한국어 AI 비용 절약 — 토큰 원리와 프롬프트로 요금 줄이는 법

한국어로 AI를 쓰면 영어로 쓸 때보다 요금이 더 나온다는 이야기, 들어보셨나요? 같은 내용을 전달해도 한국어는 대체로 토큰을 더 많이 소모합니다. 이 글은 왜 그런지를 공식 토큰화·가격 문서와 학술 연구 근거로 설명하고, 의미를 유지하면서 토큰·비용을 줄이는 실전 프롬프트 기법을 정리합니다.

확인 방법 및 한계 (먼저 읽어주세요): 이 글의 가격·토큰 수치는 2026년 7월 10일 각 사 공식 페이지를 직접 접속해 확인한 값만 사용했습니다. 직접 토큰을 세지 않은 값은 "실측"이라 쓰지 않았고, 토큰 관련 수치는 공식 tokenizer·가격 문서와 학술 연구를 근거로 인용했습니다. 한국어가 토큰을 더 쓰는 것은 널리 확인된 현상이나, "글자당 정확히 몇 배"라는 단일 배수는 모델 토크나이저마다 달라 이 글에서 단정하지 않습니다. 원화 환산은 1달러 약 1,380원 가정(참고용)이며 실제 결제액은 결제 시점 환율·부가세에 따라 달라집니다. 확인한 출처 전체 목록은 글 맨 아래 "이 글의 확인 방법" 블록에 있습니다.

왜 한국어가 토큰을 더 쓸까

토큰은 모델이 텍스트를 처리하는 최소 단위입니다. 영어 기준 근사치는 공식 문서에 다음과 같이 나옵니다.

• OpenAI 공식: 영어 1토큰 ≈ 4자 ≈ ¾ 단어(100토큰 ≈ 75단어)
• Google Gemini 공식: 1토큰 ≈ 약 4자, 100토큰 ≈ 60~80 영어 단어

문제는 이 비율이 영어 기준이라는 점입니다. 한국어는 두 가지 구조적 이유로 같은 의미를 담아도 토큰이 더 많이 생깁니다.

1. 교착어 구조: 한국어는 명사 뒤에 조사가, 동사·형용사 어간 뒤에 어미가 붙어 문법 정보를 표현하는 교착어입니다. 이 결합 형태가 토크나이저 어휘에 통째로 들어있지 않으면 더 잘게 쪼개집니다. (학술 연구: An Empirical Study of Tokenization Strategies for Various Korean NLP Tasks)
2. 바이트 단위 토큰화(byte-level BPE): 대부분의 상용 모델이 쓰는 byte-level BPE 토크나이저는 영어 데이터에 최적화돼 있습니다. 이 방식에서 'ㅎ', '하', '한' 같은 한글은 여러 유니코드 바이트로 나뉘어, 한 음절이 여러 토큰으로 쪼개지곤 합니다. 그 결과 비영어 언어는 같은 내용을 표현하는 데 더 많은 토큰이 필요합니다. (학술 연구: Problematic Tokens: Tokenizer Bias in Large Language Models — 중국어 중심 분석이지만 비영어 언어 전반이 토큰화에서 불리하다는 점을 GPT-4o 사례로 실증)

즉 "안녕하세요"(5자)가 영어 "Hello"(5자)보다 토큰이 더 많이 나오는 것은 이 두 특성이 겹친 결과입니다.

정직한 한계: 예전 버전 이 글에는 "한국어 1자 ≈ 1.5토큰", "글자당 토큰 소모가 영어의 5~6배" 같은 단정적 수치가 있었습니다. "5~6배"는 공식·학술 소스로 확인되지 않아 삭제했습니다. "1자 ≈ 1.5토큰"은 이 사이트 토큰 카운터가 무비용 추정에 쓰는 경험칙 파라미터로, 모델 토크나이저에 따라 편차가 크므로 정확한 배수가 아닌 대략적 추정으로만 이해하시기 바랍니다.

요금으로 이어지는 구조

토큰이 늘면 입력·출력 요금이 그만큼 비례해서 늘어납니다. 2026년 7월 10일 기준 주요 모델의 공식 표준 단가(100만 토큰당, USD)는 다음과 같습니다.

모델	입력	출력	출처
Claude Opus 4.8	$5	$25	Anthropic 공식
Claude Sonnet 4.6	$3	$15	Anthropic 공식
Claude Haiku 4.5	$1	$5	Anthropic 공식
GPT-5.5	$5	$30	OpenAI 공식
GPT-5.4	$2.50	$15	OpenAI 공식
GPT-5.4 mini	$0.75	$4.50	OpenAI 공식
Gemini 2.5 Pro	$1.25 (≤200k)	$10 (≤200k)	Google 공식
Gemini 2.5 Flash	$0.30	$2.50	Google 공식
Gemini 2.5 Flash-Lite	$0.10	$0.40	Google 공식

* 모든 단가는 100만 토큰당 USD. 실제 원화 결제액은 결제 시점 환율·부가세에 따라 달라집니다.

핵심은 출력 단가가 입력보다 몇 배 비싸다는 점입니다(예: Claude Opus 4.8은 입력 $5 대 출력 $25로 5배). 따라서 한국어로 인해 늘어난 토큰이 출력 쪽에서 발생하면 비용 부담이 특히 커집니다. 뒤의 프롬프트 기법이 출력 길이 제어에 집중하는 이유입니다.

내 프롬프트가 실제로 몇 토큰인지는 추정으로 단정하지 말고 직접 확인하세요. 이 사이트의 프롬프트 토큰 카운터에 텍스트를 붙여넣으면 예상 토큰 수와 모델별 입력 비용을 추정할 수 있고, 더 정확한 값은 각 사 공식 tokenizer(OpenAI tokenizer 등)로 확인할 수 있습니다.

토큰·비용을 줄이는 프롬프트 기법

1. 반복 문맥은 프롬프트 캐싱으로 (가장 큰 절감)

매 요청에 같은 시스템 프롬프트·예시·문서를 넣고 있다면, 프롬프트 캐싱이 가장 효과가 큽니다. 이건 경험칙이 아니라 공식 문서로 확인된 할인입니다.

• OpenAI: 캐시된 입력(cached input)에 대해 표준 입력가의 약 1/10을 적용(약 90% 할인). (OpenAI 공식 가격)
• Anthropic: 캐시 읽기(hit)는 표준 입력가의 0.1배(90% 절감). 캐시 쓰기는 5분 캐시 1.25배·1시간 캐시 2배. (Anthropic 공식 가격)

같은 긴 문맥을 여러 번 재사용하는 챗봇·RAG·에이전트라면 캐싱만으로 입력 비용을 크게 줄일 수 있습니다.

2. 출력 길이·형식을 명시적으로 제한

출력 단가가 입력보다 비싸므로, 출력 토큰을 줄이면 절감 효과가 직접적입니다.

• "3줄 이내로", "표로만", "결론만" 같은 제약을 프롬프트에 명시
• 불필요한 서론·반복 요약을 요구하지 않기

3. 군더더기 표현 제거

"에 대해서 자세하게 설명을 좀 해주실 수 있을까요?" → " 설명." 정중한 수식어는 토큰만 늘릴 뿐 답변 품질과 대체로 무관합니다. 한국어의 늘어지는 어미·조사를 간결하게 다듬는 것만으로도 입력 토큰이 줄어듭니다.

4. 긴 영어 문서는 굳이 번역하지 않기

대용량 영어 문서를 다룰 때 한국어로 번역해 넣으면 토큰이 불어날 수 있습니다. 원문(영어)으로 처리하고 결과만 한국어로 받는 편이 대체로 토큰이 적습니다. 다만 작업 정확도가 언어에 좌우되는 경우도 있으니, 비용과 품질을 함께 보고 판단하세요.

내 비용을 직접 계산해 보기

• 프롬프트 토큰 카운터 — 텍스트를 붙여넣어 예상 토큰 수와 모델별 입력 비용 추정
• AI API 비용 계산기 — 입력+출력 전체 호출 비용 계산

토큰 수 추정은 무비용 경험칙(영문 ~4자/토큰, 한글은 그보다 잘게 분할)이며 모델 토크나이저(cl100k·o200k 등)에 따라 ±30% 안팎의 오차가 있을 수 있습니다. 큰 비용이 걸린 의사결정에는 각 사 공식 tokenizer로 실제 토큰 수를 확인하세요.

이 글의 확인 방법

• 확인일: 2026년 7월 10일
• 확인한 공식 소스 (직접 접속 확인):
  • Anthropic 공식 가격 문서 — Claude Opus 4.8 $5/$25, Sonnet 4.6 $3/$15, Haiku 4.5 $1/$5(100만 토큰당 입력/출력), 캐시 읽기 0.1배·캐시 쓰기 1.25배(5분)/2배(1시간). https://platform.claude.com/docs/en/about-claude/pricing
  • OpenAI 공식 가격 문서 — GPT-5.5 $5/$30, GPT-5.4 $2.50/$15, GPT-5.4 mini $0.75/$4.50, 캐시 입력 약 90% 할인. https://platform.openai.com/docs/pricing
  • Google Gemini 공식 가격 — Gemini 2.5 Pro $1.25/$10(≤200k), Flash $0.30/$2.50, Flash-Lite $0.10/$0.40. https://ai.google.dev/gemini-api/docs/pricing
  • OpenAI 공식 토큰 안내 — 영어 1토큰 ≈ 4자 ≈ ¾ 단어, 100토큰 ≈ 75단어. https://help.openai.com/en/articles/4936856-what-are-tokens-and-how-to-count-them
  • Google Gemini 공식 토큰 문서 — 1토큰 ≈ 약 4자, 100토큰 ≈ 60~80 영어 단어. https://ai.google.dev/gemini-api/docs/tokens
• 학술 근거 (한국어 토큰화):
  • 한국어 토큰화 전략 실증 연구. https://aclanthology.org/2020.aacl-main.17/
  • LLM 토크나이저 편향(GPT-4o·중국어 중심 사례) — 비영어 언어의 토큰화 불이익 실증. https://arxiv.org/html/2406.11214v3
• 미확인으로 남긴 항목:
  • "한국어 1자 = 정확히 몇 토큰"의 단일 배수 — 모델 토크나이저마다 달라 단정하지 않음. 이 사이트 계산기의 "1자 ≈ 1.5토큰"은 무비용 추정용 경험칙 파라미터로만 사용.
• 삭제한 기존 주장:
  • "글자당 토큰 소모가 영어의 5~6배" — 공식·학술 소스로 확인 불가, 삭제.
  • "같은 글자 수라면 한국어가 약 6배 비싸다"는 단정 및 그 근거가 된 계산 예시 — 확인 불가 배수에 기반해 삭제.