# ~1/7 비용 비교는 어떻게 계산하나 - GateLLM

> 비용 비교의 모든 입력: 기본 시나리오, 모델 카탈로그 가격과 출처, 비용·역량 공식, 실행 모델 민감도, 그리고 이 비율에 포함되지 않는 것.

표준 링크: https://www.gatellm.io/ko/methodology/

## 비용 비교 계산 방식

계산기와 홈페이지 비교의 입력을 공개합니다. 믿는 대신 직접 재현할 수 있도록 하기 위해서입니다.

이 페이지의 모든 숫자는 빌드 시점에 계산기와 같은 모듈(모델 카탈로그, 믹스 모델, 공개 가격표)에서 계산됩니다. 번역 파일에 손으로 적은 숫자는 없습니다.

## 이 페이지가 보여 주는 것

기본 프리셋에서 믹스 비용은 전체 프런티어 기준의 16%, 약 6 분의 일 입니다. 동시에 역량 점수는 기준의 97.3%를 유지합니다. 두 숫자 모두 아래 공식의 출력이며 홍보 문구가 아닙니다.

## 기본 시나리오

계산기는 하나의 시나리오로 열립니다. 월 300억 토큰, 그중 10%가 출력, 실행의 90%를 오픈 계층 모델에 맡기고 input 캐시 적중률은 80%입니다. 플래너는 Claude Opus 5.5, 실행 모델은 DeepSeek V4.1 Flash입니다. 이는 기업 사용을 가정한 예시 값이며 특정 고객의 실측이 아닙니다.

### 기본 프리셋

| 입력 | 값 | 출처 |
| --- | --- | --- |
| DEFAULT_MIX_INPUT.monthlyTokens | 300억 | shared/mix-economics.ts |
| DEFAULT_MIX_INPUT.outputRatio | 10% | shared/mix-economics.ts |
| DEFAULT_MIX_INPUT.openShare | 90% | shared/mix-economics.ts |
| DEFAULT_MIX_INPUT.cacheHitRate | 80% | shared/mix-economics.ts |
| DEFAULT_MIX_INPUT.plannerId | Claude Opus 5.5 | shared/model-catalog.ts |
| DEFAULT_MIX_INPUT.executorId | DeepSeek V4.1 Flash | shared/model-catalog.ts |
| INTRINSIC_PLANNING_FRAC | 10% | shared/mix-economics.ts |

## 사용하는 가격

정가는 공급자 가격 페이지에서 가져오며 카탈로그 기준일은 2026-11-02입니다. BYOK에서는 이 가격을 직접 지불하고 GateLLM은 마크업을 붙이지 않습니다. 같은 모델에 여러 가격이 있으면 카탈로그는 높은 쪽을 택합니다. 우리의 절감 폭을 작게 보이게 하는 방향입니다.

### 카탈로그 가격(백만 토큰당, USD)

| 모델 | 공급자 | 입력 | 출력 | 캐시 입력 | 출처 |
| --- | --- | --- | --- | --- | --- |
| Claude Sonnet 5.5 | Anthropic | $2 | $10 | $0.10 | https://platform.claude.com/docs/en/about-claude/pricing |
| Claude Opus 5.5 | Anthropic | $4 | $20 | $0.20 | https://platform.claude.com/docs/en/about-claude/pricing |
| Claude Fable 5.1 | Anthropic | $10 | $50 | $0.25 | https://platform.claude.com/docs/en/about-claude/pricing |
| GPT-6 Astra | OpenAI | $10 | $50 | $1 | https://developers.openai.com/api/docs/pricing |
| Claude Haiku 5.5 | Anthropic | $0.10 | $0.50 | $0.01 | https://platform.claude.com/docs/en/about-claude/pricing |
| GLM-5.3-Flash | Zhipu | $0.15 | $0.50 | $0.03 | https://docs.z.ai/guides/overview/pricing |
| DeepSeek V4.1 Flash | DeepSeek | $0.30 | $1.20 | $0.006 | https://api-docs.deepseek.com/quick_start/pricing/ |
| Qwen3.8-Max | Alibaba | $2 | $6 | $0.25 | https://www.alibabacloud.com/help/en/model-studio/qwen3-8-max |

## 비용 비율 계산 방식

기준은 모든 트래픽을 플래너로 보내고 같은 캐시 가정을 적용합니다. 믹스는 트래픽의 90%를 실행 모델로 보냅니다. 비율은 믹스 나누기 기준이며 기본 프리셋에서 16%, 약 6 분의 일 입니다. 절대 금액은 기준 $86K/월, 믹스 $13K/월, 절감 $73K/월 입니다.

### 기본 프리셋의 월 비용

| 항목 | USD / 월 | 비고 |
| --- | --- | --- |
| 플래너 입력 | $3K | 캐시 할인 적용 |
| 플래너 출력 | $6K |  |
| 실행 모델 입력 | $2K | 캐시 할인 적용 |
| 실행 모델 출력 | $3K |  |
| 베이스라인(전부 플래너) | $86K | 모든 트래픽을 플래너로 |
| 혼합 | $13K | 위 네 행의 합계 |
| 절감액 | $73K | 베이스라인 − 혼합 |
| 캐시 절감 | $14K | 참고용 —— 이미 입력 행에 포함됨 |

## 역량 유지율 계산 방식

각 모델은 planning과 routine 두 점수를 가집니다. 작업의 10%를 planning으로, 나머지를 routine 실행으로 봅니다. 기준은 둘 다 플래너를 쓰고, 믹스는 플래너에 planning 몫까지만 맡기고 나머지를 실행 모델로 보냅니다. 기본 프리셋의 유지율은 97.3%입니다. 점수는 공개 리더보드에서 온 예시 범위이며 우리가 수행한 벤치마크가 아닙니다.

### 역량 점수

| 역할 | Planning | Routine | 출처 |
| --- | --- | --- | --- |
| 플래너 | 100 | 100 | https://artificialanalysis.ai/models/claude-opus-5-5 |
| 실행 모델 | 88 | 97 | https://lmarena.ai/leaderboard |
| 베이스라인 점수 | 100 |  | INTRINSIC_PLANNING_FRAC 가중치 적용 |
| 혼합 점수 | 97 |  | INTRINSIC_PLANNING_FRAC 가중치 적용 |

## 비율을 움직이는 것

두 가지가 지배적입니다. 어느 모델이 실행을 맡는지, 그리고 그 모델이 트래픽을 얼마나 맡는지. 아래 표는 같은 공식으로 다시 계산합니다. 하나는 카탈로그의 모든 실행 모델, 다른 하나는 70%에서 92% 사이 스위트 스폿 주변의 비중입니다. 양방향을 모두 보여 줍니다. 저렴한 실행 모델은 더 많이, 강한 모델은 덜 절감합니다.

### 실행 모델 민감도

| 실행 모델 | 비용 비율 | N 분의 일 | 유지율 |
| --- | --- | --- | --- |
| Claude Haiku 5.5 | 12% | 8.1 | 95.5% |
| GLM-5.3-Flash | 13% | 7.6 | 94.6% |
| DeepSeek V4.1 Flash | 16% | 6.4 | 97.3% |
| Qwen3.8-Max | 46% | 2.2 | 97.3% |
| Claude Sonnet 5.5 | 55% | 1.8 | 98.2% |

### 오픈 비중 스윕

| 오픈 비중 | 비용 비율 | N 분의 일 | 유지율 |
| --- | --- | --- | --- |
| 0% | 100% | 1 | 100.0% |
| 70% | 34% | 2.9 | 97.9% |
| 90% | 16% | 6.4 | 97.3% |
| 92% | 14% | 7.3 | 97.1% |
| 100% | 6% | 16 | 96.1% |

## 이 비율에 포함되지 않는 것

비율은 모델 API 지출만 비교합니다. GateLLM 라이선스(Pro 등급 월 $200, 이 사용량에서는 위 믹스 금액의 1.5%), 인프라, 엔지니어링 시간은 포함하지 않습니다. 공급자와 별도로 협상한 할인도 포함하지 않습니다.

## 알아 두어야 할 경계

이 페이지의 숫자를 인용하기 전에 다음을 읽어 주세요.

- 프리셋은 가능한 기업 형태 중 하나이며 고객의 믹스는 다릅니다.
- 역량 점수는 예시 값이며 비용 쪽은 그것에 의존하지 않습니다.
- 가격이 바뀌면 비율도 바뀝니다. 카탈로그는 기준일과 함께 갱신되며 고정되지 않습니다.
- 이 비율은 아키텍처 비교이며 고객 청구서에 대한 약속이 아닙니다.

## FAQ

### 이 숫자를 재현할 수 있나?

가능합니다. 계산기 슬라이더를 위 프리셋에 맞추면 같은 입력에서 같은 숫자가 나옵니다. 계산에 쓰는 모듈은 각 표의 "출처" 열에 적혀 있습니다.

### 왜 6 분의 일 처럼 딱 떨어지는 숫자가 아닌가?

이 프리셋에서 카탈로그 가격이 내는 값이 그렇기 때문입니다. 헤드라인은 가장 가까운 정수 분모로 반올림하고, 반올림하지 않은 비율은 위 표에 보여 줍니다.

### 더 저렴한 실행 모델은 출력 품질이 떨어지나?

때로는 그렇습니다. 각 실행 모델은 고유한 planning 점수를 가지며 민감도 표에 역량 유지율이 나옵니다. 기본값은 카탈로그에서 가장 싼 모델이 아니라 routine 점수가 강한 모델을 고릅니다.

## 관련 페이지
- [홈](https://www.gatellm.io/ko/index.md)
- [요금](https://www.gatellm.io/ko/pricing.md)
- [비용 계산기](https://www.gatellm.io/ko/calculator.md)
- [소개](https://www.gatellm.io/ko/about.md)
- [데모 예약](https://www.gatellm.io/ko/demo.md)
- [FAQ](https://www.gatellm.io/ko/faq.md)
- [AI 게이트웨이 비교](https://www.gatellm.io/ko/compare.md)
- [LiteLLM 비교](https://www.gatellm.io/ko/compare/litellm.md)
- [OpenRouter 비교](https://www.gatellm.io/ko/compare/openrouter.md)
- [Alibaba Cloud AI Gateway 비교](https://www.gatellm.io/ko/compare/alibaba-cloud.md)
- [Azure API Management 비교](https://www.gatellm.io/ko/compare/azure-apim.md)
- [Apigee 비교](https://www.gatellm.io/ko/compare/apigee.md)
- [Cloudflare AI Gateway 비교](https://www.gatellm.io/ko/compare/cloudflare.md)
- [Kong AI Gateway 비교](https://www.gatellm.io/ko/compare/kong.md)
- [Portkey 비교](https://www.gatellm.io/ko/compare/portkey.md)
- [Microsoft 365 Copilot 대안](https://www.gatellm.io/ko/compare/copilot.md)
- [LiteLLM vs Kong AI Gateway](https://www.gatellm.io/ko/compare/litellm-vs-kong.md)
- [LiteLLM vs OpenRouter](https://www.gatellm.io/ko/compare/litellm-vs-openrouter.md)
- [LiteLLM vs Portkey](https://www.gatellm.io/ko/compare/litellm-vs-portkey.md)
- [사용 사례](https://www.gatellm.io/ko/use-cases.md)
- [LLM 비용 절감](https://www.gatellm.io/ko/use-cases/reduce-cost.md)
- [고가용성](https://www.gatellm.io/ko/use-cases/high-availability.md)
- [멀티테넌트 격리](https://www.gatellm.io/ko/use-cases/multi-tenant.md)
- [컴플라이언스 및 감사](https://www.gatellm.io/ko/use-cases/compliance-audit.md)
- [증상별 트러블슈팅](https://www.gatellm.io/ko/use-cases/troubleshooting.md)
- [다중 벤더 혼합 모델 스택](https://www.gatellm.io/ko/use-cases/mixed-model-stack.md)
- [Office 내 AI 셀프 호스팅](https://www.gatellm.io/ko/use-cases/self-hosted-office-ai.md)
- [Token 사용량 가시성 및 귀속](https://www.gatellm.io/ko/use-cases/token-ops.md)
- [Token FinOps: AI 비용 배분 및 통제](https://www.gatellm.io/ko/use-cases/token-finops.md)
- [MCP 도구 거버넌스](https://www.gatellm.io/ko/use-cases/mcp-tool-governance.md)
- [모든 모델에 웹 검색 추가](https://www.gatellm.io/ko/use-cases/web-search-grounding.md)
- [다중 키 로테이션 및 대기](https://www.gatellm.io/ko/use-cases/multi-key-pooling.md)
- [연결 클라이언트 접근 제어](https://www.gatellm.io/ko/use-cases/client-admission-control.md)
- [모델 사용 정책 강제](https://www.gatellm.io/ko/use-cases/enforce-model-policy.md)
- [클라이언트에 모델 선택 비노출](https://www.gatellm.io/ko/use-cases/automatic-model-tiering.md)
- [하나의 프로토콜, 어떤 모델이든](https://www.gatellm.io/ko/use-cases/one-protocol-any-model.md)
- [Office / Microsoft 365 추가 기능](https://www.gatellm.io/ko/office-addin.md)
- [용어집](https://www.gatellm.io/ko/glossary.md)
- [LLM 게이트웨이란](https://www.gatellm.io/ko/llm-gateway.md)
- [엔터프라이즈 AI 거버넌스](https://www.gatellm.io/ko/enterprise-ai-governance.md)
- [모델 카탈로그](https://www.gatellm.io/ko/models.md)
- [SDK 및 프레임워크 통합](https://www.gatellm.io/ko/integrations.md)
- [AI 코딩 에이전트 및 하네스](https://www.gatellm.io/ko/coding-agents.md)
- [보안 및 컴플라이언스](https://www.gatellm.io/ko/security.md)