토큰, 크레딧 및 확인 방법
표준 Chat은 여전히 토큰을 내부적으로 처리하며 플랜의 메시지 및 추론 제한의 적용을 받습니다. OpenAI의 현재 문서에 따르면 Work와 Codex — 표준 Chat이 아닌 — 가 공유 에이전트 크레딧 풀에서 차감됩니다.[1]
가용성 참고: ChatGPT Work는 적격 계정에 점진적으로 출시되고 있습니다.[1] 아직 계정에 Work가 표시되지 않는 경우, 계획에 Chat을 사용하고 기술적 파일 실행에 사용 가능한 경우 Codex를 사용하세요.
| 환경 | 체험하는 것 |
|---|---|
| 표준 ChatGPT Chat | 플랜별 모델, 메시지 및 추론 허용량 |
| Work 및 Codex | 공유 에이전트 사용 구조; 추가 사용 시 크레딧 소모 가능 |
| OpenAI API | 모델 토큰 요율 기반 USD 별도 API 계정 과금 — ChatGPT 구독 크레딧과 무관 |
사용량 확인 방법
ChatGPT 웹 또는 Codex 앱에서 Codex 설정 → 사용량을 엽니다.[2] 플랜과 워크스페이스 역할에 따라 대시보드에 최근 사용량, 남은 크레딧, 구매 옵션 및 자동 충전 컨트롤이 표시될 수 있습니다. 직접 크레딧을 추가할 수 없는 경우 워크스페이스 소유자 또는 관리자에게 문의하세요.
플랜에 포함된 사용량이 먼저 소모됩니다. 지원되는 기능의 포함 제한에 도달한 후 구매한 크레딧이 사용됩니다.[2]
표준 Chat은 일반적으로 상세한 대화별 토큰 원장 대신 플랜 또는 모델 제한을 표시합니다.
출력 토큰이 더 비싼 이유
현재 Codex 요율표에서 출력 토큰은 일반 입력 토큰당 크레딧의 약 6배입니다.[3] 표준 GPT-5.5의 경우 백만 입력 토큰당 125 크레딧, 백만 출력 토큰당 750 크레딧입니다.[3] 그러나 긴 에이전트 작업에서는 동일한 컨텍스트가 턴마다 재처리되기 때문에 입력 토큰이 전체 비용을 지배하는 경우가 많습니다.[8]
표준 GPT-5.5는 백만 입력 토큰당 125 크레딧인 반면, GPT-5.4-Mini는 18.75입니다.[3] GPT-5.5를 사용하는 일반적인 Codex 작업은 컨텍스트 크기와 반복에 따라 5~45 크레딧을 소모할 수 있습니다.[3] 작업에 가능한 가장 작은 모델을 사용하세요. 현재 요율표에는 최신 GPT-5.6 Sol, Terra 및 Luna 티어도 포함됩니다. 가용성과 가격이 변경될 수 있으므로 모델을 선택하기 전에 실시간 요율표를 확인하세요.[3]
전체 Projects, 파일, Memory, Work 및 Tasks 시스템이 필요하신가요?
이 페이지는 토큰 경제학과 라우팅에 초점을 맞춥니다. 동반 가이드는 내구성 있는 프로젝트 컨텍스트와 사람의 검토를 중심으로 전체 ChatGPT 워크플로우를 구성하는 방법을 보여줍니다.
ChatGPT 워크플로우 가이드 읽기 →Chat vs Work vs Codex: 어떤 모드를 사용해야 하나요?
5초 라우팅 테스트
세 가지 질문을 하세요. 첫 번째 일치 항목이 우선합니다.
컨텍스트 라이프사이클: 탐색 → 고정 → 실행 → 검증 → 학습
이것은 이 가이드의 핵심 프레임워크입니다. 모든 AI 지원 작업의 단계에서 컨텍스트가 어떻게 변환되어야 하는지 설명합니다 — 더 짧은 프롬프트를 작성하는 방법만이 아닙니다.
탐색 — Chat 사용
문제를 명확히 하세요. 접근 방식을 비교하세요. 가정을 도출하세요. 성공을 정의하세요. 출력은 더 잘 정의된 문제이지, 완성된 작업이 아닙니다.
고정 — 내구성 있는 작업 산출물 생성
대화를 구조화된 파일로 변환하세요: TASK.md, PLAN.md, 감사 매니페스트 또는 의사결정 기록. 실행이 시작되기 전에 합의된 목표를 고정합니다. 새 스레드, 다른 모델, 이틀 간의 중단 또는 독립적인 검토에서도 유지됩니다.
실행 — Work 또는 Codex 사용
전체 탐색 대화가 아닌 고정된 산출물을 로드하세요. ChatGPT 데스크톱 앱에서 Work는 사용자의 허가 하에 승인된 로컬 파일 및 데스크톱 애플리케이션을 사용할 수 있습니다.[1] 웹 및 모바일의 Work는 클라우드에서 작동하며 컴퓨터의 임의 폴더를 직접 열 수 없습니다.[1] Codex는 로컬 폴더, 리포지토리, 터미널 및 개발자 도구를 사용하는 기술 작업을 위한 별도 뷰입니다.[1]
검증 — 깨끗한 증거 패스 사용
검증은 사양, 허용 기준, 결과 파일 및 테스트 스위트에서 시작됩니다. 구현 에이전트가 무엇을 하려 했는지에 대한 기억에 의존하지 않습니다.
학습 — 내구성 있는 지침 업데이트
실패 패턴이 반복되면 거버넌스 파일에 규칙을 추가하고, 검증 도구를 업데이트하거나, 작업 템플릿을 개선하세요. OpenAI의 Codex 가이드에서는 관찰된 반복 실수 후 내구성 있는 지침을 AGENTS.md에 보관하고 업데이트할 것을 권장합니다.[5]
컨텍스트 부채와 세 가지 종류의 컨텍스트
컨텍스트 부채란 임시 설명, 수정, 예외 및 미해결 의사결정이 진실의 원본 소스에 통합되지 않고 누적될 때 발생하는 미래 비용입니다.
- 하나의 채팅에서 동일한 규칙을 다섯 번 수정
- 프로젝트에 이전 URL과 새 URL을 모두 남기기
- 에이전트가 잘못된 해석을 채택한 후 계속 진행
- 실패한 시도마다 "또한 변경하지 마세요…" 추가
- 실행 대화에 거부된 계획 유지
나중의 모든 요청은 원래 지시, 실수, 각 수정, 각 예외 및 최종 결정을 처리해야 합니다. 이는 사용량과 잘못된 버전을 선택할 확률 모두 증가시킵니다.
세 번째 수정이 도달하면 대화를 패치하는 것을 멈추세요. 작업을 다시 작성하거나 진실의 원본 소스 파일을 업데이트하세요.
세 가지 종류의 컨텍스트
내구성 컨텍스트
브랜드 규칙, 코딩 표준, 표준 링크, 폴더 구조
작업 컨텍스트
현재 결과, 영향받는 파일, 제약 조건, 허용 테스트
대화 컨텍스트
질문, 거부된 아이디어, 탐색적 추론, 임시 설명
대화를 프로젝트 데이터베이스로 사용하지 마세요.
ChatGPT의 Projects는 채팅 간 연속성을 제공할 수 있으며, 프로젝트 전용 메모리는 하나의 프로젝트를 관련 없는 대화에서 격리할 수 있습니다.[4] 그러나 OpenAI의 문서는 Projects를 컨텍스트 경계로 설명합니다 — 모든 역사적 세부사항이 항상 올바르게 검색된다는 보장은 아닙니다. 중요한 상태는 명시적 프로젝트 파일에 속합니다.
동일 채팅, 새 채팅, 프로젝트 또는 분기?
모든 단계마다 새 채팅을 만들지 마세요. 컨텍스트가 작업의 연속성에서 얻는 이점보다 더 많이 변경될 때 새 채팅을 만드세요.
| 필요 | 올바른 조치 |
|---|---|
| 동일한 합의된 작업 계속 | 스레드에 머물기 |
| 더 깨끗한 컨텍스트로 계속 | 핸드오프 패킷 + 새 스레드 생성 |
| 원본을 방해하지 않고 대안 탐색 | 대화 분기 |
| 프로젝트 규칙을 개인 메모리에서 격리 | 프로젝트 전용 메모리 사용 |
분기는 선택권을 보존합니다. 핸드오프는 연속성을 보존합니다. 둘은 다른 문제를 해결합니다.
행동 트리거 — 모델이 다음과 같이 할 때 새 스레드를 시작하세요:
- 확정된 의사결정을 다시 열 때
- 동일한 파일을 반복적으로 읽을 때
- 이전에 수정된 오류를 다시 도입할 때
- 현재 허용 기준을 정확하게 진술할 수 없을 때
컨텍스트 건강 점검
계속하기 전에 다음을 진술하세요:
1. 현재 결과
2. 확정된 의사결정
3. 범위 내 파일
4. 변경 금지 제약 조건
5. 남은 허용 테스트
아직 작업을 계속하지 마세요.메모리 가이드
| 저장된 메모리 사용 | 프로젝트 전용 메모리 사용 | 메모리에 의존하지 않음 |
|---|---|---|
| 안정적 선호사항, 응답 스타일 | 특정 웹사이트, 하나의 고객, 기밀 영역 | 정확한 가격, URL, 출시 번호, 허용 테스트, 법률 규칙 |
메모리는 개인화합니다. 파일은 관리합니다.
핸드오프 생성기
일반 요약은 논의된 내용을 설명합니다. 핸드오프 패킷은 다음 에이전트가 올바르게 작동하기 위해 필요한 것을 명시합니다.
Codex 효율성: 검색 반경, 추론 및 체크포인트
NotebookLM Guide 검색 반경 프레임워크
부정확한 파일 지시는 작업이 시작되기 전에 Codex가 넓게 검색하게 하여 컨텍스트를 부풀립니다.
| 반경 | 지시 | 시점 |
|---|---|---|
0 — 정확한 대상 | /assets/navigation-rc1497.js?v=rc1497만 편집하세요. | 알려진 단일 파일 수정 |
1 — 제한된 계열 | /assets/ 및 HTML nav 마크업을 검사하세요. | 알려진 파일 범주 |
2 — 리포지토리 탐색 | 패턴의 모든 인스턴스를 검색하세요. | 알 수 없는 위치, 알려진 패턴 |
3 — 열린 탐색 | 전체 리포지토리를 검색하세요. | 알 수 없는 위치와 패턴 |
파일 수가 아닌 모호성에 지능을 투자하세요. 100개 파일에 걸친 변경은 기계적으로 단순할 수 있습니다. 한 줄의 버그는 깊은 추론이 필요할 수 있습니다.
추론 및 모델 라우팅
| 작업 | 추론 수준 |
|---|---|
| 알려진 파일에서 라벨 이름 변경 | 낮음 |
| 재현 가능한 CSS 버그 수정 | 중간 |
| 알 수 없는 교차 페이지 회귀 진단 | 중간~높음 |
| 새 아키텍처 설계 | 높음 |
| 길고 모호한 마이그레이션 실행 | 높음~매우 높음 |
체크포인트
체크포인트는 알려진 좋은 버전입니다. 모든 성공적인 이슈 계열 후, 테스트를 실행하고, 대표적인 출력을 검사하고, 상태를 저장하고, 변경 내용을 기록한 다음, 해당 상태에서 다음 이슈를 시작하세요. 수정이 실패하면 체크포인트로 되돌리세요.
누적된 피해가 아닌 깨끗한 상태에서 재시도하세요.
수정에서 규칙으로의 피드백 루프
실수 → 근본 원인 → 예방 규칙 → 자동화된 검사 → 진실의 원본 소스 업데이트최고의 지시는 첫 번째 실행 전에 작성하는 것이 아닙니다. 실제 실패에서 추출한 다음 자동으로 시행하는 규칙입니다.
검증 독립성
| 수준 | 방법 | 강점 |
|---|---|---|
1 — 자기 검사 | 동일 에이전트가 변경 후 테스트 실행 | 빠름; 자체 가정에 취약 |
2 — 새로운 컨텍스트 | 새 스레드에 사양 + 파일 + 테스트 전달 (수정 대화는 제외) | 독립적 판단 |
3 — 결정론적 + 사람 | 검증 도구 + 테스트 + 링크 검사 + 스크린샷 + 사람 검토 | 최고 신뢰성 |
검증자는 구현자의 변명이 아닌 요구사항을 상속해야 합니다.
AI에게 288개 파일 웹사이트를 수정하도록 요청했을 때 일어난 일
원래 요청
288개 파일 웹사이트 ZIP을 ChatGPT Work에 업로드하고 CRO, SEO, 내비게이션, Stripe 및 모바일 문제를 한 번에 수정하도록 요청했습니다.
실패한 이유
다섯 개의 관리 문서에 모순이 있었습니다 — 이전 컴포넌트 이름과 새 이름이 나란히, 상반된 CTA 텍스트, 동일 제품에 대한 여러 Stripe URL. 모델은 하나의 문서를 따르고 다른 문서를 위반했습니다.
반복된 패턴
내비게이션 수정 → 레이아웃 깨짐. 레이아웃 수정 → 이전 셀렉터 재도입. 셀렉터 수정 → CTA 중복. 각 수정이 컨텍스트 부채가 해결보다 빠르게 누적되기 때문에 다음 문제를 생성했습니다.
실제로 작동한 것
컨텍스트 라이프사이클로 분해: 진실의 원본 소스 파일(탐색 + 고정), Codex 실행당 하나의 이슈 계열(실행), 독립적 검증 도구(검증), 모든 반복 실수를 거버넌스 규칙으로 전환(학습).
측정된 결과
측정된 배포 주기에서 관찰된 사용량 데이터는 다음 배포 후 여기에 게시됩니다. 추정 절약 비율이 아닌 측정된 크레딧, 실행 횟수 및 재작업률만 게시합니다.
복사 가능한 프롬프트 템플릿
Chat 사전 점검 — 요청을 작업 패킷으로 변환
사용 위치: Chat
저의 요청을 Work 또는 Codex를 위한 하나의 제한된 작업으로 변환하세요.
반환:
1. 필요한 결과
2. 범위 (탐색 예산 포함)
3. 진실의 원본 소스
4. 변경 금지 항목
5. 허용 테스트
6. 필요한 출력
7. 중지 조건
아직 작업을 실행하지 마세요.
저의 요청: [필요한 것을 설명하세요]
Codex 수정 — 고정된 작업 실행
사용 위치: Codex
TASK.md에 설명된 수정만 적용하세요.
먼저 GOVERNANCE.md와 참조된 감사 매니페스트를 읽으세요.
관련 없는 파일을 변경하지 마세요. 지정된 허용 테스트를 실행하세요. 다음을 반환:
- 변경된 파일 목록
- 실행된 명령
- 테스트 출력
- 미해결 이슈
독립적 검증
사용 위치: Codex (새 스레드)
작업 디렉토리를 독립적으로 검증하세요. 이전 수정이 성공했다고 가정하지 마세요.
지정된 모든 검증 도구와 테스트를 실행하세요. 영향받는 파일과 증거와 함께 모든 실패를 보고하세요. 수정을 하지 마세요.
최종 판정: 배포 가능 / 미리보기 가능 / 준비되지 않음
검증된 결과당 비용 및 성숙도 모델
에이전트 효율성 =
완료된 검증된 결과 ÷ 소모된 에이전트 사용량
첫 시도 성공률 =
첫 시도에 모든 검사를 통과한 수정 ÷ 총 수정된 이슈
재작업률 =
완료 후 재개된 이슈 ÷ 완료로 표시된 이슈
컨텍스트 부채 비율 =
폐기되거나 상반된 지시 ÷ 활성 권위 있는 지시AI 사용 성숙도 모델
프롬프팅
더 나은 요청을 작성합니다.一次에 하나의 프롬프트.
라우팅
Chat, Work 또는 Codex를 올바르게 선택합니다.
작업 사양
실행 전에 결과, 제약 조건 및 완료 조건을 정의합니다.
외부화된 상태
계획, 의사결정 및 지시가 대화 외부에 존재합니다.
검증된 실행
모든 결과에 결정론적 증거가 있습니다. 검증이 독립적입니다.
학습 시스템
실패가 거버넌스, 검증 도구 및 템플릿을 자동으로 업데이트합니다.
프롬프트 엔지니어링은 하나의 요청을 개선합니다. 워크플로우 엔지니어링은 모든 미래의 요청을 개선합니다.
의사결정 카드
모든 세션 동안 이 카드를 가까이 두세요.
- 답변이 필요한가요, 파일 변경이 필요한가요?
답변 → Chat. 산출물 → Work. 코드 → Codex. - 결과를 테스트할 수 있나요?
아니오라면, 먼저 Chat에서 허용 기준을 정의하세요. - 이것은 하나의 근본 원인 계열인가요?
아니오라면, 별도의 작업 패킷을 만드세요. - 표준 진실의 원본 소스는 무엇인가요?
명명하세요. 우선순위를 정의하세요. - 변경하면 안 되는 것은 무엇인가요?
제외 항목을 명시적으로 명시하세요. - 하나의 공유 변경으로 해결할 수 있나요?
인스턴스별 편집을 허용하기 전에 확인하세요. - 검색 반경은 무엇인가요?
정확한 파일을 명명하세요. 증거와 함께만 확장하세요. - 어떤 증거가 성공을 증명하나요?
명령, 테스트, 차이점, 파일, 검사. - 측정하고 있나요, 추측하고 있나요?
추정치에 라벨을 붙이세요. 관찰된 사용량을 기록하세요.
자주 묻는 질문
네. Chat은 내부적으로 토큰을 처리합니다. 그러나 OpenAI의 현재 문서에 따르면 Work와 Codex — 표준 Chat이 아닌 — 가 공유 에이전트 크레딧 풀에서 차감됩니다. 표준 Chat은 플랜별 메시지 및 추론 제한의 적용을 받습니다.
표준 Chat은 일반적으로 에이전트 크레딧 풀에서 차감되지 않습니다. Work와 Codex가 해당 풀을 공유합니다. 계획 및 해석에 Chat을 사용하면 이 더 제한된 용량을 보존할 수 있습니다.
네. OpenAI는 Codex, ChatGPT Work, ChatGPT for Excel 및 Workspace Agents가 해당 플랜에서 사용 가능한 경우 동일한 에이전트 사용량 및 크레딧 풀에서 차감된다고 명시합니다.
답변, 비교, 의사결정 또는 작업 정의에 도움이 필요할 때 Chat을 사용하세요 — 파일을 변경하거나 완성된 다중 소스 산출물을 생산할 필요가 없는 모든 경우에 해당합니다.
파일 변경, 터미널 명령 실행, 테스트 실행, 차이점 검사 또는 배포 패키지 생성이 필요한 경우 Codex를 사용하세요.
자동으로 절약되지는 않습니다. 새 채팅은 컨텍스트를 리셋하고 누적된 불필요한 정보를 제거하지만, 작업이 이전 작업에 의존하는 경우 컨텍스트를 다시 설정해야 할 수 있습니다. 컨텍스트가 작업의 연속성에서 얻는 이점보다 더 많이 변경될 때 새 채팅을 시작하세요.
긴 대화는 일반적으로 더 많은 컨텍스트를 앞으로 전달해야 합니다. ChatGPT와 Codex는 컨텍스트 한도에 가까워지면 이전 상태를 압축하거나 요약할 수도 있으므로, 처리되는 정확한 컨텍스트가 매 턴마다 전체 그대로의 대화 기록은 아닐 수 있습니다.
에이전트 작업은 단순한 대화보다 몇 배 더 많은 토큰을 소모할 수 있으며, 입력 토큰이 전체 비용을 주도합니다. 모델 선택이 중요합니다: 표준 GPT-5.5는 백만 입력 토큰당 125 크레딧인 반면 GPT-5.4-Mini는 18.75입니다.
ChatGPT 웹 또는 Codex 앱에서 Codex 설정 → 사용량 대시보드를 엽니다. 플랜과 워크스페이스 역할에 따라 대시보드에 최근 사용량, 남은 크레딧, 구매 옵션 및 자동 충전 컨트롤이 표시될 수 있습니다.
컨텍스트 부채란 임시 설명, 수정, 예외 및 미해결 의사결정이 진실의 원본 소스에 통합되지 않고 누적될 때 발생하는 미래 비용입니다. 모든 교환에서 복리로 증가하며 사용량과 오류율 모두 증가시킵니다.
아닙니다. 짧고 모호한 프롬프트는 모델이 여러 잘못된 접근 방식을 탐색하게 하여, 더 길고 정확한 지시보다 훨씬 더 많은 토큰을 소모할 수 있습니다. 명확함은 간결함보다 비용 효율적입니다.
컨텍스트 라이프사이클은 5단계 프레임워크입니다: 탐색(Chat에서 명확히 하기), 고정(지속 가능한 작업 산출물 작성), 실행(고정된 사양으로 Work 또는 Codex 사용), 검증(사양에 대해 독립적으로 테스트), 학습(관찰된 실패로부터 거버넌스 업데이트).
에이전트 효율성 = 검증된 결과 ÷ 소모된 사용량을 추적하세요. 첫 시도 성공률과 재작업률도 추적하세요. 3회 이상의 측정 데이터 주기 후에만 절약액을 정량화하세요.
ChatGPT Work는 적격 계정에 점진적으로 출시되고 있습니다. 가용성은 플랜, 워크스페이스 설정, 역할 및 출시 상태에 따라 다릅니다. Work가 아직 표시되지 않는 경우, 계획에 Chat을 사용하고 기술적 파일 실행에 사용 가능한 경우 Codex를 사용하세요.
신뢰할 수 있는 멀티 AI 운영 체제 구축
여러 AI 도구에서 작업하기 위한 작업 라우팅 프롬프트, 오케스트레이션 프레임워크, 핸드오프 패턴 및 검증 체크포인트를 받으세요.
출처 및 방법론
- [1] OpenAI 도움말 센터. "ChatGPT Work and Codex." help.openai.com
- [2] OpenAI 도움말 센터. "Using Credits for Flexible Usage in ChatGPT." help.openai.com
- [3] OpenAI 도움말 센터. "Codex Rate Card." help.openai.com
- [4] OpenAI 도움말 센터. "Projects in ChatGPT." help.openai.com
- [5] OpenAI 개발자. "Best Practices — Codex." developers.openai.com
- [6] OpenAI 개발자. "Using Goals in Codex." developers.openai.com
- [7] OpenAI 개발자. "Compaction." developers.openai.com
- [8] Bai, L. 외 (2026). "How Do AI Agents Spend Your Money? Analyzing and Predicting Token Consumption in Agentic Coding Tasks." arXiv:2604.22750. arxiv.org
- [9] r/ChatGPT. "Long ChatGPT chats go bad…" reddit.com
- [10] r/codex. "Best Practices and workflows." reddit.com
방법론
모든 제품 주장은 2026년 7월 23일 기준 공식 OpenAI 문서에 근거합니다. 토큰 소비 변동성에 대한 행동 주장은 프리프린트 연구(Bai 등, 2026, arXiv — 동료 검토 미완료)를 인용합니다. 실무자 패턴은 Reddit 및 실무자 간행물을 인용합니다. 비용 비교는 상대적 용어를 사용합니다. 절약 주장은 측정된 데이터로 명시적으로 라벨이 지정되지 않는 한 관찰된 측정이 아닌 워크플로우가 줄이도록 설계된 내용을 설명합니다. 제품 경계, 크레딧 시스템 및 가격은 변경될 수 있습니다. 현재 세부 정보는 help.openai.com에서 확인하세요.
하나의 반복 가능한 AI 리서치 워크플로우로 시작하세요
더 큰 멀티 AI 시스템을 구축하기 전에 실용적인 워크플로우, 복사 가능한 프롬프트 및 검토 체크리스트를 받으세요.
무료 스타터 키트 받기 →개인정보 및 책임감 있는 AI 사용
무엇을 업로드하고, 무엇을 비식별화하며, 민감한 작업이 승인된 조직 환경을 필요로 하는 시기를 알아보세요.