI 대화 한 번의 실제 비용
요약
입력·출력 Token 가격, 계산 공식, 긴 대화와 파일 비용, 모델 가격 차이, 공식 가격 확인법과 Token 낭비를 줄이는 방법을 설명합니다.
AI와 한 번 대화할 때 어떤 비용이 발생할까?
ChatGPT로 글을 쓰고, Claude로 보고서를 분석하고, Gemini로 자료를 요약하고, DeepSeek으로 학습하고, Copilot으로 업무를 처리하는 사람이 늘고 있습니다.
사용자에게는 페이지를 열고, 질문을 입력하고, 답을 받는 간단한 과정으로 보입니다. 하지만 답변이 나타나기 전에 다음 계산이 진행됩니다.
사용자 텍스트
↓
Token으로 변환
↓
대규모 언어 모델에서 계산
↓
새 Token 생성
↓
답변 반환
이 계산에는 서버, 칩, 전력, 네트워크가 필요합니다. AI 기업은 모델 사용량을 측정해야 하며, 그 단위가 Token입니다.
1. AI가 Token 단위로 과금하는 이유
모바일 데이터는 GB, 전기는 사용량, 수도는 부피로 과금합니다. 자원을 많이 사용할수록 일반적으로 비용이 커지기 때문입니다. AI도 같습니다.
대규모 언어 모델을 실행하려면 다음이 필요합니다.
- 많은 서버
- 고성능 칩
- 데이터센터
- 전력
- 네트워크 자원
질문이 복잡하고 처리할 정보가 많으며 답변이 길수록 보통 더 많은 계산이 필요합니다. 그래서 AI 서비스는 Token을 사용량 단위로 사용합니다.
2. Token은 AI 세계의 ‘사용량 단위’
전기요금
사용한 전력량에 따라 비용을 지불합니다.
모바일 데이터
사용한 GB에 따라 비용을 지불합니다.
AI 서비스
모델이 처리한 Token 수를 기준으로 사용량을 측정합니다.
간단히 말하면:
Token은 AI가 정보를 처리할 때 사용하는 ‘계산 트래픽’과 같다.
3. 입력 Token과 출력 Token
AI 가격에는 Input Tokens와 Output Tokens가 구분되어 있습니다.
입력 Token
입력 Token은 AI에 보내는 내용입니다.
- 질문
- 배경 자료
- 업로드한 파일
- 대화 기록
- 시스템 지침과 프롬프트
50페이지 PDF 요약을 요청하면 PDF 내용이 먼저 모델에 들어가며, 여기서 발생하는 Token이 입력 Token입니다.
출력 Token
출력 Token은 AI가 생성한 답변입니다. 500자 요약을 반환했다면 그 생성 내용의 Token이 출력 Token입니다.
입력 Token
↓
모델 처리
↓
출력 Token
4. 입력과 출력 가격이 다른 이유
많은 플랫폼은 계산 과정이 다르기 때문에 입력과 출력 가격을 따로 정합니다.
입력
입력은 직원에게 기존 자료를 읽고 이해하게 하는 일과 비슷합니다.
출력
출력은 자료를 다시 구성해 보고서를 쓰게 하는 일과 비슷합니다. 생성에는 보통 더 많은 계산이 필요하므로 출력 Token 단가가 입력보다 높은 모델이 많습니다.
가격은 모델 버전에 따라 바뀔 수 있으므로 최신 공식 페이지를 확인해야 합니다.
5. Token 비용은 어떻게 계산할까?
아래 숫자는 교육용 예시이며 실제 제품 가격이 아닙니다.
입력: 100만 Token당 10위안
출력: 100만 Token당 30위안
한 요청에서 입력 10,000 Token, 출력 2,000 Token을 사용한다고 가정합니다.
입력 비용
10,000 ÷ 1,000,000 × 10위안
= 0.1위안
출력 비용
2,000 ÷ 1,000,000 × 30위안
= 0.06위안
총비용
0.1 + 0.06
= 0.16위안
이 예시의 비용은 약 0.16위안입니다. 실제 계산에는 공식 입력·출력 단가와 실제 Token 수를 같은 공식에 넣습니다.
6. 긴 대화가 더 많은 Token을 쓰는 이유
AI는 현재 질문뿐 아니라 이전 대화도 참고할 수 있습니다.
처음에 친구에게 “해외 무역 웹사이트를 만들고 싶다”고 말한 뒤 “홈페이지를 개선해 줘”라고 한다면, 친구는 사이트의 목적, 고객, 이전 논의를 기억해야 합니다.
AI도 비슷합니다. 대화 기록이 컨텍스트의 Token을 차지하므로 대화가 길수록 처리할 정보가 많아집니다.
7. 파일 업로드가 많은 Token을 사용하는 이유
100페이지 계약서를 올리고 위험 분석을 요청하면 사람에게는 파일 하나지만 AI는 다음을 수행합니다.
- 파일 읽기
- 내용을 Token으로 변환
- 텍스트 관계 이해
- 분석 결과 생성
파일이 길수록 입력 Token과 계산량이 증가합니다. AI 제품이 파일 크기, 문서 수, 컨텍스트 길이를 제한하는 이유 중 하나입니다.
8. AI 모델마다 가격이 크게 다른 이유
GPT, Claude, Gemini, DeepSeek, Grok 등의 가격 차이에는 여러 원인이 있습니다.
1. 모델 규모
복잡한 모델은 보통 더 많은 계산 자원이 필요합니다.
2. 능력
추론, 프로그래밍, 긴 문서 분석에 강한 모델이 있는 반면 간단한 질의나 대량 처리에 적합한 모델도 있습니다.
3. 운영 비용
서버 규모, 칩 자원, 인프라, 최적화 능력도 비용에 영향을 줍니다.
가격이 낮다고 나쁜 모델은 아니며, 비싼 모델도 모든 작업에 가장 적합한 것은 아닙니다.
9. Token 단가만 봐서는 안 되는 이유
Token이 싸다고 작업 전체 비용까지 낮은 것은 아닙니다.
번역가 A는 저렴하지만 다섯 번 수정해야 하고, 번역가 B는 조금 비싸도 한 번에 끝낸다면 B의 총비용이 더 낮을 수 있습니다.
AI를 고를 때도 다음을 함께 봐야 합니다.
- 결과 품질
- 완료 속도
- 수정 횟수
- 한 번에 작업을 끝낼 수 있는지
중요한 것은 Token 최저가가 아니라 목표를 달성하는 총비용입니다.
10. 일반 사용자가 Token 낭비를 줄이는 방법
방법 1: 배경을 반복하지 않기
매 요청마다 긴 자기소개나 프로젝트 설명을 붙이지 말고 필요한 배경만 남기거나 짧게 정리한 고정 프롬프트를 사용합니다.
방법 2: 목표를 명확히 하기
“뭔가 써 줘” 대신:
“유럽과 미국 구매 담당자에게 보낼 전문적인 영문 영업 메일을 200단어 이내로 작성해 줘.”
라고 요청합니다.
방법 3: 구조화된 정보 제공
제품:
목표 고객:
시장:
경쟁 우위:
분석할 질문:
구조가 명확할수록 AI가 작업을 이해하기 쉽습니다.
방법 4: 복잡한 작업을 단계로 나누기
사업계획서 전체를 한 번에 요청하지 말고 시장 분석, 고객 정의, 전략 수립, 문서 작성으로 나눕니다. 단계별 작업은 품질을 관리하기 쉽고 불필요한 재생성도 줄입니다.
11. Token은 앞으로 더 중요해질까?
그렇습니다. AI는 대화 도구에서 기본 생산성 인프라로 바뀌고 있습니다.
기업은 고객 서비스, 데이터 분석, 콘텐츠 생성, 소프트웨어 개발, 경영 관리에 AI를 사용하며 대량의 Token을 처리하게 됩니다.
인터넷 시대에 트래픽, 모바일 시대에 데이터 사용량이 중요했던 것처럼 AI 시대에는 Token이 비용과 효율을 이해하는 핵심 개념이 됩니다.
12. 일반 사용자가 기억할 Token 과금의 핵심
다섯 가지만 기억하면 됩니다.
- Token은 AI가 처리하는 정보량의 단위입니다.
- 입력과 AI 출력 모두 Token을 사용합니다.
- 내용이 길고 작업이 복잡할수록 보통 Token이 늘어납니다.
- 능력과 운영 비용이 달라 모델마다 가격이 다릅니다.
- Token을 무조건 줄이는 것이 아니라 불필요한 사용을 줄여야 합니다.
마지막 질문이 남습니다.
일반 사용자는 Token을 어떻게 활용해야 AI로 실제 효율을 높일 수 있을까?
다음 글은 시리즈의 마지막 장, Token은 많을수록 좋은 것이 아니다: 일반인이 AI를 올바르게 사용하는 방법입니다.
편집팀
Product Team @ WebCal
WebCal 공식 제품팀입니다. 우리는 고성능 컴퓨팅 인프라와 탈중앙화 클라우드 솔루션을 구축합니다.
