노드별 크레딧 소모량
AI Canvas의 일부 노드는 크레딧을 소모합니다. 노드에 따라 크레딧을 차감하는 방식이 두 가지로 나뉩니다.
- 토큰 사용량 정산: AI 언어 모델을 사용하는 노드입니다. 실행하면서 실제로 사용한 토큰만큼 크레딧이 차감됩니다
- 고정 단가: 행 수, 검색어 수, 사용 시간처럼 정해진 기준에 단가를 곱해 크레딧이 차감됩니다
- 노드별 크레딧 소모량과 모델별 단가는 분기별로 변동될 수 있습니다
- 소수점 처리 방식은 차감 방식마다 다릅니다. 자세한 내용은 크레딧 계산 규칙을 참고하세요
토큰 사용량으로 정산하는 노드
아래 노드는 AI 언어 모델이 실제로 처리한 토큰 수를 기준으로 크레딧을 차감합니다.
| 노드명 | 비고 |
|---|---|
| 프롬프트 | 데이터셋을 연결하면 행마다 모델을 호출하고, 모든 호출의 토큰을 합산합니다 |
| 에이전트 프롬프트 | 행마다 실행하며, 도구 사용으로 늘어난 모델 호출의 토큰도 합산합니다 |
| 챗 UI | 질문 1회마다 정산합니다. "PDF 데이터" 노드를 연결하면 AI에게 전달한 문서 내용도 입력 토큰에 포함됩니다 |
| 에이전트 | 응답 하나를 만드는 동안 호출한 모든 모델 호출의 토큰을 합산합니다. 에이전트 크레딧 참고 |
| 그래프 RAG | - |
| AI 텍스트 스캐너(OCR) | - |
| AI 앱 빌더 | 앱 생성·수정을 요청할 때마다 정산합니다 |
| AI 보고서 생성 | - |
| CM · CM 서브 질문 · CM 챗 평가 | - |
계산 방식
노드를 한 번 실행하는 동안 모델이 처리한 토큰을 모두 더해 크레딧으로 환산합니다. 토큰은 입력 토큰과 출력 토큰으로 나뉘며, 모델마다 각각의 단가가 다릅니다.
- 입력 토큰: 모델에 보낸 내용입니다. 질문과 프롬프트, 연결한 데이터·문서 내용, 노드가 함께 보내는 지시문과 도구 설명이 포함됩니다
- 출력 토큰: 모델이 생성한 응답입니다. 추론(reasoning) 모델은 응답을 만들기 위해 내부적으로 추론한 토큰도 출력 토큰에 포함됩니다
같은 노드라도 데이터 행 수, 프롬프트와 응답의 길이, 선택한 모델에 따라 차감되는 크레딧이 달라집니다.
실행 전 잔액 확인과 정산
- 실행하기 전에 노드별 기준 금액만큼 잔액이 있는지 확인하고, 그 금액을 예약합니다
- 실행 중 모델 호출이 처음 예약한 횟수보다 많아지면 크레딧을 추가로 예약합니다
- 추가로 예약할 잔액이 없으면 실행이 중단되고
잔여 크레딧이 부족합니다오류가 표시됩니다 - 실행이 끝나면 실제로 사용한 토큰을 기준으로 정산합니다. 예약한 금액이 남으면 돌려받고, 모자라면 추가로 차감합니다
노드 헤더의 크레딧 아이콘에 표시되는 금액은 실행 전 잔액을 확인하는 기준 금액입니다. 토큰 사용량으로 정산하는 노드는 실제 차감 금액이 이 금액보다 많거나 적을 수 있습니다.
에이전트 크레딧
에이전트 노드는 하나의 응답을 만드는 동안 모델을 여러 번 호출할 수 있습니다. 도구(문서 검색, 웹 검색, 문서 읽기 등)를 사용하면 그 결과를 읽고 답변을 이어가기 위해 모델이 추가로 호출됩니다. 크레딧은 이 모든 호출에서 사용한 토큰을 합산해 계산합니다.
- 호출마다 질문 외에 에이전트의 지시문과 도구 설명이 함께 전달됩니다. 그래서 짧은 질문에도 호출 한 번에 수만 개의 입력 토큰이 사용될 수 있습니다
- 도구를 많이 사용할수록 호출 횟수가 늘어 크레딧도 더 소모됩니다
- 이미지 생성을 요청하면 이미지의 크기, 품질, 생성 장수에 따라 크레딧이 추가로 소모됩니다
도구 호출 성향이 강한 모델(GPT-5 계열 등)은 연결된 문서를 더 적극적으로 찾아 읽어 답변 품질이 높아지지만, 그만큼 모델 호출이 늘어 크레딧도 더 소모될 수 있습니다.
고정 단가로 차감하는 노드
| 노드명 | 크레딧 소모량 | 비고 |
|---|---|---|
| 크롤링 | (검색어 개수) × (검색어당 개수 속성 구간별 크레딧 소모량) | 자세한 내용은 크롤링 크레딧 계산 참고 |
| X 크롤링 | (검색어 개수) × (수집 건수) × 14 크레딧 | • 게시물 1건당 14 크레딧 • X API 사후 정산: 실제 수집 건수 기준이며 0건이면 0 크레딧 자세한 내용은 X 크롤링 크레딧 계산 참고 |
| 고급 크롤링 | (검색어 개수) × (검색어당 개수 속성 구간별 크레딧 소모량) | 자세한 내용은 크롤링 크레딧 계산 참고 |
| URL 리더 | 각 행당 10 크레딧 | - |
| 텍스트 임베딩 | 각 행당 0.03 크레딧 | 최소 1 크레딧 소모 |
| 이미지 임베딩 | 각 행당 0.14 크레딧 | 최소 1 크레딧 소모 |
| PDF 데이터 | 약 1000글자당 0.03 크레딧 | 최소 1 크레딧 소모 |
| 대화형 아바타 | 1분당 400 크레딧 | 처음 시작 시 400 크레딧 소모 |
| 얼굴 인식 | 각 행당 2 크레딧 | - |
| 파이썬 스크립트 우측 채팅 | 1회당 1 크레딧 | 파이썬 스크립트 자체는 소모 없음 |
위 크레딧 소모량은 AI 모델·인프라 환경 변화와 신규 기능 반영을 위해 분기별로 검토됩니다.
크레딧 계산 규칙
토큰 사용량 정산
노드를 한 번 실행하는 동안 사용한 토큰을 모두 더해 크레딧으로 환산한 뒤 소수점을 올림합니다. 토큰을 조금이라도 사용했다면 최소 1 크레딧이 차감됩니다.
예시:
- 실행 한 번에 사용한 토큰이 0.3 크레딧에 해당하면 → 1 크레딧 소모
고정 단가
최소 소모량
크레딧의 최소 소모량은 1 크레딧입니다.
예시:
- 텍스트 임베딩으로 10개의 행 처리 시:
0.03 × 10 = 0.3→ 1 크레딧 소모
소수점 버림
크레딧의 소수점은 버림 계산됩니다.
예시:
- 이미지 임베딩으로 20개의 행 처리 시:
0.14 × 20 = 2.8→ 2 크레딧 소모
각 행당 소모량 계산 예시
URL 리더로 100개 행 처리 시:
10 크레딧 × 100개 행 = 1,000 크레딧 소모
크롤링 크레딧 계산
크롤링 / 고급 크롤링 노드의 크레딧 소모량은 다음과 같이 계산됩니다:
(검색어 개수) × (검색어당 개수 속성 구간별 크레딧 소모량)
- 크롤링 노드는 결과 100개당 15 크레딧을 소모합니다.
- 고급 크롤링 노드는 결과 100개당 20 크레딧을 소모합니다.
검색어당 개수에 따라 구간별로 크레딧이 계산됩니다.
검색어당 개수 속성 구간별 크레딧 소모량
| 구간 (검색어당 개수 값) | 크롤링 | 고급 크롤링 |
|---|---|---|
| 1 ~ 100 | 15 | 20 |
| 101 ~ 200 | 30 | 40 |
| 201 ~ 300 | 45 | 60 |
| 301 ~ 400 | 60 | 80 |
| 401 ~ 500 | 75 | 100 |
| 501 ~ 600 | 90 | 120 |
| 601 ~ 700 | 105 | 140 |
| 701 ~ 800 | 120 | 160 |
| 801 ~ 900 | 135 | 180 |
| 901 ~ 1000 | 150 | 200 |
크롤링 계산 예시
크롤링 노드, 검색어 2개, 검색어당 개수 150으로 설정한 경우:
- 검색어당 개수 150은 101 ~ 200 구간에 해당 → 30 크레딧
- 계산:
2개 × 30 크레딧 = 60 크레딧 소모
고급 크롤링 노드, 검색어 2개, 검색어당 개수 150으로 설정한 경우:
- 검색어당 개수 150은 101 ~ 200 구간에 해당 → 40 크레딧
- 계산:
2개 × 40 크레딧 = 80 크레딧 소모
X 크롤링 크레딧 계산
X 크롤링 노드는 X(Twitter) API를 통해 게시물을 수집하며, 게시물 1건당 14 크레딧을 소모합니다.
(검색어 개수) × (수집 건수) × 14 크레딧
X API는 사용한 만큼 과금되는(pay-per-use) 방식이므로, 크레딧은 실제 수집된 게시물 건수를 기준으로 사후 정산됩니다. 한 건도 수집되지 않으면 0 크레딧이 소모됩니다.
실행 전에는 실제 수집 건수를 알 수 없으므로, 잔액 검사를 위해 상한 예약치가 먼저 계산됩니다.
(검색어 개수) × (수집 건수 상한) × 14 크레딧
- 수집 건수 상한은 노드 설정값으로 정해지며 최소 10건 ~ 최대 10,000건 범위로 제한됩니다.
- 검색어 개수는 직접 입력한 검색어와 입력 데이터에서 선택한 열의 값에 따라 결정됩니다.
- 실제 소모량은 예약치보다 적을 수 있으며, 실행 후 실제 수집 건수로 정산됩니다.
X 크롤링 계산 예시
검색어 1개, 수집 건수 상한 100으로 설정한 경우:
- 실행 전 예약:
1개 × 100건 × 14 = 1,400 크레딧(상한 예약) - 실제 수집이 30건이면:
30건 × 14 = 420 크레딧소모 - 수집 결과가 0건이면: 0 크레딧 소모