카파시는 그 말을 한 적이 없다 — 내 30일치 토큰 로그로 채점한 'AI 코딩 비용 절약 10계명'
카카오톡으로 이 이미지를 받았습니다. 51만 명이 봤다는 리스트입니다.
읽어보면 대부분 그럴듯합니다. 저도 매일 에이전트로 코딩하니까 감으로는 다 맞는 말 같았습니다. 그런데 이 글은 두 가지를 모두 요구합니다. 인용된 사람이 실제로 그 말을 했는지, 그리고 $1.20 / 30배 / 70-90% 같은 숫자가 어디서 나왔는지.
둘 다 확인해봤습니다. 그리고 마침 제 노트북에는 최근 30일간 실제 에이전트 코딩 세션 1,201개의 토큰 사용 로그가 있습니다. 감으로 채점하지 않고 그걸로 채점했습니다.
결론부터: 인용은 가짜입니다. 방향은 대체로 맞습니다. 숫자는 대부분 틀렸고, 가장 큰 비용 항목은 이 리스트에 아예 없습니다.
1. 인용부터 — 카파시는 그 말을 한 적이 없다
이미지 첫 줄의 문장은 영어권에서 이렇게 돌고 있습니다.
“90% of your AI coding bill is paying for context you didn’t need to send.” — Andrej Karpathy
카파시가 글을 올리는 곳은 전부 공개돼 있습니다. 개인 블로그, X 계정, GitHub, 그리고 그가 직접 정리해 올린 강연 기록입니다. 전부 확인했습니다.
- 개인 블로그
karpathy.bearblog.dev— 2024년 9월부터 2026년 4월까지 글 13편이 전부입니다. 토큰 비용이나 요금을 다룬 글은 한 편도 없습니다. - 2026년 1월 26일 클로드 코드 사용기 — 워크플로, IDE, 끈기, 속도, 능력 퇴화, “슬로파칼립스”까지 길게 썼지만 비용 이야기는 한 줄도 없습니다.1
- AI Ascent 2026 — 행사 자체는 실재합니다. 세쿼이아캐피탈이 2026년 4월 20일 샌프란시스코에서 연 4회차 행사고, 카파시는 “From Vibe Coding to Agentic Engineering” 이라는 제목으로 대담을 했습니다.2 그리고 그는 자기 강연의 정리본과 정제한 전사본을 직접 자기 블로그에 올렸습니다.3 그 안에 90% 문장도, “context engineering is the new vibe coding” 이라는 문장도 없습니다.
그가 컨텍스트와 비용에 대해 실제로 한 말은 이것 하나입니다. 2025년 6월 25일 X 게시물입니다.
“+1 for ‘context engineering’ over ‘prompt engineering’. (…) context engineering is the delicate art and science of filling the context window with just the right information for the next step.”
“Too little or of the wrong form and the LLM doesn’t have the right context for optimal performance. Too much or too irrelevant and the LLM costs might go up and performance might come down.”4
“비용이 올라갈 수도 있다(might go up)” 입니다. 숫자가 없고, 단정도 아닙니다. 유통되는 “90%” 는 이 문장 위에 누군가 씌운 숫자입니다.
한 가지 더. 이미지의 마지막 줄이 “라우팅” 을 미래로 제시하는데, 카파시가 바이브 코딩의 후속으로 실제로 만든 용어는 “agentic engineering” 입니다. 2026년 2월 4일에 직접 정의했고, AI Ascent 대담 제목도 그것이었습니다. “context engineering is the new vibe coding” 은 그가 하지 않은 말이 엉뚱한 행사에 붙은 것입니다.
전파 경로 (출처가 아니라 유통 경로로만 표기합니다)
- 2026년 5월 12일경, X 계정 @DeRonin_ — 문제의 인용문으로 시작하는 “10 things senior AI engineers stopped wasting tokens on” 게시물. 이미지의 한글 10개 항목은 이것의 번역입니다.
- 5월 13일, LinkedIn — 같은 리스트를 거의 그대로 복사. $1.20 / $0.60 / $0.02 / “30x” / “5x” 수치까지 동일.
- 5월 13일 이후, SEO 콘텐츠 팜 — 지어낸 인용문을 출처가 있는 사실처럼 인용한 “카파시의 토큰 최적화 가이드” 류 글들이 나오고, 이후 “연구에 따르면 90%” 로 세탁됩니다.
즉 일차 출처가 없는 문장이 3주 만에 “연구 결과” 가 되었습니다. 이 글에서 제가 가장 중요하게 생각하는 대목은 사실 여기입니다.
2. 그럼 숫자는? — 내 로그를 직접 셌다
인용이 가짜라고 해서 현상까지 가짜인 것은 아닙니다. 그래서 직접 셌습니다.
클로드 코드는 세션마다 ~/.claude/projects/**/*.jsonl 에 전사본을 남기고, 어시스턴트 메시지마다 API usage 블록이 그대로 들어 있습니다. input_tokens, output_tokens, cache_creation_input_tokens, cache_read_input_tokens 네 가지입니다. 추정이 아니라 청구 근거가 되는 실제 값입니다.
측정 범위 — 최근 30일 내에 갱신된 전사본 파일 1,233개. 그 안의 메시지 타임스탬프는 2026-07-11T20:50Z ~ 2026-08-12T07:40Z 에 걸쳐 있습니다. usage 블록이 있는 세션 1,201개(이 중 단가표에 있는 모델만 쓴 세션 1,161개 — 금액 계산은 이쪽만 씁니다), 어시스턴트 메시지 92,823개, 합계 148억 토큰. 텔레그램 봇 4대, 쿠버네티스 운영, 스프링 부트 리포 여러 개를 오간 실제 작업 로그입니다.
한 가지 미리 밝힐 것 — 이 로그는 측정하는 동안에도 계속 자라고 있었습니다. 이 글을 쓰는 세션 자체가 같은 디렉터리에 기록되기 때문입니다. 그래서 아래 집계는 2026년 8월 12일 오후에 몇 분 간격으로 돌린 스냅샷들이고, 총액이 실행마다 0.1% 미만으로 흔들립니다. 반올림 오차라고 생각하시면 됩니다.
토큰 구성
| 구분 | 토큰 | 비중 |
|---|---|---|
| 새 입력 (캐시 미적용) | 17,080,642 | 0.11% |
| 캐시 쓰기 입력 | 606,300,393 | 4.08% |
| 캐시 읽기 입력 | 14,167,603,304 | 95.31% |
| 출력 | 73,841,552 | 0.50% |
| 합계 | 14,864,825,891 | 100% |
입력 대 출력이 200 대 1 입니다. 148억 토큰 중 출력은 0.5%입니다.
그런데 토큰 수는 비용이 아닙니다. 앤트로픽 공식 가격표는 캐시 쓰기를 기본 입력의 1.25배, 캐시 읽기를 0.1배, 출력을 5배로 매깁니다.5 그래서 다시 계산했습니다.
비용 구성 (공개 API 정가 환산, 30일)
| 구분 | 금액 | 비중 |
|---|---|---|
| 새 입력 | $86.75 | 0.68% |
| 캐시 쓰기 | $3,726.79 | 29.16% |
| 캐시 읽기 | $7,123.00 | 55.73% |
| 출력 | $1,844.76 | 14.43% |
| 합계 | $12,781.30 | 100% |
이 금액이 정상인지 궁금하실 텐데, 공식 기준선이 있습니다. 클로드 코드 공식 문서는 “the average cost is around $13 per developer per active day and $150-250 per developer per month, with costs remaining below $30 per active day for 90% of users” 라고 밝힙니다.6 제 30일치는 하루 평균 약 $426 로 그 33배입니다. 자랑이 아니라 조건이 다른 것입니다. 저는 봇 세션 4개를 병렬로 돌리고 있고, 공식 문서도 “Agent teams spawn multiple Claude Code instances, each with its own context window” 이며 “approximately 7x more tokens than standard sessions” 라고 명시합니다.6 비용은 사람 수가 아니라 동시에 도는 컨텍스트 창의 개수를 따라갑니다.
한계를 먼저 밝힙니다. 저는 구독 요금제 사용자라 이 금액을 실제로 청구받지 않았습니다. 같은 토큰을 공개 API 정가로 환산하면 얼마인지를 계산한 것이고, 모델별 실제 단가표를 적용했습니다.5 또 이 로그는 개인 1인의 워크로드이므로 일반화할 수 없습니다.
3. “90%” 채점 — 방향은 맞고, 진단은 틀렸다
토큰 기준으로 입력은 99.50%, 비용 기준으로 85.57% 입니다. “당신 요금의 대부분은 컨텍스트다” 는 방향으로는 맞습니다.
하지만 원문의 주장은 “보내지 않아도 될(you didn’t need to send) 컨텍스트” 입니다. 로그에는 각 토큰이 필요했는지 아닌지가 기록되지 않습니다. 그 비율은 사용량 로그로는 원리적으로 측정 불가능합니다. 90%든 60%든, 누가 말하든 그건 측정치가 아니라 추정입니다.
그리고 더 중요한 게 있습니다. 비용의 최대 단일 항목은 캐시 읽기 55.73% 입니다. 이건 “한 번 잘못 보낸 파일” 이 아닙니다. 한 번 보낸 것을 매 턴 다시 읽는 비용입니다. 정가의 10%밖에 안 되는데도 1위입니다. 왜냐하면 턴마다 반복되니까요.
반면 새 입력은 비용의 0.68% 입니다. 이미지 6번 “혹시 몰라서 파일을 포함하면 3,000토큰이 80,000토큰이 된다” — 그 파일을 처음 보내는 순간의 비용은 사실상 0 입니다. 진짜 대가는 그게 그 세션이 끝날 때까지 프리픽스에 남아 모든 후속 턴의 캐시 읽기에 얹힌다는 것입니다. 결론은 같지만 이유가 다르고, 이유가 다르면 처방이 달라집니다.
4. 리스트에 없는 가장 큰 항목 — 비용은 턴 수에 비례하지 않는다
프롬프트 캐싱은 프리픽스 전체를 캐싱합니다. 공식 문서 표현으로 “prompt caching references the entire prompt — tools, system, and messages (in that order) up to and including the block designated with cache_control” 입니다.7 즉 매 호출마다 그 시점까지의 대화 전체가 다시 입력으로 들어갑니다.
그러면 $i$ 번째 호출의 입력 크기 $p_i$ 는 대화가 길어질수록 커지고, 세션 총 입력은
\[\sum_{i=1}^{N} p_i \;\approx\; p_0 N + \frac{N(N+1)}{2}\,\Delta\]턴 수 $N$ 에 대해 선형이 아니라 제곱으로 늘어납니다($\Delta$ 는 턴당 프리픽스 증가분).
이게 이론이 아니라 실제로 그런지, 어시스턴트 메시지 200개 이상인 세션 76개에서 메시지 순번대로 평균 입력 토큰을 재봤습니다.
| 메시지 순번 | 표본 수 | 평균 입력 토큰 | 직전 구간 대비 |
|---|---|---|---|
| 1–25 | 1,900 | 64,697 | — |
| 26–50 | 1,900 | 92,609 | ×1.43 |
| 51–100 | 3,800 | 118,283 | ×1.28 |
| 101–200 | 7,600 | 158,364 | ×1.34 |
| 201–400 | 11,127 | 228,187 | ×1.44 |
| 401–800 | 11,005 | 348,636 | ×1.53 |
| 801–1600 | 7,151 | 300,591 | ×0.86 |
세션 초반 대비 400~800번째 메시지는 턴당 5.4배 비쌉니다. 같은 질문을 해도 그렇습니다.
마지막 줄이 흥미롭습니다. 800번째를 넘기면 오히려 줄어듭니다. 컨텍스트 압축이 걸려 프리픽스가 잘리기 때문입니다. 즉 제 로그에서 세션당 입력은 약 30만~35만 토큰에서 천장을 칩니다.
그리고 이 비용은 소수의 세션에 몰려 있습니다. 아래는 모델별 실제 단가를 적용해 세션 1,161개를 비싼 순으로 줄 세운 것입니다.
| 상위 | 세션 수 | 누적 금액 | 비용 점유율 |
|---|---|---|---|
| 상위 1% | 11 | $4,014.01 | 31.39% |
| 상위 5% | 58 | $8,999.71 | 70.38% |
| 상위 10% | 116 | $10,041.25 | 78.52% |
| 상위 25% | 290 | $11,388.39 | 89.05% |
| 상위 50% | 580 | $12,502.40 | 97.77% |
세션 11개가 전체의 3분의 1을 씁니다. 가장 비싼 세션 하나가 $673.23 로 혼자 5.26% 였고, 그 세션의 어시스턴트 메시지는 6,892개였습니다. 반대쪽 절반, 즉 싼 쪽 580개 세션을 다 합쳐도 2.23% 입니다. 거기를 아무리 최적화해도 2%가 상한입니다.
그러니 절약의 레버는 “린트할 때 싼 모델 쓰기”(리스트 2번)가 아닙니다. 긴 세션을 언제 끊고 새로 시작하느냐입니다. 이 항목은 이미지의 10개 어디에도 없습니다.
5. 실제로 효과가 있었던 것 — 그리고 그건 내가 한 게 아니다
같은 로그에서, 캐싱이 없었다면 얼마였을지도 계산했습니다. 캐시 읽기·쓰기 토큰을 전부 기본 입력 단가로 환산하면 됩니다.
| 시나리오 | 정가 환산 |
|---|---|
| 실제 (프롬프트 캐싱 적용) | $12,781.30 |
| 캐싱이 없었다면 | $76,142.92 |
| 차이 | 5.96배 / 83.2% 절감 |
10계명이 권하는 어떤 항목보다 큰 절감입니다. 그런데 이건 제가 최적화한 게 아닙니다. 도구가 기본으로 해준 것입니다. 공식 문서는 자동 캐싱을 이렇게 설명합니다. “The system automatically applies the cache breakpoint to the last cacheable block and moves it forward as conversations grow.”7
여기서 5번 항목이 중요해집니다. 캐시는 프리픽스 일치로 동작하므로, 앞부분이 바뀌면 그 뒤는 전부 무효가 됩니다. 클로드 코드 공식 문서의 표현이 가장 정확합니다. “The match is exact, so a change anywhere in the prefix recomputes everything after it. There is no per-file or per-segment caching.”8 즉 매 호출마다 시스템 프롬프트나 도구 정의가 달라지는 구현은 저 83%를 통째로 날립니다. 이미지의 5번은 맞습니다.
같은 문서는 무엇이 캐시를 깨는지도 열거합니다. 모델 전환과 effort 레벨 변경은 프롬프트 본문이 아닌데도 캐시 키의 일부라, 바꾸는 순간 전체가 재계산됩니다.8 이미지 8번(“단일 모델 셋업이 가장 비싼 실수”)을 곧이곧대로 따라 세션 중간에 모델을 갈아타면, 아낀 단가만큼을 캐시 재구축으로 도로 뱉을 수 있습니다. 모델은 세션 시작 때 고르는 것이지 턴마다 바꾸는 게 아닙니다.
재미있는 건, 영어 원문의 5번은 틀렸다는 점입니다. 원문은 “streaming responses on stable-prefix workflows kills your prompt cache”(스트리밍이 캐시를 죽인다)인데, 공식 문서에는 그런 내용이 없습니다. 스트리밍은 응답 전달 방식이지 프리픽스가 아닙니다. 한글 이미지는 이걸 “매 호출마다 프롬프트 앞부분이 바뀌는 구현” 으로 바꿔놨는데, 번역이 원문보다 정확합니다.
다만 문서에 있는 진짜 함정은 따로 있습니다. 기본 캐시 수명은 5분이고, “수명은 응답이 끝난 시점이 아니라 요청이 시작된 시점부터 잽니다. 응답 생성에 걸린 시간도 수명에서 깎입니다.”7 응답이 4분간 스트리밍됐다면 다음 요청은 약 1분 안에 시작해야 캐시에 맞습니다. 스트리밍이 캐시를 죽이는 게 아니라, 긴 응답과 긴 사용자 생각 시간이 캐시를 만료시킵니다.
6. 10개 항목 채점표
| # | 주장 | 판정 | 근거 |
|---|---|---|---|
| 1 | 파일 50개 자동 로딩, 턴당 $1.20, 입력 80% 낭비 | 방향 맞음 / 수치 출처 없음 | 제 로그의 메시지당 입력 중앙값은 109,438토큰. 옵스 5 캐시 읽기 단가로 턴당 약 $0.055, 전부 새 입력이라면 약 $0.55. “80% 낭비” 는 로그로 측정 불가 |
| 2 | 린트·포맷에 최상위 모델 → 30배 지불 | 거짓 | 현행 공식 가격표에서 가장 비싼 모델과 하이쿠 4.5의 비는 10배(페이블 5), 옵스 5 대 하이쿠 4.5는 5배입니다.5 모델 선택만으로 30배는 나올 수 없습니다 |
| 3 | 재시도마다 전체 리포 재전송 → 30-50% 절감 가능 | 방향 맞음 / 수치 출처 없음 | 제 데이터는 재전송이 지배적임을 지지합니다(캐시 읽기 55.73%). 30-50%라는 숫자의 출처는 없습니다 |
| 4 | 기본 모델 최상위 고정, 1/6 가격 모델로 동일 품질 | 거짓 (모델명·수치) | 원문이 지목한 kimi-2.6 은 코딩 모델이 아니고, 코딩 모델(kimi-k2.7-code)로 같은 조건을 맞추면 소넷 5 대비 약 2.3배이지 6배가 아닙니다.59 아래 별도 항목 참조 |
| 5 | 매 호출마다 프롬프트 앞부분이 바뀌면 비용 폭증 | 참 | 프리픽스 캐싱의 동작 원리 그대로입니다.7 제 로그 기준 캐싱 유무 차이는 5.96배 |
| 6 | “혹시 몰라서” 파일 포함 → 3,000이 80,000토큰 | 참, 단 이유가 다름 | 첫 전송 비용은 전체의 0.68%. 진짜 비용은 그게 프리픽스에 남아 이후 모든 턴에 곱해지는 것 |
| 7 | SKILL 파일 한 번 쓰면 $4가 $0.30 | 메커니즘 실재 / 수치 없음 | 공식 문서는 스킬이 “progressive disclosure: Claude loads information in stages as needed, rather than consuming context upfront” 로 동작하고 평소엔 YAML 프론트매터(이름·설명)만 시스템 프롬프트에 올린다고 설명합니다.10 컨텍스트를 아끼는 설계인 건 맞습니다. 다만 공식 문서는 어떤 비용 수치도 제시하지 않습니다 |
| 8 | 단일 모델 셋업 = 가장 비싼 실수 | 부분적 참, 상한은 80% | 제 30일치를 전부 하이쿠 4.5로 돌렸다면 정가 환산 $2,562.11 로 80.0% 절감. 다만 이건 모든 작업의 품질이 같다고 가정한 산술적 상한이고, 그 가정에는 근거가 없습니다 |
| 9 | 작은 질문 10개를 배치 한 번으로 → 70-90% 절감 | 거짓 / 개념 혼동 | 앤트로픽 Batch API 할인율은 정확히 50% 이고, 비동기 전용이며 대부분 1시간 내 완료·24시간 만료입니다.11 대화형 코딩에 쓸 수 없습니다. 한 프롬프트에 질문을 모으는 것은 별개 얘기고, 캐싱이 이미 켜져 있으면 두 번째 질문부터의 프리픽스는 어차피 0.1배로 청구됩니다 |
| 10 | 구독 3개 중복 결제 | 검증 대상 아님 | 개인 소비 습관입니다 |
4번에 대하여 — 세 겹으로 틀렸다
원문(영어)은 “Kimi 2.6 이 대부분의 코딩 작업에서 소넷과 동급인데 1/6 가격” 이라고 단정합니다. 이건 검증해보니 세 겹으로 틀렸습니다.
첫째, 모델 이름이 틀렸습니다. kimi-k2.6 은 실재하는 API 모델명이지만 문샷의 코딩 모델이 아니고, 이미 두 세대 지난 모델입니다. 코딩 전용 모델은 kimi-k2.7-code, 현행 플래그십은 kimi-k3 입니다.
둘째, “1/6” 이 안 나옵니다. 양쪽 공식 가격표를 열어 같은 조건(캐시 미스 입력 / 표준 출력)으로 맞춰보면 이렇습니다.
| 모델 | 입력(캐시 미스) | 출력 | 입력:출력 3:1 혼합 |
|---|---|---|---|
| Claude Sonnet 55 | $2.00/MTok | $10.00/MTok | $4.00 |
kimi-k2.7-code9 |
$0.95/MTok | $4.00/MTok | $1.71 |
2.3배입니다. 6배가 나오려면 키미의 캐시 히트 단가($0.19)를 클로드의 캐시 미적용 단가와 비교해야 하는데, 클로드 코드도 자동으로 캐싱하고 그때 입력은 정가의 약 10%로 청구됩니다.8 사과와 오렌지를 비교한 값입니다.
셋째, 가격표만 비교하는 것 자체가 함정입니다. 앤트로픽 공식 문서에는 이런 각주가 있습니다. “Claude 4.7 and later models (…) use a newer tokenizer (…) This tokenizer produces approximately 30% more tokens for the same text.”5 같은 텍스트라도 모델에 따라 토큰 수가 다릅니다. 백만 토큰당 단가만 비교하면 최대 30%까지 어긋납니다.
그리고 “동급 품질” 은 누가 쟀느냐가 전부입니다. 문샷과 딥시크 모두 자사 모델 카드에 클로드 대비 헤드투헤드를 싣고 있지만 그건 벤더 자체 벤치마크입니다(문샷은 정직하게도 “평가 과정에서 Claude Fable 5 가 작업의 35%에서 폴백으로 빠졌다” 는 교란 요인을 스스로 밝혀뒀습니다). 키미 K3 비교를 낸 제3자들은 키미 K3 호스팅을 파는 회사들이라 중립이 아닙니다.
정작 원문이 지목한 코딩 모델(kimi-k2.7-code)에 대해서는, 현행 클로드 모델과의 중립 제3자 헤드투헤드 코딩 벤치마크를 저는 하나도 찾지 못했습니다. 없는 것은 없다고 씁니다.
덧붙여, 딥시크의 공식 가격 페이지에는 지금 이런 공지가 붙어 있습니다. “We plan to raise the overall pricing for DeepSeek API services in the near future, with a significant increase expected.”12 “싼 모델로 갈아타기” 전략의 유효기간은 벤더가 정합니다.
7. 그래서 무엇을 할 것인가
제 로그가 지지하는 순서대로만 적습니다.
- 프리픽스를 고정하라. 시스템 프롬프트·도구 정의·규칙 파일이 매 호출마다 흔들리면 5.96배를 잃습니다. 자주 바뀌는 것은 프롬프트 뒤쪽으로 보내십시오.
- 세션을 끊어라. 400~800번째 메시지는 턴당 5.4배 비쌉니다. 주제가 바뀌면 새 세션이 거의 항상 쌉니다.
- 상위 5% 세션을 찾아보라. 제 경우 58개 세션이 70%를 썼습니다. 그 58개가 무엇이었는지 아는 것이, 나머지 1,103개를 최적화하는 것보다 큽니다.
- 첫 전송을 겁내지 말고, 영구 거주를 겁내라. 새 입력은 0.68%입니다. 문제는 한 번 들어온 것이 나갈 방법이 없다는 것입니다.
- 모델 라우팅은 마지막에. 상한이 80%인 건 맞지만, 그건 전부 최소 모델로 돌렸을 때의 산술 상한이고 품질 손실은 계산에 없습니다.
- 본인 로그를 세어보라. 위 숫자는 전부 제 것입니다. 당신 것은 다를 겁니다.
usage블록은 이미 당신 디스크에 있습니다.
리스트에 없지만 공식 문서가 직접 권하는 것도 하나 덧붙입니다. 규칙 파일(CLAUDE.md)을 얇게 유지하는 것입니다. “If it contains detailed instructions for specific workflows (like PR reviews or database migrations), those tokens are present even when you’re doing unrelated work. (…) Aim to keep CLAUDE.md under 200 lines by including only essentials.”6 이건 이미지 7번(SKILL 파일)이 가리키려던 것의 정확한 형태입니다. 규칙 파일은 프리픽스의 앞쪽에 있어서, 거기 넣은 한 줄은 그 세션의 모든 턴에 곱해집니다.
한계
- 표본은 개인 1인, 30일, 세션 1,201개입니다. 팀·기업 워크로드에 일반화할 수 없습니다.
- 금액은 실제 청구액이 아닙니다. 구독 요금제 사용자의 토큰을 공개 API 정가로 환산한 값입니다.
- “불필요했던 컨텍스트” 의 비율은 측정하지 않았습니다. 사용량 로그에 그 정보가 없기 때문입니다. 이 글은 그 비율을 90%라고도, 아니라고도 주장하지 않습니다. 출처 없이 단정한 쪽을 반박할 뿐입니다.
- 가격은 2026년 8월 12일 기준이며 공식 문서에도 변경 가능하다고 명시돼 있습니다. 특히 4번 항목의 가격 비교는 오늘자 가격표끼리의 비교이고, 딥시크는 자사 페이지에서 인상을 예고했습니다.12
- 모델 간 품질 비교는 하지 않았습니다. 저는
kimi-k2.7-code와 현행 클로드 모델의 중립 제3자 헤드투헤드 코딩 벤치마크를 찾지 못했습니다. 벤더 자체 벤치마크와 호스팅 판매자의 비교글만 존재합니다. 그래서 이 글은 “품질이 같다/다르다” 를 주장하지 않고, 가격 주장만 반박합니다. - 카파시의 X 게시물은 원문 도메인을 직접 조회하지 못해 복수 미러로 교차 확인했습니다. 게시물 ID와 날짜는 일치하나, “그가 말하지 않았다” 는 부재 증명이라 원리적으로 완전하지 않습니다. 제가 확인한 것은 그의 블로그 전체, 자신이 올린 강연 전사본, 해당 스레드 전문에 그 문장이 없다는 사실입니다.
마무리
이 이미지가 51만 명에게 도달하는 동안, 그 안의 인용문은 아무도 확인하지 않았습니다. 확인하는 데 제가 쓴 시간은 몇 분입니다. 그의 블로그는 글이 13편뿐이고, 강연 전사본은 본인이 직접 올려뒀습니다.
숫자도 마찬가지입니다. “30배” 는 공식 가격표를 한 번 열어보면 나올 수 없는 값이고, “배치로 70-90%” 는 문서에 50% 라고 적혀 있습니다. 반박에 필요한 건 전문성이 아니라 일차 출처를 여는 습관이었습니다.
그리고 정작 제 로그에서 가장 큰 비용 항목 — 매 턴 반복되는 캐시 읽기와, 거기 몰려 있는 상위 5% 세션 — 은 그 10개 어디에도 없었습니다. 틀린 리스트보다 위험한 건, 맞는 항목만 있고 제일 큰 항목이 빠진 리스트입니다.
References
출처 등급 표기 — 2357111091286 은 일차·공식 출처입니다. 14 는 원문이 X 게시물이며 도메인 직접 조회가 불가해 복수 미러로 교차 확인했습니다. 이미지의 10개 항목과 그 수치는 출처가 표시되지 않은 소셜 게시물이며, 이 글에서는 인용이 아니라 검증 대상으로만 다뤘습니다. 토큰 측정치는 전부 제 로컬 전사본을 직접 집계한 것으로, 재현하려면 ~/.claude/projects/**/*.jsonl 의 usage 블록을 합산하면 됩니다.
-
Andrej Karpathy, 클로드 코드 사용기 스레드, X, 2026-01-26. 워크플로·IDE·능력 퇴화 등을 다루며 토큰 비용 언급 없음. (원문 도메인 직접 조회 불가로 복수 미러 교차 확인) ↩ ↩2
-
Sequoia Capital, “AI Ascent 2026”, 2026-04-20 개최 / 2026-05-08 게시. https://sequoiacap.com/article/ai-ascent-2026/ — 카파시 대담 제목 “From Vibe Coding to Agentic Engineering”. ↩ ↩2
-
Andrej Karpathy, “Sequoia AI Ascent 2026”, 2026-04-30. https://karpathy.bearblog.dev/sequoia-ascent-2026/ — 본인이 올린 강연 요약 및 정제 전사본. ↩ ↩2
-
Andrej Karpathy, X, 2025-06-25. “context engineering” 을 “prompt engineering” 보다 선호한다는 게시물. 비용에 대한 유일한 언급이 “costs might go up”. ↩ ↩2
-
Anthropic, “Pricing”, 공식 문서, 2026-08-12 조회. https://docs.claude.com/en/docs/about-claude/pricing — 모델별 기본 입력 / 5분 캐시 쓰기 / 1시간 캐시 쓰기 / 캐시 히트 / 출력 단가표, 그리고 4.7 이후 토크나이저가 같은 텍스트에 약 30% 더 많은 토큰을 만든다는 각주. ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7
-
Anthropic, “Manage costs effectively”, 공식 문서, 2026-08-12 조회. https://code.claude.com/docs/en/costs — “$13 per developer per active day and $150-250 per developer per month”, 에이전트 팀의 “approximately 7x more tokens”, CLAUDE.md 를 200줄 이하로 유지하라는 권고. ↩ ↩2 ↩3 ↩4
-
Anthropic, “Prompt caching”, 공식 문서, 2026-08-12 조회. https://docs.claude.com/en/docs/build-with-claude/prompt-caching — 자동 캐싱, 프리픽스 전체 캐싱(
tools→system→messages순서), 5분 기본 수명과 “수명은 요청 시작 시점부터 잰다” 는 설명. ↩ ↩2 ↩3 ↩4 ↩5 -
Anthropic, “How Claude Code uses prompt caching”, 공식 문서, 2026-08-12 조회. https://code.claude.com/docs/en/prompt-caching — “The match is exact, so a change anywhere in the prefix recomputes everything after it. There is no per-file or per-segment caching.” 및 모델·effort 레벨이 캐시 키의 일부라는 설명. ↩ ↩2 ↩3 ↩4
-
Moonshot AI, “Pricing — kimi-k2.7-code”, 공식 문서, 2026-08-12 조회. https://platform.kimi.ai/docs/pricing/chat-k27-code — 캐시 히트 입력 $0.19 / 캐시 미스 입력 $0.95 / 출력 $4.00 per MTok, 컨텍스트 262,144 토큰. ↩ ↩2 ↩3
-
Anthropic, “Agent Skills”, 공식 문서, 2026-08-12 조회. https://docs.claude.com/en/docs/agents-and-tools/agent-skills/overview — “This filesystem-based architecture enables progressive disclosure: Claude loads information in stages as needed, rather than consuming context upfront.” 및 Level 1 메타데이터만 항상 로드된다는 설명. ↩ ↩2
-
Anthropic, “Batch processing”, 공식 문서, 2026-08-12 조회. https://docs.claude.com/en/docs/build-with-claude/batch-processing — “reducing costs by 50%”, 대부분 1시간 내 완료, 24시간 미완료 시 만료. ↩ ↩2
-
DeepSeek, “Models & Pricing”, 공식 문서, 2026-08-12 조회. https://api-docs.deepseek.com/quick_start/pricing — “We plan to raise the overall pricing for DeepSeek API services in the near future, with a significant increase expected.” ↩ ↩2 ↩3