OpenAI Realtime API 가격: Realtime-2.1 비용

OpenAI의 Realtime API는 개발자들이 앱에서 실시간 음성이 필요할 때 실제로 호출하는 API입니다 — 아직 개발자 API가 없는 ChatGPT 기능인 GPT-Live가 아닙니다. 표면상의 가격인 오디오 입력 토큰 백만 개당 $32는 매우 가혹해 보이지만, 대부분의 사람들은 계산을 잘못합니다: 음성 활동 감지와 프롬프트 캐싱을 사용하면 실제 음성 간 대화 트래픽은 분당 약 $0.04에 가깝고, 새로운 mini 티어는 그 비용을 다시 한 번 낮춥니다. 이 가이드는 2026년 7월 가격을 모든 4개 Realtime 모델에 걸쳐 분석하고, 오디오 토큰이 실제로 분으로 어떻게 변환되는지 보여주며, 추측 없이 예산을 짤 수 있도록 구체적인 비용 예시를 제공합니다.

Realtime API란 무엇인가(그리고 왜 GPT-Live가 아닌가)

GPT-Live, 2026년 7월 8일 출시됨,은 OpenAI의 풀듀플렉스 음성 모델로 — 듣고 말하는 것을 동시에 할 수 있으며 — 새로운 ChatGPT Voice 경험을 구동합니다. 아직 개발자 API로는 제공되지 않으며; OpenAI는 이를 "곧 제공 예정"이라고 말하고 있으며 신청을 받고 있습니다. 오늘 당장 음성 제품을 만들고 싶다면, 연결해야 할 것은 Realtime API입니다: 별도의 모델군(gpt-realtime-2.1, 더 저렴한 gpt-realtime-2.1-mini, 그리고 전용 translate 및 whisper 모델들)입니다. GPT-Live는 널리 알려진 바에 따르면 OpenAI가 2025년에 GPT-Bidi-1이라는 이름으로 테스트하던 모델의 프로덕션 릴리스입니다 — 전체 아키텍처 이야기는 이전 분석을 참고하세요. 가격 정보는 이 페이지에 계속 머무르세요: 여기서부터 "Realtime"은 API 모델을 의미합니다.

현재 Realtime API 요금 (2026년 7월)

다음은 OpenAI의 가격 페이지에 있는 실시간 요금이며, 2026년 7월 9일에 확인되었습니다. 오디오와 텍스트는 백만 토큰당 청구되며, 두 개의 특화된 모델은 분당 청구됩니다.

$32라는 수치에 당황하기 전에 알아둘 점이 세 가지 있습니다. 첫째, mini 등급(gpt-realtime-2.1-mini)은 플래그십의 대략 3분의 1 수준으로, audio 기준 $10/$20 대 $32/$64이며, 많은 voice app에서 대화를 충분히 잘 처리합니다. 둘째, 캐시된 audio 입력은 백만 단위당 $0.30–$0.40까지 내려가는데, 대부분의 세션이 매 턴마다 동일한 system prompt와 tool definitions를 다시 보내기 때문에 이 부분이 중요합니다. 셋째, audio per-token 요금($32/$64)은 실제로 2025년 gpt-realtime-2 출시 이후 안정적으로 유지되어 왔으며, 2024년의 $40/$80과 $100/$200에서 내려온 것입니다. 따라서 2026년의 이야기는 "가격을 인하했다"기보다 "저렴한 mini 등급과 reasoning controls를 추가했다"에 가깝습니다.

토큰 vs 분: 왜 당신의 추정은 아마 틀렸는가

같은 질문이 OpenAI 개발자 포럼에 계속해서 반복해서 올라옵니다: "100만 토큰당 $100인가요, 아니면 분당 $0.06인가요 — 어느 쪽인가요?" 이 두 숫자는 같은 모델에 대해 서로 다른 시점에 OpenAI 자체 문서에 모두 등장한 적이 있습니다. 사람들이 가격을 보고 깜짝 놀라는 이유 — 한 개발자는 "내 지갑을 태워버리지 않고서는 이걸 테스트조차 못 하겠다"라고 썼습니다 — 는 원시 토큰 계산이 실제 청구액을 좌우하는 세 가지 요소를 무시하기 때문입니다.

1. 침묵에는 비용이 들지 않습니다. OpenAI의 서버 측 음성 활동 감지(VAD)는 비음성 구간을 걸러내도록 설계되어 있어, 침묵, 일시 정지, 대기 시간은 보통 청구액에 거의 영향을 주지 않습니다 — 자신의 사용 로그에서 확인해 보세요.

2. 입력의 대부분은 캐시됩니다. 시스템 프롬프트와 도구 스키마가 매 턴마다 전송되며, 프롬프트 캐싱을 사용하면 그 접두부는 $32/M 대신 $0.30–$0.40/M으로 청구됩니다 — 거의 80배 저렴합니다.

3. 대화 시간 비율은 엄청나게 달라집니다. 10분짜리 "통화"에는 양방향으로 실제 발화가 각각 2분씩만 포함될 수 있습니다. 청구는 벽시계 시간이 아니라 발화 시간을 기준으로 합니다.

그것들을 함께 쌓아보면 분당 수치는 누가 측정하느냐에 따라 크게 달라집니다. 청구서를 게시한 개발자들의 몇 가지 일화적 보고는 다음과 같습니다:

• @kwindla (2025년 8월): 분당 약 $0.04 의 speech-to-speech 비용, 암묵적 token 캐싱을 반영한 수치이며, 연결 상태를 유지하는 데만 시간당 약 $0.20가 추가됩니다.

• @kevintpayne (2026년 5월): 더 많은 talk-time 작업 부하에서 시간당 약 $18 (≈ 분당 $0.30).

• @leonardsaros (2026년 7월): 분당 약 $1 의 추정치 — 아마도 VAD, 캐싱, 또는 talk-time에 대한 다른 가정을 사용한 것으로, 위와 같은 함정입니다.

"같은" 가격에서 25배 차이입니다. 핵심은 토큰 요율만으로 추정하지 말라는 것입니다. 실제 세션을 실행하고 입력/출력 토큰과 음성 분을 기록한 다음 나누세요. 계획 범위로는 캐싱과 VAD가 활성화된 일반적인 어시스턴트에서 gpt-realtime-2.1의 경우 $0.04–$0.10/분 정도를 예상하고, mini 티어에서는 그 대략 3분의 1 정도를 예상하세요.

진짜 대화의 비용

검증된 분당 범위로 추정하는 것이 토큰 비율을 곱하는 것보다 더 신뢰할 수 있습니다. 두 개의 기준 워크로드를 살펴보겠습니다.

고객 지원 — 하루 1,000건의 통화, 각 통화당 약 4분의 발신자 음성 + 1분의 상담원 음성. 통화당 청구되는 음성이 약 5분이고 gpt-realtime-2.1 에서 혼합 $0.08/분(중간 수준, 캐싱 및 VAD 포함)을 적용하면, 이는 통화당 약 $0.40에 해당하며, 하루 1,000통화 기준으로는 대략 $12,000/월입니다. 같은 부하를 gpt-realtime-2.1-mini 에서 처리하면 약 $0.13/통화 (~$4,000/월)로 내려갑니다 — 단, mini 모델이 도구 호출과 추론을 처리할 수 있어야 하며, 간단한 IVR 및 FAQ 흐름에서는 보통 그렇게 합니다.

음성 비서 — 일일 활성 사용자 100명, 각자 짧은 세션 3회. 사용자당 하루 약 1.5분의 음성을 말한다고 가정합니다. 2.1에서 분당 $0.08이면, 이는 사용자당 하루 약 $0.12, 즉 약 $360/month입니다. mini에서는 이보다 더 가까운 $120/month입니다.

이것들은 견적이 아닌 계획용 수치입니다 — 실제 비용은 통화 시간 비율, 추론 작업량, 그리고 프롬프트가 얼마나 캐시 가능한지에 따라 달라집니다. 중요한 것은 규모의 차이입니다. 캐싱과 VAD 덕분에, 실시간 음성은 더 이상 2024년에 그랬던 것처럼 "기존 비즈니스가 있을 때만 가치 있는" 사치가 아닙니다. 모델 계열 전반에 걸쳐 OpenAI API 비용 예산을 더 폭넓게 살펴보려면, 저희의 GPT-4o reasoning API cost guide를 참고하세요.

추론 노력과 mini 티어: 비용이 어디로 쓰이는가

gpt-realtime-2.1 은 다섯 가지 추론 수준을 제공합니다 — minimal, low (default), medium, high, xhigh (OpenAI docs). 더 높은 effort는 더 많은 thinking tokens, 더 많은 latency, 그리고 text-output meter에서 더 큰 비용을 의미합니다. 기본값인 low 는 대부분의 대화형 앱에 적합합니다. 여러 단계의 추론이나 복잡한 tool 사용이 필요한 턴에는 high/xhigh 를 사용하고, 그다음에는 다시 낮추세요.

mini 티어가 더 큰 레버입니다. gpt-realtime-2.1-mini 는 오디오와 텍스트에서 대략 3배 더 저렴하면서도 function calling, interruptions, 그리고 natural turn-taking을 계속 지원합니다. 실용적인 경험칙은 다음과 같습니다: 검색이나 확인에 해당하는 대부분의 턴에는 mini를, 실제 추론이 필요한 턴에는 2.1을 사용하세요. 이처럼 복잡도에 따라 라우팅하면 트래픽의 대부분이 단순할 때 세션 비용을 상당히 줄일 수 있습니다.

번역과 속삭임: 분당 특가

두 개의 Realtime 모델은 토큰 가격 책정을 전혀 사용하지 않으며, 해당 작업에 가장 저렴한 옵션입니다:

• gpt-realtime-translate — $0.034/minute, 70개 이상의 입력 언어를 13개 출력 언어로 실시간 번역합니다. 다국어 지원 라인이나 실시간 통역의 경우, 전체 2.1 모델을 실행하는 것보다 저렴하며 번역에 맞게 특별히 튜닝되어 있습니다.

• gpt-realtime-whisper — $0.017/minute, 스트리밍 음성-텍스트 변환입니다. 더 저렴하며, 전체 음성 대화 없이 실시간 자막이나 전사 피드가 필요할 때 유용합니다.

귀하의 작업이 개방형 음성 채팅이 아니라 번역이나 전사라면, gpt-realtime-2.1 대신 이들을 사용하는 것이 이용 가능한 단일 최대 비용 절감 방법입니다.

더 적게 지불하는 방법

모델 및 추론 등급 선택 외에도, 표준 Realtime 비용 조정 요소는 다음과 같습니다:

• VAD를 켜두세요. 비발화는 과금되지 않아야 하지만, 실제로 무음이 필터링될 때만 그렇습니다 — 세션이 쓸모없는 정적을 스트리밍하고 있지 않은지 확인하세요.

• 오디오 출력을 먼저 줄이세요. 생성된 음성($64/M 측)이 가장 비싼 미터입니다. 간결한 응답, 요약, 또는 첫 음성 턴 이후 텍스트로 전환하는 것만으로도 비용 절감 효과가 빠르게 누적됩니다.

• 프롬프트를 캐시 가능하게 만드세요. 시스템 프롬프트와 도구 스키마를 고정하고 컨텍스트 앞부분에 두어 캐시된 요금이 적용되게 하세요. 매 턴마다 바꾸면 80배 할인을 놓치게 됩니다.

• 긴 세션을 압축하세요. 전체 대화를 다시 재생하는 대신 몇 턴마다 대화 상태를 요약하면 입력 토큰이 다시 과금되는 것을 줄일 수 있습니다.

• 복잡도에 따라 라우팅하세요. 기본은 Mini로 두고, 턴에 필요할 때만 2.1로 올리세요.

동일한 OpenAI Realtime 모델을 더 낮은 토큰당 요금으로 재판매하는 Relay 엔드포인트는 또 하나의 옵션입니다 — API 표면은 동일하므로 통합은 변경되지 않습니다; AIReiter 가 한 가지 예입니다.

자주 묻는 질문

GPT-Live는 Realtime API를 사용하나요?

직접적으로는 아닙니다. GPT-Live는 아직 개발자 API로 제공되지 않는 ChatGPT 음성 기능입니다. Realtime API 모델(gpt-realtime-2.1 및 기타 모델들)은 현재 사용할 수 있는 개발자용 대응 기능입니다.

OpenAI Realtime API는 비싼가요?

토큰 요금이 시사하는 것보다 더 적습니다 — VAD와 캐싱을 사용하면 2.1에서는 대략 $0.04–$0.10/분이고 mini에서는 훨씬 더 적습니다. 위의 토큰 대 분 섹션에서 추정치가 왜 이렇게 크게 달라지는지 설명합니다.

Realtime API의 분당 비용은 얼마인가요?

단일한 숫자는 없습니다 — 대화 시간 비율, reasoning effort, 그리고 캐싱에 따라 달라집니다. 잘 조정된 2.1 세션은 분당 약 $0.04–$0.10이며, mini 티어는 대략 그 3분의 1입니다; translate와 whisper는 각각 분당 $0.034와 $0.017로 고정됩니다.

오디오 토큰은 몇 분으로 변환되나요?

토큰-분당 규칙을 그대로 믿지 마세요 — 자신의 사용 로그를 바탕으로 계산하세요. gpt-realtime-2.1 세션의 경우, 모든 항목에서 청구된 토큰을 합산합니다: 캐시되지 않은 오디오 입력 × $32/1M + 캐시된 오디오 입력 × $0.40/1M + 오디오 출력 × $64/1M + 텍스트 입력 × $4/1M + 텍스트 출력 × $24/1M (이미지를 보내는 경우 이미지 입력 × $5/1M를 추가), سپس 실제 발화 시간(분)으로 나누세요. VAD와 캐싱이 적용된 이 실제 혼합 비용은, 단순한 토큰 계산보다 훨씬 낮게 나옵니다.

Realtime API vs ElevenLabs 또는 Grok Voice?

ElevenLabs 는 TTS 품질에서 뛰어나며, 내레이션 전용 흐름에서는 경쟁력이 있습니다. 반면 Realtime API는 통합 추론과 도구 사용에서 우위를 보입니다. xAI의 Grok Voice Agent는 분당 정액 $0.05로 출시된 것으로 알려졌습니다(source). 이는 일반적인 2.1 설정 비용의 대략 절반으로, 순수 음성에는 더 저렴하지만 멀티모달 기능은 더 적습니다. Google의 Gemini omni models 도 가격을 검토해볼 만한 또 다른 realtime 옵션입니다.

캐시된 오디오 입력이란 무엇이며, 얼마나 절약할 수 있나요?

캐시된 입력 비용은 시스템 프롬프트와 도구처럼 반복되는 접두사에 대해 $10–$32/M 대신 $0.30–$0.40/M입니다. 각 턴마다 큰 프롬프트를 재사용하는 세션에서는, 이는 합리적인 청구서와 충격적인 청구서의 차이입니다.

결론

2026년 대부분의 음성 앱에서는 대화의 대부분을 처리할 때 gpt-realtime-2.1-mini 로 시작하고, 실제 추론이 필요한 턴에만 gpt-realtime-2.1 로 전환하며, 작업이 특히 다국어 처리나 전사라면 translate 또는 whisper 를 사용하세요. VAD는 켜 둔 상태로 유지하고, 프롬프트는 캐시되도록 설계하며, 생성되는 음성은 줄이세요. 그렇게 하면 대부분의 앱에서 Realtime 사용 예산은 음성 분당 몇 센트 수준으로 유지되며 — 떠도는 $1/분 수치보다 훨씬 낮고, 실제로 잘 최적화된 설정에서 보이는 $0.04에 더 가깝습니다.