2026년 LLM API 가격 비교: 모든 주요 모델, 가격 공개
LLM API 가격 비교는 단순해 보이지만 실제로 만들어보려면 복잡합니다. 2026년 상반기에만 가격이 두 번 인상되었고, 모든 제공자가 입력과 출력을 다르게 책정하며, 공개된 "정가"가 실제 청구서와 거의 일치하지 않기 때문입니다. 따라서 우리는 2026년 7월 14일에 각 공식 가격 페이지에서 모든 수치를 직접 수집하고, 실제 작업을 기준으로 계산했습니다.
완전한 LLM API 가격 표(2026년)
한 화면에 모든 모델을 정리했으며, 백만 토큰당 USD 기준입니다. 많은 사람들이 스크린샷하는 표이므로 먼저 표시했습니다.
중요한 두 가지 주석입니다. Claude Sonnet 5는 2026년 8월 31일까지 입력 $2.00 / 출력 $10.00의 도입 가격이고, 그 이후에는 위에 표시된 $3.00 / $15.00으로 돌아갑니다. Gemini 2.5 Pro는 단일 프롬프트가 200K 토큰을 넘으면 $2.50 입력 / $15.00 출력으로 인상되므로, 실제 "정가"는 최소 기본값입니다.
여기의 모든 모델은 또한 입력과 출력 모두에 고정 50% 할인을 제공하는 배치 API를 제공합니다(Anthropic, OpenAI, Google, Alibaba). 이를 아래의 실제 계산 예시에 포함시키겠습니다.
실제로 청구받는 금액
세 개의 숫자가 청구서를 결정하며, 대부분의 가격 책정 페이지는 그 중 두 개를 숨깁니다.
- 입력 토큰은 전송하는 모든 것입니다: 시스템 프롬프트, 대화 이력, 검색된 컨텍스트, 사용자의 질문. 채팅 및 RAG 앱에서는 보통 더 큰 부분입니다.
- 출력 토큰은 모델이 생성하는 것이며, 거의 모든 제공자에서 입력보다 3~6배 비쌉니다. GPT-5.6 Terra는 입력 $2.50, 출력 $15.00을 청구하며 6배의 배수입니다. 자세한 응답은 비용을 증가시킵니다.
- 캐시된 입력은 숨겨진 비용입니다. 매 요청마다 동일한 시스템 프롬프트를 전송한다면, 프롬프트 캐싱은 이러한 반복된 토큰을 정상 가격의 약 10%로 청구합니다. 위의 "캐시된 입력" 열을 보세요: Claude Opus 4.8은 $5.00에서 $0.50으로 떨어집니다. 트래픽이 많은 앱에서는 이 한 열이 청구서가 $10K인지 $3K인지를 결정합니다. 우리의 프롬프트 캐싱 가이드는 각 제공자별 설정을 다룹니다.
핵심: 단순한 "입력 가격" 비교는 오도할 수 있습니다. 정가가 가장 낮은 모델이 약간 비싸지만 캐싱이 더 잘 되는 모델에 져볼 수 있고, 출력 가격이 가장 비싼 모델이 작업에서 두 단어 답변만 반환하면 가장 저렴할 수 있습니다.
대량 작업을 위한 가장 저렴한 모델
분류, 추출, 요약 또는 중재와 같은 작업에서 수백만 토큰을 처리하는 경우, 표의 맨 아래가 절약의 장소입니다.
- DeepSeek-V4는 입력 $0.14 / 출력 $0.28의 가격 최저점입니다. 캐시 히트 입력 가격(백만 토큰당 약 $0.003)은 거의 무료입니다. 1M 토큰 컨텍스트와 최대 384K 출력을 사용하면 대부분의 비최첨단 작업을 편하게 처리합니다.
- Gemini 2.5 Flash-Lite는 입력 $0.10 / $0.40로 Google의 대안이며, 동일한 1M 컨텍스트와 성숙한 생태계를 갖추고 있습니다.
- Zhipu GLM-4.6은 입력 $0.43 / $1.74으로 중간에 위치하며 강력한 코딩 모델입니다. 개발을 위해 많이 사용하는 경우, GLM의 코딩 계획 구독이 토큰 단위 가격을 능가할 수 있습니다.
- Mistral Small 4는 입력 $0.15 / $0.60으로 EU 데이터 상주 옵션 중 가장 저렴하며, 규제 워크로드에 중요합니다.
이 계층과 최고급 모델 간의 차이는 미묘하지 않습니다. DeepSeek-V4의 출력 가격은 GPT-5.6 Sol의 50배 이상 저렴합니다. 중급 오픈웨이트 모델이 품질 기준을 충족하는 모든 작업에서, 이 차이는 청구서의 가장 큰 영향을 미칩니다.
최고급 계층 비교
작업이 진정으로 최첨단 추론을 필요로 하는 경우(복잡한 에이전트, 어려운 코드, 심층 분석), 네 가지 모델 중에서 선택하게 됩니다. 동일한 인텔리전스 클래스의 가격으로 어떻게 정렬되는지 보세요:
표면상 Gemini 2.5 Pro는 그룹의 최고 거래이며, Sol의 출력 가격의 약 4분의 1입니다. 문제는 긴 컨텍스트 페널티입니다: 단일 프롬프트에서 200K 토큰을 초과하면 전체 요청이 $2.50 / $15.00으로 재책정됩니다. 큰 컨텍스트를 채우는 에이전트의 경우, 이는 많은 이점을 삭제하므로 결정하기 전에 실제 프롬프트 크기를 가격 책정하세요.
Claude Fable 5는 비용에서 이상치입니다. Opus 계층 위에 위치하여 가장 까다로운 장기 추론을 위해 설계되었으므로, 기본값이 아니라 의도적인 "정확성이 비용을 능가할 때 사용" 모델입니다.
표에 아무도 넣지 않는 숨겨진 비용
토큰 단위 비교는 실제 청구서를 이동시키는 네 가지를 놓칩니다:
- 긴 컨텍스트 계층. Gemini 2.5 Pro(200K 이상) 및 GPT-5.6(대략 272K 이상)은 프롬프트가 커지면 1.5~2배를 청구합니다. 긴 문서 작업을 하는 경우, 실제 요율은 계층화된 것입니다.
- 캐시 쓰기 프리미엄. Anthropic은 0.1배 읽기 요율을 얻기 전에 캐시를 쓰는 데 1.25배를 청구합니다(1시간 TTL의 경우 2배). 2번의 요청 후에 보상되지만, 반복이 적은 워크로드는 쓰기 프리미엄을 지불하고 수익을 얻지 못할 수 있습니다.
- 배치 대 실시간. 50% 배치 할인은 워크로드가 24시간 기다릴 수 있으면 무료 돈입니다. 대부분의 팀은 생각하는 것보다 배치 적격 트래픽이 더 많습니다(야간 작업, 백필, 중재).
- 목록에 없는 제공자. 매우 높은 볼륨의 경우, 임대된 GPU에서 오픈 모델을 자체 호스팅하면 여기의 모든 API 요율을 능가할 수 있습니다. 로컬로 LLM을 실행하는 방법에 대한 가이드는 그 수학이 언제 뒤집히는지를 다룹니다.
토큰별 가격이 아닌 작업별 가격: 실제 사례
토큰별 가격은 추상적입니다. 따라서 우리는 실제 작업을 실행했습니다. 2026년 6월에 50개 문서 요약 배치(약 1.2M 입력 토큰 및 120K 출력 토큰)를 5개 모델을 통해 처리하고 실제 청구서를 기록했습니다:
동일한 50개 문서, 동일한 프롬프트. 청구서는 배치 전에 $4.80에서 $0.20으로, 동일한 작업에 대해 24배 차이입니다. 배치 적격 제공자를 야간 큐로 이동한 후, Gemini 2.5 Flash는 33센트에 착륙했습니다. 요약의 경우 이러한 모델 간의 품질 차이가 우리의 오차 한계 내에 있었으므로, 해당 결정은 규모에 따라 월별 수천 달러의 가치가 있습니다.
교훈: 올바른 비교는 항상 작업당 비용이며, 단일 토큰의 정가가 아닌 실제 입력/출력 비율에서 계산됩니다. 비싼 출력을 가진 모델은 추출에 저렴합니다. 저렴한 입력을 가진 모델은 긴 생성에 비쌉니다.
사용 사례별로 가장 저렴한 모델은?
짧은 버전, 위 표에서 가격이 책정됨:
- 챗봇 및 RAG(긴 입력, 짧은 출력): 입력 가격과 캐싱이 지배합니다. Gemini 2.5 Flash와 DeepSeek-V4가 승리합니다. 선택한 것에 프롬프트 캐싱을 추가하세요.
- 긴 형식의 생성(짧은 입력, 긴 출력): 출력 가격이 지배합니다. Gemini 2.5 Flash-Lite와 DeepSeek-V4가 가장 저렴합니다. 추론이 필요하지 않으면 GPT-5.6 Sol을 피하세요.
- 에이전트 및 도구 사용(큰 컨텍스트, 많은 턴): 긴 컨텍스트 계층을 주시하세요. Claude Opus 4.8과 GPT-5.6 Terra는 예측 가능합니다. Gemini 2.5 Pro는 200K 미만으로 유지하는 경우에만 가장 저렴합니다.
- 코딩: GLM-4.6 및 그 코딩 계획 구독, 또는 가장 어려운 문제를 위한 Claude Opus 4.8.
- 정확성이 비용을 능가하는 최첨단 추론: Claude Opus 4.8 또는 Claude Fable 5.
무엇을 선택하든, 게이트웨이를 통해 라우팅하여 제공자 전환이 코드 재작성이 아닌 구성 변경이 되도록 하세요. 우리의 최고 LLM 게이트웨이 도구 비교는 옵션을 다루고, 청구서를 줄이기 위한 전체 재생북을 원하면 LLM API 비용 절감 가이드를 참조하세요. Gemini 전용 심층 분석(이 표가 다루지 않는 멀티모달 및 오디오 요금 포함)은 Gemini API 가격 책정 분석을 참조하세요.
Techsy가 클라이언트를 위해 모델을 선택하는 방법
우리는 B2B 클라이언트를 위해 프로덕션 AI 시스템을 구축하며, 모델 선택은 일반적으로 코드 작성 전에 가장 먼저 하는 결정 중 하나입니다. 우리의 접근 방식은 의도적으로 평범합니다. 워크로드의 실제 입력/출력 비율을 프로파일링하고, 그 비율에서 상위 3개 후보의 가격을 책정하고(정가가 아닌), 평가 세트에 대해 실행하여 품질 동등성을 확인한 다음, 새로운 모델이 출시될 때마다 분기마다 재책정할 수 있도록 가장 저렴한 통과 모델을 게이트웨이 뒤에 배선합니다. 마지막 단계는 오늘 "최고의" 모델을 선택하는 것보다 더 중요합니다. 왜냐하면 위에서 본 가격이 3개월 후에는 잘못되기 때문입니다.
...