크레딧

EKB 사용은 크레딧으로 청구되며, 이는 AI 기반 워크플로우 실행의 기본 비용을 추상화하는 통합 통화입니다. 크레딧은 두 가지 유형의 활동을 다룹니다: 문서 업로드, 메시지 발송 및 도구 호출과 같은 개별 작업을 위한 정액 플랫폼 작업 크레딧과 언어 모델에 의해 처리되고 생성되는 텍스트 양에 기반한 가변 LLM 토큰 크레딧. 이 두 구성 요소가 함께 EKB에서 모든 작업의 총 비용을 구성합니다. 이 페이지는 각 크레딧 유형이 어떻게 계산되는지 분석하고, 실제 예시를 안내하며, 사용량을 증가시키거나 감소시키는 요인을 설명합니다.

​

핵심 개념

​

크레딧이란?

크레딧은 EKB가 플랫폼 사용량을 추적하고 청구하는 데 사용하는 측정 단위입니다. 모든 기본 리소스(컴퓨팅, API 호출, LLM 사용)에 대해 개별적으로 청구하는 대신 크레딧은 이러한 비용을 예측 가능한 형식으로 추상화하는 단일 통합 통화를 제공합니다. 크레딧은 두 가지 방법으로 소비됩니다:

• 플랫폼 작업 크레딧은 문서 업로드, 채팅 메시지 발송 또는 도구 호출과 같은 특정 사용자 작업에 연결된 정액 요금입니다. 콘텐츠 크기나 사용되는 모델과 관계없이 고정되고 예측 가능합니다.
• LLM 토큰 크레딧은 실제 언어 모델 사용량에 기반한 가변 요금입니다. LLM 비용은 모델에 입력되고 출력되는 텍스트 양에 따라 달라지므로 이러한 크레딧은 문서 크기, 응답 길이 및 모델 선택에 따라 변동됩니다.

모든 작업에 대한 총 크레딧 소비량은 항상 두 유형의 합계입니다.

​

토큰이란?

토큰은 대규모 언어 모델이 텍스트를 처리하는 데 사용하는 단위입니다. LLM에 의해 텍스트가 읽히거나 생성되기 전에 토큰으로 분해됩니다 — 단어 또는 단어의 일부에 대략 해당하는 작은 조각입니다. 일반적인 경험 법칙:

• 1 토큰 ≈ 4자, 또는 영어로 대략 ¾단어
• 100,000단어 문서는 대략 133,000 토큰
• “Explain this document”와 같은 짧은 문장은 대략 4–5 토큰

LLM 제공자는 입력 토큰(모델에 전송되는 텍스트 — 프롬프트, 검색된 문서 청크, 시스템 지침)과 출력 토큰(모델이 응답으로 생성하는 텍스트)을 별도로 청구합니다. 입력 및 출력 요율이 다르며 둘 다 LLM 토큰 크레딧 소비에 기여합니다. 모델별 입력 및 출력 크레딧 요율은 사전 정의 및 사용자 지정 모델을 참조하세요. EKB에서 큰 문서가 컨텍스트로 검색되거나, 프롬프트에 많은 Knowledge Base 청크가 포함되거나, 모델이 긴 또는 구조화된 응답을 생성할 때 토큰 사용량이 증가합니다.

​

크레딧 소비 테이블

​

A. Knowledge Base(KB) 수집

문서를 Knowledge Base에 업로드하면 다단계 수집 파이프라인이 트리거됩니다. 각 단계에는 고유한 비용 구조가 있으며 일부 단계는 프로젝트 구성에 따라 추가 LLM 토큰 크레딧을 발생시킵니다. 수집 파이프라인 단계 2와 4는 프로젝트 설정에서 활성화된 경우에만 청구됩니다. 문서 청킹은 수집의 일부로 발생하며 추가 비용이 발생할 수 있습니다. 자세한 내용은 섹션 B를 참조하세요. 예시 — 10,000단어 문서(선택적 단계 비활성화) 예시 — 100,000단어 문서(선택적 단계 비활성화) 예시 — 100,000단어 문서(모든 단계 활성화)

​

B. 문서 청킹

청킹은 문서 추출과 임베딩 사이의 단계입니다. 업로드된 문서에서 정리된 텍스트를 가져와 벡터 스토어에서 인덱스되고 나중에 Chat 또는 Agent 쿼리를 위해 검색되는 더 작은 조각(청크)으로 분할합니다. 청킹 비용은 두 범주로 분류됩니다:

• 플랫폼 청킹: 서버에서 로컬로 실행되는 결정론적 작업(토크나이제이션, 분할, 메타데이터 조립)으로 LLM 사용으로 청구되지 않습니다.
• 청크 보강(LLM 토큰 크레딧): Knowledge Base 설정에서 프로젝트에 청크 보강이 활성화된 경우에만 청구됩니다. LLM은 각 청크에 대한 짧은 컨텍스트 접두사를 생성합니다. 입력 및 출력 토큰 모두 청구됩니다.

​

예시: 문서 청킹 비용

다음 예시는 청크 보강이 활성화된 중간 크기 문서를 가정합니다:

• 문서 크기: 100,000단어(~133,000 입력 토큰, 4자/토큰 기준)
• 청크 설정: chunk_size=64 tokens, chunk_overlap=10 tokens → ~2,300 청크
• 청크 보강: gpt-4o-mini로 활성화
• 출력 텍스트(보강 접두사 포함 결합 청크): ~140,000 출력 토큰
• 모델 가격(예시): 입력 $0.15/1M 토큰, 출력 $0.60/1M 토큰

따라서 $0.104(총 LLM 비용) / $0.01(크레딧당 비용) = 10.4 크레딧으로 ~10 크레딧으로 표시됩니다.

​

C. 채팅 / 에이전트 상호작용

고정 플랫폼 크레딧 가변 LLM 토큰 크레딧 LLM 크레딧은 다음으로 계산됩니다: (Input Tokens × Input Rate) + (Output Tokens × Output Rate) 예시 가격(Claude 4.5 샘플 모델):

• 입력: 1M 토큰당 $3
• 출력: 1M 토큰당 $15

​

D. 워크플로우 실행

​

E. Smart Tables

Smart Tables는 LLM 기반 추출과 에이전트 기반 워크플로우를 결합합니다. 크레딧 소비는 사용되는 계산 경로에 따라 다릅니다.

​

전체 채팅 예시

시나리오 사용자가 “Explain the attached document.”라고 질문합니다. 플랫폼 크레딧 LLM 토큰 사용량 크레딧으로 환산: 17 credits 최종 합계

​

비용 계산 공식 요약

문서 업로드 단어 크레딧 = (총 단어 수 ÷ 10,000) × 10 + LLM 토큰 크레딧(파싱) 채팅 메시지 고정 메시지 크레딧 + 도구 호출 크레딧 + LLM 토큰 크레딧(입력 + 출력)

​

LLM 크레딧 사용을 주도하는 요인은?

LLM 비용은 다음에서 증가합니다: ▶ 큰 문서가 컨텍스트로 검색될 때 ▶ 많은 KB 청크가 프롬프트에 주입될 때 ▶ 응답이 길거나 구조화되어 있을 때 ▶ 여러 도구 호출이 트리거될 때 ▶ 더 비싼 모델이 선택될 때

​

고객을 위한 중요 참고 사항

✓ 단어 기반 수집 비용은 예측 가능합니다. ✓ 채팅 비용은 문서 크기와 사용된 토큰 수에 따라 크게 달라집니다. ✓ 모델 가격은 슈퍼 관리자에서 구성할 수 있습니다. ✓ LLM 크레딧은 사용량 기반이며 정액으로 설정할 수 없습니다. ✓ 최종 크레딧 합계 = 플랫폼 크레딧 + LLM 크레딧.