100K 토큰 문서에 맞는 모델: 컨텍스트 및 출력 한도

짧은 답: 100K 토큰 문서는 세 모델 중 어디에든 한 번의 요청으로 들어갑니다. 이들을 구분하는 것은 그 주변의 여유 공간입니다. GLM-5.3-Flash는 390K 컨텍스트 윈도우를 가지고, DeepSeek-V4-Flash는 380K에 최대 32,768 토큰까지 응답할 수 있으며, MiniMax-M2.7은 180K입니다. 어떤 모델을 쓸지 알려주는 두 가지 확인 사항이 있습니다: 문서와 답변이 윈도우에 들어가는지, 그리고 답변이 모델의 출력 한도에 들어가는지입니다.

아래 한도는 CheapTokens 자체의 것으로, 2026년 11월 1일에 확인했으며, https://api.cheaptokens.dev/v1를 호출할 때 요청이 측정되는 기준입니다. 문서에서 연결 방법을 보여주고, 가격에 전체 가격표가 있습니다.

두 단계 확인#

두 규칙 모두 무엇이든 보내기 전에 알 수 있는 숫자를 사용합니다:

1. 입력 토큰 + max_tokens ≤ 컨텍스트 윈도우. 문서와 답변은 하나의 윈도우를 공유합니다.
2. max_tokens ≤ 모델의 출력 한도.

마지막 열은 윈도우에서 가장 긴 답변을 뺀 값으로, K를 1,000으로 읽습니다: 390,000 − 8,192 = 381,808; 380,000 − 32,768 = 347,232; 180,000 − 8,192 = 171,808. 실제로는 가능한 가장 긴 답변을 요청하는 경우가 드물기 때문에, 그 열이 보여주는 것보다 여유가 더 많습니다.

실제 같은 사례에 대한 확인은 다음과 같습니다. 200,000 토큰 로그가 있고 2,000 토큰 분석을 원한다면: 200,000 + 2,000 = 202,000. 이는 390K와 380K 윈도우에는 들어가고 180K에는 들어가지 않습니다. 같은 로그, 같은 질문인데 세 모델 중 하나는 이미 탈락입니다.

문서는 실제로 얼마나 큰가?#

페이지는 좋지 않은 단위이고, 토큰이 실제 단위입니다. 영어 페이지 하나가 약 600 토큰이라고 가정해 봅시다(가정이며, 실제 페이지는 대략 500에서 700 사이입니다). 그러면 100K 토큰 문서는 100,000 ÷ 600 ≈ 167 페이지입니다. 두꺼운 계약서나 긴 연간 보고서에 해당하며, 표의 모든 모델에 여유 있게 들어갑니다.

페이지 추정은 계획용입니다. 보내기 전에 토크나이저로 토큰을 세거나, 영어의 경우 토큰당 약 네 글자라는 대략적인 규칙을 사용하세요. 각 모델에는 자체 토크나이저가 있으므로 토큰 수는 추정치이며, 요청 후 응답의 usage 필드가 정확한 숫자를 제공합니다.

코드로 확인 실행하기#

이 스크립트는 계약서를 위 한도에 대해 확인하고, 전송하고, 답변이 어떻게 끝났는지 출력합니다. 먼저 CHEAPTOKENS_API_KEY를 설정하고, 다른 모델을 시도하려면 모델 id를 바꾸세요.

import os
from openai import OpenAI

# context window, max answer tokens (CheapTokens, checked 1 Nov 2026)
LIMITS = {
    'zai-org/GLM-5.3-Flash': (390_000, 8_192),
    'deepseek-ai/DeepSeek-V4-Flash-0731': (380_000, 32_768),
    'MiniMaxAI/MiniMax-M2.7': (180_000, 8_192),
}

def fits(model, input_tokens, max_tokens):
    context, out_limit = LIMITS[model]
    return max_tokens <= out_limit and input_tokens + max_tokens <= context

client = OpenAI(
    base_url='https://api.cheaptokens.dev/v1',
    api_key=os.environ['CHEAPTOKENS_API_KEY'],
)

text = open('contract.txt', encoding='utf-8').read()
estimate = len(text) // 4   # rough: about 4 characters per token in English
model = 'zai-org/GLM-5.3-Flash'
max_tokens = 1500

if not fits(model, estimate, max_tokens):
    raise SystemExit('Does not fit: pick another model or split the text')

reply = client.chat.completions.create(
    model=model,
    max_tokens=max_tokens,
    messages=[
        {'role': 'system', 'content': 'Summarize contracts in 10 bullet points.'},
        {'role': 'user', 'content': text},
    ],
)
print(reply.choices[0].finish_reason)   # stop = ended on its own, length = cut by max_tokens
print(reply.usage.prompt_tokens, reply.usage.completion_tokens)

작동하면 첫 줄에 stop가 출력되고 두 번째 줄에 입력 및 출력된 토큰 수가 표시됩니다. length가 보이면 답변이 max_tokens에 도달한 것이며, 이 글에서 해결 방법을 설명합니다. 그리고 크기 때문에 요청이 거부되면 요청이 너무 김: 400 vs 413에서 자세히 다룹니다.

100K 작업 하나의 비용#

계약서를 요약한다고 가정해 봅시다. 각각 100,000 토큰이고 요약은 약 1,500 토큰입니다(가정이며, 파일에 맞게 변경하세요). 아래 표는 실시간입니다: 현재 가격에서 다시 계산하고 OpenRouter 참조를 우리 것 옆에 둡니다.

여기서는 문서가 비싼 쪽입니다. 받는 것보다 훨씬 많이 보내기 때문입니다. 그러한 작업 하나의 총액은 GLM-5.3-Flash에서 $0.0021, DeepSeek-V4-Flash에서 $0.0017, MiniMax-M2.7에서 $0.0052입니다. 입력과 출력을 합쳐 계산하면 세 모델 모두 OpenRouter보다 저렴합니다. 가격은 모델별로 고정되어 피크 시간이 없으므로, 야간 배치도 주간과 같은 비용이 듭니다.

이제 하루 규모로 확장해 보세요. 슬라이더를 자신의 부하로 옮기고 총액을 읽으세요:

답변이 긴 부분일 때#

요약은 쉬운 경우입니다: 짧은 답변은 어디에나 들어갑니다. 문제는 모델이 많이 써야 할 때 시작됩니다. 20,000 토큰 매뉴얼이 있고 이를 바탕으로 6,000 토큰 보고서를 요청한다고 가정해 봅시다. 이는 모든 모델에 들어가며(6,000 ≤ 8,192), 실시간 표가 비용을 보여줍니다:

이제 같은 매뉴얼의 전체 번역을 요청해 보세요. 번역은 원문만큼 길어지므로 약 20,000 토큰의 답변 공간이 필요합니다. max_tokens를 25,000으로 설정하세요: 20,000 + 25,000 = 45,000으로 380K 윈도우에 충분히 들어가고, 25,000 ≤ 32,768이므로 DeepSeek-V4-Flash가 한 번의 답변으로 처리합니다. 그러한 작업 하나의 비용은 $0.0023입니다. 답변 한도가 8,192 토큰인 모델의 경우, 매뉴얼을 장으로 나누어 하나씩 보내세요.

귀하의 경우에는 어느 것인가#

아직 확실하지 않다면, 실제 문서 하나를 스크립트로 실행하고 usage를 읽어보세요. 작업별 세 모델의 더 넓은 비교는 GLM vs DeepSeek vs MiniMax를 참조하고, DeepSeek 페이지에서 DeepSeek-V4-Flash를 더 자세히 다룹니다.