# Responses API 토큰 사용량 계산: 입력, 출력, 캐시와 추론

https://jsonscraper.com/ko/blog/responses-api-token-usage-cost

Author: Michael Johnson

Published: 2026-10-08T05:36:02+00:00

Updated: 2026-10-08T06:34:05+00:00

실용적인 usage 집계 방법: 프롬프트, 기록, 추론 최적화 후 절감 효과를 확인하는 법.

프롬프트를 줄인 뒤에는 각 응답의 `usage`와 작업 전체 비용을 확인하세요. 응답이 짧아도 추론에 상당한 토큰이 들 수 있고, 대화를 이어 가면 기록이 다시 집계될 수 있습니다. 예산을 관리하려면 토큰 사용량, 요금 범주, 결과를 얻는 데 필요한 호출 횟수를 구분하세요.



![Responses API 토큰 사용량 계산: 입력, 출력, 캐시와 추론
맥락: Responses API 카운터, 컨텍스트의 반복 집계, 비용 계산식을 살펴봅니다. 추론 토큰은 이미 output_tokens에 포함되며, 캐시된 토큰은 입력에 포함됩니다. 캐시 쓰기에는 별도 요금이 부과될 수 있습니다.
시각적 주제: 러시아어, 영어, 독일어 버전에 공통으로 쓰이는 AI 표지 이미지. 개발자 책상 위에 반투명한 작은 유리 토큰 네 묶음이 놓인 사실적인 에디토리얼 정물화; 내](https://jsonscraper.com/assets/uploads/journal/2026/10/2f9f402c92335ef20778ea3dd8f9313c.png.hero.webp)

© jsonscraper · AI 생성 이미지



## 네 가지 카운터와 포함 관계



OpenAI는 [usage 객체 예시](https://developers.openai.com/api/docs/guides/reasoning)에서 입력, 출력 및 두 카운터의 세부 정보를 보여 줍니다. 다음과 같이 해석하세요.



- `input_tokens` — 대화 이어 가기에 사용되는 컨텍스트를 포함한, 해당 호출의 전체 입력 토큰 수입니다.
- `input_tokens_details.cached_tokens` — 캐시에서 처리된 입력의 일부입니다. 이 값은 이미 `input_tokens`에 포함되어 있습니다.
- `output_tokens` — 추론 토큰을 포함한 전체 생성 토큰 수입니다.
- `output_tokens_details.reasoning_tokens` — 추론에 사용된 출력 토큰의 일부입니다.



**추론 토큰은 이미 `output_tokens`에 포함되어 있으므로 출력에 두 번 더하면 안 됩니다.** OpenAI는 추론 토큰에 [출력 토큰 요금](https://developers.openai.com/api/docs/guides/reasoning)을 적용합니다. 마찬가지로 `cached_tokens`를 입력에 더하면 같은 요청 일부를 중복 집계하게 됩니다. 전체 토큰 수에는 `total_tokens` 또는 `input_tokens + output_tokens`를 사용하세요.



## 비용: 입력을 요금 범주별로 나누기



최신 [요금 페이지](https://developers.openai.com/api/docs/pricing)에는 일반 입력, 캐시 입력, 캐시 쓰기, 출력이 별도로 표시되어 있습니다. 실제 모델, 처리 모드, 적용되는 컨텍스트 길이에 맞는 요금을 선택하세요. 정확한 값은 버전 관리되는 계산 설정에 저장하세요.



현재 [캐싱 문서](https://developers.openai.com/api/docs/guides/prompt-caching)에서 주목할 점은 GPT-5.6 및 이후 모델의 경우 `input_tokens_details.cache_write_tokens`가 집계된다는 것입니다. 사용 중인 스키마에서 캐시 쓰기에 별도 요금을 부과한다면, 해당 범주를 일반 입력에서 빼고 별도 요금을 적용하세요.



```
I = input_tokens
C = input_tokens_details.cached_tokens
W = input_tokens_details.cache_write_tokens
O = output_tokens

ordinary_input = I - C - W
cost = ((I - C - W) * P_input
        + C * P_cached
        + W * P_write
        + O * P_output) / 1_000_000
```



![Responses API 토큰 사용량 계산: 입력, 출력, 캐시와 추론
맥락: Responses API 카운터, 컨텍스트의 반복 집계, 비용 계산식을 살펴봅니다. 추론 토큰은 이미 output_tokens에 포함되며, 캐시된 토큰은 입력에 포함됩니다. 캐시 쓰기에는 별도 요금이 부과될 수 있습니다.
시각적 주제: 러시아어, 영어, 독일어 버전에 공통으로 쓰이는 AI 표지 이미지. 개발자 책상 위에 반투명한 작은 유리 토큰 네 묶음이 놓인 사실적인 에디토리얼 정물화; 내](https://jsonscraper.com/assets/uploads/journal/2026/10/5593ee2461bd677cdf83d438b3421248.png.hero.webp)

© jsonscraper · AI 생성 이미지



여기서 가격은 토큰 100만 개당 요금입니다. 캐시 쓰기가 별도 범주로 없는 스키마에서는 `W = 0`으로 설정하세요. 이 계산식은 나열된 토큰 범주를 반영합니다. 유료 도구는 해당 [요금 조건](https://developers.openai.com/api/docs/pricing)에 따라 별도 항목으로 추가하세요.



가상의 예: 입력 4000, 캐시 입력 3000, 캐시 쓰기 500, 출력 1000이며, 이 중 추론 토큰은 600입니다. 일반 입력 토큰은 500이고 총 토큰 수는 5000입니다. 출력 요금은 1000개에 적용하며, 600이라는 값은 진단 목적으로 보존합니다.



## 대화를 이어 가면 입력이 다시 발생합니다



기록을 직접 관리하는 경우 애플리케이션은 새 입력과 함께 [이전 메시지를 전달합니다](https://developers.openai.com/api/docs/guides/conversation-state). 다음 요청에 포함된 메시지는 다시 입력 컨텍스트가 됩니다. 따라서 마지막 사용자 메시지만 측정하면 대화 기록에 든 비용을 놓치게 됩니다.



`previous_response_id`를 사용하면 애플리케이션은 이전 응답을 가리키는 ID를 전달하고 API가 컨텍스트를 연결합니다. [대화 이어 가기의 집계 규칙](https://developers.openai.com/api/docs/guides/conversation-state)에 따르면 체인의 이전 입력 토큰도 입력 토큰으로 다시 요금이 부과됩니다. 캐시에 따라 해당 입력 일부의 요금 범주가 달라질 수 있으므로, 실제 캐시 적중 여부는 각 응답의 `cached_tokens`에서 확인하세요.



## 최적화 결과 확인 방법



1. **기준 데이터를 저장하세요.** 동일한 작업, 모델, 성공 기준, 길이가 비슷한 대화를 비교하세요.
2. **모든 호출을 기록하세요.** 응답 및 작업 ID, 모델, 추론 설정, 상태, 지연 시간, 전체 `usage`를 저장하세요. 프롬프트 버전과 요금 설정 버전도 보관하세요.
3. **작업별 비용을 합산하세요.** 작업에 포함된 모든 호출과 재시도에서 받은 응답을 포함하세요. 핵심 지표는 성공적으로 완료된 작업의 비용입니다.
4. **변화의 원인을 구분하세요.** 일반 입력, 캐시 읽기와 쓰기, 출력, 추론 비중을 추적하세요. 전체 캐시 비중은 모든 `C`의 합을 모든 `I`의 합으로 나누어 계산합니다.
5. **품질과 분포의 꼬리를 확인하세요.** 평균 비용과 함께 p95, 시도 횟수, 작업 성공률을 비교하세요.



[`max_output_tokens` 매개변수](https://developers.openai.com/api/docs/guides/reasoning)는 추론을 포함한 생성을 제한합니다. 한도에 도달하면 응답 상태가 `incomplete`가 될 수 있습니다. 눈에 보이는 텍스트는 없지만 토큰이 소모되는 경우도 포함됩니다. 절감 효과를 확인할 때 이런 응답도 고려하세요. 비교 가능한 작업이 더 적은 총비용으로 성공적으로 완료될 때 최적화가 목표를 달성한 것입니다.
