CodeKitHub
2026년 가장 저렴한 LLM API: 19개 모델 전체 가격 비교
게시일 2026년 7월 25일
순전히 비용만 보고 LLM API를 고른다면, 그 가격 편차는 대부분의 예상보다 훨씬 큽니다. 이 사이트의 LLM API 가격 계산기가 추적하는 19개 모델 — OpenAI, Anthropic, Google, DeepSeek, Qwen, Moonshot/Kimi, Zhipu/GLM, xAI — 을 모두 비교해 보면, 동일 조건 기준으로 가장 저렴한 모델과 가장 비싼 모델의 차이가 60배를 넘습니다. 어느 회사 로고에 익숙한지보다 이 격차가 훨씬 중요합니다.
순위
공정한 비교를 위해 아래 모든 모델은 혼합 요율로 점수를 매겼습니다. 총 100만 토큰당 입력 750,000 토큰 + 출력 250,000 토큰으로, 답변이 프롬프트보다 짧은 일반적인 채팅형 요청과 대략 일치하는 비율입니다. 가격은 100만 토큰 기준이며, 각 벤더의 공식 가격 페이지와 대조해 검증했습니다.
| 순위 | 모델 | 제공사 | 입력 | 출력 | 혼합 (3:1) |
|---|---|---|---|---|---|
| 1 | Gemini 2.5 Flash-Lite | $0.10 | $0.40 | $0.175 | |
| 1 | DeepSeek V4 Flash | DeepSeek | $0.14 | $0.28 | $0.175 |
| 3 | Qwen3.6 Flash | Qwen | $0.19 | $1.13 | $0.42 |
| 4 | GPT-5.4 Nano | OpenAI | $0.20 | $1.25 | $0.46 |
| 5 | DeepSeek V4 Pro | DeepSeek | $0.44 | $0.87 | $0.54 |
| 6 | Grok Code Fast 1 | xAI | $1.00 | $2.00 | $1.25 |
| 7 | GPT-5.4 Mini | OpenAI | $0.75 | $4.50 | $1.69 |
| 8 | Claude Haiku 4.5 | Anthropic | $1.00 | $5.00 | $2.00 |
| 9 | GLM-5.2 | Zhipu | $1.40 | $4.40 | $2.15 |
| 10 | GPT-5.6 Luna | OpenAI | $1.00 | $6.00 | $2.25 |
| 11 | Grok 4.5 | xAI | $2.00 | $6.00 | $3.00 |
| 12 | Gemini 3.5 Flash | $1.50 | $9.00 | $3.38 | |
| 13 | Qwen3.7 Max | Qwen | $2.50 | $7.50 | $3.75 |
| 14 | Claude Sonnet 5 | Anthropic | $2.00 | $10.00 | $4.00 |
| 15 | Gemini 3.1 Pro Preview | $2.00 | $12.00 | $4.50 | |
| 16 | GPT-5.6 Terra | OpenAI | $2.50 | $15.00 | $5.63 |
| 17 | Kimi K3 | Moonshot | $3.00 | $15.00 | $6.00 |
| 18 | Claude Opus 5 | Anthropic | $5.00 | $25.00 | $10.00 |
| 19 | GPT-5.6 Sol | OpenAI | $5.00 | $30.00 | $11.25 |
몇 가지 눈에 띄는 점이 있습니다. 특정 한 곳이 아니라 모든 제공사가 저가 티어와 플래그십 티어를 몇 배 차이로 함께 운영하고 있어서, “어느 벤더가 제일 싼가”는 잘못된 질문이고 “어느 특정 모델인가”가 맞는 질문입니다. 둘째, 가장 저렴한 두 모델(Gemini 2.5 Flash-Lite와 DeepSeek V4 Flash)은 전혀 무관한 회사에서 나왔는데도 혼합 요율이 정확히 같습니다 — 최저가 구간에서는 한 벤더가 시장을 파고드는 게 아니라 저가 티어 가격이 수렴해 버린 셈입니다.
가장 저렴한 모델이 곧 정답은 아닌 이유
가격만으로는 그 모델이 여러분의 작업에 충분히 좋은지 알 수 없습니다. 저가 티어 모델은 분류, 추출, 짧은 답변처럼 범위가 좁고 잘 정의된 작업 — 플래그십 모델의 추가 추론 능력이 놀게 되는 종류의 일 — 에는 대체로 충분합니다. 반면 개방형 추론, 긴 다단계 에이전트 워크플로, 오답을 나중에 잡아내는 비용이 큰 작업에는 잘 맞지 않습니다. 작업을 틀려서 재시도(또는 사람의 수정)가 필요한 저렴한 모델이, 한 번에 제대로 해내는 비싼 모델보다 결국 더 비싸질 수 있습니다.
합리적인 기본 전략은 이렇습니다. 가장 익숙한 모델로 프로토타입을 만들고, 작업이 잘 정의된 뒤에 위 표의 저가 티어 모델이 충분히 비슷한 결과를 내는지 테스트해 보세요. 통과한다면 절감액은 규모가 커질수록 복리로 쌓이고, 통과하지 못한다면 애초에 가격 차이가 진짜 비용 요인이 아니었던 겁니다.
실제 비용 계산하기
이 표는 순위를 매기기 위해 3:1 고정 혼합 비율을 사용했지만, 여러분의 실제 입력/출력 토큰 비율은 거의 확실히 3:1이 아닙니다. 요약 작업은 10:1일 수 있고, 코드 생성 작업은 1:2에 가까울 수 있습니다. 위의 혼합 순위는 테스트할 후보를 고르는 출발점으로는 괜찮지만, 여러분의 구체적인 비용 계산을 대신하지는 못합니다.
그 계산에는 LLM API 가격 계산기를 직접 사용하세요. 실제 입력·출력 토큰 수를 입력하면 이 19개 모델 어느 것이든 정확한 비용을 계산해 주고, 대략적인 요청 횟수를 알고 있다면 월간 추정치도 보여 줍니다. 아직 토큰 수를 모른다면 Token Counter 도구가 어림짐작 대신 실제 프롬프트에서 정확한 숫자를 알려 줍니다. 두 도구 모두 브라우저 안에서만 동작합니다 — API 키도, 계정도 필요 없고 아무것도 업로드되지 않습니다.