중국 모델 API는 하드코딩된 모델 이름이 프로덕션 리스크가 될 정도로 빠르게 변화합니다. 문제는 단순히 품질 드리프트 (quality drift)뿐만이 아닙니다. OpenAI 호환 클라이언트 전반에 걸쳐 과금 드리프트 (billing drift), 컨텍스트 윈도우 드리프트 (context-window drift), 지원 종료 드리프트 (deprecation drift), 그리고 통합 드리프트 (integration drift) 문제도 발생합니다.

SaaS 기능, 내부 코딩 에이전트, 또는 지원 자동화 파이프라인을 운영한다면, 모델 카탈로그가 다른 배포 시점 의존성 (deploy-time dependency)처럼 동작하기를 원할 것입니다. 모델을 고정(Pin)하고, 검사하고, 예산을 책정하며, 가정이 오래되어 유효하지 않을 때는 빌드를 실패시키십시오.

이 가이드는 AIWave 가격 페이지를 기반으로 작은 매니페스트 체크 (manifest check)를 구축한 다음, https://aiwave.live/v1을 가리키는 OpenAI 호환 클라이언트에서 해당 매니페스트를 사용하는 방법을 설명합니다. AIWave는 하나의 API 키 뒤에서 중국 AI 모델들을 사용할 수 있도록 싱가포르에서 호스팅되는 게이트웨이입니다. 현재 실시간 가격 페이지 API를 통해 가격 데이터를 노출하고 있습니다. 이 글을 위해 저는 2026-08-04에 데이터를 가져왔으며, 페이지의 현재 model_ratio 및 completion_ratio 필드를 사용하여 USD 가격을 계산했습니다.

소스 제어에 API 키를 넣지 마십시오. 아래의 모든 코드 예제는 YOUR_API_KEY_HERE를 플레이스홀더 (placeholder)로 사용합니다.

왜 매니페스트 체크가 CI에 포함되어야 하는가

공식 모델 카탈로그는 정적이지 않습니다. DeepSeek의 API 변경 로그 (changelog)는 deepseek-chat 및 deepseek-reasoner 주변의 V4 전환 및 별칭 (alias) 동작을 기록합니다. Moonshot의 Kimi 모델 목록은 이전 kimi-k2 모델이 kimi-k2.6으로 이동해야 한다고 명시합니다. Qwen의 공개 리포지토리는 빈번한 Qwen3 및 Qwen3-Coder 2507 업데이트를 추적합니다. Z.AI의 릴리스 노트 (release notes)에는 2025-07-28에 GLM-4.5가, 2026-04-07에 GLM-5.1이 나열되어 있습니다. MiniMax의 모델 릴리스 노트에는 2026년 2월에 M2.5가, 2026-03-18에 M2.7이 나열되어 있습니다.

이러한 변화는 일반적인 엔지니어링 작업에서 매우 중요합니다:

• 모델 별칭 (alias)이 지난달과는 다른 백엔드를 가리킬 수 있습니다.
• 더 저렴한 모델이 분류 (classification) 작업에는 괜찮을 수 있지만, 에이전트 기반 코딩 (agentic coding)에는 부적합할 수 있습니다.
• 캐시 경로 (cache lane)가 긴 프롬프트 (long prompts)의 경제성을 변화시킬 수 있습니다.
• 게이트웨이가 귀하의 앱에 재시도 및 예산 정책이 마련되기 전에 모델을 노출할 수 있습니다.

안전한 패턴은 지루합니다. 모델 리스트를 앱의 상수 (constant)가 아닌 런타임 데이터 (runtime data)로 취급하십시오.

이 포스트에서 사용된 현재 AIWave 가격

출처: https://aiwave.live/pricing 뒤에 있는 실시간 AIWave 가격 책정 API, 2026-08-04에 가져옴. 페이지는 62개의 모델을 반환했습니다. 아래의 입력 가격 (input price)은 model_ratio * 2입니다. 출력 가격 (output price)은 input_price * completion_ratio입니다. 모든 값은 1M 토큰당 USD 기준입니다.

10M 입력 토큰과 2M 출력 토큰의 간단한 워크로드 (workload) 추정치:

이것은 벤치마크 (benchmark)가 아닙니다. 단지 과금 계산 (billing math)일 뿐입니다. 지연 시간 (Latency), 도구 신뢰성 (tool reliability), 컨텍스트 동작 (context behavior), 그리고 출력 품질 (output quality)은 여전히 귀하의 자체적인 평가가 필요합니다.

1단계: 실시간 가격 매니페스트 (pricing manifest) 가져오기

이 스크립트는 공개된 가격 JSON을 읽고, 입력 및 출력 가격을 계산하며, 압축된 모델 매니페스트 (model manifest)를 작성합니다. 필수 모델이 누락된 경우 0이 아닌 값으로 종료되므로 CI (지속적 통합)에서 유용합니다.

#!/usr/bin/env python3
import json
import sys
...

배포 파이프라인 (deployment pipeline)에서 생성된 JSON을 빌드 아티팩트 (build artifact)로 저장하십시오. 모델이 사라지거나, 출력 가격이 실질적으로 변경되거나, 이전에 없던 모델에 캐시 레인 (cache lane)이 나타날 때 이를 검토하십시오.

2단계: 라우팅 (routing)을 위해 매니페스트 사용하기

모델 라우터 (model router)는 느낌 (vibes)으로 결정해서는 안 됩니다. 비용 상한선 (cost ceiling), 워크로드 유형 (workload type), 그리고 현재 매니페스트를 제공하십시오. 이 JavaScript 예제는 AIWave의 OpenAI 호환 베이스 URL (OpenAI-compatible base URL)과 함께 OpenAI SDK를 사용합니다.

import OpenAI from "openai";

const client = new OpenAI({
...

매니페스트가 CI에 의해 생성된다면 앱 저장소 (app repository)에 유지하되, API 키를 절대 커밋하지 마십시오. 프로덕션 (production) 환경에서는 시크릿 매니저 (secret manager)나 배포 환경 (deployment environment)에서 키를 읽어오십시오.

Step 3: 예산을 초과하는 프롬프트 거부하기

예산 체크 (Budget checks)는 API 호출 전에 실행되어야 합니다. 이를 통해 예측 가능한 실패 모드 (failure modes)를 확보할 수 있으며, 사용자가 제공한 문서가 예상치 못한 거액의 청구서로 이어지는 것을 방지할 수 있습니다.

from dataclasses import dataclass

@dataclass(frozen=True)
...

이 방식은 max_output_tokens를 사용하기 때문에 의도적으로 보수적입니다. 모델이 조기에 중단된다면 실제 청구 금액은 더 낮을 것입니다. 토크나이저 (tokenizer) 추정치가 부정확하다면, 완벽한 수치를 신뢰하기보다는 여유분 (margin)을 추가하십시오.

운영 참고 사항 (Operational notes)

모델 라우팅 (Model routing)은 로그에 명시적으로 기록되어야 합니다. 선택된 모델, 추정 입력 토큰 (input tokens), 최대 출력 토큰 (maximum output tokens), 추정 USD 금액, 재시도 횟수 (retry count), 그리고 실패 원인을 기록하십시오. 개인정보 보호 정책 (privacy policy)과 해당 데이터에 대한 보관 프로세스 (retention process)를 갖추지 않았다면 원문 프롬프트 (raw prompts)를 로그에 남기지 마십시오.

EU 또는 UK 사용자의 경우, 지역 제어 (regional controls)를 모델 선택과 분리하여 유지하십시오. 싱가포르 서버를 사용하는 게이트웨이 (gateway)는 지연 시간 (latency) 및 통합 측면에서 유용할 수 있지만, GDPR 준비 상태는 여전히 귀하의 데이터 처리 계약 (data processing agreement), 보관 정책 (retention policy), 하위 처리자 (subprocessors), 사용자 삭제 워크플로우 (user deletion workflow), 그리고 프롬프트에 개인정보가 포함되어 있는지 여부에 달려 있습니다.

솔직한 단점들도 언급할 가치가 있습니다. 게이트웨이는 귀하의 앱과 모델 공급업체 사이에 또 다른 의존성 (dependency)을 추가합니다. 일부 공급업체 전용 기능은 네이티브 API (native API)보다 뒤처질 수 있습니다. 가격 페이지는 문서보다 더 빠르게 업데이트될 수 있습니다. 이것이 매니페스트 체크 (manifest check)가 존재하는 이유입니다.

FAQ

AIWave는 OpenAI를 즉시 대체할 수 있나요?

많은 채팅 완료 (chat-completion) 워크로드의 경우 그렇습니다. base_url 또는 baseURL을 https://aiwave.live/v1로 설정하고 OpenAI SDK를 그대로 사용하십시오. 다만 모델별 동작, 도구 호출 (tool calling), JSON 모드 (JSON mode), 스트리밍 (streaming), 그리고 토큰 제한 (token limits)은 여전히 테스트해야 합니다.

표에서 가장 저렴한 행을 선택해야 하나요?

아니요. 표를 사용하여 예산을 설정한 다음, 귀하의 작업에 대해 벤치마크 (benchmark)를 수행하십시오. 고객 지원 분류기 (support classifier), 코드 편집 에이전트 (code-editing agent), 그리고 긴 문맥의 법률 검토 (long-context legal review)는 실패 비용 (failure costs)이 서로 다릅니다.

왜 모델 하나를 하드코딩하지 않나요?

프로토타입(prototype) 단계에서는 하드코딩(Hardcoding)이 괜찮을 수 있습니다. 하지만 프로덕션 시스템(Production systems)은 모델을 사용할 수 없거나, 지원이 중단(deprecated)되거나, 예상보다 느리거나, 요청 예산(request budget)을 초과하는 경우를 대비해 일반적으로 폴백(fallback) 메커니즘이 필요합니다.

어디서부터 시작해야 하나요?

AIWave API 문서를 읽고, AIWave 가격 정보에서 최신 가격을 확인하며, CI에서 매니페스트(manifest)를 생성하고, YOUR_API_KEY_HERE가 git에 포함되지 않도록 주의하세요.

확인된 출처

• AIWave 가격 페이지 및 실시간 가격 API, 2026-08-04 수집.
• DeepSeek API 변경 로그: https://api-docs.deepseek.com/updates.
• Moonshot Kimi 모델 목록: https://platform.kimi.ai/docs/models.
• Qwen3-Coder 공식 블로그 및 Qwen3 리포지토리 뉴스: https://qwenlm.github.io/blog/qwen3-coder/ 및 https://github.com/QwenLM/Qwen3.
• Z.AI 릴리스 노트 및 가격 문서: https://docs.z.ai/release-notes/new-released 및 https://docs.z.ai/guides/overview/pricing.
• MiniMax 릴리스 노트: https://platform.minimax.io/docs/release-notes/models.