DEV Community: Rihpig

2026년 브라우저 에이전트에 가장 적합한 LLM: 점수와 비용 기준 모델 순위

Rihpig — Tue, 27 Oct 2026 08:51:58 +0000

2026년 10월 브라우저 에이전트에 가장 적합한 LLM은 가장 높은 공개 성공률을 원한다면 Claude Opus 5.5이고, 거의 같은 점수를 절반 가격에 원한다면 Claude Sonnet 5.5입니다. 예산이 빠듯하다면 Claude Haiku 5.5와 Gemini 3.8 Flash가 단계당 몇 분의 1 비용입니다. 오픈 가중치를 원한다면 H Company의 Holo4가 선택입니다. 아래의 모든 숫자는 2026년 10월 27일에 읽은 공급업체 자체 페이지에서 가져온 것입니다.

지금 Apidog를 사용해 보세요

빠른 답변: 작업별 브라우저 사용에 가장 적합한 모델

작업	선택	이유	1M 토큰당 가격 (입력 / 출력)
최고 점수	Claude Opus 5.5	OSWorld 2.1에서 81.8% (부분 점수), 네이티브 브라우저 도구 세트	$4 / $20
최고 가성비	Claude Sonnet 5.5	Opus 가격의 절반으로 OSWorld 2.1에서 80.1%	$2 / $10
최저가	Claude Haiku 5.5	OSWorld 2.1 오프라인 하위 집합에서 72.4%	$0.10 / $0.50 (최대 100K 프롬프트)
최고 오픈 가중치	Holo4 35B-A3B	Apache 2.0 가중치, H의 하네스에서 작업당 $0.05로 OSWorld 80.8%	H의 API에서 $0.30 / $2.00
코드 기반 브라우징에 최적	GPT-6 Astra	OpenAI는 클릭보다 코드 실행(Playwright)을 권장	$10 / $50
최저가 DOM 모드	GPT-6.1 Terra	`computer_use` 지원, 1.05M 컨텍스트, 텍스트 및 이미지 입력	$1 / $5

한 가지 주의: 공급업체마다 다른 OSWorld 버전, 하위 집합 및 하네스에서 점수를 매기므로 각 숫자를 공유 순위가 아닌 해당 공급업체의 주장으로 취급하세요.

브라우저 에이전트가 모델을 사용하는 방법

브라우저 에이전트는 루프입니다: 모델이 페이지를 보고, 하나의 작업을 선택하면, 코드가 이를 실행하고, 새로운 페이지 상태가 다시 모델로 돌아갑니다. 인간이 2분 걸리는 작업은 30~60번의 루프가 필요할 수 있습니다.

모델은 두 가지 방식 중 하나로 페이지를 봅니다:

스크린샷 모드. 모델은 이미지를 받고 클릭할 픽셀 좌표를 반환합니다. 캔버스 앱, 지도, 원격 데스크톱에서 작동하지만 모든 단계에서 이미지 토큰이 소모됩니다.
DOM 또는 접근성 트리 모드. 모델은 [ref_2]와 같은 참조가 있는 요소의 텍스트 목록을 받고 참조로 클릭합니다. 레이아웃 변경에도 견디며 텍스트가 많은 페이지에서 더 적은 토큰을 사용합니다.

대부분의 최신 도구 세트는 두 가지를 혼합합니다. Anthropic의 브라우저 사용 도구(browser_toolset_20260801, GA)는 31개의 멤버 도구를 제공합니다: read_page와 find는 접근성 트리를 반환하고, screenshot과 zoom은 캔버스, 비디오 및 교차 출처 iframe을 위한 대체 수단입니다. OpenAI의 컴퓨터 사용 가이드는 페이지 텍스트를 읽고 드라이버 함수를 호출하는 BrowserToolset을 제공합니다. Google의 컴퓨터 사용 도구는 스크린샷 기반이며 브라우저, 모바일 및 데스크톱을 지원합니다.

단계가 비용을 배로 늘리는 이유

모든 단계는 대화를 다시 전송하므로, 30단계에서는 도구 세트 정의, 지시 사항 및 29단계의 기록이 함께 전달됩니다. 두 가지 고정 비용이 하한을 설정합니다:

도구 세트 오버헤드. Anthropic의 브라우저 도구 세트를 선언하면 모든 요청에 약 6,600개의 입력 토큰이 추가됩니다. (Anthropic의 가격 페이지 기준)
스크린샷. Claude는 28×28 픽셀 패치당 하나의 시각적 토큰으로 이미지를 청구합니다. 1280×800 스크린샷은 46 × 29 = 1,334 토큰입니다.

모델별 참고 사항

Claude Opus 5.5

Anthropic은 2026년 9월 22일에 Opus 5.5를 출시했으며, OSWorld 2.1에서 81.8%(부분 점수)를 보고하여 80.7%의 Claude Fable 5.1을 앞섰습니다. Fable 5.1은 $10 / $50이므로 Opus 5.5는 이 벤치마크에서 가격의 40%로 이를 능가합니다. H Company의 Holo4 게시물은 Opus 5.5를 작업당 $8.48로 OSWorld 2.0 장기 워크플로에서 81.8%로 평가하며, 비용은 공급업체 차트에서 읽었습니다.

또한 Gray Swan의 벤치마크에서 가장 낮은 프롬프트 주입 성공률로 Fable 5.1과 동률을 이루었는데, 이는 에이전트가 신뢰할 수 없는 페이지를 읽을 때 중요합니다.

Claude Sonnet 5.5

Sonnet 5.5(2026년 9월 28일)는 OSWorld 2.1에서 80.1%를 기록하여 Opus보다 1.7점 뒤처지며 가격은 $2 / $10입니다. 캐시 적중은 1M 토큰당 $0.10이며, 에이전트 루프는 대부분 캐시 적중입니다. 대부분의 프로덕션 브라우저 에이전트에서 이것이 기본 선택입니다. Claude Code에서 브라우저를 구동하는 경우 브라우저 자동화를 위해 Claude Code를 사용하는 방법을 참조하세요.

Claude Haiku 5.5

Haiku 5.5(2026년 10월 7일)는 OSWorld 2.1 오프라인 하위 집합에서 72.4%를 기록했으며, Anthropic은 GPT-6 Luna를 48.9%로 표시합니다. 가격은 두 단계입니다: 최대 100,000 토큰까지 $0.10 / $0.50, 그 이상은 $0.50 / $2.50입니다. 모든 스크린샷을 기록에 보관하는 긴 세션은 빠르게 100K를 넘으므로, 오래된 스크린샷을 잘라내어 저렴한 계층에 머물도록 하세요.

GPT-6 Astra

Google의 Gemini 4 Argon 모델 카드는 GPT-6 Astra를 OSWorld 2.0 오프라인 하위 집합에서 72.6%(부분 점수)로 표시합니다. Astra는 1.05M 컨텍스트 창을 갖추고 $10 / $50입니다. OpenAI의 가이드에 따르면 Astra의 경우 코드 실행을 권장합니다: 모델이 한 번에 한 단계씩 클릭하는 대신 Playwright 또는 PyAutoGUI 코드를 작성합니다. 이는 반복적인 스크래핑 및 양식 작업에 적합합니다. GPT-6 Astra 컴퓨터 사용 게시물에서는 대신 사양을 제공할 시기를 다룹니다.

GPT-6.1 Terra and Sol

OpenAI의 모델 페이지는 computer_use를 GPT-6.1 Terra($1 / $5, 캐시된 입력 $0.05)의 지원 도구로 나열하며, 컴퓨터 사용 가이드의 예제는 GPT-6.1 Sol($2 / $10)을 사용합니다. OpenAI는 해당 페이지에서 둘 중 어느 것에 대해서도 브라우저 또는 OSWorld 점수를 공개하지 않습니다. Terra는 합리적인 DOM 모드 작업 도구이지만, 자체 작업에서 벤치마크하세요.

Gemini 4 Argon and Gemini 3.8 Flash

Gemini 4 Argon은 2026년 10월 13일에 GA되었습니다. 모델 카드는 OSWorld 2.0 오프라인 하위 집합에서 69.2%, Agent’s Last Exam(컴퓨터 사용)에서 39.5%를 보여주며, 이는 Astra의 34.2%와 Opus 5.5의 38.2%보다 높습니다. Argon의 컴퓨터 사용은 아직 Preview입니다. 가격은 2026년 11월 30일까지 $2 / $10이며, 이후 $4 / $20입니다.

Google의 컴퓨터 사용 페이지는 gemini-3.8-flash($0.75 / $3.75, 2026년 12월 31일까지)를 권장하지만 이에 대한 벤치마크는 제공하지 않습니다. Gemini 2.5 Computer Use는 더 이상 해당 페이지에 나타나지 않으므로 제외했습니다.

Holo4 (open weights)

H Company는 2026년 9월 28일에 Holo4를 출시하여 Holo3를 대체했습니다. 자체 하네스에서 Holo4 27B는 OSWorld에서 85.2%를 작업당 $0.08로, OSWorld 2.0 장기 워크플로에서 61.7%를 작업당 $1.22로 기록합니다. 35B-A3B는 동일한 두 가지에서 80.8%와 30.9%를 $0.05와 $0.61로 기록합니다. H는 35B-A3B 가중치가 Apache 2.0이라고 밝히고 있습니다. 상업적으로 출시하기 전에 모델 카드에서 27B 라이선스를 확인하세요. 둘 다 H의 API에서 $0.40 / $3.00(27B) 및 $0.30 / $2.00(35B-A3B)으로 실행됩니다. Holo3 게시물에서는 이전 세대의 API를 다룹니다.

Kimi K3.1 Pro, DeepSeek V4.1 Flash and Qwen 3.7 Plus

Kimi K3.1 Pro는 Moonshot의 퀵스타트에 따르면 1M 컨텍스트로 이미지와 비디오를 허용합니다. 출시 당시 BrowseComp 점수는 웹 리서치를 측정하는 것이지 페이지를 클릭하는 것이 아니며, 컴퓨터 사용 점수는 공개되지 않았습니다. Kimi의 가격 페이지에서 가격을 확인하세요.
DeepSeek V4.1 Flash(deepseek-flash)는 이제 DeepSeek의 가격 페이지에 따라 비수기 $0.15 / $0.60, 성수기 $0.30 / $1.20에 이미지 입력을 지원합니다. 브라우저 벤치마크는 공개되지 않았습니다. 여기서 DOM 모드에 가장 저렴한 옵션입니다.
Qwen 3.7 Plus는 스크린샷 그라운딩 테스트인 ScreenSpot Pro에서 79.0을 보고합니다. Qwen 3.7 Plus 컴퓨터 사용 에이전트 가이드를 참조하세요.

프레임워크 팀이 측정하는 것

Browser Use의 모델 가이드(BU Bench V1, 2026년 6월 11일 업데이트)는 속도 측면을 보여줍니다: Claude Fable 5는 80.0%를 기록했지만 평균 6분 53초, 작업당 약 $5.80이었습니다. 5.5 모델은 아직 여기에 없습니다. 프레임워크 선택 자체에 대해서는 Browser Use Cloud, Stagehand 및 Puppeteer MCP 서버를 참조하세요.

작업당 비용: 계산 예시

브라우저 도구 세트를 사용하여 Claude에서 30단계 작업을 가정합니다. 각 단계는 1,334 토큰의 스크린샷 하나와 약 450 토큰의 작업 텍스트 및 도구 결과를 추가하며, 모델은 약 300개의 출력 토큰을 작성합니다.

n단계 입력 ≈ 6,600 + n × 1,784 토큰
30단계에 걸친 총 입력 ≈ 198,000 + 1,784 × 465 ≈ 1.03M 토큰
총 출력 ≈ 9,000 토큰

모델	캐싱 없음	프롬프트 캐싱 사용 시 (약 95% 캐시 적중)
Claude Opus 5.5	약 $4.30	약 $0.68
Claude Sonnet 5.5	약 $2.15	약 $0.34
Claude Haiku 5.5	약 $0.11	약 $0.02

이는 Anthropic의 정가에서 가져온 예시 숫자이며 실제 측정 실행이 아닙니다. 두 가지 요점은 여전히 유효합니다: 캐싱은 청구서를 80% 이상 절감하고, 기록에서 오래된 스크린샷을 제거하는 것이 더 저렴한 모델로 전환하는 것보다 더 많은 비용을 절약합니다.

선택 방법

Sonnet 5.5로 시작하세요. 리더와 2점 차이 내의 점수를 절반 가격으로 제공합니다.
Opus 5.5로 업그레이드하세요. 실제 작업에서 성공률이 병목일 때만.
Haiku 5.5 또는 Gemini 3.8 Flash로 다운그레이드하세요. 대량의 짧고 반복적인 흐름에 적합합니다. 먼저 측정하세요.
Holo4를 사용하세요. 데이터가 인프라를 떠날 수 없는 경우.
GPT-6 Astra를 코드 실행과 함께 사용하세요. 작업이 탐색이 아닌 반복 가능한 스크립트일 때.
사이트에 API가 있으면 브라우저를 완전히 건너뛰세요. API 호출은 30단계 대신 하나의 요청입니다. 컴퓨터 사용 vs 구조화된 API 분석에서 각각 언제 유리한지 보여주며, 브라우저 자동화 도구 목록에서 나머지를 다룹니다.

Apidog CLI를 사용하여 코딩 에이전트가 대신 API를 테스트하도록 하세요

브라우저 에이전트는 느리고 비용이 많이 드는 경로입니다. 에이전트가 계속 클릭하는 페이지가 JSON API로 지원되는 경우, 더 저렴한 방법은 해당 API를 한 번 찾아 직접 테스트하는 것입니다. Claude의 브라우저 도구 세트에는 페이지가 만드는 요청을 나열하는 선택적 read_network 멤버도 있습니다.

코딩 에이전트가 Apidog CLI로 수행하도록 하세요. 한 번 설정하세요:

npm install -g apidog-cli@latest
apidog auth login --with-token <YOUR_TOKEN>
apidog skill install

그런 다음 에이전트에게 하나의 프롬프트를 제공하세요:

Export a HAR of the checkout flow you just ran in the browser. Import it into
Apidog project <id>, create a test case for POST /api/cart/items that asserts
a 200 status and a numeric cartTotal, then run it against the staging
environment and summarize any failures.

에이전트는 트래픽을 가져오고, 페이로드 스키마를 읽고, 검증하고, 케이스를 작성하고 실행합니다:

apidog import --project <id> --format har --file checkout.har
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <id> --file case.json
apidog run --test-case <caseId> --project <id> -e <envId> -r cli,json

-r cli,json을 -r junit으로 바꾸면 동일한 명령이 CI에서 실행됩니다. Apidog CLI CI/CD 파이프라인 가이드를 참조하세요. Claude Code가 에이전트인 경우 Claude Code에서의 Apidog CLI에서 설정을 안내합니다. Apidog의 무료 플랜은 최대 4명의 사용자를 지원합니다.

자주 묻는 질문

현재 브라우저 에이전트에 가장 적합한 LLM은 무엇인가요? Claude Opus 5.5가 공급업체 보고 OSWorld 2.1 점수(81.8%)가 가장 높습니다. Claude Sonnet 5.5는 80.1%와 절반 가격으로 대부분의 팀에 더 나은 기본 선택입니다.

예산이 제한적일 때 컴퓨터 사용에 가장 적합한 모델은 무엇인가요? $0.10 / $0.50의 Claude Haiku 5.5는 Anthropic의 OSWorld 2.1 오프라인 하위 집합에서 72.4%를 기록합니다. 저렴한 계층에 머물려면 프롬프트를 100,000 토큰 미만으로 유지하세요.

브라우저 에이전트를 위한 좋은 오픈 가중치 모델이 있나요? 예. Holo4 35B-A3B는 Apache 2.0 가중치를 제공하며 H Company의 하네스에서 OSWorld 80.8%를 기록합니다. Holo4 27B가 더 높은 점수를 받지만, 먼저 라이선스를 확인하세요.

스크린샷 모드 또는 DOM 모드? 페이지에 접근성 트리나 DOM이 있으면 사용하세요. 더 저렴하고 레이아웃 변경에도 견딥니다. 캔버스, 지도, 비디오 및 원격 데스크톱의 경우 스크린샷으로 대체하세요.

공급업체 간에 OSWorld 점수를 비교할 수 있나요? 느슨하게만 가능합니다. 공급업체는 서로 다른 하네스로 OSWorld 2.0, OSWorld 2.1, 오프라인 하위 집합 및 부분 점수를 보고합니다. 결정하기 전에 자체적으로 20~50개의 실제 작업을 실행하세요.

Gemini 2.5 Computer Use가 아직 사용 가능한가요? 2026년 10월 27일 기준으로 Google의 컴퓨터 사용 페이지에 더 이상 나타나지 않습니다. Google은 대신 Gemini 4 Argon, Gemini 3.8 Flash, Gemini 3.5 Flash-Lite 및 Gemini 3 Flash Preview를 나열합니다.

Opus 5.5로 무엇이든 리버스 엔지니어링하는 방법?

Rihpig — Tue, 27 Oct 2026 08:30:21 +0000

Opus 5.5로 무엇이든 리버스 엔지니어링하는 방법?

Opus 5.5로 무엇이든 리버스 엔지니어링하려면, REA를 통해 모델을 디스어셈블리 엔진에 연결한 다음 단계적으로 진행하세요. 대상을 분류하고, 지도를 만들고, 호출이 가장 많은 함수를 디컴파일하고, Opus가 이름을 붙이고 설명하게 하고, 동작만 기술한 스펙을 작성하고, 별도의 컨텍스트에서 그 스펙으로 다시 구현합니다. 각 단계에 맞는 effort 레벨을 지정하고, 동등성 테스트로 재구현을 입증하세요.

지금 바로 Apidog를 사용해 보세요

이것이 X에서 바이럴이 된 가이드의 요약본입니다. 2026년 10월 12일, 빌더 Movez는 Claude Opus 5.5를 이용한 리버스 엔지니어링에 관한 11단계 강좌를 공개했습니다. 이 글은 100만 조회수와 2,800개의 북마크를 기록했습니다. 이 아티클은 그 주장을 출처와 대조해 검증하고, 벤치마크 세부 내용 두 가지를 바로잡으며, 대부분의 가이드가 건너뛰는 단계를 추가합니다. 바로 대상이 통신하는 API를 테스트하는 것입니다.

이 내용은 본인이 소유하거나 분석 권한을 가진 소프트웨어에만 사용하세요. REA의 README는 이 도구를 "합법적인 연구, 교육, 상호운용성, 소프트웨어 보존, 그리고 본인이 소유하거나 분석 권한을 가진 소프트웨어의 분석"으로 제한합니다.

Opus 5.5에 바이너리를 읽어줄 도구가 필요한 이유

Opus 5.5는 텍스트를 읽고 쓰지만, Mach-O나 ELF 파일 자체를 로드할 수는 없습니다. REA는 여러분의 에이전트와 분석 엔진(네이티브 코드라면 Hopper, Ghidra, IDA) 사이에 위치하는 MCP 서버로, 분석을 로컬에서 실행하고 근거와 함께 결과를 반환합니다. 여기에는 주소, 의사코드, 문자열, 호출 지점이 포함됩니다. 모델은 그 결과를 읽고 다음 질문을 던집니다.

REA는 2026년 10월 27일 GitHub 스타 393,000개를 돌파했으며, 10월 12일의 약 115,000개에서 증가한 수치입니다. 처음 화제가 되었을 때 우리는 REA가 무엇이고 어떻게 동작하는지와 앱 기능 하나를 재구현하는 6단계 루프를 다뤘습니다. 이 가이드는 모델 쪽에 초점을 맞춥니다. 프롬프트, effort 설정, 그리고 한계입니다.

1단계: REA 설치하고 하우스 규칙 작성하기

REA는 22 계열의 Node.js 22.23.4 이상(24.22.1+ 또는 26.12.1+도 동작)과 npm이 필요합니다. 현재 npm 릴리스는 6.8.0입니다. 에이전트에 등록하세요:

npx rea-agents setup
npm install --global rea-agents
rea --help

Setup은 변경될 설정을 미리 보여주고, 건드리는 항목을 백업하며, Claude Code, Codex, Cursor, Gemini CLI, Grok Build를 지원합니다. 네이티브 분석에는 Hopper, Ghidra 또는 IDA가 필요하고, JavaScript, Electron, .NET 검사에는 엔진이 필요 없습니다.

그다음 에이전트에 하우스 규칙을 주세요. 강좌의 CLAUDE.md 블록은 이 스레드에서 가장 뛰어난 부분입니다:

# Reverse-engineering house rules
- Only analyze targets I own or am authorized to examine. State the basis once.
- Tag every claim: observation, inference, or unknown.
- Cite the evidence: address, bytes, pseudocode or call site.
- Start with the smallest overview. Expand only on a concrete gap.
- Separate static facts from runtime facts.
- Build from behavior and public specs, never from copied code or assets.
- Every recovered behavior needs a passing test before "done".

2단계: 단계별로 effort 레벨 선택하기

Opus 5.5는 다섯 가지 effort 레벨을 지원합니다: low, medium, high, xhigh, max. Anthropic의 effort 문서에 따르면 Opus 5.5의 기본값은 medium이며, xhigh는 장시간 에이전트 실행을 겨냥하고 max는 토큰 사용에 대한 모든 제한을 제거합니다. API에서는 output_config.effort로, 또는 에이전트의 effort 설정으로 지정합니다.

강좌의 구분은 합리적인 출발점이지, 측정된 규칙은 아닙니다:

단계	권장 effort	이유
라우팅, 정찰, 탐색	`medium`	대부분 도구 호출과 목록화
일반 함수 주석 달기	`high`	이름을 붙이려면 데이터 흐름 추론이 필요
장시간 다중 함수 세션	`xhigh`	30분 이상 실행에 적합
난독화되었거나 포인터가 많은 코드	`max`	가장 깊은 추론, 가장 높은 비용

effort는 세션 단위가 아니라 함수 단위로 올리세요.

3단계: 무엇이든 열기 전에 대상 먼저 분류하기

초보자가 가장 흔히 하는 실수는 JavaScript가 그대로 노출된 Electron 앱을 디스어셈블러로 여는 것입니다. REA는 데스크톱 설치본, 네이티브 바이너리, JavaScript 및 Electron 앱, .NET 어셈블리, Android APK, WASM, 웹사이트, 저장된 네트워크 캡처를 다루며, 각각 고유한 진입 도구가 있습니다. 첫 프롬프트는 대상을 식별하는 데에만 집중해야 합니다:

I want to understand how [FEATURE] works in [APP] at [ABSOLUTE PATH].
First tell me what kind of target this is (native, Electron/JS, .NET, APK, WASM)
and which REA tool opens it. Don't start deep analysis yet.
Then give me a one-paragraph map and where you'd look first for [FEATURE].
Keep observations, inferences and unknowns separate.

Electron 대상은 analyze-javascript-application(모듈, 임포트, IPC 경계, 엔진 불필요)로 갑니다. 네이티브 대상은 open_binary로 갑니다.

4단계: 문자열을 매핑하고 교차 참조로 함수 순위 매기기

아직 코드를 읽지 마세요. 네이티브 대상이라면 인벤토리부터 시작합니다:

rea inspect /absolute/path/to/program --provider ghidra --json
rea search /absolute/path/to/program entry --kind procedures --provider ghidra --json

문자열은 가장 빠른 단서입니다. URL, 오류 메시지, 기능 이름 등입니다. 베이스 URL이나 `[REDACTED CREDENTIAL] 문자열은 바이너리가 API와 통신한다는 것도 알려주며, 이는 9단계에서 중요합니다.

다음으로 교차 참조(얼마나 많은 곳에서 호출하는지)를 기준으로 함수의 순위를 매기세요. 호출자가 147개인 함수는 설정 로더 같은 핵심 인프라일 가능성이 높고, 호출자가 2개인 함수는 나중에 봐도 됩니다. 위에서부터 아래로 읽으세요.

5단계: 함수 하나를 디컴파일하고 Opus가 이름을 붙이게 하기

핵심 함수 하나를 디컴파일합니다:

bash rea function /absolute/path/to/program parseConfig --provider ghidra --json rea decompile /absolute/path/to/program --procedure=parseConfig --provider ghidra --json

출력은 거칩니다(var_28, 곳곳에 캐스트). 이를 Opus 5.5에 high effort로 넘기고 고정된 체크리스트를 제시하세요:

`text
Here is decompiled pseudocode for a function with 147 cross-references.

Rename every variable based on how it is used.
State the function's purpose in one sentence.
List the data structures it reads and writes.
Name the pattern (singleton, factory, state machine, observer).
Flag missing error handling, validation or security checks. Mark anything you're unsure of instead of guessing. `

디컴파일러는 세부 사항을 틀립니다. REA의 DX-Ball 쇼케이스에서 첫 의사코드는 입력을 받지 않는 사운드 팬 함수로 나타났습니다. 매개변수는 명령어 뷰에서만 드러났습니다. 최종 C 재구성은 원본 x86 테스트 케이스 3,205개를 통과하고 컴파일된 함수 바이트 63개를 모두 재현합니다. 에이전트가 의사코드를 어셈블리 및 호출자와 교차 검증했기 때문입니다. 시그니처가 이상해 보이면 rea instructions를 요청하세요.

6단계: 난독화된 코드는 예산을 정하고, 갈아 넣지 말기

여기서 바이럴 강좌를 바로잡아야 합니다. 이 강좌는 Elastic Security Labs의 난독화 벤치마크를 "Claude Opus"에 대한 테스트라고 인용합니다. 2026년 4월 21일 발표된 Elastic의 연구는 Opus 5.5가 아니라 Claude Opus 4.6을 테스트했습니다. 수치는 다음과 같습니다:

Tigress 단계	해결
변환 없음	1 / 1
단일 변환	4 / 6
쌍 변환	3 / 6
고난도, 다중 레이어	0 / 6

총계로 Opus 4.6은 평가 가능한 대상 20개 중 8개(40%)를 해결했습니다. 성공은 평균 $2.39, 실패는 $4.83이었으므로, 실패 비용이 성공의 약 두 배입니다. 이는 Opus 5.5에 대한 측정값이 아니라 하한선으로 보세요. 5.5에 대해 발표된 동등한 자료는 찾지 못했습니다.

둘째, 강좌는 Caveman이라는 도구가 디컴파일된 불필요한 내용의 "약 75%를 제거"한다고 말합니다. Elastic은 Caveman을 디컴파일된 코드 필터가 아니라, 모델 자체의 장황함을 최대 75% 줄여주는 플러그인으로 설명합니다.

교훈은 여전히 유효합니다. 난독화된 함수당 지출을 제한하고, 1~10 신뢰도 점수를 요구하며, 6 미만인 항목은 주변 함수가 해결될 때까지 보류하세요.

7단계: 큰 대상을 컨트롤러와 워커로 나누기

채팅 하나로 함수 500개를 감당할 수 없습니다. 이름을 잊어버리고 스스로 모순됩니다. 강좌의 해법은 코드를 절대 분석하지 않는 컨트롤러와, 각각 함수 하나를 담당하는 워커입니다:

text Controller: The function map is in functions.json (address, name, size, xrefs). Cluster functions by call-graph proximity, order clusters by xref count, send each cluster to a worker, inject already-resolved struct names into every brief, and queue a second pass for any result with confidence below 6. Report token spend after each cluster.

각 워커는 주소, 목적, 1~10 신뢰도 점수, 사용하거나 발견한 구조체, 그리고 컨트롤러의 구조체 이름을 재사용한 깔끔한 소스를 반환합니다. Elastic의 벤치마크도 동일한 컨트롤러-워커 구조로 실행했습니다.

8단계: 깨끗한 컨텍스트에서 동작만 기술한 스펙 작성하기

클린룸 재구현은 소프트웨어가 하는 일을 복사하는 것이지, 코드를 복사하는 것이 결코 아닙니다. Opus에게 동작만 기술한 스펙을 요청하세요. 공개 인터페이스, 데이터 모델, 각 기능을 테스트 가능한 요구사항으로, 공개 표준에 기반한 파일 형식, 그리고 오류 처리입니다. 주소, 디컴파일된 이름, 복사된 모든 것은 금지하세요.

그런 다음 분석을 전혀 보지 못하는 다른 컨텍스트에서 그 스펙을 구현하세요. 이 분리가 바로 클린룸 경계입니다. 이는 엔지니어링 관행이며 법률 자문이 아닙니다.

9단계: API 계약을 복원하고 Apidog CLI로 테스트하기

4단계의 문자열은 종종 베이스 URL과 인증 헤더를 드러내므로, 동작의 일부는 API 뒤에 존재합니다. 여러분의 재구현은 그 계약까지 지킬 때에만 일치하며, 트래픽이 어셈블리보다 이를 더 빠르게 보여줍니다.

본인이 소유한 테스트 계정에서 HAR을 기록하고, REA가 이를 요약하게 하세요:

bash rea inspect-web-network-capture /absolute/session.har har --json

그런 다음 에이전트가 Apidog CLI로 그 캡처를 테스트 가능한 계약으로 바꾸게 하세요. 한 번만 설정하면 됩니다:

bash npm install -g apidog-cli@latest apidog auth login --with-token <YOUR_TOKEN> apidog skill install

에이전트에게 프롬프트 하나를 주세요:

text Import session.har into Apidog project <id>. List the endpoints it created, remove anything that isn't part of [FEATURE], and write one test case per endpoint that asserts status code, required fields and response schema. Run them against the original-service environment, then against my rebuild's environment, and report every endpoint where the two disagree.

에이전트는 임포트를 실행하고, 작성 전에 페이로드 형태를 확인하고, 두 환경을 모두 실행합니다:

bash apidog import --project <id> --format har --file ./session.har apidog endpoint list --project <id> apidog cli-schema get test-case-create apidog cli-schema validate test-case-create --file case.json apidog test-case create --project <id> --file case.json apidog test-case run --project <id> --endpoint <endpointId> -e <originalEnvId> -r cli,json apidog test-case run --project <id> --endpoint <endpointId> -e <rebuildEnvId> -r cli,json

같은 케이스, 두 개의 환경, 하나의 diff이며, -r junit으로 모든 커밋마다 재실행할 수 있습니다(Apidog CLI CI/CD 가이드 참고). Claude Code에서 실행하고 싶다면 Claude Code에서의 Apidog CLI를 참고하세요. Apidog의 무료 플랜은 최대 4명의 사용자까지 지원합니다. 수동 방식을 원한다면 API 리버스 엔지니어링을 참고하세요.

10단계: 출시 전에 동등성 입증하기

"일치하는 것 같다"는 증거가 아닙니다. 로컬 동작의 경우, Opus에게 원본과 재구현에 동일한 입력을 넣는 하네스를 만들게 하세요:

text Generate 50 inputs: 30 normal, 10 edge (empty, max size, unicode), 10 error (malformed, missing fields, corrupt). Run each through both programs. Compare byte-for-byte where possible, semantically otherwise. Report the match rate and every divergence as cosmetic, behavioral or critical.

9단계의 API 실행과 함께라면, 누구에게든 보여줄 수 있는 두 개의 숫자를 얻게 됩니다. 로컬 일치율과 API 일치율입니다. 마지막이 아니라 만들면서 테스트하세요.

FAQ

Opus 5.5로 하는 리버스 엔지니어링은 합법인가요? 관할 지역, 라이선스, 목적에 따라 다릅니다. REA는 합법적인 연구, 교육, 상호운용성, 보존, 그리고 본인이 소유하거나 분석 권한을 가진 소프트웨어의 분석을 지원합니다. 재구현을 상업적으로 출시하기 전에 법률 자문을 받으세요.

리버스 엔지니어링에는 어떤 effort 레벨을 써야 하나요? 라우팅과 정찰에는 medium, 함수 주석 달기에는 high로 시작하고, max는 함수당 예산을 정한 난독화 코드용으로 아껴 두세요. Opus 5.5의 기본값은 medium입니다.

Claude는 난독화된 바이너리를 얼마나 잘 다루나요? 유일한 공개 벤치마크인 Elastic Security Labs의 자료는 Opus 4.6을 테스트했습니다. Tigress 대상 20개 중 40%를 해결했고, 고난도 다중 레이어는 0%였습니다. Opus 5.5에 대한 동등한 테스트는 발표된 적이 없습니다.

리버스 엔지니어링한 앱이 사용하는 API는 어떻게 테스트하나요? 테스트 계정에서 HAR을 캡처하고, apidog import --format har로 임포트한 다음, Apidog CLI로 테스트 케이스를 만들어 원본 서비스와 재구현 양쪽에 대해 실행하세요.

REA가 제 바이너리를 업로드하나요? REA는 분석을 로컬에서 실행합니다. 에이전트가 모델에 전달하는 결과물(문자열, 의사코드)만 여러분의 모델 제공자에게 도달합니다.

GPT-6.1 Terra와 GPT-6.1 Sol 비교

Rihpig — Tue, 27 Oct 2026 04:46:03 +0000

GPT-6.1 Terra와 GPT-6.1 Sol 비교

GPT-6.1 Terra는 요금표의 모든 항목에서 GPT-6.1 Sol보다 비용이 절반입니다. 백만 토큰당 $1/$5 대 $2/$10입니다. OpenAI에 따르면 Terra는 평균적으로 작업을 3배 이상 더 빠르게 완료합니다. Sol은 여전히 더 강력한 모델로, Artificial Analysis의 Coding Agent Index에서 6점 앞서며(54 대 48), OpenAI 스스로도 가장 복잡한 코딩과 심층 연구에는 Sol 또는 GPT-6 Astra를 권장합니다.

지금 Apidog를 사용해 보세요

따라서 질문은 어느 쪽이 더 나은가가 아닙니다. 여러분의 워크로드에 그 격차가 필요한가입니다. 이 비교는 사양, 가격, 벤치마크, API 차이를 나란히 놓고, 마지막에 사용할 수 있는 라우팅 규칙을 제시합니다. 각 모델의 배경은 GPT-6.1 Terra란 무엇인가와 GPT-6.1 Sol이란 무엇인가를 참고하세요.

나란히 비교

	GPT-6.1 Terra	GPT-6.1 Sol
API 모델 ID	`gpt-6.1-terra`	`gpt-6.1-sol`
출시일	2026년 10월 26일	2026년 9월 29일 (DevDay)
입력 / 캐시됨 / 출력 (100만 토큰당)	$1.00 / $0.05 / $5.00	$2.00 / $0.10 / $10.00
캐시 쓰기, 30분	$1.25	$2.50
컨텍스트 윈도우	1,050,000	1,050,000
최대 입력 / 출력	922,000 / 128,000	922,000 / 128,000
추론 노력	`none`부터 `max`까지	`low`부터 `max`까지 (`none` 없음)
엔드포인트	Responses, Chat Completions, Batch	Responses, Chat Completions, Batch
속도 (OpenAI)	평균 3배 이상 빠름	기준
OpenAI의 포지셔닝	빠르고 효율적: 글쓰기, 시각 이해, 컴퓨터 사용	어려운 코딩과 연구를 위한 강력한 올라운더

가격은 최대 272K 입력 토큰의 프롬프트에 대한 Standard 요율이며, OpenAI의 가격 페이지에서 가져왔습니다. 두 모델 모두 동일한 긴 프롬프트 규칙을 따릅니다. 272K 입력 토큰을 초과하면 전체 요청에 입력 및 캐시 요율 2배, 출력 요율 1.5배가 청구됩니다.

가격: Terra는 정확히 절반

모든 Terra 요율은 Sol의 절반입니다. 따라서 비용 비교는 간단합니다. 동일한 토큰 수라면 Terra가 50% 더 저렴합니다. 100,000토큰 캐시된 접두사, 8,000개의 새 입력 토큰, 2,000개의 출력 토큰이 있는 에이전트 단계를 예로 들어 보겠습니다.

	GPT-6.1 Terra	GPT-6.1 Sol
캐시된 입력 (100K)	$0.0050	$0.0100
새 입력 (8K)	$0.0080	$0.0160
출력 (2K)	$0.0100	$0.0200
호출당	$0.0230	$0.0460
10,000회 호출당	$230	$460

실제로는 토큰 수가 동일하지 않습니다. 더 오래 추론하는 모델은 출력을 더 많이 소비합니다. 하지만 Terra가 더 빠르다는 점은 추가 토큰으로 속도를 사는 것이 아님을 시사합니다. Artificial Analysis는 자사 스위트에서 최대 노력의 Terra에 대해 작업당 $0.40를 측정했습니다. GPT-6.1 Terra 가격 가이드에는 전체 요금표와 Batch, Flex, Fast 변형이 있습니다.

한 가지 더: Fast 모드의 Terra는 $2/$10로, 정확히 Sol의 Standard 가격입니다. Sol 가격을 지불하고 있다면, Sol의 추가 역량과 더 높은 속도의 Terra 중에서 선택할 수 있습니다.

벤치마크: 좁은 격차

벤치마크	GPT-6.1 Terra	GPT-6.1 Sol	출처
Coding Agent Index v2.0	48	54	Artificial Analysis
Intelligence Index, 최대 노력	Sol보다 4점 낮음	기준	Artificial Analysis
Terminal-Bench 4.0, 최대 노력	50.3%	최대 노력의 Terra와 대등	OpenAI; Artificial Analysis
Agents’ Last Exam	OpenAI에 따르면 GPT-6 Astra와 동등	해당 없음	OpenAI
작업 속도	평균 3배 이상 빠름	기준	OpenAI

수치는 OpenAI의 출시 자료와 Artificial Analysis에서 가져왔습니다. Artificial Analysis는 Terra의 Terminal-Bench 4.0 점수가 최대 노력에서 GPT-6.1 Sol과 "이제 대등하다"고 말합니다. 우리가 찾은 어떤 출처도 모든 벤치마크에 대해 두 모델의 점수를 같은 차트에 공개하지 않으므로, 이 표는 격차의 방향과 크기로 보아야 하며 정확한 순위로 보면 안 됩니다.

패턴은 출처 전반에서 일관됩니다. Sol은 가장 어려운 에이전트 코딩 작업에서 한 자릿수 점수 차로 앞섭니다. 터미널 작업과 일반 에이전트 작업에서는 Terra가 근접합니다. 규모를 가늠하자면, Terra는 같은 Intelligence Index에서 GPT-6 Luna보다 10점 위에 있으므로, Sol에서 Terra로의 격차는 Terra에서 Luna로의 격차의 절반도 되지 않습니다.

신뢰성

Terra의 가장 큰 단일 개선은 환각입니다. Artificial Analysis는 자사의 AA-Omniscience 테스트에서 환각률을 38%로 측정했는데, 이는 GPT-5.6 Terra의 88%에서 감소한 것입니다. OpenAI의 내부 사실성 테스트에서 최대 노력의 Terra 오류율은 4.3%이며, OpenAI는 이것이 GPT-6 Astra 및 GPT-6.1 Sol과 "거의" 일치한다고 말합니다. 낮은 노력에서는 16.7%입니다.

핵심은 이것입니다. 높은 노력에서 Terra와 Sol은 OpenAI의 테스트에서 비슷한 비율의 사실 오류를 범합니다. Sol의 우위는 더 어려운 추론에 있지, 기본 정확도에 있지 않습니다.

코드에 영향을 주는 API 차이

대부분의 코드는 모델 ID만 바꾸면 두 모델 모두에서 실행됩니다. 세 가지 차이가 중요합니다.

none 노력. Terra는 reasoning.effort: "none"을 지원하지만 Sol은 지원하지 않습니다. OpenAI 커뮤니티 포럼의 한 개발자는 Terra의 none을 사용하면 temperature와 top_p도 설정할 수 있다고 보고합니다. 6.1 Sol이 none을 제거해서 분류 작업을 GPT-6 Sol에서 옮겼다면, Terra가 이를 되살려 줍니다.
캐시 경제성. 캐시된 입력은 Terra에서 $0.05, Sol에서 $0.10입니다. 긴 접두사를 재사용하는 에이전트는 Terra에서 비례적으로 더 많이 절약합니다.
속도에 민감한 로직. UI가 사용자에게 스트리밍하거나 에이전트가 많은 순차 단계를 실행한다면, Terra의 속도가 경험을 바꿉니다. OpenAI의 3배 수치는 자사 작업 전반의 평균이므로, 직접 측정하세요.

둘 다 Responses API에서 동일한 호스팅 도구를 지원하며, 여기에는 computer_use, web_search, file_search, code_interpreter, mcp가 포함됩니다. GPT-6.1 Terra API 가이드와 GPT-6.1 Sol API 가이드에서 각각의 설정을 다룹니다.

ChatGPT와 Codex에서

둘 다 유료 플랜의 ChatGPT Work와 Codex에 있으며, 어느 것도 Free 또는 Go에는 없습니다. Terra의 경우 OpenAI는 Plus, Pro, Enterprise, Edu를 나열합니다. 실질적인 차이는 사용량입니다. OpenAI는 Work 및 Codex 허용량이 GPT-6.1 Sol 또는 GPT-6 Astra보다 Terra에서 "훨씬 더" 오래 간다고 말합니다. Sol에서 Codex 한도에 도달했다면 일상 작업을 Terra에서 실행하면(codex -m gpt-6.1-terra, Codex CLI 0.159.0 이상) 같은 플랜을 더 오래 쓸 수 있습니다. Codex 사용 한도 가이드에서 허용량이 어떻게 작동하는지 설명합니다.

어느 것을 사용해야 할까요?

GPT-6.1 Terra를 사용하세요:

컴퓨터 사용: 앱을 클릭해 이동하고, 화면을 읽고, 양식을 작성하는 작업. 대표적인 사용 사례입니다.
글쓰기와 초안 작성, 요약, 답장.
일반적인 난이도의 코딩 작업: 단일 파일 변경, 테스트, 스크립트, 리뷰.
단계가 많은 에이전트 루프. 단계당 속도와 비용이 누적됩니다.
Luna가 제공할 수 있는 것보다 더 많은 것을 요구하는 추출 및 분류, 특히 none 노력에서.

GPT-6.1 Sol을 사용하세요:

대규모 다중 파일 리팩터링과 아키텍처 작업.
한 번의 잘못된 단계가 결과를 망칠 수 있는 긴 연구 체인.
Terra가 이미 실패한 작업. OpenAI 스스로 가장 어려운 코딩을 Sol 또는 Astra로 유도합니다.

효과적인 라우팅 규칙: 기본은 Terra로 하고, 작업이 검사를 통과하지 못하거나 알려진 고난도 범주에 해당하면 Sol로 에스컬레이션하세요. 가격이 50/50으로 나뉘는 경우, 트래픽의 3분의 1을 Sol로 보내도 전체 Sol 청구서의 약 3분의 2만 지불하게 됩니다. 다른 연구소와 비교한다면, GPT-6.1 Sol vs Claude Sonnet 5.5 분석에서 $2/$10 계층을 다룹니다.

코딩 에이전트가 Apidog CLI로 비교를 실행하게 하세요

벤치마크는 다른 사람의 작업에 대해 알려줍니다. 가장 빠른 결정 방법은 두 모델에서 여러분의 프롬프트를 직접 실행해 비교하는 것이며, 코딩 에이전트가 Apidog CLI로 이를 수행할 수 있습니다.

한 번 설정하세요:

npm install -g apidog-cli@latest
apidog auth login --with-token <YOUR_TOKEN>
apidog skill install

그런 다음 Claude Code, Codex 또는 Cursor에 프롬프트 하나를 주세요:

In Apidog project <id>, create a test case for POST https://api.openai.com/v1/responses
that sends model {{MODEL}} at reasoning effort medium, iterating over the 20 prompts in
prompts.csv. Assert status 200 and that each output passes our JSON schema. Run it with
MODEL=gpt-6.1-terra and MODEL=gpt-6.1-sol against the <env> environment, then report
pass rate, average output tokens and estimated cost for each model.

에이전트는 페이로드를 검증하고, 케이스를 생성한 뒤 동일한 데이터로 두 모델을 실행합니다:

apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <id> --file case.json
apidog run --test-case <caseId> --project <id> -e <envId> -d prompts.csv --env-var "MODEL=gpt-6.1-terra" -r cli,json
apidog run --test-case <caseId> --project <id> -e <envId> -d prompts.csv --env-var "MODEL=gpt-6.1-sol" -r cli,json

Terra의 통과율이 여러분의 프롬프트에서 Sol과 일치한다면, 증거를 가지고 청구서를 절반으로 줄인 것입니다. 그렇지 않다면, 실패한 행이 어떤 작업을 Sol로 라우팅해야 하는지 알려줍니다. -r junit으로 비교를 CI에 유지하고(Apidog CLI CI/CD 가이드), 둘 중 하나의 모델이 업데이트될 때마다 다시 실행하세요. Codex 설정은 Codex에서의 Apidog CLI를 참고하세요.

자주 묻는 질문

GPT-6.1 Terra가 GPT-6.1 Sol보다 더 나은가요? 아닙니다. Sol이 더 높은 점수를 받습니다(Artificial Analysis의 Coding Agent Index에서 54 대 48). Terra는 가격이 절반이고, OpenAI에 따르면 3배 이상 빠릅니다.

Terra는 Sol보다 얼마나 더 저렴한가요? 모든 요율에서 정확히 50%입니다. 입력 $1 대 $2, 캐시됨 $0.05 대 $0.10, 출력 $5 대 $10.

Terra와 Sol은 동일한 컨텍스트 윈도우를 가진가요? 예: 둘 다 1,050,000토큰, 입력 922,000, 출력 128,000입니다.

코딩에는 어느 것이 더 좋나요? OpenAI가 권장하듯 가장 어려운 작업에는 Sol입니다. 일상적인 코딩에는 Terra가 좋으며, 절반 가격으로 터미널 작업에서 근접합니다.

코드 변경 없이 둘 사이를 전환할 수 있나요? 대부분 가능합니다. 모델 ID를 바꾸면 됩니다. reasoning.effort: "none"을 사용한다면, 이는 Terra에서만 작동합니다.

결론

GPT-6.1 Terra는 GPT-6.1 Sol의 대부분을 절반 가격과 훨씬 짧은 대기 시간으로 제공합니다. 기본은 Terra로 하고, 어려운 꼬리 작업에는 Sol을 남겨 두며, 확정하기 전에 Apidog CLI로 여러분의 프롬프트에서 이 분할을 에이전트가 증명하게 하세요.

GPT-6.1 Terra 가격

Rihpig — Tue, 27 Oct 2026 04:41:19 +0000

GPT-6.1 Terra는 OpenAI API에서 입력 토큰 100만 개당 $1, 캐시된 입력 토큰 100만 개당 $0.05, 출력 토큰 100만 개당 $5의 비용이 듭니다. Batch와 Flex는 이 요금을 절반으로 줄이고, Fast 모드는 두 배로 올리며, 272K 입력 토큰을 초과하는 프롬프트는 비용이 더 많이 듭니다. OpenAI는 이것이 GPT-5.6 Terra보다 “50% 저렴하다”고 말합니다. 일반적으로 에이전트 청구서를 좌우하는 출력의 경우 실제 인하는 58%이며, GPT-5.6 Terra의 출시 가격과 비교하면 67%입니다.

지금 Apidog를 사용해 보세요

이 가이드는 모든 요금, 가격 변동 이력, Terra와 그 주변 모델에서의 일반적인 호출 비용, 그리고 청구서를 더 줄이는 방법을 설명합니다. 모델 자체에 대해서는 GPT-6.1 Terra란 무엇인가를 참고하세요.

GPT-6.1 Terra 전체 요금표

토큰 100만 개당, 최대 272K 입력 토큰의 프롬프트 기준:

등급	입력	캐시된 입력	캐시 쓰기 (30분)	캐시 쓰기 (12시간)	출력
Standard	$1.00	$0.05	$1.25	$2.50	$5.00
Batch / Flex	$0.50	$0.025	n/a	n/a	$2.50
Fast 모드 (2배)	$2.00	$0.10	n/a	n/a	$10.00

청구서를 바꾸는 규칙은 모두 OpenAI의 GPT-6.1 Terra 모델 페이지와 가격 페이지에서 가져온 것입니다:

272K 입력 토큰 초과: 전체 요청이 입력 및 캐시 요금 2배, 출력 1.5배로 청구됩니다. Standard 기준으로 입력 $2, 캐시 $0.10, 출력 $7.50입니다.
지역별 처리: 데이터 상주가 가능한 지역에서는 10% 할증이 적용됩니다.
추론 토큰은 출력으로 청구되므로, effort 설정이 출력 요금 항목을 좌우합니다.
Batch와 Flex는 Standard보다 50% 저렴합니다. Batch는 비동기식이고, Flex는 일반 요청을 더 느리게 실행하며 429를 반환할 수 있습니다.

OpenRouter의 openai/gpt-6.1-terra 엔드포인트는 이 요금과 일치합니다: flex $0.50/$2.50, standard $1/$5, fast $2/$10이며, 272K 초과 시 더 높은 요금이 동일하게 적용됩니다. 무료 엔드포인트도, 무료 API 등급도 없습니다. GPT-6.1 Terra가 무료인지에 대한 가이드에서 요금제 경로를 다룹니다.

GPT-5.6 Terra 대비 실제 인하 폭

OpenAI의 발표에서는 Terra를 “GPT-5.6 Terra보다 크게 향상된 모델이며, 표준 API 가격이 50% 더 저렴하다”고 설명합니다. 그 문장의 근거가 되는 계보는 다음과 같습니다:

	입력	캐시된 입력	출력
출시 당시의 GPT-5.6 Terra (2026년 7월)	$2.50	n/a	$15.00
현재의 GPT-5.6 Terra	$2.00	$0.20	$12.00
GPT-6.1 Terra	$1.00	$0.05	$5.00
현재 가격 대비 인하	50%	75%	58%
출시 가격 대비 인하	60%	n/a	67%

입력은 정확히 절반입니다. 나머지는 모두 더 많이 떨어졌습니다. 큰 캐시 프리픽스를 재사용하고 출력을 많이 생성하는 에이전트는 GPT-5.6 Terra에서 지불하던 금액의 절반에도 훨씬 못 미치는 비용을 냅니다. GPT-5.6 Terra 출시 관련 보도에 원래 요금이 나와 있습니다.

Terra와 나머지 시장 비교

모델	입력	캐시된 입력	출력
GPT-6 Astra	$10.00	$1.00	$50.00
GPT-6.1 Sol	$2.00	$0.10	$10.00
Claude Sonnet 5.5	$2.00	$0.10	$10.00
GPT-6.1 Terra	$1.00	$0.05	$5.00
GPT-6 Luna	$0.10	$0.01	$0.50
Claude Haiku 5.5 (최대 100K)	$0.10	$0.01	$0.50

Terra는 모든 항목에서 GPT-6.1 Sol과 Claude Sonnet 5.5의 절반이며, GPT-6 Luna와 Claude Haiku 5.5의 열 배입니다. 이 표에서 $1/$5 지점에 위치한 다른 모델은 없습니다. 경쟁 상대는 예산형 모델로 내려갈지, $2/$10 모델로 올라갈지에 대한 결정입니다.

긴 프롬프트 규칙이 서로 다르다는 점에 유의하세요: Terra와 Luna는 272K 입력 토큰을 초과하면 더 비싸지고, Haiku 5.5는 100K를 초과하면 $0.50/$2.50로 바뀝니다.

일반적인 호출 비용

에이전트 한 단계를 가정해 보겠습니다: 캐시된 100,000 토큰 프리픽스(시스템 프롬프트, 도구 스키마, 저장소 컨텍스트), 새로운 입력 토큰 8,000개, 출력 토큰 2,000개(추론 포함)입니다.

GPT-6.1 Terra Standard 기준:

캐시된 입력: 100,000 x $0.05 / 1,000,000 = $0.0050
새 입력: 8,000 x $1.00 / 1,000,000 = $0.0080
출력: 2,000 x $5.00 / 1,000,000 = $0.0100
합계: $0.0230

모델과 등급별로 동일한 호출을 비교하면 다음과 같습니다:

모델 및 등급	호출당	10,000회 호출당
GPT-6 Luna, Standard	$0.0028	$28
GPT-6.1 Terra, Batch / Flex	$0.0115	$115
GPT-6.1 Terra, Standard	$0.0230	$230
GPT-6.1 Sol, Standard	$0.0460	$460
GPT-5.6 Terra, Standard (현재 가격)	$0.0600	$600
GPT-6.1 Terra, Fast 모드	$0.0460	$460
GPT-6 Astra, Standard	$0.2800	$2,800

GPT-5.6 Terra에서는 이 호출 비용이 캐시 $0.020 + 새 입력 $0.016 + 출력 $0.024 = $0.060이므로, 6.1 Terra로 옮기면 이 워크로드에서 62%를 절약할 수 있습니다. Terra의 Fast 모드는 Sol의 Standard와 같은 비용이 들기 때문에, Terra를 더 빠르게 쓸지 Sol을 더 똑똑하게 쓸지는 충분히 고민할 만한 문제입니다.

이 표는 모든 모델에서 동일한 토큰 수를 가정합니다. 실제로는 다릅니다: 더 오래 추론하거나 더 많이 작성하는 모델은 출력 토큰을 더 많이 소비합니다. Artificial Analysis는 자사 벤치마크 스위트에서 최대 effort 기준 Terra를 태스크당 $0.40으로 측정했으며, GPT-5.6 Terra는 $1.40이었습니다. 이는 토큰 사용량과 가격을 함께 반영한 수치입니다.

가장 중요한 두 가지 레버

캐시 적중률. 캐시 적중이 전혀 없다면, 위의 호출은 108,000개 입력 토큰 전부에 $1이 적용되어 $0.108에 출력 $0.010을 더해 총 $0.118이 됩니다. 이는 캐시된 비용의 다섯 배입니다. 캐싱은 최소 1,024 토큰의 프롬프트에 자동으로 적용되지만, 안정적인 프리픽스만 재사용됩니다. 시스템 프롬프트와 도구 스키마를 맨 앞에 두고, 요청별 콘텐츠를 맨 뒤에 두세요. GPT-6 프롬프트 캐싱 가이드에서 더 자세히 다룹니다.

272K 미만 유지. 입력 토큰이 280,000개이면 전체 요청이 장문 컨텍스트 요금으로 뛰어오릅니다. 새 입력 280K와 출력 2K의 호출은 기본 요금이 시사하는 $0.29가 아니라 $0.56 + $0.015 = $0.575가 듭니다. 검색이 이 한계선 근처까지 밀어 올린다면, 선을 넘기 전에 청크를 줄이세요.

그런 다음 기다릴 수 있는 모든 작업(평가, 백필, 야간 요약)에는 Batch나 Flex를 사용해 나머지 비용을 절반으로 줄이세요. OpenAI Batch API 가이드에서 자세히 설명합니다.

ChatGPT 요금제 가격

ChatGPT에서는 Terra가 토큰당 청구되지 않습니다. ChatGPT Work와 Codex에서 Plus, Pro, Enterprise, Edu 사용자에게 포함되어 있으며, OpenAI는 Terra를 사용하면 사용 허용량이 GPT-5.6 Terra보다 “더 오래 간다”고 말하며, GPT-6.1 Sol이나 GPT-6 Astra보다 훨씬 더 오래 간다고 합니다. Free와 Go 사용자는 대신 데스크톱 앱에서 GPT-6 Luna를 사용할 수 있습니다. 이 요금제 중 어느 것도 API 키를 제공하지 않습니다.

Apidog CLI로 코딩 에이전트가 실제 비용을 추적하게 하기

위의 계산은 예시 토큰 수를 사용합니다. 실제 청구서는 여러분의 프롬프트가 결정하며, 코딩 에이전트는 Apidog CLI로 모든 변경 사항에서 이를 측정할 수 있습니다.

한 번만 설정하세요:

npm install -g apidog-cli@latest
apidog auth login --with-token <YOUR_TOKEN>
apidog skill install

그런 다음 에이전트에게 프롬프트 하나를 주세요:

In Apidog project <id>, create a test case for POST https://api.openai.com/v1/responses
using model gpt-6.1-terra and the prompt in prompts/agent-step.txt. Assert status 200,
usage.input_tokens under 272000, and usage.input_tokens_details.cached_tokens greater
than 0 on the second iteration. Run 2 iterations against the <env> environment and
report the cost per call at $1 input, $0.05 cached and $5 output per million tokens.

에이전트가 스키마를 확인하고, 케이스를 생성한 뒤 실행합니다:

apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <id> --file case.json
apidog run --test-case <caseId> --project <id> -e <envId> -n 2 -r cli,json

두 개의 검증 구문이 두 가지 레버를 지킵니다: 272K를 넘어서 커지거나 캐시 적중이 끊긴 프롬프트는 테스트에 실패합니다. -r junit으로 실행을 CI에 추가하면(Apidog CLI CI/CD 가이드 참고), 비용을 높이는 프롬프트 변경이 청구서가 아니라 풀 리퀘스트에서 드러납니다. 특정 에이전트에서의 설정은 Claude Code에서의 Apidog CLI를 참고하세요.

FAQ

GPT-6.1 Terra의 비용은 얼마인가요? 최대 272K 입력 토큰의 프롬프트 기준으로 Standard에서 입력 토큰 100만 개당 $1, 캐시된 입력 $0.05, 출력 $5입니다.

GPT-6.1 Terra가 GPT-5.6 Terra보다 저렴한가요? 그렇습니다. GPT-5.6 Terra의 현재 가격과 비교해 입력은 50% 저렴하고($1 대 $2), 캐시된 입력은 75% 저렴하며($0.05 대 $0.20), 출력은 58% 저렴합니다($5 대 $12).

Terra의 가격은 GPT-6.1 Sol과 어떻게 비교되나요? 모든 항목에서 정확히 절반입니다. Sol은 입력 $2, 캐시 $0.10, 출력 $10입니다.

Fast 모드의 비용은 얼마인가요? Standard의 두 배입니다: 토큰 100만 개당 입력 $2, 출력 $10입니다.

272K 입력 토큰을 초과하면 어떻게 되나요? 전체 요청이 입력 및 캐시 요금 2배, 출력 1.5배로 청구됩니다: Standard 기준 토큰 100만 개당 $2, $0.10, $7.50입니다.

결론

GPT-6.1 Terra는 OpenAI가 판매하는 가장 저렴한 유능한 모델입니다: Sol과 Sonnet 5.5의 절반이고, 출력과 캐싱을 계산에 넣으면 대체하는 Terra의 절반 이하입니다. 청구서를 가장 크게 좌우하는 두 가지는 캐시 적중률과 272K 한계선이므로, 두 가지 모두에 테스트를 유지하세요. GPT-6.1 Terra API 가이드로 시작하고, 등급 사이에서 고민 중이라면 GPT-6.1 Terra vs GPT-6.1 Sol을 읽어보세요.

GPT-6.1 Terra API 사용법

Rihpig — Tue, 27 Oct 2026 04:39:41 +0000

GPT-6.1 Terra는 2026년 10월 26일부터 OpenAI API에서 gpt-6.1-terra로 사용할 수 있습니다. Responses API, Chat Completions 및 Batch에서 작동하며, 입력 토큰 100만 개당 $1, 출력 토큰 100만 개당 $5의 비용이 들고, 최대 922,000개의 입력 토큰과 128,000개의 출력 토큰을 받습니다. 이미 GPT-5.6 Terra를 호출하고 있다면 전환은 대부분 한 줄짜리 모델 변경이며, 먼저 확인해 볼 만한 몇 가지 설정이 있습니다.

지금 Apidog 사용해 보기

이 가이드는 키 발급, curl, Python, Node에서의 첫 요청, 여섯 가지 추론 강도 수준, 컴퓨터 사용 및 기타 도구, 비용 제어, 그리고 gpt-5.6-terra에서 마이그레이션할 때 테스트할 항목을 다룹니다. 모델 개요는 GPT-6.1 Terra란 무엇인가를 참고하세요.

API가 지원하는 기능

기능	GPT-6.1 Terra
모델 ID	`gpt-6.1-terra` (스냅샷 하나)
엔드포인트	Responses, Chat Completions, Batch
지원되지 않음	Realtime, Live, Assistants, 파인튜닝, 예측 출력
입력	텍스트 및 이미지
출력	텍스트
컨텍스트 윈도	1,050,000 토큰(입력 922,000, 출력 128,000)
추론 강도	`none`, `low`, `medium`(기본값), `high`, `xhigh`, `max`
기능	스트리밍, 구조화된 출력, 함수 호출, 프롬프트 캐싱
도구(Responses 전용)	`web_search`, `file_search`, `computer_use`, `code_interpreter`, `hosted_shell`, `apply_patch`, `skills`, `mcp`, `tool_search`, `image_generation`

출처: OpenAI의 GPT-6.1 Terra 모델 페이지. 호스팅 도구는 Responses API가 필요하므로 새 작업에는 이를 사용하세요.

1단계: API 키 발급

OpenAI 플랫폼 대시보드에서 키를 만들고 결제 정보를 추가하세요. Terra에는 무료 티어가 없습니다. ChatGPT Plus 또는 Pro 요금제는 ChatGPT Work와 Codex 내부에서 Terra를 제공하지만 API 키는 제공하지 않습니다. GPT-6.1 Terra가 무료인지에 대한 가이드에서 차이를 설명합니다.

아래 예제에서 읽을 수 있도록 내보내세요:

export OPENAI_API_KEY="sk-..."

요청 한도는 사용량 티어에 따라 다릅니다. 모델 페이지에는 Build 티어에서 분당 5,000건의 요청과 100만 토큰, Launch에서 10,000건과 400만 토큰, Grow에서 15,000건과 4,000만 토큰이 나와 있습니다.

2단계: 첫 요청 보내기

curl을 사용해 Responses API로 보내는 방법:

curl https://api.openai.com/v1/responses \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6.1-terra",
    "reasoning": { "effort": "low" },
    "input": "Summarize the difference between PUT and PATCH in two sentences."
  }'

공식 SDK를 사용한 Python:

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-6.1-terra",
    reasoning={"effort": "low"},
    input="Summarize the difference between PUT and PATCH in two sentences.",
)

print(response.output_text)
print(response.usage)

Node:

import OpenAI from "openai";

const client = new OpenAI();

const response = await client.responses.create({
  model: "gpt-6.1-terra",
  reasoning: { effort: "low" },
  input: "Summarize the difference between PUT and PATCH in two sentences.",
});

console.log(response.output_text);
console.log(response.usage);

처음부터 usage를 출력하세요. 입력, 캐시된 입력 및 출력 토큰을 알려주며, 추론 토큰은 출력으로 청구됩니다.

3단계: 추론 강도 선택

Terra는 여섯 가지 강도 수준을 지원합니다. 기본값은 medium입니다.

강도	사용 용도
`none`	분류, 추출, 서식 지정; 결정적 출력
`low`	짧은 답변, 간단한 도구 호출, 대부분의 채팅형 작업
`medium`	기본값; 일반 코딩 및 에이전트 단계
`high` / `xhigh`	더 어려운 다단계 추론
`max`	벤치마크 설정; 가장 어려운 작업, 가장 느리고 가장 비쌈

두 가지 점이 눈에 띕니다.

none이 지원됩니다. GPT-6.1 Sol에서는 제거되었으므로, 이것이 두 모델 간의 실용적인 차이 중 하나입니다. OpenAI 커뮤니티 포럼의 한 개발자는 reasoning.effort: "none"을 사용하면 Terra가 다시 temperature와 top_p를 받아들인다고 보고합니다. 대량으로 데이터에 레이블을 지정하거나 추출하는 파이프라인에서 none은 호출당 최저 비용과 반복 가능한 출력을 제공합니다.

낮은 강도에서 가장 많이 개선되었습니다. OpenAI의 내부 사실성 테스트에서 낮은 강도일 때 Terra의 오류율은 GPT-5.6 Terra의 53.6%에서 16.7%로 떨어졌습니다. Artificial Analysis는 또한 낮은 강도 수준에서 GPT-5.6 Terra 대비 개선폭(7~13점)이 max(6점)에서보다 더 크다고 측정했습니다. 허용 가능한 품질을 얻기 위해 GPT-5.6 Terra를 high로 실행했다면, 동일한 설정이 필요하다고 가정하기 전에 6.1 Terra에서 low 또는 medium을 시도해 보세요.

4단계: 컴퓨터 사용을 포함한 도구 사용

OpenAI는 이번 릴리스를 “더 낮은 가격의 빠르고 유능한 컴퓨터 사용”을 중심으로 홍보했습니다. 컴퓨터 사용, 웹 검색, 파일 검색 및 기타 호스팅 도구는 Responses API에서 사용할 수 있습니다. 웹 검색 호출은 다음과 같습니다:

response = client.responses.create(
    model="gpt-6.1-terra",
    reasoning={"effort": "low"},
    tools=[{"type": "web_search"}],
    input="What changed in the latest OpenAPI Specification release?",
)
print(response.output_text)

함수 호출과 구조화된 출력은 다른 GPT-6 모델에서와 동일하게 작동합니다. tools에 함수 스키마를 정의하거나 텍스트 형식 설정에서 JSON 스키마를 전달하고, 반환된 내용을 검증하세요. 실제 앱을 대상으로 한 컴퓨터 사용을 더 깊이 살펴보려면, GPT-6 Astra 컴퓨터 사용 가이드가 Terra에도 적용되며, 이는 Astra의 토큰당 가격의 10분의 1입니다.

5단계: 비용 제어

Terra의 요금은 이미 낮으며, 네 가지 설정으로 더 줄일 수 있습니다:

프롬프트 캐싱은 자동입니다. 캐시된 입력은 100만 개당 $0.05이며, 새 입력은 $1입니다. 안정적인 콘텐츠(시스템 프롬프트, 도구 스키마, 참조 문서)를 프롬프트 앞부분에 유지하세요. 캐시 쓰기는 30분 보존 시 100만 개당 $1.25, 12시간 보존 시 $2.50입니다. GPT-6 프롬프트 캐싱 가이드를 참고하세요.
Batch는 비동기 작업의 모든 요금을 절반으로 줄입니다: 입력 $0.50, 출력 $2.50. OpenAI Batch API 가이드에서 전체 흐름을 보여줍니다.
Flex는 service_tier: "flex"로 일반 요청에도 동일한 절반 요금을 제공하는 대신, 응답이 느려지고 때때로 429가 발생합니다.
272K 기준선. 272K 입력 토큰을 초과하는 프롬프트는 전체 요청에 입력 및 캐시 요금 2배, 출력 요금 1.5배가 청구됩니다. 근접했다면, 기준선을 넘기보다 검색된 컨텍스트를 줄이세요.

Fast 모드는 반대 방향입니다: 더 빠른 응답을 위해 Standard 요금의 2배(입력 $2, 출력 $10)를 냅니다. GPT-6.1 Terra 가격 가이드에 모든 요금이 하나의 표로 정리되어 있습니다.

gpt-5.6-terra에서 마이그레이션

모델 ID 변경은 한 줄입니다. 그 주변에서 확인할 사항은 다음과 같습니다:

가격. 입력은 $2에서 $1로, 캐시된 입력은 $0.20에서 $0.05로, 출력은 $12에서 $5로 떨어집니다. 요금을 하드코딩한 비용 대시보드나 예산 경고를 업데이트하세요.
강도 설정. 더 낮은 강도에서 다시 테스트하세요. low의 품질이 가장 많이 변했습니다.
지식 컷오프. Terra의 컷오프는 2026년 6월 1일입니다. 더 오래된 컷오프를 가정하는 프롬프트나 날짜에 민감한 예상 답변이 있는 테스트는 달라질 수 있습니다.
출력 길이와 형식. 새 모델은 더 길거나 더 짧은 답변을 작성할 수 있습니다. usage.output_tokens와 고정 형식을 기대하는 모든 파서를 확인하세요. 형식이 중요한 경우 구조화된 출력을 사용하세요.
속도. OpenAI에 따르면 Terra는 Astra 및 GPT-6.1 Sol보다 평균적으로 작업을 3배 이상 빠르게 완료합니다. 더 느린 모델에 맞춘 타임아웃은 괜찮지만, 긴 대기를 전제로 한 재시도 및 폴링 로직은 이제 낭비일 수 있습니다.
Codex. 팀에서 Codex를 사용한다면 Terra에는 Codex CLI 0.159.0 이상이 필요합니다: codex -m gpt-6.1-terra.

OpenAI는 GPT-5.6 Terra의 지원 종료 날짜를 발표하지 않았으므로, 비교하는 동안 두 모델을 나란히 실행할 수 있습니다.

Apidog CLI로 코딩 에이전트가 마이그레이션을 검증하게 하세요

1단계부터 6단계는 바로 손으로 하지 말아야 할 종류의 확인 작업입니다. 코딩 에이전트를 Apidog CLI로 향하게 하면 테스트를 만들고, 두 모델 모두에서 실행하고, 무엇이 바뀌었는지 알려줄 수 있습니다.

한 번 설정하세요:

npm install -g apidog-cli@latest
apidog auth login --with-token <YOUR_TOKEN>
apidog skill install

그런 다음 Claude Code, Codex 또는 Cursor에 프롬프트 하나를 주세요:

In Apidog project <id>, add POST https://api.openai.com/v1/responses as an endpoint.
Create a test case that sends my production prompt with model {{MODEL}} and reasoning
effort low, and asserts: status 200, output_text not empty, output matches our JSON
schema, usage.output_tokens under 3000. Run it with MODEL=gpt-5.6-terra and again with
MODEL=gpt-6.1-terra against the <env> environment, then compare tokens and failures.

에이전트는 각 스키마를 읽고, 페이로드를 검증하고, 케이스를 두 번 실행합니다:

apidog cli-schema get endpoint-create
apidog endpoint create --project <id> --file endpoint.json
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <id> --file case.json
apidog run --test-case <caseId> --project <id> -e <envId> --env-var "MODEL=gpt-5.6-terra" -r cli,json
apidog run --test-case <caseId> --project <id> -e <envId> --env-var "MODEL=gpt-6.1-terra" -r cli,json

OpenAI 키를 Apidog 환경에 보관하세요. Terra 실행이 통과하면 -r junit으로 CI에 추가하여 나중의 프롬프트나 모델 변경이 계약을 조용히 깨뜨릴 수 없게 하세요. Apidog CLI CI/CD 가이드에 파이프라인 파일이 있고, Codex에서의 Apidog CLI에서 Codex 설정을 다룹니다.

자주 묻는 질문

GPT-6.1 Terra 모델 ID는 무엇인가요? gpt-6.1-terra입니다. 스냅샷은 하나이며, 기본값이기도 합니다.

GPT-6.1 Terra는 Chat Completions와 함께 작동하나요? 예. Responses, Chat Completions 및 Batch를 지원합니다. 웹 검색과 컴퓨터 사용 같은 호스팅 도구는 Responses API가 필요합니다.

GPT-6.1 Terra에서 temperature를 설정할 수 있나요? 커뮤니티 보고에 따르면 reasoning.effort: "none"일 때 가능합니다. 다른 강도 수준에서는 샘플링 설정을 보내기 전에 모델 페이지를 확인하세요.

GPT-6.1 Terra는 Realtime API를 지원하나요? 아니요. Realtime, Live, Assistants 및 파인튜닝은 지원되지 않습니다.

GPT-6.1 Terra의 요청 한도는 무엇인가요? 티어에 따라 다릅니다. Build에서 분당 5,000건의 요청과 100만 토큰부터 Grow에서 15,000건과 4,000만 토큰까지입니다.

다음 단계

한 엔드포인트에서 모델 ID를 교체하고, 더 낮은 강도에서 다시 테스트하고, Apidog CLI로 에이전트가 두 실행을 비교하게 하세요. 수치가 유지되면 배포하세요. Terra와 Sol 중 무엇이 워크로드에 맞는지 확실하지 않나요? GPT-6.1 Terra vs GPT-6.1 Sol을 읽어 보세요.

GPT-6.1 Terra 무료일까? 가장 저렴한 사용 방법

Rihpig — Tue, 27 Oct 2026 04:34:44 +0000

아니요, GPT-6.1 Terra는 무료가 아닙니다. OpenAI는 2026년 10월 26일에 ChatGPT Work와 Codex에서 Plus, Pro, Enterprise, Edu 사용자를 위해 이를 출시했으며, Free와 Go 요금제는 그 목록에 없습니다. API 모델 gpt-6.1-terra 역시 무료 티어가 없습니다. 표준 가격은 입력 토큰 100만 개당 $1, 캐시된 입력 토큰 100만 개당 $0.05, 출력 토큰 100만 개당 $5입니다.

지금 Apidog를 사용해 보세요

좋은 소식은 Terra가 강력한 OpenAI 모델을 실행하는 가장 저렴한 방법이라는 점입니다. 비용은 GPT-6.1 Sol의 절반이며, 할인 경로를 이용하면 입력 비용이 100만 개당 $0.50까지 내려갑니다. 이 가이드는 모든 경로를 비용순으로 정리하고, 무료가 아닌 항목을 나열하며, 실제 비용 예시를 계산해 보고, OpenAI 제품군에서 유일한 $0 옵션을 알려드립니다. 모델 자체에 대해서는 GPT-6.1 Terra란 무엇인가부터 시작하세요.

GPT-6.1 Terra로 가는 모든 경로, 순위별 정리

경로	비용	얻는 것	주의할 점
무료 요금제 대안: GPT-6 Luna	$0	ChatGPT 데스크톱 앱에서 Terra가 아닌 Luna	다른, 더 작은 모델, API 키 없음
Codex 또는 ChatGPT Work의 ChatGPT Plus	Plus 구독료	코딩 및 업무 작업에 Terra 사용	요금제 사용 한도, API 키 없음
API, Batch 또는 Flex	입력 $0.50, 캐시 $0.025, 출력 $2.50	표준 요율의 절반	Batch는 비동기, Flex는 느리고 429 응답이 발생할 수 있음
API, 캐싱을 적용한 표준	입력 $1, 캐시 $0.05, 출력 $5	자신의 코드에서 모델 사용	모든 토큰에 과금
OpenRouter `openai/gpt-6.1-terra`	OpenAI와 동일: flex $0.50/$2.50, standard $1/$5, fast $2/$10	여러 제공자에 걸친 하나의 키	무료 엔드포인트 없음
API, Fast 모드	입력 $2, 출력 $10	더 빠른 응답	표준 요율의 두 배

API 가격은 입력 토큰 272K까지의 프롬프트에 대해 100만 토큰당 가격이며, OpenAI의 가격 페이지와 GPT-6.1 Terra 모델 페이지에서 가져왔습니다. OpenRouter의 요율은 2026년 10월 27일에 확인한 openai/gpt-6.1-terra의 엔드포인트 목록에서 가져왔습니다.

ChatGPT Plus: Terra가 포함된 가장 낮은 요금제

Terra를 직접 사용하고 싶다면 Plus가 진입 요금제입니다. OpenAI의 발표에 따르면 GPT-6.1 Terra는 "현재 출시 중이며 ChatGPT Work와 Codex에서 모든 Plus, Pro, Enterprise, Edu 사용자가 사용할 수 있습니다."

OpenAI의 ChatGPT 모델 문서에는 Terra가 지원되는 표면으로 데스크톱 앱의 Work 및 Codex, 웹의 ChatGPT Work, Codex CLI, ChatGPT Credits, API 접근이 나열되어 있습니다. Codex에서는 CLI 0.159.0 이상이 필요하며, codex -m gpt-6.1-terra로 선택할 수 있습니다.

요금제에서는 토큰당 비용을 지불하지 않지만 사용 한도가 적용됩니다. 여기서 Terra가 도움이 됩니다. OpenAI는 Terra를 사용하면 Work 및 Codex 허용량이 GPT-5.6 Terra보다 "더 오래" 가며, GPT-6.1 Sol이나 GPT-6 Astra보다 훨씬 더 오래 간다고 밝힙니다. Sol에서 한도에 도달한다면 일상적인 작업을 Terra로 옮기면 같은 구독을 더 오래 사용할 수 있습니다. Codex 사용 한도 가이드에서 허용량이 어떻게 작동하는지 설명하고, 무료 Codex 가이드에서는 Codex의 무료 옵션을 다룹니다.

ChatGPT 요금제는 API 키가 아닙니다

이것이 대부분의 "무료 GPT" 검색 뒤에 숨은 함정입니다. Plus나 Pro는 ChatGPT Work와 Codex 내에서 Terra를 제공합니다. 그러나 API 키를 주지는 않습니다. https://api.openai.com/v1로 Authorization: Bearer $OPENAI_API_KEY를 보내는 스크립트, CI 작업, 에이전트는 어떤 요금제를 사용하든 토큰당 비용을 지불합니다.

코드가 요금제를 활용할 수 있는 유일한 경로는 ChatGPT로 로그인(Sign in with ChatGPT)이며, 이를 통해 OAuth 흐름을 구축한 앱이 미리보기 한도 내에서 적격 요청을 Plus 또는 Pro 사용량에 반영할 수 있습니다. 개발자 측 내용은 Sign in with ChatGPT 가이드에 있습니다. 파트너 앱이 실제로 어떤 모델을 실행하는지 Terra라고 가정하기 전에 확인하세요.

가장 저렴한 API 경로: Batch, Flex, 그리고 캐시

토큰당 청구 금액을 낮추는 세 가지 수단이 있습니다:

Batch는 표준 요율의 절반으로 요청을 비동기 실행합니다: 입력 $0.50, 캐시 $0.025, 출력 $2.50. Batch API 가이드에서 작업 하나를 처음부터 끝까지 안내합니다.
Flex는 service_tier: "flex"를 설정하면 일반 요청에 대해 동일한 절반 요율을 청구합니다. 응답이 더 느리고 429 Resource Unavailable이 발생할 수 있으므로 기다리거나 재시도할 수 있는 작업에 적합합니다.
프롬프트 캐싱은 기본으로 활성화됩니다. 캐시된 입력은 100만 개당 $0.05로, 표준 입력보다 95% 저렴합니다. 캐시 쓰기는 30분 보존 기간에 100만 개당 $1.25, 12시간에는 $2.50입니다. 프롬프트에서 안정적인 부분(시스템 프롬프트, 도구 스키마, 참조 문서)을 앞쪽에 두어 재사용되도록 하세요. GPT-6 프롬프트 캐싱 가이드에서 캐시를 안정적으로 적중시키는 방법을 보여줍니다.

그리고 272K 입력 토큰 이하를 유지하세요. 그 이상이면 전체 요청이 입력 및 캐시 요율의 2배, 출력의 1.5배로 청구됩니다.

계산 예시: 에이전트 호출 한 번의 비용

호출 간에 동일하게 유지되는 100,000토큰 프리픽스, 새로운 입력 토큰 8,000개, 추론을 포함한 출력 토큰 2,000개가 있는 에이전트 단계를 가정해 봅시다. 프리픽스는 이미 캐시되어 있습니다.

캐시 적중이 있는 표준 기준:

캐시된 입력: 100,000 x $0.05 / 1,000,000 = $0.0050
새 입력: 8,000 x $1.00 / 1,000,000 = $0.0080
출력: 2,000 x $5.00 / 1,000,000 = $0.0100
합계: 호출당 $0.0230

다른 경로와 모델에서의 동일한 호출:

시나리오	호출당	1,000회 호출
GPT-6.1 Terra, 표준, 캐시 적중	$0.023	$23.00
GPT-6.1 Terra, Batch 또는 Flex, 캐시 적중	$0.0115	$11.50
GPT-6.1 Terra, 표준, 캐시 미적중	$0.118	$118.00
GPT-6.1 Sol, 표준, 캐시 적중	$0.046	$46.00
GPT-5.6 Terra, 표준, 캐시 적중	$0.060	$60.00

캐시 미적중 행은 108,000개의 입력 토큰 전체를 $1로 청구합니다: $0.108에 출력 $0.010. GPT-5.6 Terra 행은 현재의 입력 $2, 캐시 $0.20, 출력 $12를 사용합니다: $0.020 + $0.016 + $0.024. 100,000토큰 프리픽스를 캐시에 기록하는 첫 호출은 $0.125를 한 번 더 추가합니다.

두 가지 시사점이 있습니다. 캐시 적중률이 청구서를 약 다섯 배까지 움직이며, 이는 어떤 요금제 선택보다도 큰 영향입니다. 그리고 GPT-5.6 Terra에서 GPT-6.1 Terra로 옮기면 이 호출이 62% 줄어들며, 이는 OpenAI의 "50% 저렴"이라는 헤드라인보다 큰 수치인데, 출력과 캐시된 입력이 입력보다 더 크게 떨어졌기 때문입니다. GPT-6.1 Terra 가격 가이드에 전체 요율표가 있습니다.

무료가 아닌 것

ChatGPT Free 및 Go: Terra에 대한 OpenAI의 목록에 없습니다.
API: 무료 티어도, 무료 체험 모델도 없습니다.
OpenRouter: 모든 openai/gpt-6.1-terra 엔드포인트가 유료입니다.
Fast 모드: 표준 요율의 두 배로, 입력 $2, 출력 $10입니다.
긴 프롬프트: 272K 입력 토큰을 초과하는 모든 것은 더 저렴해지는 게 아니라 더 비쌉니다.

무료 대안: GPT-6 Luna

$0이 필요하다면 OpenAI의 모델 문서는 이렇게 말합니다: "Free 및 Go 요금제에서는 사용 가능할 때 데스크톱 앱에서 GPT-6 Luna(gpt-6-luna)를 선택하세요." Go는 유료 요금제이므로, 진정으로 무료인 경로는 데스크톱 앱의 Free 요금제입니다. Luna는 다른, 더 작은 모델입니다. Artificial Analysis는 Luna를 Intelligence Index에서 Terra보다 10점 낮게 평가하고, Coding Agent Index에서 31점을 주는데 Terra는 48점입니다. 요금제 좌석은 API 키를 주지 않으므로, 직접 작성한 코드를 구동할 수 없습니다.

API에서 Luna는 입력 $0.10, 출력 $0.50으로, Terra 요율의 10분의 1입니다. 대량 분류와 추출에는 종종 더 나은 선택입니다. 무료 GPT-6 Luna 가이드에서 설정을 다룹니다.

Apidog CLI로 코딩 에이전트가 실제 비용을 측정하게 하세요

위 예시는 임의의 토큰 수를 사용합니다. 실제 수치가 어떤 경로가 유리한지 결정하며, 코딩 에이전트가 직접 요청을 보내는 대신 Apidog CLI로 그 수치를 얻을 수 있습니다.

한 번만 설정하세요:

npm install -g apidog-cli@latest
apidog auth login --with-token <YOUR_TOKEN>
apidog skill install

그런 다음 에이전트에게 프롬프트 하나를 주세요:

In Apidog project <id>, create a test case for POST https://api.openai.com/v1/responses
with model gpt-6.1-terra and one of my real prompts. Run it twice with 2 iterations
against the <env> environment. Assert that the second call returns
usage.input_tokens_details.cached_tokens greater than 0, and report input, cached and
output tokens so I can price the call at $1 / $0.05 / $5 per million.

에이전트가 스키마를 확인하고, 케이스를 작성하고, 실행합니다:

apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <id> --file case.json
apidog run --test-case <caseId> --project <id> -e <envId> -n 2 -r cli,json

캐시된 토큰 검증이 유용한 부분입니다. 누군가 프롬프트 프리픽스를 편집해 캐싱을 깨뜨리면, 청구서가 커지기 전에 테스트가 실패합니다. 동일한 apidog run을 -r junit과 함께 CI에 넣거나, Apidog CLI CI/CD 가이드를 따르거나, Claude Code에서의 Apidog CLI 설정을 따르세요.

FAQ

GPT-6.1 Terra는 ChatGPT에서 무료인가요? 아니요. Plus, Pro, Enterprise, Edu 사용자를 위한 ChatGPT Work와 Codex에 있습니다. Free와 Go는 OpenAI의 목록에 없습니다.

무료 GPT-6.1 Terra API가 있나요? 없습니다. 가장 저렴한 공식 요율은 Batch 또는 Flex로, 100만 토큰당 입력 $0.50, 캐시 $0.025, 출력 $2.50입니다.

OpenRouter에서 GPT-6.1 Terra는 무료인가요? 아니요. openai/gpt-6.1-terra에 대한 OpenRouter의 엔드포인트는 OpenAI 가격과 일치하며, flex의 $0.50/$2.50부터 fast의 $2/$10까지입니다.

Plus 요금제를 API 키로 사용할 수 있나요? 아니요. 요금제는 API 키가 아닙니다. 키를 보내는 코드는 토큰당 비용을 지불하며, Sign in with ChatGPT로 구축된 앱만 요청을 요금제에 반영할 수 있습니다.

GPT-6.1 Terra를 사용하는 가장 저렴한 방법은 무엇인가요? 대화형 작업에는 Codex 또는 Work의 ChatGPT Plus입니다. 코드에는 안정적인 캐시 프리픽스와 함께 API를 사용하고, 기다릴 수 있는 작업에는 Batch 또는 Flex를 사용하세요.

다음 단계

Terra를 직접 사용한다면 Codex의 Plus가 진입점이며 Sol보다 더 오래 사용할 수 있습니다. 코드가 Terra를 호출한다면 캐싱을 활용하고 기다릴 수 있는 작업은 Batch 또는 Flex로 옮기세요. 그런 다음 에이전트가 Apidog CLI로 실제 호출당 비용을 측정하게 하세요. GPT-6.1 Terra API 가이드에서 첫 요청과 gpt-5.6-terra에서의 마이그레이션을 다룹니다.

Kimi K3.1 Pro 가격: API 비용, 캐싱 계산법 및 Kimi 요금제

Rihpig — Mon, 26 Oct 2026 03:27:20 +0000

API에서 Kimi K3.1 Pro 가격은 100만 입력 토큰당 $2.00, 100만 출력 토큰당 $10.00이며, 캐시 적중은 100만 토큰당 $0.20입니다. Kimi K3.1 Pro Highspeed는 정확히 두 배로 입력 $4.00, 출력 $20.00입니다. 구독은 없고 1,048,576토큰 창 전체에 걸쳐 장문맥 할증도 없지만, 모델은 $1 충전 후에만 사용할 수 있습니다.

지금 Apidog를 사용해 보세요

아래에는 캐시 계산, 계산 예시, 요율 등급, 소비자 요금제, 정가 비교가 있습니다. 수치는 Moonshot AI의 API 가격 페이지, 컨텍스트 캐싱 가이드, 요율 제한 페이지, 멤버십 가격에서 2026년 10월 24일에 확인한 내용입니다. 모델이 처음이신가요? Kimi K3.1 Pro란 무엇인가부터 시작하세요.

Kimi K3.1 Pro API 가격표

Kimi K3.1 Pro API 가격은 세금을 제외한 100만 토큰당 종량제입니다. 각 모델에는 입력, 출력, 캐시 적중, 그리고 두 가지 캐시 수명(5분과 1시간) 각각에 대한 캐시 쓰기 요율까지 다섯 가지 요율이 있습니다.

K3.1 Pro는 K3보다 3분의 1 저렴합니다(자세한 내용은 Kimi K3 API 가이드 참고).

Kimi K3.1 Pro 캐시 가격은 어떻게 작동하나요

Kimi K3.1 Pro 캐시 가격은 두 부분으로 나뉩니다. 프리픽스가 처음 처리될 때는 캐시 쓰기로 청구됩니다. 이후 캐시 수명 내에 동일한 프리픽스를 재사용하는 요청은 100만 토큰당 $0.20의 캐시 적중으로 청구되며, 이는 입력 가격의 10분의 1입니다.

청구 금액을 결정하는 요소:

캐싱은 자동이며 기본 TTL은 5분입니다.
5분 쓰기는 입력과 동일한 비용입니다($2.00). Moonshot은 "쓰기 비용은 이미 입력 가격에 포함되어 있었다"고 말합니다.
1시간 쓰기는 두 배입니다: 100만 토큰당 $4.00.
각 적중은 TTL을 갱신하며, TTL은 첫 쓰기 시 고정됩니다. 캐시는 조직 내에서만 공유됩니다.

Chat Completions 또는 Responses API에서 1시간 TTL을 설정하세요:

"prompt_cache_options": {"mode": "implicit", "ttl": "1h"}

Anthropic 호환 Messages API에서는 최상위 "cache_control": {"type": "ephemeral", "ttl": "1h"}를 사용하세요.

5분 vs 1시간: 손익분기점

100만 토큰 프리픽스를 예로 들어 보겠습니다. 1시간 쓰기는 $2.00 더 비쌉니다($4.00 vs $2.00). 이후 각 적중은 전체 입력 대비 $1.80을 절약합니다($2.00 - $0.20). 적중 2회면 $3.60을 절약하므로 추가 $2.00을 상쇄합니다.

규칙: 요청 간격이 5분을 넘을 수 있고 한 시간 안에 프리픽스를 두 번 이상 재사용한다면 1h를 선택하세요. 요청이 몇 분마다 도착한다면 무료 5분 캐시가 계속 갱신됩니다.

Kimi K3.1 Pro 가격 계산 예시

두 예시 모두 정가를 사용합니다. 자신의 토큰 수로 바꿔 보세요.

예시 1: 한 시간에 20번 재사용되는 200K 토큰 코드베이스 프롬프트

200K 토큰 저장소 스냅샷(0.2M 토큰)을 로드하고 한 시간 동안 20개의 질문을 합니다. 일부 질문은 5분 이상 간격이 있습니다. 입력 측만 계산하면:

설정	계산	입력 비용
적중 없음(5분 캐시가 계속 만료됨)	20 × 0.2M × $2.00	$8.00
1시간 캐시	쓰기 0.2M × $4.00 = $0.80 + 적중 19회 × 0.2M × $0.20 = $0.76	$1.56
5분 캐시, 3분마다 질문	쓰기 0.2M × $2.00 = $0.40 + $0.76	$1.16

1시간 캐시는 입력 비용을 $8.00에서 $1.56로 줄여 $6.44(약 80%)를 절약합니다. 답변당 출력 토큰이 2,000개라면 각 행에 40,000 × 100만 토큰당 $10.00 = $0.40을 더하세요.

예시 2: 하루 1,000건의 요청이 있는 채팅 앱

각 요청은 입력 토큰 2,000개를 보내고 출력 토큰 500개를 받으며, reasoning_effort는 "low"입니다:

입력: 1,000 × 2,000 = 2M × $2.00 = 하루 $4.00
출력: 1,000 × 500 = 0.5M × $10.00 = 하루 $5.00
합계: 하루 $9.00, 약 월 $270, 요청당 $0.009

이제 입력 토큰 중 1,500개를 고정 시스템 프롬프트로 만드세요. 평균 86초마다 요청이 오면 5분 TTL 안에 충분히 들어오므로 거의 모든 요청이 적중합니다:

캐시됨: 1.5M × $0.20 = $0.30; 캐시되지 않음: 0.5M × $2.00 = $1.00
새 합계: $1.30 + $5.00 = 하루 $6.30, 약 월 $189

한 가지 주의점: 1,000 × 2,500 = 하루 2.5M 토큰은 Tier0의 일일 상한 1.5M을 초과하므로 Tier1이 필요합니다.

Kimi K3.1 Pro Highspeed 가격

Kimi K3.1 Pro Highspeed 가격은 Moonshot이 "K3.1 Pro 속도의 2~3배"라고 부르는 대신 입력, 출력, 캐시 쓰기에 일률적으로 2배 프리미엄이 붙습니다. 캐시 적중은 $0.20로 유지됩니다.

예시 2, 캐시 없음	입력	출력	일일 합계
K3.1 Pro	2M × $2 = $4.00	0.5M × $10 = $5.00	$9.00
K3.1 Pro Highspeed	2M × $4 = $8.00	0.5M × $20 = $10.00	$18.00

추론 노력도, 배치, 웹 검색 비용

표에 나오지 않는 세 가지 세부 사항:

추론 토큰은 사용량에 포함됩니다. K3.1 Pro는 항상 사고합니다. reasoning_effort는 "low", "high", "max"를 받으며(기본값 "max"), 이를 낮추면 토큰 사용량이 줄어듭니다. Moonshot은 추론이 출력 요율로 청구된다고 명시하지 않았습니다[확인 필요]. 만약 그렇다면 요청당 추가 추론 토큰 500개는 예시 2에 하루 $5.00를 더합니다.
K3.1 Pro에는 배치 할인이 없습니다. Batch API는 표준의 60%로 청구하지만 kimi-k2.7-code와 kimi-k2.6만 지원합니다.
웹 검색은 호출당 청구됩니다. /v1/tools/search와 /v1/tools/fetch는 각각 $0.002, /v1/tools/search_pro는 $0.003이며, HTTP 200이고 결과가 비어 있지 않을 때만 청구됩니다: 기본 검색 1,000회당 $2.00. 레거시 $web_search는 $0.005에 결과 토큰을 더한 비용이며 현재 권장되지 않습니다(웹 검색 가격).

429로 중단된 요청은 청구되지 않습니다.

$1 잠금 해제와 API 요율 등급

K3.1 Pro는 "성공적인 충전(최소 $1) 후 잠금 해제됩니다." 이 $1로 약 500K 입력 토큰 또는 100K 출력 토큰, 또는 약 111건의 예시 2 요청($1 ÷ $0.009)을 살 수 있습니다. 누적 충전액이 등급을 결정합니다:

등급	누적 충전액	동시성	RPM	TPM	TPD
Tier0	$1	1	3	500,000	1,500,000
Tier1	$10	15	100	2,000,000	무제한
Tier2	$20	40	100	3,000,000	무제한
Tier3	$100	50	200	3,000,000	무제한
Tier4	$1,000	60	200	4,000,000	무제한
Tier5	$3,000	100	300	5,000,000	무제한

$5 누적 시 $5 바우처를 받지만 등급에는 반영되지 않습니다. 바우처로 K3.1 Pro를 결제할 수 있는지는 명시되지 않았습니다[확인 필요]. $0 옵션은 Kimi K3.1 Pro를 무료로 사용하는 방법을 참고하세요.

Kimi 멤버십 요금제

Kimi 멤버십 요금제는 Kimi 앱과 Kimi Code를 포함하며 API는 포함하지 않습니다. 월간 가격:

요금제	연간 결제	월간 결제	연간 절약	비고
Adagio	$0	$0	해당 없음	K3.1 Pro 채팅, Kimi Code 없음
Plus	$15	$19	$48	`k3.1-pro`가 포함된 Kimi Code
Pro	$31	$39	$96	Highspeed, Kimi Code의 1M 컨텍스트 추가
Max	$79	$99	$240	채팅에서 최대 1M 컨텍스트
Ultra	$159	$199	$480	채팅에서 최대 1M 컨텍스트

절약액 = (월간 요금 - 연간 요금) × 12; Ultra의 경우 $40 × 12 = $480. API, Kimi Code, 멤버십의 잔액과 키는 서로 호환되지 않습니다: 멤버십은 API 잔액으로 전환되지 않고, API 잔액으로 멤버십을 구매할 수 없습니다.

Kimi K3.1 Pro vs Claude Opus 5.5 가격

Kimi K3.1 Pro는 입력과 출력에서 Claude Opus 5.5의 절반 가격으로 책정되어 있으며, 최대 272K 입력 토큰까지 Claude Sonnet 5.5 및 GPT-6.1 Sol과 동일합니다. 100만 토큰당 정가는 Claude 가격 및 OpenAI 가격 출처입니다:

모델	입력	출력	캐시 읽기	예시 2 하루 비용
Kimi K3.1 Pro	$2.00	$10.00	$0.20	$9.00
Claude Opus 5.5	$4.00	$20.00	$0.20	$18.00
Claude Sonnet 5.5	$2.00	$10.00	$0.10	$9.00
GPT-6.1 Sol (최대 272K)	$2.00	$10.00	$0.10	$9.00
GPT-6 Astra (최대 272K)	$10.00	$50.00	$1.00	$45.00

272K 입력 토큰을 초과하면 OpenAI는 GPT-6.1 Sol을 $4 / $15, GPT-6 Astra를 $20 / $75로 책정하지만 K3.1 Pro는 동일하게 유지됩니다. 500K 토큰 프롬프트와 5,000 출력 토큰의 경우:

K3.1 Pro: 0.5M × $2 + 0.005M × $10 = $1.00 + $0.05 = $1.05
GPT-6.1 Sol: 0.5M × $4 + 0.005M × $15 = $2.00 + $0.075 = $2.075(더 높은 등급이 요청 전체에 적용된다면[확인 필요])

정가는 작업당 비용이 아닙니다. 토크나이저와 추론 길이가 다르기 때문입니다. Moonshot 자체 벤치마크는 K3.1 Pro를 Opus 5.5 및 GPT-6 Astra와 비교합니다. Claude Opus 5.5 개요를 참고하세요.

Apidog CLI로 캐싱이 작동하는지 확인하세요

캐싱은 적중할 때만 비용을 절약합니다. 규모를 키우기 전에 코딩 에이전트로 테스트하세요. Apidog CLI는 Claude Code, Codex, Cursor 또는 OpenCode에 명령을 제공하며, Apidog 무료 플랜은 최대 4명의 사용자를 지원합니다.

npm install -g apidog-cli@latest
apidog login --with-token <YOUR_TOKEN>
apidog skill install

그런 다음 에이전트에 다음 프롬프트를 주세요:

In Apidog project <projectId>, create an environment for https://api.moonshot.ai/v1.
Build a test case for POST /chat/completions with model "kimi-k3.1-pro",
reasoning_effort "low", a long fixed system prompt and a short user message.
Send MOONSHOT_API_KEY as a Bearer [REDACTED]. Assert status 200 and log
usage.prompt_tokens_details.cached_tokens. Validate the payload, run it
3 times and tell me whether cached_tokens rises after the first run.

에이전트가 실행합니다:

apidog environment create kimi-prod --project <projectId> --base-url https://api.moonshot.ai/v1
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <projectId> --file case.json
apidog run --test-case <caseId> --project <projectId> -e <envId> -n 3 -r cli,json

첫 번째 반복은 캐시를 씁니다. 다음 두 번은 cached_tokens가 0보다 크게 보고되어야 합니다. Moonshot은 우리가 읽은 페이지에서 최소 캐시 가능 프리픽스 길이를 명시하지 않았으므로[확인 필요], 시스템 프롬프트를 길게 유지하세요. 테스트 케이스에는 유효한 카테고리 ID가 필요합니다(apidog test-case category --project <projectId>로 목록을 확인할 수 있습니다). 자세한 내용은 run 명령 참조와 Claude Code에서의 Apidog CLI를 참고하세요.

Kimi K3.1 Pro를 위한 5가지 비용 절약 규칙

안정적인 콘텐츠를 먼저 배치하세요: 시스템 프롬프트, 도구 정의, 참조 문서. 프리픽스에 타임스탬프나 임의 ID를 넣지 마세요.
간격에 따라 TTL을 선택하세요. 간격이 5분을 넘고 한 시간에 두 번 이상 재사용한다면 1h를 사용하세요.
작업별로 reasoning_effort를 설정하세요. 단순한 호출에는 "low"를 사용하세요.
속도가 값을 하는 곳에서만 Highspeed를 사용하세요. 캐시 적중을 제외한 모든 요율이 두 배입니다.
캐시 필드를 로그로 남기세요: cached_tokens와 cache_write_tokens, 스트리밍 시 stream_options.include_usage=true.

요청 설정은 Kimi K3.1 Pro API 가이드와 Kimi K3.1 Pro 사용 방법을 참고하세요.

자주 묻는 질문

Kimi K3.1 Pro는 100만 토큰당 얼마인가요?

입력 $2.00, 출력 $10.00, 캐시 적중 $0.20입니다. 캐시 쓰기는 $2.00(5분) 또는 $4.00(1시간)입니다.

Kimi K3.1 Pro는 Batch API 할인을 받나요?

아니요. 배치 가격은 kimi-k2.7-code와 kimi-k2.6에만 적용됩니다.

Kimi 멤버십을 API 호출에 사용할 수 있나요?

아니요. Kimi API, Kimi Code, 멤버십은 별도의 잔액과 키를 가진 별도 제품입니다.

시작하려면 최소 얼마가 필요한가요?

$1 충전입니다. 모델이 잠금 해제되고 Tier0에 배정됩니다: 분당 3건 요청 및 하루 150만 토큰.

Kimi K3.1 Pro 사용법

Rihpig — Mon, 26 Oct 2026 03:25:46 +0000

Kimi K3.1 Pro를 사용하는 방법은 네 가지입니다. Kimi 웹 또는 모바일 앱에서 대화하기, https://api.moonshot.ai/v1의 OpenAI 호환 API를 통해 kimi-k3.1-pro 호출하기, 유료 멤버십으로 Kimi Code CLI 안에서 실행하기, 또는 Codex, Claude Code, OpenCode를 Moonshot의 엔드포인트로 지정하는 것입니다. API는 1달러를 충전하면 활성화되며, 100만 입력 토큰당 2달러, 100만 출력 토큰당 10달러의 비용이 듭니다.

지금 Apidog 사용해 보기

Moonshot AI는 2026년 10월 23일에 Kimi K3.1 Pro를 출시했습니다. 이는 Kimi K3를 후속 학습(post-training)한 버전으로, 동일한 2.8T 파라미터 MoE 설계(활성 파라미터 약 104B), 1,048,576 토큰 컨텍스트 윈도우, 그리고 항상 켜져 있는 사고(thinking) 기능을 갖추고 있습니다. 배경 지식이 필요하다면 Kimi K3.1 Pro란 무엇인가를 읽어보세요. 비용을 전혀 쓰고 싶지 않다면 Kimi K3.1 Pro를 무료로 사용하는 방법 가이드에서 0달러 경로를 다룹니다. 아래의 모든 사실은 2026년 10월 24일에 확인한 Moonshot의 발표문, API 퀵스타트, 가격 페이지에서 가져왔습니다.

어떤 Kimi K3.1 Pro 경로를 선택해야 할까요?

무엇을 만들고 있는지에 따라 선택하세요. 채팅은 간단한 질문에, API는 앱에, Kimi Code는 관리할 키 없이 에이전트를 원하는 멤버에게, 그리고 자체 에이전트는 이미 Codex나 Claude Code에서 작업하는 팀에 적합합니다.

경로	적합한 용도	시작 비용	필요한 것
Kimi 웹/앱 채팅	프롬프트, 문서, 이미지 실험	무료 계정	로그인
Kimi API	앱, 스크립트, 파이프라인	최소 $1 충전	API 키
Kimi Code CLI	터미널 코딩 에이전트	유료 멤버십(Plus 이상)	`/login`
Codex, Claude Code, OpenCode	기존 에이전트 워크플로	최소 $1 충전	API 키 + 설정

Kimi 웹 및 모바일 앱에서 Kimi K3.1 Pro 사용하기

채팅 앱이 가장 빠른 진입 방법입니다. Kimi 웹 앱이나 iOS, Android 또는 HarmonyOS 앱을 열고 무료 계정으로 로그인하면, K3.1 Pro가 이미 입력창의 기본 모델로 설정되어 있으며 사고 노력(thinking effort)은 High로 지정되어 있습니다.

로그인하기 전에는 입력창에 K2.8 Preview와 Instant도 표시됩니다. 프롬프트를 보내려면 계정이 필요합니다. Moonshot은 무료 플랜의 K3.1 Pro 메시지 할당량을 공개하지 않았으므로, 채팅은 프로덕션 채널이 아니라 테스트 공간으로 생각하세요.

Kimi Work 데스크톱 3.1.0 이후 버전(Windows 및 Apple 실리콘 Mac)에서도 이 모델을 실행할 수 있습니다. Kimi Business와 Enterprise에서는 관리자가 직접 켜야 하는데, 출시 시점에 기본적으로 꺼져 있기 때문입니다.

Kimi K3.1 Pro API: Python과 cURL로 하는 첫 호출

Kimi K3.1 Pro API는 OpenAI 호환이므로, 기본 URL만 바꾸면 표준 openai SDK가 그대로 작동합니다. 설정은 세 단계입니다:

최소 $1을 충전하세요. K3.1 Pro는 플래그십 모델이며 충전이 성공해야만 활성화됩니다.
API 키 콘솔에서 키를 생성하고 MOONSHOT_API_KEY로 내보내기(export)하세요.
https://api.moonshot.ai/v1에서 kimi-k3.1-pro(또는 kimi-k3.1-pro-highspeed) 모델을 호출하세요.

다음은 Moonshot의 공식 Python 예제입니다:

import os
from openai import OpenAI
client = OpenAI([REDACTED CREDENTIAL], base_url="https://api.moonshot.ai/v1")
completion = client.chat.completions.create(
    model="kimi-k3.1-pro",
    reasoning_effort="high",
    messages=[{"role": "user", "content": "Introduce Kimi K3.1 Pro in one sentence."}],
)
print(completion.choices[0].message.content)

동일한 호출을 cURL로 하면 다음과 같습니다:

curl https://api.moonshot.ai/v1/chat/completions \
  --header "Authorization: Bearer $MOONSHOT_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{"model": "kimi-k3.1-pro","reasoning_effort": "high","messages": [{"role": "user", "content": "Introduce Kimi K3.1 Pro in one sentence."}]}'

이 모델은 텍스트, 이미지, 동영상을 입력으로 받고(퀵스타트에 image_url과 video_url 파트가 나와 있습니다) 텍스트를 반환합니다. 코드를 작성하기 전에 Playground에서 프롬프트를 시험해볼 수도 있습니다. 여전히 유효한 K3 시기의 패턴은 Kimi K3 API 가이드를 참고하세요.

Kimi K3.1 Pro 추론 노력(reasoning effort): low, high, max

reasoning_effort는 모델이 답변하기 전에 얼마나 생각할지를 지정하는 최상위 요청 필드입니다. "low", "high", "max"를 받으며 기본값은 "max"입니다. 사고 기능은 끌 수 없습니다. "medium" 단계는 없습니다.

값	사용 시점
`low`	지연 시간이 중요한 분류, 추출, 짧은 답변
`high`	대부분의 코딩 및 분석 작업
`max`(기본값)	장기(long-horizon) 작업, 어려운 디버깅, 다단계 계획

Moonshot의 추론 노력 가이드에 전체 레퍼런스가 있습니다. 출력 토큰에 100만 개당 $10을 지불하므로, 간단한 호출에서 max를 low로 낮추는 것이 가장 쉽게 찾을 수 있는 절약 방법입니다. temperature와 top_p는 생략하세요. 퀵스타트에 각각 1.0과 0.95로 고정되어 있다고 나와 있습니다.

추론 스트리밍, 멀티턴 상태 유지, JSON 응답 받기

사람들이 자주 걸리는 세 가지 API 동작이 있으며, 각각 간단한 규칙이 있습니다.

스트리밍. 스트리밍 응답은 reasoning_content와 content 델타를 별도로 전송합니다. 첫 번째는 표시하거나 로그로 남기고, 두 번째를 렌더링하세요:

stream = client.chat.completions.create(
    model="kimi-k3.1-pro", reasoning_effort="low", stream=True,
    messages=[{"role": "user", "content": "Explain MoE routing briefly."}],
)
for chunk in stream:
    delta = chunk.choices[0].delta
    thinking = getattr(delta, "reasoning_content", None)
    if thinking:
        print(thinking, end="")
    if delta.content:
        print(delta.content, end="")

멀티턴과 도구 호출. 어시스턴트 메시지의 content만이 아니라 완전한 메시지를 그대로 되돌려 보내세요. Moonshot의 문서가 이 점을 명확히 밝히고 있으며, 도구 호출이 관련될 때 특히 중요합니다:

messages.append(completion.choices[0].message)  # whole message, not .content
messages.append({"role": "user", "content": "Now add tests."})

모델이 도구를 호출해야 할 때 tool_choice: "required"가 지원됩니다. 부분 모드(partial mode)도 작동합니다. 메시지 목록을 "partial": true가 있는 어시스턴트 메시지로 끝내면 모델이 그 내용을 이어서 작성합니다.

구조화된 출력. 타입이 json_schema이고 strict: true인 response_format을 전달한 다음, message.content만 파싱하세요. 추론 텍스트는 절대 파싱하지 마세요.

Kimi Code K3.1 Pro: 멤버십 경로

Kimi Code는 Moonshot 자체의 터미널 코딩 에이전트이며, API 키가 필요 없는 경로입니다. 대신 Kimi 계정으로 로그인합니다. 멤버십 혜택이므로 무료 Adagio 플랜에는 포함되지 않습니다.

설치하고 로그인하세요:

# macOS / Linux
curl -fsSL https://code.kimi.com/kimi-code/install.sh | bash
# Windows PowerShell: irm https://code.kimi.com/kimi-code/install.ps1 | iex
kimi

세션 안에서 /login을 실행한 다음, /model로 K3.1 Pro를 선택하세요. 두 개의 ID는 플랜 등급에 대응합니다:

k3.1-pro: Moderato(Plus) 이상. Allegretto(Pro) 이상은 최대 1M 컨텍스트까지 사용할 수 있습니다.
k3.1-pro-highspeed: Allegretto(Pro) 이상, 약 2배의 할당량을 사용합니다.

멤버십 가격을 보면 Plus는 연간 결제 시 월 $15(월 결제 시 $19)이고 Pro는 연간 $31(월 결제 시 $39)입니다. Kimi Code 문서에서 명령어를 다루며, Kimi Code CLI 워크스루에서 일상적인 사용법을 더 깊이 다룹니다.

Codex에서의 Kimi K3.1 Pro

Codex는 Responses API를 통해 Kimi와 통신하며, Moonshot은 공식 Codex 가이드를 공개했습니다. 다음을 ~/.codex/config.toml에 추가하세요:

model = "kimi-k3.1-pro"
model_provider = "kimi"
model_context_window = 1048576

[model_providers.kimi]
name = "Kimi"
base_url = "https://api.moonshot.ai/v1"
env_key = "KIMI_API_KEY"
wire_api = "responses"

환경 변수 이름에 주의하세요. Codex는 MOONSHOT_API_KEY가 아니라 KIMI_API_KEY를 읽습니다. Moonshot 키를 그 이름으로 내보낸 다음, 평소처럼 codex를 실행하세요.

Claude Code에서의 Kimi K3.1 Pro

Moonshot은 https://api.moonshot.ai/anthropic에서 Anthropic 호환 Messages 엔드포인트를 운영하므로, Claude Code가 프록시 없이 작동합니다. ~/.claude/settings.json의 env 블록에 변수를 넣으세요:

{
  "env": {
    "ANTHROPIC_BASE_URL": "https://api.moonshot.ai/anthropic",
    [REDACTED CREDENTIAL],
    "ANTHROPIC_MODEL": "kimi-k3[1m]"
  }
}

이 별칭은 의도적인 것입니다. Moonshot의 문제 해결 페이지에 따르면 직접 API 호출과 Codex는 kimi-k3.1-pro를 사용하는 반면, Claude Code는 호환 별칭인 kimi-k3[1m]을 사용합니다. Claude Code 가이드에서는 다른 모델 변수들도 설정하므로, 그것들을 그대로 복사하세요.

한 가지 주의할 점: 설정 파일의 env 블록에 있는 오래된 값이 셸 export를 덮어씁니다. Claude Code가 계속 예전 모델을 호출한다면, 먼저 그 파일을 확인하세요.

OpenCode

OpenCode는 설정 파일이 필요하지 않습니다. opencode auth login을 실행하고 "Moonshot AI"를 선택한 뒤 키를 붙여넣고, Moonshot AI 모델 목록에서 K3.1 Pro를 고르세요. Moonshot의 OpenCode 가이드는 K3를 기준으로 작성되었으므로, 모델이 목록에 나타나는지 확인하세요.

Apidog CLI로 에이전트가 Kimi API를 테스트하게 하기

Codex나 Claude Code가 K3.1 Pro에서 실행되기 시작하면, 같은 세션을 Kimi API 자체의 회귀 테스트에 활용하세요. 에이전트가 검사를 작성하고 실행하며, 여러분은 프롬프트 하나만 작성하면 됩니다. Apidog CLI는 구조화된 JSON 출력과 스키마를 제공하므로 페이로드 형태를 추측하지 않습니다.

CLI를 설치하고 로그인한 뒤 에이전트 스킬을 추가하세요:

npm install -g apidog-cli@latest
apidog login --with-token <YOUR_TOKEN>
apidog skill install

그런 다음 에이전트에게 프롬프트 하나를 주세요:

In Apidog project <projectId>, create an environment for https://api.moonshot.ai/v1.
Then create a test case for POST /chat/completions with model kimi-k3.1-pro and
reasoning_effort "low" that asserts status 200 and non-empty choices[0].message.content.
Run it and summarize any failures.

에이전트가 환경을 만들고, 스키마를 읽고, 페이로드를 검증하고, 테스트 케이스를 작성해 실행합니다:

apidog environment create kimi-prod --project <projectId> --base-url https://api.moonshot.ai/v1
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <projectId> --file case.json
apidog run --test-case <caseId> --project <projectId> -e <envId> -r cli,json

테스트 케이스에는 유효한 카테고리가 필요하며, apidog test-case category --project <projectId>로 목록을 확인할 수 있습니다. 비어 있지 않은 답변과 함께 200이 반환된다는 것은 API가 reasoning_effort를 받아들였다는 증거이기도 합니다. -r junit으로 바꾸면 같은 실행을 CI에 넣을 수 있습니다. Apidog CLI CI/CD 가이드에서 확인하세요. 에이전트별 설정은 Codex에서의 Apidog CLI와 Claude Code에서의 Apidog CLI에 있습니다. Apidog의 Free 플랜은 최대 4명의 사용자를 지원합니다.

Kimi K3.1 Pro 비용 참고 사항

API는 구독 없이 사용한 만큼 지불하는 방식이며, 가격에는 세금이 포함되지 않습니다.

모델	입력 / 1M	출력 / 1M	캐시된 입력 / 1M
`kimi-k3.1-pro`	$2.00	$10.00	$0.20
`kimi-k3.1-pro-highspeed`	$4.00	$20.00	$0.20
`kimi-k3`	$3.00	$15.00	$0.30

K3.1 Pro는 입력과 출력 모두에서 K3보다 3분의 1 저렴합니다. 캐싱은 반복되는 프리픽스에 대해 자동으로 적용되며 기본 TTL은 5분이고, 캐시 적중은 $0.20로 청구됩니다. Highspeed는 두 배 가격에 2-3배 더 빠르게 실행됩니다.

최소 $1 충전으로 약 500K 입력 토큰 또는 100K 출력 토큰을 사용할 수 있습니다. 누적 충전액이 $5에 도달하면 $5 바우처를 받지만, 바우처는 누적 충전액에 포함되지 않으며, K3.1 Pro에 적용되는지는 명시되어 있지 않습니다. $1 계정은 한도 페이지의 Tier0에서 시작합니다. 즉, 동시 요청 1개, 분당 요청(RPM) 3회, 하루 1.5M 토큰입니다. 누적 $10의 Tier1에서는 이것이 100 RPM으로 올라갑니다.

FAQ

Kimi K3.1 Pro는 오픈 웨이트인가요?

아직 아닙니다. Moonshot은 2026년 11월 4일까지 전체 모델 가중치를 공개하겠다고 밝혔습니다. 라이선스는 아직 명시되지 않았습니다.

K3.1 Pro와 K3.1 Pro Highspeed의 차이는 무엇인가요?

같은 모델 패밀리지만 속도와 가격이 다릅니다. Highspeed는 2-3배 더 빠르게 실행되며 100만 토큰당 $4/$20로, $2/$10에 비해 비쌉니다. Kimi Code에서는 Pro 플랜이 필요하고 약 2배의 할당량을 사용합니다.

Kimi K3.1 Pro에서 사고(thinking)를 끌 수 있나요?

아니요. 사고 기능은 항상 켜져 있습니다. 추론 토큰과 지연 시간을 줄이려면 reasoning_effort를 "low"로 설정하세요.

멀티턴 대화가 왜 깨지나요?

아마도 어시스턴트의 content만 되돌려 보내고 있을 것입니다. Moonshot 문서가 멀티턴 대화와 도구 호출에 요구하는 대로, 완전한 어시스턴트 메시지 객체를 대화 기록에 추가하세요.

Kimi API는 무료인가요?

아니요. K3.1 Pro는 최소 $1 충전 후 활성화됩니다. Kimi 앱에서의 무료 채팅이 $0 옵션이며, 무료 가이드에서 다룹니다.

Kimi K3.1 Pro는 1M 컨텍스트 윈도우를 지원하나요?

네. API는 1,048,576 토큰을 지원합니다. Kimi Code에서는 전체 1M 컨텍스트를 사용하려면 Allegretto(Pro) 이상이 필요합니다.

Kimi K3.1 Pro 무료로 사용하는 방법

Rihpig — Mon, 26 Oct 2026 03:23:58 +0000

Kimi K3.1 Pro 무료로 사용하는 방법

Kimi K3.1 Pro를 무료로 사용하려면 2026년 10월 24일 기준으로 검증된 $0 경로가 하나 있습니다: 무료 계정으로 Kimi 웹 및 모바일 채팅을 사용하는 것이며, 여기서 K3.1 Pro는 이미 기본 모델입니다. Kimi K3.1 Pro 무료 API는 존재하지 않습니다. API는 최소 $1 충전이 필요하고, Kimi Code는 유료 멤버십이 필요하며, 어떤 서드파티 라우터도 무료 K3.1 Pro 변형을 제공하지 않습니다.

지금 Apidog 사용해 보기

아래에는 우리가 확인한 모든 경로, 각 경로의 비용, 그리고 $1 충전을 최대한 활용하는 방법이 있습니다. 아래의 모든 가격과 제한은 2026년 10월 24일에 읽은 Moonshot AI의 자체 페이지에서 가져온 것입니다: 멤버십 가격 페이지, API 가격 페이지, 충전 및 요청 제한 페이지 그리고 K3.1 Pro 발표.

이 모델이 처음이신가요? Kimi K3.1 Pro란 무엇인가부터 시작한 다음 여기로 돌아오세요.

Kimi K3.1 Pro는 무료인가요?

부분적으로 그렇습니다. Kimi K3.1 Pro는 무료 Adagio 요금제에서 Kimi 웹 앱과 모바일 앱에서 채팅하는 것이 무료이며, 여기서 기본 모델입니다. 다른 곳에서는 무료가 아닙니다: API, Kimi Code, OpenRouter 및 기타 게이트웨이는 모두 비용을 부과하며, 오픈 가중치는 아직 공개되지 않았습니다.

2026년 10월 24일에 우리가 확인한 내용은 다음과 같습니다:

무료: Adagio 요금제의 Kimi 웹 및 앱 채팅 ($0).
유료: Kimi API (최소 $1 충전), Kimi Code (유료 멤버십), OpenRouter (1M 토큰당 $2 / $10).
아직 아님: 오픈 가중치, Moonshot은 "11월 4일까지" 공개할 것이라고 말합니다.

Kimi K3를 무료로 사용하는 방법에 대한 이전 가이드를 읽으셨다면 차이점에 주목하세요. K3.1 Pro는 2026년 10월 23일에 출시된 별도의 더 새로운 모델이며, API에서의 접근 규칙이 더 엄격합니다.

모든 Kimi K3.1 Pro 경로 비교

이 표는 우리가 확인한 모든 경로, 비용, 먼저 돈을 넣어야 하는지, 그리고 K3.1 Pro가 실제로 사용 가능한지를 나열합니다.

경로	비용	카드 또는 충전 필요	K3.1 Pro?	제한	검증일
Kimi 웹 채팅, 무료 계정 (Adagio)	$0	로그인 필요; 카드 미확인 [확인 필요]	예, 기본 모델	메시지 할당량 미공개 [확인 필요]	2026-10-24
Kimi 모바일 앱, 무료 계정	$0	로그인 필요	예 (Moonshot이 나열함)	동일한 미공개 할당량 [확인 필요]	2026-10-24
Kimi API	1M당 입력 $2 / 출력 $10	예, 최소 $1 충전	예, 충전 후	Tier0: 3 RPM, 1.5M 토큰/일	2026-10-24
Kimi Code	연간 청구 시 월 $15부터 (Plus)	예, 유료 멤버십	예, `k3.1-pro`	요금제 기반 할당량	2026-10-24
OpenRouter	1M당 $2 / $10	유료 사용	예, 무료 변형 없음	1,048,576 컨텍스트	2026-10-24
OpenCode Zen	K3.1 Pro에 대해 무료 아님	유료 사용	무료 K3.1 Pro 없음	무료 목록에 Kimi 없음	2026-10-24
NVIDIA NIM	해당 없음	해당 없음	아니요, `kimi-k2.6`만 나열됨	해당 없음	2026-10-24
셀프 호스팅 오픈 가중치	하드웨어 비용	라이선스가 허용하는 경우 라이선스 비용 없음 [확인 필요]	아직 아님, 11월 4일까지 예정	자체 GPU	2026-10-24

오늘 K3.1 Pro로 가는 확인된 $0 경로는 처음 두 행뿐입니다.

웹 앱에서 Kimi K3.1 Pro를 무료로 사용하는 방법

1분 이내에 시작할 수 있습니다:

브라우저에서 Kimi를 열거나 iOS, Android 또는 HarmonyOS에 Kimi 앱을 설치하세요.
작성기의 모델 선택기를 확인하세요. 10월 24일에는 "K3.1 Pro"가 기본으로 표시되었고, 사고 노력(thinking effort)은 "High"로 설정되어 있었습니다. 다른 옵션은 K2.8 Preview와 Instant였습니다.
무료 계정으로 로그인하세요. 로그아웃 상태에서도 작성기를 볼 수 있지만, 프롬프트를 보내려면 로그인하라는 메시지가 표시됩니다.
프롬프트를 입력하고 전송하세요.

API 키도, 요금제 선택도 필요 없습니다.

Kimi K3.1 Pro 무료 티어 제한

Moonshot은 무료 요금제에서 K3.1 Pro 메시지를 몇 개까지 허용하는지 공개하지 않습니다. 멤버십 페이지에는 Adagio 요금제의 다른 제한은 나열되어 있지만 K3.1 Pro 메시지 수는 없습니다. [확인 필요] 다른 곳에서 인용된 숫자는 확인되지 않은 것으로 간주하세요.

10월 24일 멤버십 페이지에 따르면 무료 Adagio 요금제가 나열하는 내용은 다음과 같습니다:

Adagio (무료) 제한	값
가격	$0
동시 에이전트 작업	1
예약된 작업	2
프로젝트	2
프로젝트 저장 공간	500 MB
Kimi Code	포함되지 않음

Moonshot은 Max와 Ultra에만 1M 토큰 채팅 컨텍스트를 나열하므로, 무료 채팅은 전체 1,048,576 토큰 창을 받지 못합니다. K3.1 Pro Highspeed("K3.1 Pro 속도의 2-3배")는 Pro 요금제부터 시작합니다.

Kimi K3.1 Pro 무료 API가 있나요?

아니요. Moonshot의 퀵스타트에 직접 명시되어 있습니다: "Kimi K3.1 Pro는 플래그십 모델입니다: 성공적인 충전(최소 $1) 후에 잠금 해제됩니다." 비용을 지불하지 않고도 계정과 API 키를 만들 수 있지만, kimi-k3.1-pro에 대한 호출은 첫 충전이 이루어질 때까지 작동하지 않습니다.

여기서 몇 가지 세부 사항이 중요합니다:

요청 제한은 충전 금액을 따릅니다. 누적 충전 금액이 티어를 결정합니다. 10월 24일 제한 페이지에 따르면, $1 계정은 Tier0에 속합니다: 동시 요청 1개, 분당 3회 요청, 분당 500,000 토큰, 일일 1,500,000 토큰. Tier1은 누적 $10부터 시작하며 일일 토큰 상한 없이 분당 100회 요청으로 올라갑니다.
$5 바우처. 누적 충전이 $5에 도달하면 Moonshot이 $5 바우처를 추가합니다. 바우처는 누적 충전에 포함되지 않습니다.
바우처와 K3.1 Pro. Moonshot의 공식 OpenCode 가이드에 따르면 신규 사용자 인증으로 받은 바우처는 "Kimi K3에 사용할 수 없습니다." 이 규칙이 K3.1 Pro에도 적용되는지는 언급되지 않았습니다. 콘솔에서 확인하기 전까지는 바우처를 고려하지 마세요. [확인 필요]

게이트웨이도 이를 바꾸지 않습니다: OpenRouter는 :free 변형 없이 동일한 $2 / $10을 부과합니다.

Codex 및 Claude Code 구성 등 전체 유료 설정은 Kimi K3.1 Pro 사용 방법을 읽어보세요.

Kimi K3.1 Pro 오픈 가중치: 다운로드는 무료, 실행은 무료 아님

Moonshot의 발표에 따르면 "전체 모델 가중치는 11월 4일까지 공개될 것입니다." 그때까지는 다운로드할 것이 없습니다. 라이선스도 아직 명시되지 않았으므로 셀프 호스팅이 라이선스 비용 없이 가능한지는 아직 미정입니다. [확인 필요]

더 큰 비용은 하드웨어입니다. K3.1 Pro는 K3와 동일한 2.8T 매개변수 MoE 설계(활성 약 104B)를 공유하며, K3 가중치는 7월에 출시되었을 때 MXFP4로 594 GB였습니다. 이를 저장하려면 다중 GPU 서버가 필요하며, 이는 대부분의 사람들에게 무료 자원이 아닙니다.

Kimi K3를 로컬에서 실행하는 방법 가이드에서 K3에 무엇이 필요했는지 보여줍니다.

Kimi K3.1 Pro를 사용하는 가장 저렴한 방법: $1 충전

가장 저렴한 유료 경로는 Kimi API에 $1를 충전하는 것입니다. 1M 입력 토큰당 $2, 1M 출력 토큰당 $10이므로, $1로 약 500K 입력 토큰 또는 약 100K 출력 토큰을 구매할 수 있습니다. 실제 요청은 둘을 혼합하므로 실제 사용량은 두 숫자 사이에 있습니다.

가격 페이지의 공식 가격표입니다, 1M 토큰당:

모델	입력	출력	캐시된 입력	5분 캐시 쓰기	1시간 캐시 쓰기
`kimi-k3.1-pro`	$2.00	$10.00	$0.20	$2.00	$4.00
`kimi-k3.1-pro-highspeed`	$4.00	$20.00	$0.20	$4.00	$8.00
`kimi-k3`	$3.00	$15.00	$0.30	$3.00	$6.00

K3.1 Pro는 입력과 출력 모두에서 K3보다 3분의 1 저렴합니다. 세 가지 습관이 달러를 더 오래 사용하게 합니다:

접두사를 재사용하세요. 반복되는 접두사에 대해 캐싱이 자동으로 이루어지며 기본 TTL은 5분입니다. 캐시된 입력은 1M당 $0.20으로 일반 요금의 10분의 1입니다. 모든 요청 시작 부분에서 시스템 프롬프트와 공유 컨텍스트를 동일하게 유지하세요.
reasoning_effort를 "low"로 설정하세요. K3.1 Pro는 항상 생각하며 기본값은 "max"입니다. Moonshot의 추론 노력 가이드에서는 이 설정을 추론 깊이, 지연 시간 및 토큰 사용량의 균형을 맞추는 방법으로 설명합니다. 간단한 작업에는 "low"를 사용하세요.
표준 모델을 사용하세요. Highspeed는 입력과 출력 가격을 모두 두 배로 만듭니다.

Moonshot의 퀵스타트에서 각색한 최소한의 저노력 호출:

curl https://api.moonshot.ai/v1/chat/completions \
  --header "Authorization: Bearer $MOONSHOT_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{"model": "kimi-k3.1-pro","reasoning_effort": "low","messages": [{"role": "user", "content": "Introduce Kimi K3.1 Pro in one sentence."}]}'

충전 후 API 키 콘솔에서 키를 받으세요.

깨진 요청에 $1를 낭비하지 마세요: Apidog CLI로 테스트하세요

$1 잔액은 잘못된 본문으로 인한 많은 재시도를 견디지 못합니다. 코딩 에이전트가 하나의 테스트 케이스를 만들고, 검증하고, 한 번 실행하도록 하세요. Apidog CLI는 Claude Code, Codex, Cursor 또는 OpenCode에 이를 수행하는 명령을 제공하며, Apidog의 무료 요금제는 최대 4명의 사용자를 지원합니다.

CLI와 에이전트 스킬을 설치하세요:

npm install -g apidog-cli@latest
apidog login --with-token <YOUR_TOKEN>
apidog skill install

그런 다음 에이전트에게 하나의 프롬프트를 주세요:

In Apidog project <projectId>, create an environment for https://api.moonshot.ai/v1.
Build a test case for POST /chat/completions with model "kimi-k3.1-pro",
reasoning_effort "low" and a small max_tokens. Send the key from MOONSHOT_API_KEY
as a Bearer [REDACTED]. Assert status 200 and a non-empty choices[0].message.content.
Validate the payload, then run the case once and summarize the result.

에이전트는 스키마를 읽고, 페이로드를 검증하고, 케이스를 생성하고, 한 번 실행합니다:

apidog environment create kimi-prod --project <projectId> --base-url https://api.moonshot.ai/v1
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <projectId> --file case.json
apidog run --test-case <caseId> --project <projectId> -e <envId> -r cli,json

cli-schema validate는 Moonshot의 엔드포인트에 도달하기 전에 잘못된 페이로드를 잡아내므로 오타로 인한 비용이 발생하지 않습니다. 테스트 케이스에는 유효한 카테고리 ID가 필요하며, apidog test-case category --project <projectId>로 목록을 나열할 수 있습니다. 케이스가 통과하면 동일한 apidog run에 -r junit을 사용하여 CI에 통합할 수 있습니다. Claude Code의 Apidog CLI 및 CI/CD 파이프라인 가이드에서 두 가지를 모두 안내합니다.

어떤 경로를 선택해야 할까요?

무엇을 만들고 있는지에 따라 선택하세요:

채팅 및 아이디어 테스트: 무료 웹 또는 앱 채팅.
앱 또는 에이전트 구축: $1 충전 및 reasoning_effort를 "low"로 설정한 API.
터미널에서 하루 종일 코딩: 유료 Kimi Code 멤버십(Kimi Code CLI 가이드 참조).
자체 하드웨어: 가중치를 기다리고 라이선스를 확인하세요.

자주 묻는 질문

계정 없이 Kimi K3.1 Pro를 무료로 사용할 수 있나요?

아니요. 2026년 10월 24일 Kimi 웹 채팅은 로그인 전에 모델 선택기에 K3.1 Pro를 표시했지만, 프롬프트를 보내려면 무료 계정으로 로그인해야 했습니다.

하루에 무료 Kimi K3.1 Pro 메시지를 몇 개 받을 수 있나요?

Moonshot은 그 숫자를 공개하지 않습니다. 멤버십 페이지에는 무료 요금제의 작업, 프로젝트 및 저장 공간 제한이 나열되어 있지만 K3.1 Pro 메시지 할당량은 없습니다. [확인 필요]

Kimi API에 K3.1 Pro를 위한 무료 티어가 있나요?

아니요. K3.1 Pro는 최소 $1의 성공적인 충전 후에 잠금 해제됩니다. 1M 토큰당 $2 / $10이므로 약 500K 입력 또는 100K 출력 토큰을 구매할 수 있습니다.

OpenRouter에서 Kimi K3.1 Pro는 무료인가요?

아니요. OpenRouter는 2026년 10월 24일 기준으로 moonshotai/kimi-k3.1-pro를 1M 토큰당 입력 $2, 출력 $10에 나열하며, 1,048,576 토큰 컨텍스트와 무료 변형이 없습니다.

Kimi Code는 무료 요금제에 K3.1 Pro를 포함하나요?

아니요. Kimi Code는 유료 멤버십 혜택입니다. k3.1-pro 모델은 Plus 이상이 필요하고, Kimi Code의 전체 1M 컨텍스트는 Pro 이상이 필요합니다.

Kimi K3.1 Pro를 언제 셀프 호스팅할 수 있나요?

Moonshot은 전체 가중치가 2026년 11월 4일까지 공개될 것이라고 말합니다. 라이선스는 아직 명시되지 않았으며 [확인 필요], 하드웨어 비용은 여전히 지불해야 합니다: K3의 가중치는 594 GB였습니다.

Kimi K3.1 Pro API: 엔드포인트, 툴 호출, 캐싱 및 오류

Rihpig — Mon, 26 Oct 2026 03:18:26 +0000

Kimi K3.1 Pro API: 엔드포인트, 툴 호출, 캐싱 및 오류

Kimi K3.1 Pro API는 https://api.moonshot.ai/v1에서 모델 ID kimi-k3.1-pro와 kimi-k3.1-pro-highspeed로 실행됩니다. 세 가지 전송 형식을 지원합니다: OpenAI Chat Completions, Responses API, Anthropic Messages. 따라서 이미 사용 중인 SDK를 베이스 URL만 바꿔 그대로 사용할 수 있습니다. 이 모델은 최소 $1을 충전하면 잠금이 해제됩니다.

지금 Apidog 사용해 보기

이 문서는 프로덕션 코드를 위한 레퍼런스입니다. 첫 호출, 스트리밍, Codex 또는 Claude Code 설정에 대해서는 Kimi K3.1 Pro 사용 방법을 참고하세요. 비용은 Kimi K3.1 Pro 가격에서 확인할 수 있습니다. 내용은 Moonshot의 K3.1 Pro 퀵스타트와 연결된 문서를 2026년 10월 24일에 확인한 것을 바탕으로 합니다.

Kimi K3.1 Pro Responses API, Anthropic API와 Chat Completions

Moonshot은 세 가지 API 인터페이스로 K3.1 Pro를 제공합니다. 클라이언트 라이브러리나 에이전트가 이미 지원하는 것을 선택하세요. 모델, 키, 청구는 세 가지 모두 동일합니다.

인터페이스	형식	엔드포인트	일반적인 클라이언트
Chat Completions	OpenAI	`https://api.moonshot.ai/v1/chat/completions`	`openai` SDK, 대부분의 프레임워크
Responses API	OpenAI Responses	`https://api.moonshot.ai/v1/responses`	Codex (`wire_api = "responses"`)
Messages API	Anthropic	`https://api.moonshot.ai/anthropic/v1/messages`	Anthropic SDK, Claude Code

이들은 캐시 TTL을 설정하는 방식과 사용량이 표시되는 위치에서 차이가 있습니다(아래 캐싱 참고). K3에서 넘어오시나요? Kimi K3 API 가이드가 여전히 적용됩니다. K3.1 Pro는 동일한 1,048,576 토큰 컨텍스트를 가진 포스트 트레이닝된 K3입니다.

Kimi K3.1 Pro API 키: 잠금 해제 및 접근 확인

충전된 계정과 올바른 제품의 키가 필요합니다. 네 단계입니다:

Kimi API 플랫폼에서 최소 $1을 충전하세요. K3.1 Pro는 플래그십 모델이며 충전이 성공해야만 잠금이 해제됩니다.
API 키 콘솔에서 키를 만들고 MOONSHOT_API_KEY로 내보내세요.
GET /v1/models로 해당 키에서 모델이 보이는지 확인하세요.
코드에서 kimi-k3.1-pro를 호출하세요.

curl https://api.moonshot.ai/v1/models \
  --header "Authorization: Bearer $MOONSHOT_API_KEY" | grep -o '"kimi-k3.1-pro[^"]*"'

모델이 목록에 없으면 그것부터 해결하세요. Kimi API, Kimi Code, Kimi Membership은 별개의 제품입니다. Kimi Code 키는 API 엔드포인트에서 작동하지 않으며, 멤버십이 API 잔액이 되지도 않습니다.

K3.1 Pro에서 중요한 요청 파라미터

대부분의 OpenAI 파라미터는 예상대로 동작합니다. 다음은 다르거나 사람들이 자주 실수하는 것들입니다:

파라미터	알아둘 점
`reasoning_effort`	최상위 필드: `"low"`, `"high"` 또는 `"max"`(기본값 `"max"`). 사고(thinking)는 항상 켜져 있습니다.
`thinking`	보내지 마세요. K3.1 Pro는 이를 지원하지 않습니다. 대신 `reasoning_effort`를 사용하세요.
`max_completion_tokens`	기본값은 131072입니다. 최대 출력은 1,048,576에서 프롬프트 토큰을 뺀 값입니다.
`response_format`	`strict: true`와 함께 쓰는 `json_schema`입니다. `message.content`만 파싱하고 `reasoning_content`는 절대 파싱하지 마세요.
`partial`	접두사에서 이어 쓰려면 마지막 assistant 메시지에 `"partial": true`를 넣으세요.
`tool_choice`	`"required"`는 최소 하나의 도구 호출을 강제하고, `"auto"`는 모델이 결정하게 합니다.
`prompt_cache_options`	Chat Completions와 Responses에서 `{"mode": "implicit", "ttl": "5m" or "1h"}`를 사용합니다.

추론 토큰도 사용량에 포함되므로 분류와 추출에는 "low"를 사용하세요. Preserved Thinking은 항상 켜져 있어 모든 assistant 메시지가 reasoning_content를 그대로 유지한 채 반환됩니다(사고 모델 가이드).

Kimi K3.1 Pro 도구 호출: Python으로 구현하는 완전한 루프

K3.1 Pro의 프로덕션 도구 루프는 Moonshot 문서의 네 가지 규칙을 따릅니다:

첫 턴에서는 tool_choice="required"로 도구 호출을 강제하고, 그다음 "auto"로 전환하세요.
reasoning_content와 tool_calls를 포함한 완전한 assistant 메시지를 추가하세요.
tool_call_id마다 하나의 tool 메시지를 보내세요.
모델이 혼란에 빠져 무한 루프를 돌지 않도록 턴 수를 제한하세요.

import json, os
from openai import OpenAI

client = OpenAI([REDACTED CREDENTIAL],
                base_url="https://api.moonshot.ai/v1")

TOOLS = [{"type": "function", "function": {
    "name": "get_order_status",
    "description": "Look up an order's shipping status by ID",
    "parameters": {"type": "object",
                   "properties": {"order_id": {"type": "string"}},
                   "required": ["order_id"]}}}]

def get_order_status(order_id):
    return {"order_id": order_id, "status": "shipped"}

messages = [{"role": "user", "content": "Where is order A-1042?"}]
tool_choice = "required"
for _ in range(8):  # hard cap on turns
    resp = client.chat.completions.create(
        model="kimi-k3.1-pro", reasoning_effort="high",
        messages=messages, tools=TOOLS, tool_choice=tool_choice)
    msg = resp.choices[0].message
    messages.append(msg)  # whole message, not msg.content
    if not msg.tool_calls:
        print(msg.content)
        break
    for call in msg.tool_calls:
        result = get_order_status(**json.loads(call.function.arguments))
        messages.append({"role": "tool", "tool_call_id": call.id,
                         "content": json.dumps(result)})
    tool_choice = "auto"

대표적인 버그는 msg 대신 msg.content를 추가하는 것으로, 이렇게 하면 tool_calls와 reasoning_content가 사라집니다.

search_tools로 대규모 도구 호출 처리하기

에이전트에 수십 개에서 수백 개의 도구가 있을 때 모든 요청마다 모든 정의를 보내지 마세요. Moonshot의 K3 도구 호출 모범 사례는 다음 흐름을 권장합니다:

search_tools 함수 하나(백엔드에서 구현)와 몇 가지 핵심 도구를 선언하세요.
모델이 답변 전에 검색하도록 첫 턴에 tool_choice: "required"를 설정하세요.
tools 필드를 가진 system 메시지를 통해 일치하는 도구 정의를 주입하세요.
이후 턴에서는 tool_choice를 다시 "auto"로 두고 모델이 로드된 도구를 호출하게 하세요.

# after search_tools returns ["create_github_pr"]
messages.append({"role": "system",
                 "tools": [CATALOG["create_github_pr"]]})

주입된 정의는 최상위 tools 형식을 사용하며 해당 메시지부터 적용됩니다. 서버는 이를 보관하지 않으므로 이후 요청에서도 메시지를 유지하세요. tool_choice를 바꾸거나 정의를 추가해도 프리픽스 캐시는 깨지지 않습니다.

비전 및 비디오 입력

K3.1 Pro는 텍스트와 함께 이미지와 비디오를 입력받고 텍스트를 반환합니다. content를 여러 파트의 배열로 만드세요: image_url 파트(퀵스타트 예제는 base64 데이터 URL을 전송하며, 공개 이미지 URL은 지원되지 않는다고 명시합니다) 또는 ms:// ID로 업로드된 파일을 가리키는 video_url 파트입니다.

from pathlib import Path

video = client.files.create(file=Path("demo.mp4"), purpose="video")
content = [{"type": "video_url", "video_url": {"url": f"ms://{video.id}"}},
           {"type": "text", "text": "Summarize this video."}]

content를 사용자 메시지로 전달하고, 완료 후 client.files.delete(video.id)로 파일을 삭제하세요.

코드에서의 컨텍스트 캐싱

반복되는 프리픽스에는 기본 TTL 5분으로 캐싱이 자동 적용됩니다. 캐시 적중은 백만 토큰당 $0.20로, 캐시되지 않은 입력의 $2.00와 대비됩니다. 1시간 쓰기는 $4.00이고 5분은 $2.00입니다. 1M 토큰 프리픽스에서는 1시간 TTL이 두 번 적중하면 본전을 뽑습니다.

안정적인 콘텐츠(시스템 프롬프트, 도구 정의, 문서)를 앞에 두고, 변하는 콘텐츠를 뒤에 두며, 프리픽스에 타임스탬프를 넣지 마세요. openai SDK에서는 extra_body를 통해 TTL을 전달합니다:

resp = client.chat.completions.create(
    model="kimi-k3.1-pro",
    messages=[{"role": "system", "content": DOCS},
              {"role": "user", "content": question}],
    extra_body={"prompt_cache_options": {"mode": "implicit", "ttl": "1h"}},
)
d = resp.usage.prompt_tokens_details
print(resp.usage.prompt_tokens, d.cached_tokens,
      getattr(d, "cache_write_tokens", 0))

Anthropic API는 최상위 cache_control 필드로 TTL을 설정하며, 메시지 내부의 마커는 무시됩니다:

curl https://api.moonshot.ai/anthropic/v1/messages \
  --header "Content-Type: application/json" \
  --header "Authorization: Bearer $MOONSHOT_API_KEY" \
  --data '{"model": "kimi-k3.1-pro", "max_tokens": 256,
    "cache_control": {"type": "ephemeral", "ttl": "1h"},
    "messages": [{"role": "user", "content": "Hello"}]}'

캐시 사용량이 표시되는 위치는 인터페이스에 따라 다릅니다:

인터페이스	캐시 읽기	캐시 쓰기
Chat Completions	`usage.prompt_tokens_details.cached_tokens`	`usage.prompt_tokens_details.cache_write_tokens`
Responses	`usage.input_tokens_details.cached_tokens`	`usage.input_tokens_details.cache_write_tokens`
Messages	`usage.cache_read_input_tokens`	`usage.cache_creation_input_tokens`

Chat Completions를 스트리밍할 때 마지막 청크에서 사용량을 받으려면 stream_options.include_usage=true를 설정하세요. 각 적중은 TTL을 갱신하며, TTL은 최초 쓰기 시 고정됩니다. 전체 규칙은 컨텍스트 캐싱 가이드를 참고하세요.

Kimi K3.1 Pro API 오류와 해결 방법

대부분의 실패는 여섯 가지 패턴에 해당합니다. 모든 429에서 error.type을 확인하세요. 해결 방법이 이에 따라 달라집니다.

증상	원인	해결
401 또는 404	잘못된 제품 키, 리전 불일치, 잔액 없음 또는 잘못된 모델 이름	Kimi API 키를 사용하고, 잔액을 확인하고, `GET /v1/models`에서 모델을 확인하고, 오래된 환경 변수와 프록시를 정리하세요
429 `engine_overloaded_error`	서버 용량	`Retry-After`에 따라 대기하고, 백오프하고, 동시성을 낮추세요. 충전은 도움이 되지 않습니다.
429 `rate_limit_reached_error`	조직이 동시성, RPM, TPM 또는 TPD 한도에 도달함	속도를 늦추거나 티어를 올리세요
429 `exceeded_current_quota_error`	잔액 부족, 계정 연체 또는 만료된 바우처	잔액 API를 확인하고 충전하세요
`finish_reason: "length"`	출력이 `max_completion_tokens`에 도달함	한도를 높이거나 partial 모드로 이어가세요
같은 도구가 계속 반복 호출됨	잘못된 메시지 레이아웃	메시지를 그대로 추가하고, 모든 `tool_call_id`를 맞추고, 스트리밍된 `tool_calls`를 완전히 조립한 뒤 클라이언트 측 반복 감지를 추가하세요

재시도에 주의하세요. OpenAI SDK는 연결 오류, 408, 409, 429, 5xx에서 기본적으로 2회 재시도하므로, 한 번의 호출이 RPM에 대해 세 번의 요청이 될 수 있습니다. 낮은 티어에서는 클라이언트의 max_retries를 낮추고 error.type에 따라 직접 백오프하세요. 429로 중단된 요청에는 요금이 부과되지 않습니다.

서드파티 에이전트가 실패하면 동일한 키, 엔드포인트, 모델로 API를 직접 호출해 보세요. 그게 작동한다면 도구가 문제입니다. 문제 해결 페이지와 오류 코드를 참고하세요.

티어별 Kimi K3.1 Pro 요청 한도

누적 충전 금액이 한도 페이지의 티어를 결정합니다:

티어	누적 충전액	동시성	RPM	TPM
Tier0	$1	1	3	500,000 (일 1.5M)
Tier1	$10	15	100	2,000,000
Tier2	$20	40	100	3,000,000
Tier3	$100	50	200	3,000,000
Tier4	$1,000	60	200	4,000,000
Tier5	$3,000	100	300	5,000,000

Tier0은 분당 3회 요청을 허용하며, 도구 루프의 모든 턴이 하나의 요청입니다. 5턴짜리 에이전트 실행은 이미 그 티어에서 1분을 넘깁니다. 따라서 에이전트를 본격적으로 테스트하기 전에 누적 $10을 확보하세요.

Apidog CLI로 Kimi API 계약 테스트하기

계약 테스트는 도구 루프가 tool_calls를 더 이상 받지 못하게 되는 날을 잡아냅니다. 코딩 에이전트가 Apidog CLI로 이를 구축하도록 하세요. 한 번 설치하고 로그인하세요:

npm install -g apidog-cli@latest
apidog login --with-token <YOUR_TOKEN>
apidog skill install

그런 다음 Claude Code, Codex 또는 사용 중인 에이전트에 프롬프트를 입력하세요:

In Apidog project <projectId>, create an environment for https://api.moonshot.ai/v1
and an endpoint for POST /chat/completions. Add a test case that sends model
kimi-k3.1-pro, reasoning_effort "low", one get_order_status tool and
tool_choice "required". Assert status 200 and that choices[0].message.tool_calls
is non-empty. Run it and report failures.

에이전트가 스키마를 읽고, 페이로드를 검증하고, 케이스를 실행합니다:

apidog environment create kimi-prod --project <projectId> --base-url https://api.moonshot.ai/v1
apidog endpoint create --project <projectId> --file ./endpoint.json
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <projectId> --file case.json
apidog run --test-case <caseId> --project <projectId> -e <envId> -r cli,json

테스트 케이스에는 유효한 카테고리가 필요합니다. apidog test-case category --project <projectId>로 목록을 확인할 수 있습니다. 실행이 통과하면 -r cli,json을 --out-dir와 함께 -r junit로 바꾸면 동일한 검사가 CI를 통과시킵니다. 이는 Apidog CLI CI/CD 가이드에서 확인할 수 있습니다. 에이전트 설정은 Claude Code에서의 Apidog CLI에 있습니다. Apidog의 무료 플랜은 최대 4명의 사용자를 지원합니다.

FAQ

Kimi K3.1 Pro API의 베이스 URL은 무엇인가요?

Chat Completions와 Responses API는 https://api.moonshot.ai/v1이고, Anthropic 호환 Messages API는 https://api.moonshot.ai/anthropic입니다.

Kimi K3.1 Pro API는 `thinking` 파라미터를 지원하나요?

아니요. 사고는 항상 켜져 있습니다. 최상위 reasoning_effort 필드("low", "high" 또는 "max")로 제어하세요.

충전 직후에 왜 429가 발생하나요?

error.type을 확인하세요. engine_overloaded_error는 서버 용량 문제로 충전으로 해결되지 않습니다. rate_limit_reached_error는 해당 티어의 한도를 의미하며, Tier0은 3 RPM만 허용합니다.

캐싱이 작동하는지 어떻게 알 수 있나요?

usage의 캐시 읽기 필드가 0이 아니면 적중입니다: Chat Completions에서는 prompt_tokens_details.cached_tokens, Messages에서는 cache_read_input_tokens입니다.

Kimi K3.1 Pro API 무료 티어가 있나요?

아니요. API는 최소 $1 충전이 필요합니다. Kimi 앱의 무료 채팅이 $0 경로이며, Kimi K3.1 Pro 무료 사용 방법에서 다룹니다. 모델 배경은 Kimi K3.1 Pro란 무엇인가를 참고하세요.

2026년 10월 무료 AI API TOP 8

Rihpig — Fri, 23 Oct 2026 08:54:58 +0000

무료 AI API는 API 키로 호출할 수 있고 제공업체가 공개한 할당량 내에서 비용을 $0로 지불하는 LLM 엔드포인트입니다. 2026년 10월 22일 기준으로 8개 제공업체가 카드 없이 무료 티어를 제공합니다: Google Gemini, Groq, OpenRouter, Mistral, Cloudflare Workers AI, NVIDIA의 API 카탈로그, Cohere, SambaNova입니다. 추가로 6개 제공업체는 시작 크레딧을 제공합니다.

지금 Apidog 사용해 보기

아래의 모든 제한은 2026년 10월 22일에 확인한 제공업체 자체 문서에서 가져온 것입니다. 직접 호스팅할 수 있는 오픈 가중치 모델을 원한다면 대신 무료 오픈 소스 LLM API 가이드를 읽어 보세요. 이 글은 호스팅 제공업체의 무료 티어만 다룹니다.

한눈에 보는 8개 무료 LLM API

제공업체	무료 할당량(공식 문서, 2026-10-22)	카드 필요	OpenAI 호환 기본 URL
Google Gemini API	Flash, Flash-Lite, 2.5 Pro 및 Gemma 모델의 무료 티어; 한도는 AI Studio에 표시됨	아니요(청구는 Tier 1 이상만)	`https://generativelanguage.googleapis.com/v1beta/openai/`
Groq	`openai/gpt-oss-120b`에서 30 RPM, 일 1K 요청, 8K TPM, 일 200K 토큰	아니요	`https://api.groq.com/openai/v1`
OpenRouter `:free` 모델	20 RPM, 일 50 요청(10크레딧 구매 후 일 1,000)	아니요	`https://openrouter.ai/api/v1`
Mistral(Free mode)	"사용량 및 속도 제한이 적용됩니다", 관리자 패널에 표시됨	아니요	`https://api.mistral.ai/v1`
Cloudflare Workers AI	일 10,000 뉴런, 00:00 UTC에 초기화	명시되지 않음	`https://api.cloudflare.com/client/v4/accounts/{account_id}/ai/v1`
NVIDIA API catalog	무료 프로토타이핑 액세스; 속도는 모델별로 다름	명시되지 않음	`https://integrate.api.nvidia.com/v1`
Cohere(체험 키)	월 1,000회 API 호출, 분당 20회 채팅 요청	명시되지 않음	`https://api.cohere.ai/compatibility/v1`
SambaNova Cloud	모델당 20 RPM, 일 20 요청, 일 200K 토큰	문서에는 아니요	`https://api.sambanova.ai/v1`

표의 모든 기본 URL은 OpenAI 채팅 완성 형식을 사용하므로, 클라이언트 하나로 이 여덟 개를 모두 처리할 수 있습니다.

실제 무료 티어의 기준

진정한 무료 티어에는 세 가지 속성이 있습니다: 비용을 $0로 지불하고, 결제 수단을 추가할 필요가 없으며, 할당량이 한 번 소진되는 대신 (매일 또는 매월) 갱신됩니다. 일회성 크레딧 지급은 체험이며 무료 티어가 아닙니다. 크레딧 경로는 아래에 별도 섹션이 있습니다.

1. Google Gemini API

Gemini API는 여기서 가장 폭넓은 무료 모델 범위를 제공합니다. Gemini 가격 페이지에는 Gemini 3.8 Flash, 3.6 Flash, 3.5 Flash-Lite, 2.5 Pro, 2.5 Flash, Gemma 4 계열 및 Gemini Embedding 2 등을 포함한 여러 모델의 무료 티어 입력 및 출력이 "무료 제공"으로 나열되어 있습니다.

무료가 아닌 것: "Gemini 4 Argon은 무료 티어에서 사용할 수 없습니다." 이미지, Veo 또는 Lyria 모델도 마찬가지입니다. Google은 더 이상 속도 제한 페이지에 모델별 RPM 및 RPD 수치를 표시하지 않습니다; 활성 한도는 AI Studio에 표시되며, 프로젝트별(키별이 아님)로 적용되고 태평양 자정에 초기화됩니다.

주의할 점은 데이터 사용입니다. Google 약관에 따르면 무료 할당량 콘텐츠는 제품 개선에 사용될 수 있고 사람 검토자가 읽을 수 있으므로, 민감한 데이터를 보내지 마세요. 단계별 가이드에서 무료 Gemini API 키를 얻는 방법을 보여줍니다.

2. Groq

Groq은 가장 명확한 무료 티어 수치를 공개합니다. 속도 제한 페이지의 Free Plan 탭에는 다음이 표시됩니다:

openai/gpt-oss-120b: 30 RPM, 일 1K 요청, 분 8K 토큰, 일 200K 토큰
openai/gpt-oss-20b 및 qwen/qwen3.8-27b: 동일한 한도
whisper-large-v3: 음성-텍스트 변환용 20 RPM, 일 2K 요청

Groq의 결제 FAQ는 "무료 티어에서 Developer 티어로 업그레이드"할 때만 결제 수단을 요구합니다. 분당 8K 토큰 한도가 가장 먼저 부딪히게 될 한도입니다.

3. OpenRouter 무료 모델

OpenRouter는 여러 제공업체로 라우팅하며, :free로 끝나는 모델 ID는 비용이 들지 않습니다. 제한 문서에 따르면 총 10크레딧 미만을 구매한 계정에는 분당 20회 요청과 일일 50회 요청이 설정됩니다. 최소 10크레딧을 한 번 구매하면 일일 한도가 1,000으로 올라갑니다.

2026년 10월 22일 기준, 공개 models 엔드포인트에는 google/gemma-4-31b-it:free, nvidia/nemotron-3-super-120b-a12b:free 및 poolside/laguna-s-2.1:free를 포함해 18개의 :free ID가 나열되었습니다. 목록은 매월 교체되므로, OpenRouter의 무료 AI 모델에 대한 별도 정리를 유지하고 있습니다.

4. Mistral(Free mode)

Mistral은 자사 무료 티어를 "Free mode"라고 부릅니다. 빠른 시작 문서에는 다음과 같이 나와 있습니다: "API 액세스는 기본적으로 활성화되며 신용카드가 필요하지 않습니다. 사용량 및 속도 제한이 적용됩니다."

Mistral은 수치를 공개하지 않습니다. 본인의 수치는 Admin Panel, API, Limits에서 확인할 수 있습니다. 문서에는 "계정에 결제 수단 없음"에 대한 402 Payment Required 오류도 나열되어 있으므로, 일부 모델이나 사용량에는 카드가 필요할 수 있습니다.

5. Cloudflare Workers AI

Cloudflare는 Workers AI 가격 페이지에 따라 Free 및 Paid Workers 요금제 모두에서 모든 계정에 "무료로 일일 10,000 뉴런"을 제공합니다. 뉴런은 Cloudflare의 컴퓨팅 단위입니다: @cf/meta/llama-3.1-8b-instruct는 백만 입력 토큰당 25,608 뉴런, 백만 출력 토큰당 75,147 뉴런을 사용하므로, 무료 할당량으로 해당 모델에서 하루 약 130K 출력 토큰을 사용할 수 있습니다.

텍스트 생성은 분당 300회 요청을 허용하며, 할당량은 00:00 UTC에 초기화됩니다. 일부 최신 모델(여러 Kimi, GLM 및 DeepSeek 빌드)은 유료 결제 수단이 필요합니다.

6. NVIDIA API catalog

NVIDIA 문서에는 "NVIDIA Developer Program 회원은 프로토타이핑을 위해 NIM API 엔드포인트에 무료로 액세스할 수 있습니다."라고 나와 있습니다. 무료 프로그램에 가입하고 build.nvidia.com에서 모델을 연 다음 키를 생성하세요.

NVIDIA 직원에 따르면 이전 크레딧 시스템은 제거되었고 요청 속도는 "조회하는 모델에 따라 달라집니다." 공식 RPM 수치는 공개되지 않았습니다. 인용된 "40 RPM"은 NVIDIA가 아니라 사용자 게시물에서 나온 것입니다. 프로덕션 사용에는 NVIDIA AI Enterprise 라이선스가 필요하므로, 이는 프로토타이핑 경로로 취급하세요.

7. Cohere(체험 키)

Cohere는 가입 시 체험 키를 자동으로 생성합니다. 속도 제한 문서에 따르면 체험 키는 "월 1,000회 API 호출로 제한"되며, 모델당 분당 20회 채팅 요청, 분당 2,000개 임베드 입력, 분당 10회 리랭크 요청이 허용됩니다.

제한 사항: 체험 키는 "프로덕션 또는 상업적 목적으로 사용할 수 없습니다." 임베드 및 리랭크 엔드포인트 덕분에 검색 테스트를 위한 좋은 무료 경로이며, 호환성 API는 OpenAI SDK를 통해 command-a-plus-05-2026을 실행합니다.

8. SambaNova Cloud

SambaNova의 속도 제한 문서는 무료 티어를 "계정에 연결된 결제 수단이 없을 때 적용"된다고 정의합니다. Meta-Llama-3.3-70B-Instruct, gpt-oss-120b, DeepSeek-V3.2 및 gemma-4-31B-it를 포함해 나열된 각 모델은 20 RPM, 일 20회 요청 및 일 200,000 토큰을 받습니다.

요금제 페이지는 다르게 설명합니다: Free 카드에는 "첫 요청을 실행하려면 결제 수단을 추가하고 크레딧을 구매하세요."라고 나와 있습니다. 하루 20회 요청은 스모크 테스트에는 적합하지만 프로토타입에는 부족합니다.

시작 크레딧이 있는 무료 AI API 키

이들은 체험이거나 카드가 필요하므로 기본 목록에서 제외됩니다:

Cerebras: 지급 후 30일 후 만료되는 $5 크레딧; "신규 계정은 검증된 결제 수단을 추가하면 $5 무료 크레딧을 받습니다."
Vercel AI Gateway: 일부 "Free Tier" 모델에 대해 월 $5; 크레딧이 작동하려면 유효한 결제 수단이 필요합니다.
Fireworks AI: $1 시작 크레딧, 결제 수단을 등록하지 않은 경우 10 RPM.
Nebius Token Factory: 30일 동안 유효한 $1 체험 크레딧; 결제 설정에는 은행 카드가 필요합니다.
Anthropic: "신규 사용자는 API를 테스트할 수 있도록 소액의 무료 크레딧을 받습니다." 금액은 공개되지 않았습니다. 자세한 내용은 무료 Claude API 액세스 방법에서 다룹니다.
Scaleway Generative APIs: 검증된 결제 수단이 있으면 처음 1,000,000 토큰이 무료입니다.

오늘 확인해 보니 무료가 아닌 항목

흔히 알려진 네 가지 답변은 더 이상 유효하지 않습니다:

GitHub Models: "2026년 7월 30일부로 GitHub Models는 완전히 종료되었습니다."
Hugging Face Inference Providers: 무료 사용자는 월 크레딧을 받지 못하며, PRO 사용자는 월 $2를 받습니다.
Together AI: 최소 $15 크레딧 구매가 필요합니다.
xAI 및 OpenAI: 둘 다 선불 크레딧으로 운영됩니다. OpenAI의 "Free" 사용 티어는 지출 한도이지 크레딧 지급이 아닙니다.

하나의 클라이언트로 모든 무료 LLM API 호출

여덟 개 모두 OpenAI 형식을 사용하므로, 두 값만 바꾸고 코드는 그대로 유지하세요:

import os
from openai import OpenAI

PROVIDERS = {
    "groq": ("https://api.groq.com/openai/v1", "GROQ_API_KEY", "openai/gpt-oss-120b"),
    "gemini": ("https://generativelanguage.googleapis.com/v1beta/openai/", "GEMINI_API_KEY", "gemini-3.8-flash"),
    "openrouter": ("https://openrouter.ai/api/v1", "OPENROUTER_API_KEY", "google/gemma-4-31b-it:free"),
}

base_url, key_env, model = PROVIDERS[os.environ.get("PROVIDER", "groq")]
client = OpenAI(base_url=base_url, [REDACTED CREDENTIAL]

reply = client.chat.completions.create(
    model=model,
    messages=[{"role": "user", "content": "Reply with the word ok."}],
)
print(reply.choices[0].message.content)

호출을 폴백으로 감싸세요: 429가 발생하면 dict의 다음 제공업체로 이동합니다. "rate limit exceeded" 오류 처리 가이드에서 백오프와 재시도 헤더를 다룹니다.

코딩 에이전트가 Apidog CLI로 테스트하게 하기

무료 티어는 변동됩니다: 모델이 OpenRouter의 무료 목록에서 빠지거나 일일 한도가 낮아질 수 있습니다. 수동으로 다시 테스트하는 대신, 코딩 에이전트가 제공업체별로 테스트 케이스를 유지하고 Apidog CLI를 통해 다시 실행하게 하세요. 한 번 설정하세요:

npm install -g apidog-cli@latest
apidog login --with-token <YOUR_TOKEN>
npx -y skills add https://apidog.com   # pick your agent when prompted

그런 다음 에이전트(Claude Code, Codex, Cursor 또는 OpenCode)에게 다음 프롬프트 하나를 주세요:

Use Apidog CLI on project <id>. Create one environment each for Groq, Gemini
and OpenRouter with the base URLs from this article and the key in
{{API_KEY}}. Add POST /chat/completions with a one-line prompt and model set
to {{MODEL}}. Create a test case that asserts status 200 and a non-empty
choices[0].message.content, run it in each environment, and report which
provider failed and the status code it returned.

실행하는 명령은 Apidog CLI 2.2.7의 --help와 대조해 확인했습니다:

apidog environment create "Groq free" --project <id> --base-url https://api.groq.com/openai/v1
apidog cli-schema get endpoint-create
apidog endpoint create --project <id> --file chat-completions.json
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <id> --file case.json
apidog run --test-case <caseId> --project <id> -e <envId> -r cli,json

보고서의 429 또는 403은 사용자가 알아차리기 전에 변경된 무료 티어를 알려줍니다. 동일한 apidog run ... -r junit을 Apidog CLI CI/CD 가이드에 나온 대로 CI에서 매일 일정으로 실행하거나, Claude Code와 함께하는 Apidog CLI에서 에이전트 워크플로가 실행되는 방식을 읽어 보세요. Apidog의 Free 요금제는 최대 4명의 사용자를 지원합니다.

어떤 무료 AI API를 골라야 할까요?

가장 많은 무료 모델과 컨텍스트: 데이터가 민감하지 않다면 Gemini.
가장 명확하게 공개된 한도와 빠른 추론: Groq.
하나의 키로 많은 모델 시험: OpenRouter :free.
RAG용 임베딩 및 리랭크: Cohere의 체험 키.
Cloudflare Workers 내부에서 실행: Workers AI.

비용을 지불하지 않고 모델을 실행하는 더 많은 방법은 LLM을 무료로 사용하는 방법을 참고하세요.

자주 묻는 질문

완전히 무료인 AI API가 있나요? 예. Google Gemini, Groq, OpenRouter의 :free 모델, Mistral Free mode는 모두 2026년 10월 22일 기준으로 확인된 공개 또는 대시보드 표시 한도 내에서 카드를 추가하지 않고 $0로 LLM을 호출할 수 있습니다.

어떤 무료 LLM API의 한도가 가장 높나요? Groq은 단일 모델에 대해 가장 높은 고정 수치를 공개합니다: openai/gpt-oss-120b에서 일 1,000회 요청 및 200K 토큰. OpenRouter는 일회성 10크레딧 구매 후에만 일 1,000회 요청에 도달합니다.

무료 AI API 키는 만료되나요? 무료 티어 키는 만료되지 않지만, 할당량은 매일 또는 매월 초기화됩니다. 체험 크레딧은 만료됩니다: Cerebras 크레딧은 30일, Nebius 크레딧은 30일 동안 지속됩니다.

무료 LLM API를 프로덕션에서 사용할 수 있나요? Cohere의 체험 키와 NVIDIA의 카탈로그는 명시적으로 프로덕션용이 아니며, Gemini의 무료 티어는 Google이 콘텐츠를 사용할 수 있게 합니다. 다른 한도들은 실제 트래픽을 처리하기에는 너무 낮습니다.

OpenAI API는 무료인가요? 아니요. OpenAI 문서는 무료 API 크레딧을 제공하지 않습니다. "Free" 사용 티어는 지출 한도입니다.

GitHub Models는 여전히 무료 LLM API인가요? 아니요. GitHub은 2026년 7월 30일에 플레이그라운드, 카탈로그 및 추론 API를 포함한 GitHub Models를 종료했습니다.

개발자를 위한 무료 뉴스 API TOP 10

Rihpig — Fri, 23 Oct 2026 08:44:54 +0000

대부분의 사이드 프로젝트에 가장 적합한 무료 뉴스 API는 NewsData.io(하루 200 크레딧, 카드 필요 없음) 또는 GNews(하루 100 요청, 카드 필요 없음)입니다. 전체 기사 텍스트가 필요하다면 Guardian Open Platform이 하루 500회의 무료 호출을 제공합니다. 가입 없이 사용하려면 GDELT, Hacker News, Spaceflight News가 키 없이 응답합니다. 아래의 모든 할당량은 2026년 10월 22일 제공업체의 공식 페이지에서 확인했으며, 모든 키가 필요 없는 API는 같은 날 실제로 호출되었습니다.

지금 Apidog를 사용해 보세요

무료 뉴스 API는 헤드라인 할당량보다 더 중요한 네 가지 측면에서 차이가 있습니다: 최신성, 검색 기록, 상업적 사용, 카드 요구 사항. 이 가이드에서는 정확히 이러한 점을 기준으로 10개의 API를 비교합니다.

무료 뉴스 API란 무엇인가요?

무료 뉴스 API는 뉴스 기사(헤드라인, 출처, URL, 게시 시간, 종종 스니펫이나 이미지)를 JSON으로 반환하는 HTTP 엔드포인트로, 일일 또는 월간 할당량까지 무료로 사용할 수 있습니다. 애그리게이터는 수천 개의 매체에서 데이터를 가져오며, Guardian 및 NYT와 같은 퍼블리셔 API는 자체 아카이브를 반환하며 종종 전체 텍스트를 포함합니다.

대부분의 무료 요금제는 가격을 위해 최신성을 희생합니다. 12시간 또는 24시간 지연이 일반적이며, "비상업적 용도만" 조항도 마찬가지입니다. 이는 프로토타입이나 개인 대시보드에는 괜찮지만, 유료 제품에는 적합하지 않습니다.

무료 뉴스 API 비교

API	무료 할당량	지연 / 기록	카드 필요 여부	무료 시 상업적 사용	키 필요 여부
NewsData.io	하루 200 크레딧 (기사당 1-10개)	12시간 지연, 지난 48시간	아니요	명시되지 않음	예
GNews	하루 100 요청, 각 10개 기사	12시간 지연, 30일	아니요	아니요	예
NewsAPI.org	하루 100 요청	24시간 지연, 1개월	가입 시 카드 입력란 없음	아니요 (개발 및 테스트 전용)	예
Currents API	하루 250 요청	최대 30일	명시되지 않음	재배포는 별도 조건 필요	예
World News API	하루 50 포인트, 초당 1 요청	명시되지 않음	아니요	명시되지 않음, 출처 링크 필요	예
Guardian Open Platform	하루 500 호출, 초당 1 호출	전체 아카이브, 190만 개 이상 항목	가입 시 카드 입력란 없음	아니요	예
NYT Developer APIs	하루 500 요청, API당 분당 5회	아카이브는 API에 따라 다름	명시되지 않음	아니요	예
GDELT DOC 2.0	5초마다 1 요청	글로벌, 다양한 언어	아니요	명시되지 않음	아니요
Hacker News API	현재 속도 제한 없음	실시간	아니요	명시되지 않음	아니요
Spaceflight News API	공개되지 않음	실시간, 36,000개 이상 기사	아니요	명시되지 않음	아니요

"명시되지 않음"은 2026년 10월 22일 공식 페이지에서 언급하지 않았다는 뜻입니다. 허가가 아니라 알 수 없음으로 간주하세요.

테스트 방법

모든 수치는 2026년 10월 22일에 확인한 제공업체의 자체 가격 페이지, FAQ 또는 문서에서 가져왔습니다. 세 가지 키가 필요 없는 API(GDELT, Hacker News, Spaceflight News)는 실제 요청을 받았고 2026년 10월의 실시간 기사를 반환했습니다. 일곱 개의 키가 필요한 엔드포인트는 키 없이 호출하여 존재 여부와 깔끔한 인증 오류(NewsAPI: 401 apiKeyMissing)를 반환하는지 확인했습니다. 인증된 호출은 이루어지지 않았으므로 요청당 결과 수는 가격 페이지에서 가져왔습니다.

10가지 무료 뉴스 API 하나씩 살펴보기

1. NewsData.io: 가장 큰 일일 무료 할당량

NewsData.io는 하루에 200 API 크레딧을 제공하며, 1 크레딧은 1~10개의 기사를 반환합니다. FAQ에는 무료 요금제에 신용카드나 체크카드가 필요 없다고 명확히 나와 있습니다. 단점은 최신성입니다: 무료 데이터는 12시간 지연되고 지난 48시간만 포함합니다.

2. GNews: 간단하고 결제 정보가 전혀 필요 없음

GNews는 하루 100회 요청을 제공하며 요청당 최대 10개의 기사를 받을 수 있으므로 대략 하루 1,000개의 기사를 얻을 수 있습니다. 가격 페이지에는 무료 요금제가 "결제 정보를 절대 요구하지 않는다"고 나와 있습니다. 30일의 기록과 12시간 지연이 제공됩니다. 비상업적 용도로만 사용할 수 있으며, CORS는 localhost에만 활성화됩니다.

curl "https://gnews.io/api/v4/top-headlines?lang=en&max=10&[REDACTED CREDENTIAL]

3. NewsAPI.org: 튜토리얼에서 많이 사용하는 API

NewsAPI는 대부분의 튜토리얼에서 언급되는 이름입니다. 무료 Developer 요금제는 하루 100회 요청을 제공하며, 기사는 24시간 지연되어 도착하고 검색은 한 달 전까지 가능합니다. FAQ에는 이 요금제가 "스테이징 또는 프로덕션 환경에서 사용할 수 없다"고 나와 있습니다. 가입 양식은 이름, 이메일, 비밀번호만 요구합니다.

curl -H "X-[REDACTED CREDENTIAL] "https://newsapi.org/v2/everything?q=openapi&language=en"

4. Currents API: 하루 250회 요청

Currents는 "평가, 프로토타입, 소규모 앱"을 위해 하루 250회의 무료 요청을 제공하며, 최근 기록은 최대 30일까지 가능합니다. 재배포 및 재게시에는 별도의 조건이 필요하므로 무료 키로 공개 뉴스 사이트를 구축하지 마세요. 가입 시 카드를 요구하는지 여부는 가격 페이지에 명시되어 있지 않습니다.

5. World News API: 작은 할당량, 엄격한 속도 제한

World News API의 무료 요금제는 하루 50 포인트, 초당 1 요청, 동시 요청 1개를 제공합니다. 결제 정보는 필요하지 않습니다. 추가 조건이 하나 있습니다: 무료 사용자는 사이트나 앱에서 worldnewsapi.com으로 연결해야 합니다.

6. Guardian Open Platform: 무료로 전체 기사 텍스트 제공

Guardian의 Developer 키는 스니펫이 아닌 기사 본문이 필요할 때 가장 좋은 무료 경로입니다. 하루 최대 500회 호출을 초당 1회로 허용하며, 190만 개 이상의 콘텐츠에 걸친 기사 텍스트에 접근할 수 있습니다.

비상업적 용도(예: 논문, 해커톤, 비영리 앱)로 사용할 수 있습니다. 예전 공유 api-key=test는 더 이상 작동하지 않으므로(2026년 10월 22일에 Unauthorized를 반환함) 키를 등록하세요.

curl "https://content.guardianapis.com/search?q=api&show-fields=bodyText&[REDACTED CREDENTIAL]

7. New York Times Developer APIs: 아카이브 깊이

NYT 포털은 여러 API(Top Stories, Article Search, Archive)를 제공합니다. FAQ에는 API당 두 가지 제한이 설정되어 있습니다: 하루 500회 요청과 분당 5회 요청이며, 호출 사이에 12초를 대기하라고 안내합니다. 비상업적 용도로만 사용할 수 있습니다.

8. GDELT DOC 2.0: 글로벌 커버리지, 키 필요 없음

GDELT는 다양한 언어의 뉴스를 모니터링하며 가입 없이 전체 텍스트 검색 API를 제공합니다. 너무 빠르게 두 번 요청하면 일반 텍스트 응답이 반환됩니다: "5초마다 하나의 요청으로 제한해 주세요." 영어 소스만 원한다면 쿼리에 sourcelang:english를 추가하세요.

curl "https://api.gdeltproject.org/api/v2/doc/doc?query=%22open%20source%22%20sourcelang:english&mode=artlist&maxrecords=10&format=json&timespan=1d"

속도 제한된 응답은 JSON이 아닌 일반 텍스트이므로 구문 분석하기 전에 본문을 확인하세요.

9. Hacker News API: 실시간 기술 뉴스

공식 Hacker News API는 Firebase에서 실행되며 키가 필요 없고 README에 따르면 현재 속도 제한이 없습니다. /v0/topstories.json은 최대 500개의 스토리 ID를 반환하며, 그런 다음 /v0/item/<id>.json으로 각각을 가져옵니다.

이 2단계 패턴은 30개의 헤드라인을 가져오는 데 31회 호출이 필요하므로 항목 응답을 캐시하세요.

curl "https://hacker-news.firebaseio.com/v0/topstories.json"
curl "https://hacker-news.firebaseio.com/v0/item/8863.json"

10. Spaceflight News API: 제한 없는 틈새 피드

앱이 발사, 로켓 또는 우주 임무에 관한 것이라면 Spaceflight News API는 무료이고 키가 필요 없으며 집중적입니다. v4 /articles/ 엔드포인트는 2026년 10월 22일에 36,589개의 기사를 보고했으며, search=launch 쿼리는 전날 게시된 NASA 기사를 반환했습니다.

게시된 속도 제한은 없으며 프로젝트는 기부로 운영되므로 가져온 데이터를 캐시하세요.

다시 살펴봐야 할 무료 뉴스 API

TheNewsAPI도 $0 요금제가 있습니다: 하루 100회 요청이지만 요청당 3개의 기사만 제공하므로 여기서 가장 작은 결과 크기입니다. 가입 시 카드를 요구하는지 여부는 명시되어 있지 않습니다.

Mediastack의 무료 요금제는 한 달에 100회 호출을 제공하며, 데이터가 지연되고 비상업적 용도로만 사용할 수 있습니다. 이는 하루 약 3회 호출에 해당합니다.

Google News는 공식 API가 없으므로 제외했습니다.

무료 뉴스 API 선택 방법

전체 기사 텍스트가 필요한가요? Guardian(하루 500회) 또는 NYT(하루 500회)를 사용하세요. 애그리게이터는 대부분 스니펫을 반환합니다.
많은 소스와 카드 없이 사용해야 하나요? NewsData.io(하루 200 크레딧) 또는 GNews(100회 요청, 하루 약 1,000개 기사)를 사용하세요.
가입이 전혀 필요 없나요? 글로벌 뉴스에는 GDELT, 기술에는 Hacker News, 우주에는 Spaceflight News를 사용하세요.
유료 제품을 출시하나요? 여기에 있는 키가 필요한 무료 요금제 중 이를 명확히 허용하는 것은 없습니다. NewsAPI, GNews, Guardian, NYT, Mediastack은 비상업적 또는 개발 전용이라고 명시합니다. 유료 요금제나 상업용 키를 예산에 포함하세요.
속보가 필요한가요? 무료 요금제는 NewsData.io, GNews, NewsAPI에서 12~24시간 지연됩니다. 키가 필요 없는 피드와 퍼블리셔 API는 실시간에 더 가깝습니다.

더 넓은 프로젝트를 구축하는 경우 무료 API 목록과 테스트용 공개 API가 더 많은 카테고리를 다루며, 무료 영화 API와 무료 암호화폐 가격 API 가이드도 동일한 검증된 할당량 형식을 따릅니다.

Apidog CLI로 코딩 에이전트가 뉴스 API를 테스트하게 하세요

뉴스 통합은 조용히 깨집니다: 키가 만료되거나 구문 분석하는 필드가 사라지는 경우입니다. 코딩 에이전트(Claude Code, Codex, Cursor)는 Apidog CLI로 테스트를 작성하고 일정에 따라 또는 CI에서 실행할 수 있습니다.

한 번 설정하세요:

npm install -g apidog-cli@latest
apidog auth login --with-token <YOUR_APIDOG_TOKEN>
apidog skill install

지름길: 에이전트에게 "https://apidog.com/apidog-cli-installation-guide.md?utm_source=dev.to&utm_medium=wanda&utm_content=n8n-post-automation를 읽고 Apidog CLI를 설정해"라고 말하세요. 이 가이드는 에이전트를 위해 작성되었습니다.

그런 다음 에이전트에게 하나의 프롬프트를 제공하세요:

In Apidog project <projectId>, create an environment for GNews with base URL
https://gnews.io/api/v4. Create a test case for GET /top-headlines?lang=en&max=10
that asserts status 200, that "articles" is a non-empty array, and that every
article has title, url and publishedAt. Pass the key as an environment variable,
run it, and summarize any failures.

에이전트는 무엇이든 작성하기 전에 페이로드 스키마를 확인한 다음, 케이스를 생성하고 실행합니다:

apidog environment create gnews-free --project <projectId> --base-url https://gnews.io/api/v4
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <projectId> --file case.json
apidog run --test-case <caseId> --project <projectId> -e <envId> --env-var "[REDACTED CREDENTIAL] -r cli,json

대신 NYT나 GDELT를 테스트하나요? 케이스를 테스트 스위트에 넣고 apidog run에 --delay-request 12000을 추가하여 실행이 분당 5회 제한을 준수하도록 하세요. -r junit을 사용한 동일한 명령은 파이프라인에 바로 적용됩니다. Apidog CLI CI/CD 가이드는 GitHub Actions 설정을 보여주고, Claude Code에서의 Apidog CLI는 에이전트 측면을 안내합니다. Apidog의 무료 요금제는 최대 4명의 사용자를 지원합니다.

100회 요청 할당량을 오래 사용하기

쿼리와 시간별로 캐시하세요. 12시간 지연된 피드의 뉴스는 분 단위로 변하지 않습니다. 한 번의 캐시된 호출로 한 시간 동안 모든 방문자에게 제공할 수 있습니다.
최대 페이지 크기를 요청하세요. GNews에서 max=10은 max=1과 동일한 요청 비용이 듭니다.
기술 및 우주 분야에는 키가 필요 없는 소스를 교대로 사용하세요. Hacker News와 Spaceflight News는 호출당 비용이 없으므로 키가 필요한 할당량은 일반 뉴스에 아껴두세요.

자주 묻는 질문

키 없이 완전히 무료인 뉴스 API가 있나요? 예. GDELT DOC 2.0, Hacker News API, Spaceflight News API는 모두 2026년 10월 22일에 키 없이 실제 요청에 응답했습니다.

어떤 무료 뉴스 API가 신용카드가 필요 없나요? NewsData.io, GNews, World News API는 가격 페이지에서 결제 정보가 필요 없다고 명시합니다. NewsAPI와 Guardian 가입 양식에는 결제 필드가 없습니다. 키가 필요 없는 API는 계정이 필요 없습니다.

프로덕션에서 무료 뉴스 API를 사용할 수 있나요? 일반적으로 불가능합니다. NewsAPI의 무료 요금제는 개발 및 테스트 전용이며, GNews, Guardian, NYT, Mediastack은 무료 시 비상업적입니다.

무료 뉴스 API 결과가 12시간 또는 24시간 지난 이유는 무엇인가요? 제공업체는 무료 데이터를 유료 실시간 피드와 구분하기 위해 지연시킵니다. NewsData.io와 GNews는 12시간, NewsAPI는 24시간 지연됩니다.

전체 기사 텍스트를 위한 최고의 무료 뉴스 API는 무엇인가요? Guardian Open Platform입니다. 무료 Developer 키는 하루 최대 500회 호출로 기사 텍스트(show-fields=bodyText)를 반환하며 비상업적 용도로 사용할 수 있습니다.