중국 LLM 안내를 선택하세요: ChinaAPI 노선 안내

잘못된 기본값은 모든 프롬프트에 플래그십 모델을 적용하는 것입니다. 대부분의 생산 실패는 그 이전에 발생합니다. 텍스트 전용 모델에 이미지가 할당되거나, 256K 모델에 무제한 저장소가 할당되거나, 저렴한 첫 시도가 조용히 다섯 번의 재시도로 이어지거나, 도구 루프에 예산 및 승인 제한이 없는 경우 등이 그 예입니다.

게이트웨이와 대조한 2026-07-20 스냅샷에서는 현재 토큰 단위 과금 모델 25개가 Reasoning으로 태그되어 있습니다. 선택지가 이만큼 많으면 일반적인 리더보드는 라우팅 규칙보다 유용성이 떨어집니다. 이 가이드는 첫 결정을 작업 실패로 이어질 수 있는 제약 조건으로 좁힙니다: 모달리티, 컨텍스트 창, 도구 사용, 지연 시간 또는 승인된 답변의 비용.

이는 현재 카탈로그 선택 가이드이며 공개 품질 벤치마크가 아닙니다. 아래 model IDs 들은 현재 ChinaAPI 에서 사용 가능하며, 계정 그룹, 잔액, 사용량 제한, 상위 시스템 상태 및 작업 자체에 따라 요청 성공 여부가 결정됩니다.

간단히 답하자면

• 텍스트 중심 RAG, 추출, 분류, 저비용 코드 후보 생성은 다음 모델로 시작하세요: deepseek-v4-flash. 현재 카탈로그 기준 1M 컨텍스트 창과 도구 지원을 갖추고 있으며, 가격은 백만 토큰당 입력 $0.3 / 출력 $1.2입니다. 이미지나 비디오 입력을 텍스트 전용 경로로 보내지 마세요.
• 다음을 사용하세요: qwen3.7-plus (작업에 1M 창뿐 아니라 파일이나 이미지도 필요할 때 실용적인 범용 에이전트 기본값으로). 토큰을 최대한 아끼는 것보다 도구 사용과 시각적 맥락이 더 중요할 때 첫 테스트 대상으로 적합합니다.
• 긴 작업에서는 브랜드보다 작업 방식을 먼저 고르세요. LongCat-2.0 모델은 1M 텍스트 전용 도구 경로이고, kimi-k2.7-code 모델은 256K의 코드 특화 후보이며, MiniMax-M3 모델은 이 스냅샷에서 파일과 비전을 지원하는 1M 경로입니다. 이들은 서로 다른 제약을 해결합니다.
• 선별된 고가치 패스와 독립 검토에만 qwen3.8-max, glm-5.2, 또는 kimi-k3 모델을 사용하세요. 프리미엄 패스는 후보가 생긴 뒤에 가장 유용하며, 대량 워크플로의 첫 호출로는 적합하지 않습니다.
• 다음을 사용하세요: glm-5v-turbo (입력에 비디오가 포함된 경우). 현재 카탈로그에서 이 모델은 이미지, 비디오, 파일, 도구에 대해 명시적으로 태그된 추론 경로입니다. 텍스트 전용 또는 이미지 전용 경로는 애초에 받지 못한 정보를 복구할 수 없습니다.

이 입장은 의도적인 것입니다. 벤더의 대표 제품명으로 라우팅하지 마십시오. 허용할 수 없는 오류 모드를 기준으로 라우팅한 다음, 승인된 출력 데이터를 통해 프리미엄 에스컬레이션을 받으십시오.

현재 카탈로그를 통해 가능한 것

이 표는 의도적으로 순위표가 아닌 라우팅 지도로 구성했습니다. deepseek-v4-flash 모델은 입력이 텍스트이고 저렴하게 후보를 만드는 것이 목표일 때 플래그십 모델보다 더 나은 첫 호출이 될 수 있습니다. 반면 작업이 이미지, 비디오, 또는 모델이 검사할 수 없는 파일에 의존할 때는 좋지 않은 첫 호출입니다.

가격은 경로 설정의 입력 요소이지, 결정 요인이 아닙니다.

현재 표시 가격을 보면 토큰 방향이 왜 중요한지 알 수 있습니다. deepseek-v4-flash 모델은 백만 토큰당 입력 $0.3 / 출력 $1.2입니다. qwen3.7-plus 모델은 $1.2 / $4.8, LongCat-2.0 모델은 $0.3 / $1.2, 그리고 qwen3.8-max 모델은 $2 / $6입니다.

이 수치는 현재 게이트웨이에서 확인된 표시률이며, 총 프로젝트 비용이나 품질 점수에 대한 예측치가 아닙니다. 사고 토큰, 캐시 미스, 도구 호출, 재시도, 사람의 수정, 그리고 답변 수락 확률 등 모든 요소가 결과에 영향을 미칩니다. 유용한 단위는 다음과 같습니다.

usable-answer cost =
  (input tokens + output/thinking tokens + tool costs + retries + review time)
  / accepted answers

입력 가격이 낮더라도 모델이 원본 모달리티를 처리하지 못하거나 첫 결과가 스키마, 인용, 도구 또는 코드 리뷰 검사에서 반복적으로 실패하면 결국 손해입니다. 반대로 출력 가격이 높은 모델은 선별된 최종 검토 한 번에는 적절할 수 있지만 배치의 모든 후보에 쓰면 낭비일 수 있습니다. 경로를 프로덕션에 투입하기 전에 실시간 가격 페이지를 확인하세요.

반복 가능한 2단계 라우팅 방식

모델을 선택하기 전에 작업 카드를 만드세요. 핵심은 프롬프트가 의도치 않게 비용이 많이 드는 무한 에이전트 루프로 이어지는 것을 방지하는 것입니다.

{
  "task_id": "contract-qa-01",
  "task_type": "document_question_answering",
  "source_modalities": ["pdf", "image"],
  "context_band": "1m",
  "needs_tools": true,
  "needs_video_input": false,
  "max_tool_rounds": 6,
  "max_attempts": 2,
  "acceptance_checks": ["answer cites supplied pages", "JSON validates", "no unsupported claim"],
  "candidate_model": "qwen3.7-plus",
  "escalation_model": "glm-5.2",
  "human_approval_required": true
}

그다음 각 작업을 다음 다섯 단계로 라우팅하세요.

1. 입력값을 읽을 수 있고 컨텍스트/도구 제약 조건을 충족하는 가장 비용 효율적인 경로를 선택하십시오.
2. 명확한 승인 확인, 비용 및 재시도 제한을 설정하여 제한된 후보자 검사를 실행합니다.
3. 실패했거나 고가의 사례만 프리미엄 또는 전문 서비스 경로로 이관하십시오.
4. 중대한 결과물을 생성하려면 독립적인 검토 과정을 거치고 외부 조치, 결제, 배포 또는 데이터 삭제 전에 사람의 승인을 받아야 합니다.
5. 승인/거부 결과, 청구된 토큰, 도구 라운드 수, 재시도 횟수 및 복구 시간을 저장합니다. 승인된 출력 데이터에서 우선순위가 높은 경우에만 해당 경로를 기본 경로로 승격시킵니다.

내부 라우팅 브리프는 60개 작업으로 구성된 후보 세트 하나를 정의하며, 이 세트는 텍스트 RAG, 구조화된 추출, 코딩, 도구 사용, 긴 문서, 이미지 또는 비디오 이해, 최종 검토에 걸쳐 있습니다. 이는 테스트 계획이지 공개 벤치마크가 아닙니다. 저희는 25개 모델 전체에 대해 반복 측정한 ChinaAPI 완료율, 지연 시간 분포, 도구 성공률 또는 저장소 수준 코딩 결과를 아직 공개하지 않았습니다.

흔히 발생하는 라우팅 오류

이 가이드에서 주장하지 않는 내용

이 문서에서는 보편적인 품질 순위, 지연 시간 순위표, 공급업체 가용성 보장 또는 안전 정책 결과를 발표하지 않습니다. 모델 구성 및 게이트웨이 가격은 변경될 수 있으므로 최신 가격 정보를 확인하려면 실시간 가격 페이지를 참조하십시오. 또한 모든 작업에서 코드 작성, 추론, 도구 사용 또는 멀티모달 이해 측면에서 특정 모델이 더 우수하다는 것을 입증하는 공개 벤치마크는 아직 없습니다.

현재 카탈로그 정보를 활용하여 타당한 첫 번째 경로를 선택하십시오. 그런 다음 허용된 출력, 실패 유형, 재시도 횟수 및 총 비용을 측정하십시오. 다음으로 유용한 업데이트는 순위표만 나열하는 것이 아니라, 고정된 작업 세트, 반복 실행, 방법론, 그리고 명확하게 범위가 정의된 결론을 포함하는 벤치마크 보고서입니다.