메인 콘텐츠로 건너뛰기

​
모델 선택

적절한 모델을 선택하면 비용과 품질에 큰 영향을 줄 수 있습니다.

​
작업 기반 권장사항

작업권장 모델이유
단순 Q&Agpt-5-mini, gemini-2.5-flash빠르고 저렴하며 충분히 우수함
복잡한 추론gpt-5.4, claude-opus-4-6, deepseek-r1더 나은 논리와 계획 능력
코딩claude-sonnet-4-6, gpt-4o, deepseek-v3.2코드에 최적화됨
창의적 글쓰기claude-sonnet-4-6, gpt-4o더 나은 문장 품질
Vision/이미지gpt-4o, claude-sonnet-4-6, gemini-2.5-flash네이티브 vision 지원
긴 컨텍스트gemini-2.5-pro, claude-sonnet-4-61M+ token window
비용 민감형gpt-5-mini, gemini-2.5-flash, deepseek-v3.2최고의 가성비

​
비용 등급

$$$$ Premium: gpt-5.4, claude-opus-4-6
$$$  Standard: claude-sonnet-4-6, gpt-4o
$$   Budget:   gpt-5-mini, gemini-2.5-flash
$    Economy:  deepseek-v3.2, deepseek-r1

​
비용 최적화

​
1. 먼저 더 작은 모델 사용

def smart_query(question: str, complexity: str = "auto"):
    """Use cheaper models for simple tasks."""

    if complexity == "simple":
        model = "gpt-5-mini"
    elif complexity == "complex":
        model = "gpt-4o"
    else:
        # Start cheap, escalate if needed
        model = "gpt-5-mini"

    response = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": question}]
    )
    return response

​
2. max_tokens 설정

항상 합리적인 max_tokens 제한을 설정하세요: 
# ❌ Bad: No limit, could generate thousands of tokens
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "Summarize this article"}]
)

# ✅ Good: Limit response length
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "Summarize this article"}],
    max_tokens=500  # Reasonable limit for a summary
)

​
3. 프롬프트 최적화

# ❌ Verbose prompt (more input tokens)
prompt = """
I would like you to please help me by analyzing the following text
and providing a comprehensive summary of the main points. Please be
thorough but also concise in your response. The text is as follows:
{text}
"""

# ✅ Concise prompt (fewer tokens)
prompt = "Summarize the key points:\n{text}"

​
4. 캐싱 활성화

semantic caching을 활용하세요: 
# For repeated similar queries, caching provides major savings
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "What is machine learning?"}],
    temperature=0  # Deterministic = better cache hits
)

​
5. 유사한 요청 배치 처리

# ❌ Many small requests
for question in questions:
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=[{"role": "user", "content": question}]
    )

# ✅ Fewer larger requests
combined_prompt = "\n".join([f"{i+1}. {q}" for i, q in enumerate(questions)])
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": f"Answer each question:\n{combined_prompt}"}]
)

​
성능 최적화

​
1. UX를 위해 Streaming 사용

Streaming은 체감 성능을 향상시킵니다: 
stream = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "Write a long essay"}],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

​
2. 대화형 사용에는 빠른 모델 선택

사용 사례권장지연 시간
Chat UIgpt-5-mini, gemini-2.5-flash첫 token까지 ~200ms
Tab completionclaude-haiku-4-5첫 token까지 ~150ms
백그라운드 처리gpt-4o, claude-sonnet-4-6첫 token까지 ~500ms

​
3. 타임아웃 설정

client = OpenAI(
    api_key="sk-your-key",
    base_url="https://api.lemondata.cc/v1",
    timeout=60.0  # 60 second timeout
)

​
안정성

​
1. 재시도 구현

import time
from openai import RateLimitError, APIError

def chat_with_retry(messages, max_retries=3):
    for attempt in range(max_retries):
        try:
            return client.chat.completions.create(
                model="gpt-4o",
                messages=messages
            )
        except RateLimitError:
            wait = 2 ** attempt
            print(f"Rate limited, waiting {wait}s...")
            time.sleep(wait)
        except APIError as e:
            if attempt == max_retries - 1:
                raise
            time.sleep(1)
    raise Exception("Max retries exceeded")

​
2. 오류를 우아하게 처리

from openai import APIError, AuthenticationError, RateLimitError

try:
    response = client.chat.completions.create(...)
except AuthenticationError:
    # Check API key
    notify_admin("Invalid API key")
except RateLimitError:
    # Queue for later or use backup
    add_to_queue(request)
except APIError as e:
    if e.status_code == 402:
        notify_admin("Balance low")
    elif e.status_code >= 500:
        # Server error, retry later
        schedule_retry(request)

​
3. 대체 모델 사용

FALLBACK_CHAIN = ["gpt-4o", "claude-sonnet-4-6", "gemini-2.5-flash"]

def chat_with_fallback(messages):
    for model in FALLBACK_CHAIN:
        try:
            return client.chat.completions.create(
                model=model,
                messages=messages
            )
        except APIError:
            continue
    raise Exception("All models failed")

​
보안

​
1. API 키 보호

# ❌ Never hardcode keys
client = OpenAI(api_key="sk-abc123...")

# ✅ Use environment variables
import os
client = OpenAI(api_key=os.environ["LEMONDATA_API_KEY"])

​
2. 사용자 입력 검증

def validate_message(content: str) -> bool:
    """Validate user input before sending to API."""
    if len(content) > 100000:
        raise ValueError("Message too long")
    # Add other validation as needed
    return True

​
3. API 키 제한 설정

다음 용도별로 지출 한도가 있는 별도의 API 키를 생성하세요:
  • 개발/테스트
  • 프로덕션
  • 서로 다른 애플리케이션

​
모니터링

​
1. 사용량 추적

정기적으로 대시보드에서 다음 항목을 확인하세요:
  • 모델별 token 사용량
  • 비용 세부 내역
  • 캐시 적중률
  • 오류율

​
2. 중요한 메트릭 로깅

import logging

response = client.chat.completions.create(...)

logging.info({
    "model": response.model,
    "prompt_tokens": response.usage.prompt_tokens,
    "completion_tokens": response.usage.completion_tokens,
    "total_tokens": response.usage.total_tokens,
})

​
3. 알림 설정

서비스 중단을 방지하기 위해 대시보드에서 잔액 부족 알림을 구성하세요.

​
체크리스트

  • 각 작업에 적절한 모델 사용
  • max_tokens 제한 설정
  • 프롬프트가 간결함
  • 적절한 위치에 캐싱 활성화
  • 유사한 요청 배치 처리
  • 대화형 UX를 위한 Streaming
  • 실시간 사용을 위한 빠른 모델
  • 타임아웃 구성 완료
  • 재시도 로직 구현 완료
  • 오류 처리 적용 완료
  • 대체 모델 구성 완료
  • 환경 변수에 API 키 저장
  • 입력 검증
  • dev/prod용 별도 키 사용
  • 지출 한도 설정