TokenLab 모델 데이터 센터: 실시간 모델 가격, 순위, 트렌드 및 연구 피드

TokenLab Model Data Center는 실시간 LLM 가격 API를 통해 제공되는 기계 판독 가능한 모델 가격 카탈로그로, 개발자가 현재 제공업체의 요금과 메타데이터에 직접 프로그래밍 방식으로 접근할 수 있도록 합니다.

모델 시장은 편집 일정보다 빠르게 움직입니다. 5월에 작성된 가격 페이지는 7월이 되면 종종 틀린 정보가 됩니다. 지난 분기의 "최고 모델" 순위는 세 번의 새로운 릴리스와 한 번의 지원 중단(deprecation)을 놓칠 수 있습니다.

이러한 불일치가 바로 TokenLab이 또 다른 정적 비교 게시물 대신 Model Data Center를 구축한 이유입니다. 이는 사람이 보는 페이지와 기계가 읽는 JSON 및 Markdown으로 구성된 공개 인터페이스이며, 모든 정보에 출처 라벨과 관찰 날짜가 표시됩니다.

이 글에서는 Model Data Center가 무엇인지, 무엇이 아닌지, 그리고 모델 비교를 작성하거나, 에이전트를 연결하거나, 프로덕션 코드에 가격 결정 로직을 배포하기 전에 이를 어떻게 활용해야 하는지 설명합니다.

핵심 요약

• Model Data Center는 5개의 사용자용 페이지와 4개의 기계 판독 가능한 엔드포인트로 나뉜 공개 데이터 계층입니다.
• 모든 데이터셋에는 generatedAt 및 observedAt 타임스탬프와 sourcePolicy 필드가 포함되어 있어, 해당 수치가 제공업체 보고 데이터인지, TokenLab 카탈로그 데이터인지, 아니면 리더보드와 같은 참조 신호인지 확인할 수 있습니다.
• 카탈로그 데이터, 트렌드 스냅샷, 리서치 해석은 서로 다른 질문에 답하기 위해 의도적으로 별도의 인터페이스로 유지되며, 이를 혼합해서는 안 됩니다.
• 공개 JSON은 내부 구현 세부 정보가 아닌 검증된 사실을 공유하도록 설계되었습니다.
• 이 데이터는 정확한 가격, 수명 주기 또는 안전성 주장에 대한 공식 제공업체 문서를 대체하지 않습니다. 빠르고 날짜가 명시된 시작점으로 취급하고, 반드시 원본 출처를 통해 검증하십시오.

전체 데이터셋 및 스키마 세부 정보는 TokenLab Model Data Center를 참조하십시오.

왜 또 다른 블로그 게시물이 아닌 전용 데이터 센터인가

블로그 게시물은 발행 날짜가 있는 스냅샷입니다. 데이터 센터는 새로 고침 주기와 진실로 간주되는 기준에 대한 정책을 갖춘 실시간 인터페이스입니다.

이러한 차이는 세 그룹의 독자에게 중요합니다.

개발자: 지난 분기가 아닌 이번 주에 기능을 위한 모델을 선택해야 하는 개발자입니다. 이들은 5개의 제공업체 변경 로그를 읽지 않고도 현재 컨텍스트 윈도우, 모달리티 지원, 토큰 백만 개당 가격을 확인하고자 합니다.

에이전트 및 크롤러: 산문을 스크래핑하지 않고도 파싱할 수 있는 구조화된 JSON이 필요한 경우입니다. 제공업체 간 입력 토큰 비용을 비교하는 에이전트가 블로그 게시물의 어떤 문단이 여전히 정확한지 추측해서는 안 됩니다.

리서치 독자: 단순히 숫자뿐만 아니라 순위가 변동된 이유, 트레이드오프가 무엇인지 등 순위 이면의 추론을 원하는 독자입니다.

TokenLab은 하나의 문서에서 이 모든 요구를 충족하려 하기보다 각 페이지별로 니즈를 분리했습니다. 이것이 Model Data Center의 핵심 설계 결정입니다.

각 페이지의 용도

Model Data Center는 단일 페이지가 아닙니다. 각각 다른 질문에 답하는 5개의 페이지 세트입니다.

Models — 진입점

tokenlab.sh/en/models는 사람이 읽을 수 있는 디렉토리입니다. TokenLab이 나열하는 모델을 제공업체 및 카테고리별로 정리했습니다. 쿼리보다는 브라우징을 원할 때 여기서 시작하십시오.

Data — 카탈로그 뷰

tokenlab.sh/en/models/data는 구조화된 카탈로그입니다. 모델 ID, 제공업체, 컨텍스트 길이, 모달리티 및 가격 필드가 직접 비교를 위해 배치되어 있습니다. 특정 모델에 대한 구체적인 사실을 인용해야 할 때 이 페이지를 사용하십시오.

Trends — 변동 뷰

tokenlab.sh/en/models/trends는 카탈로그가 시간이 지남에 따라 어떻게 변하는지(새로운 목록, 가격 변동, 제공업체 활동)를 추적합니다. 이는 "지금 무엇이 사실인가"가 아니라 "무엇이 변했는가"에 답합니다.

Research — 해석 뷰

tokenlab.sh/en/models/research는 TokenLab이 추론을 설명하는 곳입니다. 순위가 변동된 이유, 가격 변동이 의미하는 바, 출처 간 의견이 갈리는 지점 등을 다룹니다. 이를 원시 데이터가 아닌 분석으로 취급하십시오.

Rankings — 비교 뷰

tokenlab.sh/en/models/rankings는 가격, 컨텍스트 윈도우, 카테고리별로 정렬된 비교를 제공합니다. 데이터 페이지와 동일한 기본 카탈로그를 기반으로 하지만, 조회가 아닌 순위 지정을 위해 구성되었습니다.

이러한 분리는 의도적입니다. "이번 주에 무엇이 변했는가"와 "오늘 무엇이 사실인가"를 혼동하면, 오래된 트렌드 변화를 현재의 사실로 인용하는 오류를 범하게 됩니다. 트렌드, 카탈로그 데이터, 리서치를 별도의 인터페이스로 유지함으로써 이러한 실패 모드를 방지합니다.

기계 판독 가능한 계층

페이지는 사람을 위한 것입니다. 다음 4개의 엔드포인트는 JSON이나 Markdown을 파싱하는 모든 것(에이전트 파이프라인, 내부 툴링, 배포 전 가격을 확인하는 스크립트 등)을 위한 것입니다.

엔드포인트	형식	주요 용도
/model-data/catalog.json	JSON	전체 모델 카탈로그: ID, 제공업체, 컨텍스트, 모달리티, 가격 필드
/model-data/latest.json	JSON	최신 스냅샷, 생성 타임스탬프, 카탈로그 해시
/model-data/trends.json	JSON	가격 및 목록 변경에 대한 시계열 델타
/model-data/summary.md	Markdown	사람과 LLM이 읽을 수 있는 요약, 생성된 텍스트에서 직접 인용하기 적합

TokenLab Model Data Center를 프로그래밍 방식으로 쿼리하기

이 데이터를 파이프라인이나 에이전트에 통합하기 전에 generatedAt, observedAt, catalogHash 필드를 검사하여 카탈로그가 언제 생성되었는지, 마지막 가져오기 이후 변경되었는지 확인하십시오. 피드가 실시간으로 업데이트된다고 가정하지 마십시오. 항상 예상되는 새로 고침 주기에 의존하기보다 이 필드들을 확인하십시오.

curl -s https://tokenlab.sh/model-data/latest.json | jq '{
  generatedAt: .generatedAt,
  observedAt: .observedAt,
  catalogHash: .catalogHash
}'

요청 간에 catalogHash를 비교하여 실제 콘텐츠 변경 사항을 감지하고, 자동화된 시스템에서 가격 결정을 내리기 전에 generatedAt/observedAt을 사용하여 데이터의 최신성을 측정하십시오.

각 응답에는 schemaVersion, generatedAt, observedAt, catalogHash, sourcePolicy, stats, models, series, providers, trends와 같은 일관된 필드 세트가 포함됩니다. 이 엔드포인트를 기반으로 자동화를 구축하는 경우, 캐시된 복사본을 신뢰하기 전에 schemaVersion과 catalogHash를 확인해야 합니다. 버전이 올라가거나 해시가 변경되었다는 것은 마지막 가져오기 이후 형태나 콘텐츠가 변경되었음을 의미합니다.

sourcePolicy 필드는 자세히 읽어볼 가치가 있습니다. 여기에는 세 가지 계층이 구분되어 있습니다: 제공업체 문서(정확한 가격 및 수명 주기 사실에 대한 가장 신뢰할 수 있는 출처), TokenLab 자체 카탈로그(TokenLab이 공개적으로 제시할 수 있는 정보), 참조 신호(상대적 위치 파악에는 유용하지만 가격의 진실은 아닌 타사 리더보드 및 순위)입니다. 이 구분을 무시하는 다운스트림 도구는 리더보드 점수를 공식 가격인 것처럼 인용할 위험이 있습니다.

공개 JSON에서 의도적으로 제외된 내용

공개 데이터 계약은 의도적으로 범위가 지정되어 있습니다. 통합에 필요한 모델 사실(ID, 가격, 모달리티 지원)만 포함하며, 해당 계약의 일부가 아닌 내부 운영 세부 정보는 제외합니다. TokenLab이 내부적으로 어떻게 의사결정을 내리는지 알고 싶다면 이 인터페이스는 적합하지 않으며, 그렇게 설계되지도 않았습니다. Model Data Center는 공개적으로 공유하기에 안전하고 유용한 정보(현재 모델 사실)를 게시하며, 내부 운영 세부 정보를 게시하지 않습니다.

현재 모델 사실을 올바르게 읽는 방법

카탈로그는 수치와 함께 날짜 및 출처를 읽을 때만 유용합니다. 다음은 공개 카탈로그가 노출하는 필드와 동일한 종류의 필드(모델 ID, 제공업체, 컨텍스트 길이, 모달리티, 토큰 백만 개당 가격)에서 가져온 관찰 시점 기준의 예시 세트입니다.

모델	제공업체	컨텍스트	모달리티	입력 / 출력 (USD/M 토큰)
Claude Sonnet 5	Anthropic	1,000,000	text+image+file→text	$2 / $10
Gemini 3.5 Flash	Google	1,048,576	text+image+file+audio+video→text	$1.50 / $9
DeepSeek V4 Pro	DeepSeek	1,048,576	text→text	$0.435 / $0.87
DeepSeek V4 Flash	DeepSeek	1,048,576	text→text	$0.09 / $0.18
GLM-5.2	Z.ai	1,048,576	text→text	$0.909 / $2.856
Kimi K2.7 Code	MoonshotAI	262,144	text+image→text	$0.74 / $3.50

이와 같은 표를 보면 몇 가지 사실이 즉시 눈에 띄며, 이는 Data Center가 빠르게 가시화하도록 구축된 종류의 정보입니다:

• 컨텍스트 윈도우 크기가 가격과 비례하지 않습니다. DeepSeek V4 Pro와 Gemini 3.5 Flash는 모두 1M 토큰 이상의 컨텍스트를 제공하지만 가격대는 매우 다릅니다.
• 모달리티 범위(텍스트 vs 텍스트+이미지 vs 멀티모달)는 비용과 별개의 축입니다. 모달리티 목록이 넓다고 해서 자동으로 토큰당 가격이 높아지는 것은 아닙니다.
• Kimi K2.7 Code와 같은 코딩 특화 모델은 유사한 컨텍스트 길이 범위 내에서도 일반적인 챗 모델과는 다른 가격 및 컨텍스트 트레이드오프를 가집니다.

이러한 관찰 결과는 가격 가정을 계약이나 결제 모델에 적용하기 전에 제공업체의 자체 문서를 읽는 것을 대체하지 않습니다. 이는 최종 비교가 아닌 시작점입니다.

모델 사실을 인용하기 전 실용적인 체크리스트

모델 가격, 컨텍스트 윈도우 또는 순위를 비교 게시물, 고객용 문서 또는 에이전트 로직에 붙여넣기 전에 다음을 사용하십시오.

1. 관찰 날짜를 확인하십시오. 모든 데이터셋에는 observedAt 및 generatedAt이 포함되어 있습니다. 사용 사례와 비교하여 며칠 이상 지났다면, 수치를 최종 답변이 아닌 시작점으로 취급하십시오.
2. 출처 계층을 식별하십시오. 이것이 제공업체 문서화된 사실입니까, TokenLab 카탈로그 항목입니까, 아니면 리더보드와 같은 참조 신호입니까? 참조 신호는 상대적 위치 파악을 위한 것이지 정확한 가격을 위한 것이 아닙니다.
3. 카탈로그와 트렌드를 분리하십시오. 트렌드 델타("이번 달 가격 20% 하락")는 카탈로그 사실("현재 가격은 $X")과 동일한 주장이 아닙니다. 올바른 주장에 맞는 인터페이스를 인용하십시오.
4. 캐싱 전 catalogHash를 확인하십시오. /model-data/catalog.json을 일정에 따라 가져오는 경우, 캐시된 복사본이 여전히 최신인지 가정하기 전에 해시를 비교하십시오.
5. 공식 문서와 가격 및 수명 주기 주장을 검증하십시오. Data Center는 빠르고 구조화되어 있습니다. 돈이나 계약이 관련된 경우 제공업체의 자체 가격 페이지를 대체할 수 없습니다.
6. 의견 불일치를 기록하고 평균내지 마십시오. 리더보드 신호와 카탈로그 사실이 일치하지 않는다면, 그 불일치 자체가 정보입니다. 조용히 하나를 선택하는 대신 이를 보고하십시오.

제공업체 문서와 비교했을 때의 위치

Model Data Center는 흩어진 제공업체 문서를 빠르게 비교하기 어렵고, 마케팅 페이지는 인용을 위해 구축되지 않았기 때문에 존재합니다. 이 둘을 대체하려는 것이 아닙니다.

제공업체 문서는 정확한 가격, 속도 제한, 지원 중단 일정 및 안전 정책에 대한 기록의 출처로 남습니다. TokenLab의 카탈로그 및 트렌드 데이터는 문서화된 출처 정책(주로 타사 모델 목록 데이터와 TokenLab 자체의 공개 가용성)을 기반으로 구축되었으며, 정의된 주기에 따라 새로 고침되고 관찰 시점이 라벨링됩니다.

재무적 또는 규정 준수 비중이 있는 결정(프로덕션 가격 모델, 계약 조건, 규제 산업 배포)을 내려야 한다면, 최종 확인을 위해 제공업체의 자체 페이지로 이동하십시오. Model Data Center를 사용하여 더 빠르게 해당 페이지에 도달하고 한곳에서 제공업체 간 비교를 수행하십시오.

FAQ

TokenLab Model Data Center란 무엇입니까? 현재 AI 모델 사실(가격, 컨텍스트 윈도우, 모달리티, 제공업체 및 비교 순위)을 모든 데이터셋에 명시된 출처와 관찰 날짜와 함께 제공하는 공개 페이지 및 기계 판독 가능한 엔드포인트 세트입니다. 브라우징 페이지(모델, 데이터, 트렌드, 리서치, 순위)와 구조화된 피드(카탈로그, 최신 스냅샷, 트렌드 및 Markdown 요약)로 나뉩니다.

어떤 기계 판독 가능한 모델 데이터 엔드포인트가 공개되어 있습니까? 4개입니다: 전체 모델 카탈로그를 위한 /model-data/catalog.json, 생성 메타데이터가 포함된 최신 스냅샷을 위한 /model-data/latest.json, 시계열 변경을 위한 /model-data/trends.json, 직접 인용에 적합한 Markdown 요약을 위한 /model-data/summary.md입니다.

개발자는 출처 날짜와 관찰 날짜를 어떻게 취급해야 합니까? 영구적인 보장이 아닌 최신성 신호로 취급하십시오. 모든 데이터셋에는 generatedAt 및 observedAt 필드가 포함되어 있습니다. 읽는 시점과 비교하여 해당 날짜가 오래되었다면, 특히 자주 변경되는 가격의 경우 수치를 신뢰하기 전에 출처를 다시 확인하십시오.

Model Data Center가 제공업체 문서를 대체합니까? 아닙니다. 이는 1차 조사를 위해 흩어진 제공업체 페이지를 수동으로 수집하고 비교할 필요성을 대체합니다. 재무적 또는 규정 준수 비중이 있는 정확한 가격, 수명 주기, 속도 제한 및 안전성 주장에 대해서는 공식 제공업체 문서가 기록의 출처로 남습니다.

출처 및 최신성

이 글의 모든 사실과 엔드포인트 설명은 2026-07-09에 다음 공개 출처에서 관찰되었습니다:

• TokenLab Model Data Center — https://tokenlab.sh/en/models/data
• TokenLab Model Trends — https://tokenlab.sh/en/models/trends
• TokenLab Model Research — https://tokenlab.sh/en/models/research
• TokenLab 모델 데이터 카탈로그 JSON — https://tokenlab.sh/model-data/catalog.json

비교 표에 언급된 모델 가격, 컨텍스트 길이 및 모달리티 수치는 2026-07-07에 관찰된 TokenLab의 현재 모델 진실 스냅샷을 반영하며, 카탈로그의 sourcePolicy 필드에 문서화된 새로 고침 주기에 따라 변경될 수 있습니다. 재무적 또는 규정 준수 맥락에서 사용하기 전에 실시간 엔드포인트나 공식 제공업체 문서를 통해 현재 수치를 검증하십시오.

다음 단계

모델 비교를 작성 중이라면 카탈로그 뷰를 위해 /en/models/data에서 시작하고, 상대적 위치 파악을 위해 /en/models/rankings와 교차 검증하십시오.

모델 가격이나 가용성에 대해 추론해야 하는 에이전트나 자동화를 구축 중이라면, 일정에 따라 /model-data/latest.json을 가져오고 캐시된 복사본을 신뢰하기 전에 catalogHash를 확인하십시오.

단순한 숫자보다 순위 변동 이면의 추론을 원한다면 /en/models/research를 읽어보십시오. TokenLab이 무엇이 변했고 왜 변했는지 설명하는 곳입니다.

기능과 함께 비용을 고려하고 있다면, 개발자를 위한 Gemini API 가격 분석이 현재 요금에 대한 더 자세한 정보를 제공합니다. 코딩 중심 모델 전반에 대한 더 넓은 비교를 원하시면 2026년 최고의 코딩용 AI 모델 가이드를 참조하십시오.

Model Data Center 탐색을 시작하여 현재 모델 가격을 직접 쿼리해 보십시오.