AI 에이전트에게 한 달을 맡기면 청구서는 얼마? — 2,000억 토큰 실험으로 본 '모델 선택 = 비용' (2026년 8월)

한 개발자가 AI 에이전트에게 한 달간 콜오브듀티: 모던 워페어 2(2009) 디컴파일을 맡긴 기록이 개발자 커뮤니티에서 확산 중이다. 워커 에이전트 3개 + 오버시어 1개가 4주간 쉬지 않고 돌며 약 7,000개 커밋을 만들고 게임 함수의 34%를 복원했다. 그 과정에서 태운 토큰이 약 1,998억 개다. (원문, 원문 주장·미검증)

흥미로운 건 저자가 비용은 공개하지 않았다는 점이다. 장기 자율 에이전트 과제를 생각 중인 사람에게 정작 궁금한 그 숫자가 비어 있다. 그래서 본지가 추적하는 검증 API 단가로 채워봤다. 결론부터: 같은 2,000억 토큰이라도 어느 모델로 돌리느냐에 따라 청구서가 최대 29배 벌어진다. 장기 에이전트에선 모델 선택이 곧 예산이다.

전제 — 무엇을 가정했나

저자가 공개하지 않은 두 가지를 가정으로 채운다. 이 값들은 본지 가정이고, 우리가 통제·검증한 것은 각 모델의 단가뿐이다.

• 총 2,000억 토큰(원문 1,998억을 반올림).
• 입력 80% / 출력 20% 분할. 코딩 에이전트는 코드를 대량으로 읽고(입력) 상대적으로 적게 쓴다(출력). 실제 분할은 워크로드마다 다르므로 아래 절대액이 아니라 모델 간 배수를 보는 게 안전하다.
• 캐시 미적용 기준(캐시는 뒤에서 별도 지렛대로 다룸).

즉 입력 1,600억 · 출력 400억 토큰. 각 사 주력·저가 체급을 나란히 놓고 세전 USD로 계산했다.

같은 일, 모델만 바꿨을 때 (캐시 미적용 추정)

모델	입력 $/1M	출력 $/1M	추정 총비용
Claude Opus 5	$5.00	$25.00	≈ $1,800,000
OpenAI gpt-5.6-terra	$2.00	$12.00	≈ $800,000
Gemini 3.1 Pro	$2.00	$12.00	≈ $800,000
Claude Sonnet 5	$2.00	$10.00	≈ $720,000
Gemini 3.7 Flash	$0.75	$3.75	≈ $270,000
DeepSeek v4-pro (오프피크)	$0.66	$1.98	≈ $185,000
OpenAI gpt-5.6-luna	$0.20	$1.20	≈ $80,000
DeepSeek v4-flash (오프피크)	$0.22	$0.66	≈ $62,000

맨 위 Claude Opus 5(≈180만 달러)와 맨 아래 DeepSeek v4-flash(≈6.2만 달러)의 격차가 약 29배다. 심지어 "제대로 코딩되는 상위 체급"으로 좁혀도 Opus 5와 Sonnet 5 사이가 2.5배다.

저자의 선택이 이 표를 그대로 증언한다. 저자는 앞 2주를 Claude Opus 5로, 뒤 2주를 Sonnet 5로 돌렸고 "디컴파일 품질은 비슷했다"고 적었다. Sonnet 5의 토큰당 단가는 Opus 5의 약 40%(입력 2/5, 출력 10/25)다 — 후반 전환만으로 남은 절반 구간의 비용을 절반 이하로 깎은 셈이다. 품질이 비슷하다면 더 싼 체급으로 내려가는 것, 그게 장기 에이전트 비용 관리의 첫 번째 레버다.

실제 청구서를 결정하는 두 지렛대

위 표는 "정가표"에 가깝다. 진짜 청구서는 두 가지가 더 흔든다.

① 캐시. 에이전트는 같은 파일·같은 컨텍스트를 반복해서 읽는다. 프롬프트 캐싱을 켜면 재읽기 입력이 캐시 히트로 처리돼 훨씬 싸진다 — Claude 캐시 읽기는 입력의 약 1/10(Sonnet 5 기준 $0.20/1M), DeepSeek은 더 낮다. 입력이 총량의 80%인 이 워크로드에서 캐시는 입력 비용을 크게 깎을 수 있다. 단, 출력에는 캐시가 없다. 커밋 7,000개처럼 생성량이 많은 과제는 캐시를 최대로 써도 출력 단가가 총액의 바닥을 잡는다 — 그래서 출력 단가($/1M output)가 낮은 모델이 장기 생성 과제에서 유리하다. (보이지 않는 추론 토큰 청구서도 출력 쪽에 얹힌다.)

② 체급 전환. 저자처럼 "쉬운 구간은 싼 모델, 어려운 구간만 비싼 모델"로 갈아타면 평균 단가가 내려간다. 전 구간을 최상위로 돌리는 건 대개 낭비다. (코딩 AI 결정 가이드 참고.)

한국에서 돌린다면 — 두 가지가 더 붙는다

이 MW2 실험은 대상이 **코드(영어)**라 한국어 토큰세가 붙지 않았다. 하지만 조건이 조금만 달라도 위 표는 커진다.

• 한국어 문서·주석·데이터가 많은 코드베이스에 에이전트를 붙이면, 같은 일이라도 토큰이 계열별 1.22~1.52배(Gemini 1.22 · OpenAI 1.29 · DeepSeek 1.43 · Claude 1.52)로 붇는다. 위 표의 총액에 그만큼 곱해야 실제 견적이 된다. 특히 Claude 계열은 한국어 가중이 가장 커서, 표에서 벌어둔 우위를 일부 반납한다. (API 예산 짜는 법)
• DeepSeek을 골랐다면 시간대를 보라. DeepSeek은 8/16부터 피크/오프피크 요금제이고, 하필 한국 낮 시간(10–13시·15–19시)이 피크다 — 오프피크의 2배. 위 표의 DeepSeek 값은 오프피크 기준이라, 낮에 실시간으로 돌리면 각각 두 배(v4-pro ≈$37만, v4-flash ≈$12만)로 봐야 한다. 장기 배치라면 새벽·저녁 늦게로 미뤄 오프피크에 태우는 것만으로 DeepSeek 구간 비용이 반이 된다.

결정하려는 사람에게

• 장기 자율 에이전트의 비용은 "토큰 총량 × 모델 단가"로 지배된다. 며칠~몇 주짜리 과제는 토큰이 억 단위로 쌓이므로, 시작 전에 표의 배수를 먼저 계산하라. 29배 차이는 프로젝트의 성패를 가른다.
• 전 구간 최상위 모델은 대개 과지출이다. 저자처럼 어려운 초반만 상위 체급, 이후엔 싼 체급으로 내려가는 혼합이 실측으로도 합리적이었다.
• 캐시를 켜고, 출력량을 설계하라. 입력은 캐시로 깎이지만 출력은 안 깎인다. 생성량이 많은 과제일수록 출력 단가가 낮은 모델을 우선 후보로.
• 한국어 워크로드·한국 낮 시간은 표를 키운다. 토큰세와 DeepSeek 피크를 견적에 반드시 반영하라.

숫자 자체보다 중요한 건 방향이다: 장기 에이전트 과제는 "어떤 모델을 쓸까"가 곧 "얼마를 낼까"다. 시작 버튼을 누르기 전에, 위 표에서 자기 워크로드가 어디 앉는지부터 확인하라.

참고

• 실험 출처: momo5502.com 2026-08-17 게시. 총 1,998억 토큰·4주·Claude Opus 5(전반 2주)→Sonnet 5(후반 2주)·워커 3+오버시어 1·약 7,000커밋·함수 34% 복원은 원문 저자 주장이며 본지가 독립 검증하지 않았다. 저자는 비용·입출력 분할을 공개하지 않았다.
• API 단가: 각 사 공식 요금 문서 2026-08 본지 관측(OpenAI·Gemini·Anthropic·DeepSeek). 세전 USD/1M 토큰. DeepSeek은 오프피크가 기준.
• 총비용은 본지 가정(입력 80%/출력 20%, 캐시 미적용)에 근거한 추정치이며 실제 청구서가 아니다. 본지가 통제·검증한 값은 모델별 단가뿐이다. 실제 견적은 자기 워크로드의 토큰 분할·캐시 적중률로 재계산해야 한다.
• 한국어 토큰 배수: 본지 고정 코퍼스 실측(방법론). 모델 간 품질 비교는 본지 범위 밖이다.