요약

  • OpenAI 가격표의 대표 행 하나가 Prices per 1M tokens.라는 단 하나의 머리글 아래 다섯 개 가격을 싣는다. gpt-6.2-astra의 입력 8.00달러, 출력 40.00달러, 캐시 입력 0.40달러, 30분 캐시 쓰기 10.00달러, 12시간 캐시 쓰기 20.00달러다.
  • 읽은 여덟 개 문서에서 가격표는 토큰을 정의하지 않았고, 단위를 다루는 세 페이지는 세 단위로 서로 다른 추정치를 주며, 이 묶음에서 모델과 인코딩을 연결하는 유일한 표는 가장 최근 모델이 gpt-4o인 보관 문서다. 가격이 세 개뿐인 옛 행이고, 열 개를 찍는 행이 아니다.

머리글부터 보자. 머리글이 계기의 전부이기 때문이다. 가격표는 단위 문장을 하나만 찍는다. Prices per 1M tokens. 그리고 열 이름이 이어진다. Model Input Output Cached input 30m write 12h write 어느 숫자든 백만 토큰당 달러 금액이다. 대표 행은 돌아온 그대로 이렇다. gpt-6.2-astra $8.00 $40.00 $0.40 $10.00 $20.00 가격 다섯, 모델 하나, 단위 하나.

Batch 블록은 같은 다섯 열을 절반 값으로 반복한다. $4.00 / $20.00 / $0.20 / $5.00 / $10.00 돌아온 텍스트는 처리 등급도 이름으로 부른다. Standard, Batch, Flex, Fast, Ultrafast다. 그래서 구매자가 모델 하나에서 마주하는 가격의 수는 모델 개수가 아니라 열과 등급의 곱이다. 두 번째 호스트는 인쇄된 경계에서 문맥을 갈라 열을 다시 두 배로 만든다. 짧은 문맥은 입력 토큰 272K 이하, 긴 문맥은 그 초과다. 같은 gpt-6.2-astra 행이 그곳에서는 8.00달러에서 60.00달러까지 열 개의 가격을 찍는다. 같은 표의 두 렌더링은 어떤 행이 존재하는지에서 어긋난다. 플랫폼 쪽 렌더링에는 gpt-6.1-terra와 gpt-6-luna가 없다. 그리고 돌아온 텍스트만으로는 둘이 한 문서를 두 호스트에 올린 것인지 두 문서인지 확정할 수 없다. 이 불일치는 각주가 아니라 기록으로 간다.

가격 자체는 정합적이다. 0.40달러를 8.00달러로 나누면 0.05다. 인쇄된 캐시 입력 가격은 인쇄된 입력 가격의 정확히 20분의 1에 놓인다. 10.00달러와 20.00달러를 8.00달러로 나누면 1.25와 2.5가 나오고, 이는 캐시 안내서가 말로 적은 비율과 같다. GPT-6.2 Astra, GPT-6.2 Sol, GPT-6.1 Sol, GPT-6.1 Terra에서는 보통 입력의 0.05배로 읽고, 대부분의 GPT-5.6 이후 모델에서는 0.1배로 읽는다. 쓰기는 30분에 1.25배, 12시간에 2.5배다. 산술은 다툼거리가 아니다. 다툼거리는 그것이 무엇에 곱해지는가다.

싼 열은 조건도 가장 많은 열이고, 그 조건은 가격표가 정의하지 않는 단위로 적혀 있다. 캐시 재사용은 렌더링된 접두부 전체가 일치할 것을 요구한다. 접두부는 모델의 최소 캐시 가능 토큰 길이에 이르러야 캐시될 수 있다. OpenAI가 제공하는 숨은 시스템 내용의 토큰은 이 최소 길이에 포함되지 않는다. 최소 캐시 가능 길이는 GPT-5.6 이후 1,024토큰이다. 명시적 분기점을 두지 않으면 요청은 캐시를 쓰지 않고 캐시 쓰기도 만들지 않는다. 캐시 쓰기 가격은 추가 요금이 아니며, 입력 토큰은 비캐시 입력, 캐시 입력, 캐시 쓰기 가운데 한 요율로 과금된다. 더 이른 모델에 대해서는 보고되는 캐시 수치가 숨은 시스템 토큰을 뺀 뒤 128의 배수로 내림된다고 안내서는 적는다. 20분의 1 가격은 실재한다. 그것을 지키는 것은 1,024토큰 접두부, 완전 일치, 내림 규칙이고, 셋 모두 가격표가 공중에 남겨 둔 단위로 쓰여 있다.

이제 단위다. 라이브러리 README는 작동 원리를 설명하고, 환산 수치는 하나만, 바이트로 준다. 실제로 평균적으로 토큰 하나가 약 4바이트에 해당한다는 문장이다. 고급 사용 안내서는 다른 수치를 문자와 단어로 준다. 영어 텍스트에서 토큰 하나가 대략 4자 또는 0.75단어라는 어림 규칙이다. 같은 페이지는 토큰이 한 문자만큼 짧을 수도, 한 단어만큼 길 수도 있다고 적고, "ChatGPT is great!"라는 문자열이 여섯 토큰으로 인코딩된다는 예를 들며, 채팅 형식이 추가 토큰을 쓰기 때문에 본문만 세면 전체 입력 토큰 수가 되지 않는다고 덧붙인다. 도움말 센터는 같은 세 쌍을 반복한다. 토큰 하나는 약 4자, 약 4분의 3단어, 100토큰은 약 75단어다. 그리고 중요한 문장을 소리 내어 적는다. 이것들은 추정치이며 정확한 개수가 아니라는 문장이다.

세 페이지, 세 단위다. 바이트, 문자, 단어. 모든 숫자에는 근사 표시가 붙고, 읽은 여덟 개 문서 가운데 어느 것도 가격표 자체에서 토큰을 정의하지 않는다. 스캔들이 아니라 공시의 경계다. 페이지 위의 정확한 숫자는 백만 토큰당 달러 금액이다. 문서를 청구서로 바꾸는 양은 다른 곳에, 선택한 어림 규칙 없이는 서로 환산되지 않는 단위로 적혀 있다.

인코딩 표는 그 경계가 굳는 지점이다. 쿡북 페이지는 이 묶음에서 인코딩 이름을 모델 계열에 연결하는 유일한 문서다. o200k_base는 gpt-4o와 gpt-4o-mini, cl100k_base는 gpt-4-turbo와 gpt-4, gpt-3.5-turbo, ada-002와 embedding-3 계열, p50k_base는 Codex와 text-davinci-002, -003, r50k_base는 GPT-3 계열이다. 서두에 인코딩이 텍스트를 토큰으로 바꾸는 방식이며 모델마다 다른 인코딩을 쓴다는 문장이 있다. 동시에 이 문서는 보관된 문서이며 오래된 모델이나 API를 가리킬 수 있다는 배너를 달고 있고, 본문은 라이브러리가 세 가지 인코딩을 지원한다고 말하는데 표에는 네 개의 이름이 오르며, 가장 최근 모델은 gpt-4o다. 달리 말하면, 독자가 인코딩 이름을 댈 수 있는 행은 정확히 세 개의 가격을 찍는 옛 행이고, 열 개의 가격을 찍는 행은 얻은 어떤 문서에도 인코딩 이름이 없다.

아무 페이지도 찍지 않으니 내 계산을 적는다. 안내서의 토큰당 0.75단어로 보면 백만 토큰은 약 75만 개의 영어 단어이고, 따라서 백만 토큰당 8.00달러는 백만 영어 단어당 약 10.67달러가 된다. 어림 규칙을 README의 4바이트 문장으로 바꾸면 숫자는 움직인다. 바이트는 문자가 아니고 문자는 단어가 아니기 때문이다. 도움말 센터의 한 쌍이 같은 말을 한다. 100토큰을 토큰당 네 자로 세면 400자이고, 같은 100토큰은 75단어로 제시된다. 두 문장, 두 대상, 하나의 단위 표시.

실무적 귀결은 가격 문제가 아니라 비교 문제다. 두 개의 토큰당 가격은 토큰을 같은 방식으로 셀 때만 적힌 그대로 비교된다. 그리고 이 하나의 가격표 안에서 행은 이미 최소 네 개의 이름 있는 인코딩으로 나뉘어 있다. 단어 수로 예산을 짜는 구매자는 공급자 스스로 추정치라고 표시한 추정치로 예산을 짠다. 토큰으로 짜는 구매자는 정확히 짜지만, 그 단위는 자기가 사는 페이지에서 스스로 정의할 수 없다.

계기에는 흠집이 하나 더 있다. 여러 행이 캐시 가격 자리에 줄표를 찍는다. gpt-5.5-pro, gpt-5.4-pro, gpt-5.2-pro, gpt-5-pro, o3-pro다. 줄표는 0도, 무료 캐시도 아니다. 인쇄된 가격이 없다는 사실이고, 인쇄된 숫자와 같은 행에 속한다.

그래서 공시는 값을 매기는 곳에서 정확하고, 정의하는 곳에서 근사하다. 달러 금액은 소수점 둘째 자리까지 붙는다. 분모에는 세 개의 추정치, 세 개의 단위, 보관된 인코딩 표, 그리고 표의 한쪽 렌더링에만 나타나는 272,000토큰 경계가 실려 있다. 이 가격을 천 단어당으로 인용하는 사람은 내 산술과 OpenAI의 어림 규칙을 인용하는 것이지, 가격표가 찍은 숫자를 인용하는 것이 아니다. 디렉터리 항목은 회사를 기록한다. 계기는 그 페이지다.