청구 항목이 둘로 나뉘듯, 답도 두 가지로 갈립니다. 플랫폼 비용은 실제로 0원이 될 수 있습니다. Sharkly는 최대 5인 조직까지 무료이며 모델 토큰을 판매하지 않기 때문입니다. 하지만 사용자가 다른 업무를 하는 동안 계속 일하는 Crew의 경우 모델 비용이 0원이 될 수는 없습니다. 2026년 9월 22일 AI 연구소들이 출시한 세 가지 모델 중 무료로 쓸 수 있는 경로는 딱 하나뿐입니다. 바로 ChatGPT 데스크톱 앱에서 Free 및 Go 사용자에게 제공되는 GPT-6 Luna 경로죠. 그런데 데스크톱 앱은 사람이 사용하는 좌석(Seat)이지 실행 환경(Run)이 쓸 수 있는 인증 정보가 아닙니다. 조율하는 데는 무료, 실행하는 데는 몇 센트가 들지만, 이를 검토하는 과정은 그 어느 쪽도 결코 무료가 아닙니다.
많은 이들이 하나로 합쳐 생각하곤 하지만, Crew의 비용은 두 가지 항목으로 구성됩니다. 바로 업무를 할당, 추적, 승인하는 플랫폼 좌석(Seat) 비용과 이를 실제로 실행하는 Runtime의 토큰 비용입니다. 이 두 비용은 서로 독립적으로 움직입니다. 좌석 비용은 지금 공개된 요금제 그대로 확인할 수 있는 확정 가격입니다. 반면 토큰 비용은 사용하는 제공업체 계정에 귀속되는 변동 비용이며, 2026년 9월 22일을 기점으로 대폭 낮아졌습니다.
TL;DR
Sharkly의 좌석 비용은 5인 이하 조직의 경우 0달러이며, 이를 초과하면 연간 결제 기준 사용자당 월 7달러입니다. 모델 사용은 BYOK(Bring-Your-Own-Key) 방식을 따릅니다. 모델 비용 쪽을 보면, GPT-6 Luna는 ChatGPT 데스크톱 앱에서 Free 및 Go 사용자에게 무료로 제공되지만, GPT-6 Sol은 무료가 아니며 Claude Opus 5.5는 Claude Free에서 아예 이용할 수 없습니다. 데스크톱 사용 권한으로는 무인 실행(Unattended run)을 구동할 수 없습니다. 진정으로 비용을 아끼는 경로는 API입니다. Luna는 100만 토큰당 0.10달러 및 0.50달러, Sol은 2달러 및 10달러이며, 캐시된 입력 읽기에는 90% 할인이 적용됩니다. 하지만 이 중 그 어떤 것도 애초에 무료 플랜이 존재한 적 없는 유일한 비용 항목, 즉 작업 결과를 검토하고 승인하는 사람의 인건비에는 영향을 주지 못합니다.
좌석 비용: 플랫폼에서 '무료'가 의미하는 것
Sharkly의 요금제에는 오직 하나의 변수, 즉 사용자 수만 존재합니다. Free 플랜은 최대 5인 규모의 조직까지 0달러입니다. Team 플랜은 5인을 초과하는 조직에 대해 연간 결제 시 사용자당 월 7달러가 청구됩니다. Self-hosted 플랜은 개별 협의를 통해 가격이 책정됩니다. Free와 Team은 동일한 제품이므로 플랜에 따라 기능이 제한되지 않습니다.
Crew에게 중요한 점은 게스트, Agent, Crew, Computer, Runtime은 좌석을 차지하지 않는다는 사실입니다. 좌석은 조직 내 실제 '사람'만을 의미합니다. 여섯 번째 Agent, 두 번째 Computer, 세 번째 Runtime을 추가한다고 해서 좌석 비용이 늘어나지는 않습니다. 좌석 비용이 늘어나는 순간은 여섯 번째 동료가 합류할 때뿐입니다.
솔직하게 짚고 넘어갈 주의 사항 두 가지가 있습니다. Sharkly는 현재 무료로 이용할 수 있고 Team 플랜 가격 역시 공개된 좌석 단가이므로, '영원히 무료'가 아니라 '현재 무료'라는 표현이 정확합니다. 또한 Sharkly는 토큰을 판매하지 않습니다. 실행 작업(Run) 비용은 작업을 수행하는 Runtime에 이미 연결된 Claude Code, Codex 또는 API 요금제에 직접 청구됩니다. 두 비용 항목이 분리되어 유지되는 이유이자, 아래에서 설명할 모델 경제학이 어떤 플랫폼을 통해 라우팅하든 달라지지 않는 이유가 바로 여기에 있습니다. 플랜 구조에 대한 자세한 내용은 Sharkly 요금제 해설을 확인하세요.
토큰 비용: 무료로 이용할 수 있는 최신 모델은?
| 모델 | 무료 이용 경로 | 제공되지 않는 환경 | 유료 진입 요금 |
|---|---|---|---|
| GPT-6 Luna | ChatGPT 데스크톱 앱 내 Free 및 Go 사용자 | 웹 Chat 미지원, API 키 미제공 | API gpt-6-luna, 100만 토큰당 $0.10 / $0.50 |
| GPT-6 Sol | 없음 | ChatGPT Work 및 Codex 내 Plus, Pro, Business, Enterprise, Edu 전용 | API gpt-6-sol, 100만 토큰당 $2 / $10 |
| Claude Opus 5.5 | 없음 (Claude Free는 Sonnet 및 Haiku만 제공) | Claude Code는 유료 플랜에만 포함되며 Free에서는 미지원 | Pro 연간 결제 시 월 $17(선불 $200) 또는 월간 결제 시 월 $20, Max 월 $100부터, API claude-opus-5-5 100만 토큰당 $4 / $20 |
세 가지 중 두 가지에 대한 답은 '불가'이며, 나머지 하나에는 모든 것을 좌우하는 결정적인 조건이 붙어 있습니다.
데스크톱 사용 권한은 API 키가 아닙니다
이 차이점이야말로 대부분의 무료 티어 정리 글에서 간과하는 부분이자, 무료 모델이 과연 Crew에게 실질적으로 유용한지를 결정짓는 핵심입니다.
Sharkly는 역할을 명확히 분리합니다. Agent는 작업을 처리하는 방식을 정의하고, Computer는 호스트 환경을 제공하며, Runtime은 실제 세션을 수행하고, Task는 공유 기록으로 남습니다. 실행(Run)은 준비된 Agent가 할당된 Task가 사용 가능한 Runtime이 있는 Computer에 도달할 때 시작되며, 해당 Runtime은 그 Computer의 툴에 구성된 구독 정보나 API 키를 사용해 인증을 거칩니다.
ChatGPT 데스크톱 앱의 무료 사용 권한은 이러한 인증 정보에 해당하지 않습니다. 사용자가 자신의 노트북에서 앱에 로그인해 직접 키보드를 치고 있는 상태일 뿐입니다. Runtime에 연동되는 것도 없고 사용자가 잠든 사이에 자동으로 시작되는 것도 없습니다. 데스크톱 앱의 무료 모델은 사용자가 직접 평가해 볼 수 있는 기회를 줄 뿐, Crew가 작업을 수행할 수 있는 실행 환경을 제공하는 것이 아닙니다.
그럼에도 무료 경로는 여전히 활용 가치가 높습니다. 상황에 따른 올바른 선택 기준은 다음과 같습니다.
사람이 직접 자리에 앉아 판단을 내려야 할 때는 무료 데스크톱 사용 권한을 활용하세요. 모델이 우리 코드베이스를 어떻게 추론하는지, 스프린트에 투입하기 전에 특정 접근 방식이 타당한지, 라우팅 규칙에 이 모델을 포함할 가치가 있는지 등을 검증할 때 적합합니다. 비용 한 푼 들이지 않고 오후 반나절 동안 알차게 성능을 평가해 볼 수 있습니다.
사용자가 자리를 비운 사이 작업이 시작되어야 할 때는 유료 구독이나 API 키를 사용해야 합니다. 대기열에 쌓인 Task, 야간 작업, 회의 중에 팀원이 트리거하는 작업 등이 여기에 해당합니다. 자리를 비운 동안 이루어지는 실행에는 단순한 데스크톱 사용 권한이 아니라 시스템 인증 정보가 필요합니다.
계획 수립 시 참고할 점이 하나 있습니다. OpenAI는 이 모델들이 아직 웹 Chat에서는 지원되지 않는다고 밝혔습니다. 오늘 특정 서비스 환경에서 제공되는 무료 경로가 다음 달에는 다른 곳으로 이동할 수도 있습니다. 그렇기 때문에 이번 분기에 우연히 무료로 풀린 티어에 맞춰 워크플로를 짜기보다는 명확한 라우팅 규칙을 문서화해 두는 것이 훨씬 합리적입니다.
Crew를 실제로 구동하는 경제적인 방법
| Runtime 모델 | 100만 토큰당 입력 / 출력 | 캐시 절감 효과 | 기타 절감 요인 |
|---|---|---|---|
gpt-6-luna |
$0.10 / $0.50 | 캐시된 입력 읽기 90% 할인 | 기본 캐시 적중률 향상, 캐싱 대시보드, 진단 도구 |
gpt-6-sol |
$2 / $10 | 캐시된 입력 읽기 90% 할인 | 명시적 캐시 중단점(Cache Breakpoint) |
claude-opus-5-5 |
$4 / $20 | 캐시 읽기 $0.20, 캐시 쓰기 $5 | Batch API 50% 할인, Fast 모드는 $8 / $40이므로 사용 지양 |
OpenAI는 Sol과 Luna가 GPT-5.6의 프로모션 가격보다 50% 저렴하다고 설명합니다. 여기서 주목할 점은 OpenAI가 직접 언급한 한정적 표현입니다. 기준이 정규 정가가 아니라 프로모션 할인 요율이라는 점을 감안해야 합니다.
어찌 되었든 더 큰 비용 절감 효과를 내는 열쇠는 캐싱입니다. GPT-6는 기본 적중률을 높이고, 캐시된 입력 읽기 비용을 90% 할인하며, 캐싱 대시보드와 진단 도구를 제공합니다. 또한 추론 강도(Reasoning effort)나 툴 가용성을 변경해도 캐시가 무효화되지 않습니다. GitHub에 따르면 수십억 건의 요청에 걸쳐 새로 처리해야 하는 프롬프트 토큰이 50% 이상 감소했다고 합니다. Opus 5.5의 경우 표준 입력이 4달러인 데 반해 캐시된 입력 읽기는 0.20달러에 불과합니다. 온종일 동일한 저장소를 반복해서 읽는 Crew의 경우 최종 청구 금액을 좌우하는 것은 표기된 기본 요금이 아니라 바로 이 캐싱입니다.
일주일 동안 실제로 발생하는 비용
OpenAI는 예산 산정의 기준이 될 만한 수치 하나를 공개했습니다. 최고 추론 강도(Extra high reasoning)의 Sol은 AutomationBench 1.0.6에서 작업당 0.27달러의 비용으로 33.2%의 점수를 기록했습니다. 저희 자체 계산에 따르면, Crew가 일주일에 이러한 작업을 40개 완료할 경우 모델 비용으로 약 11달러가 발생합니다. 실제 작업 환경은 AutomationBench와 다르고 수치에도 차이가 있겠지만, 소규모 팀의 작업량 수준이라면 이제 모델 비용은 엔지니어 한 시간 인건비에 비하면 거의 오차 범위 수준에 불과합니다.
그 뒤에 깔린 비교 수치들을 보면 이렇습니다. 최고 추론 상태의 Sol은 Opus 5 작업당 비용의 9% 수준만 쓰면서 최대 추론 설정의 Claude Opus 5를 앞섰고, 최대 설정의 Luna는 DeepSWE 1.1에서 Opus 5보다 작업당 93% 적은 비용으로 66.6%를 기록했습니다. 단, 여기에 한 가지 바로잡아야 할 점이 있습니다. OpenAI의 비교 기준은 내내 Opus 5였다는 점입니다. 해당 글이 올라온 지 불과 몇 시간 뒤 Anthropic이 Opus 5의 5달러/25달러보다 20% 저렴하고 실행 비용은 40% 절감된 4달러/20달러의 Opus 5.5를 출시했기 때문입니다. 양사 모두 상대방의 최신 모델을 벤치마크하지 않았으므로 두 표의 수치는 대략적인 방향성으로만 참고하시고, 리더보드 순위 대신 각 Runtime의 본래 용도에 맞춰 모델을 선택하시기 바랍니다.
반대로 극단적인 상한선도 살펴볼 필요가 있습니다. OpenAI에 따르면 소속 연구원들의 코딩 에이전트 지출 중앙값은 하루 600달러를 넘고, 상위 10%(90번째 백분위수)는 7,000달러에 달합니다. 명문화된 라우팅 규칙과 사전 합의된 한도(Cap)가 없다면 Crew 역시 얼마든지 그 정도 비용을 소진할 수 있습니다. 이는 구매할 요금제 티어의 문제가 아니라 관리 차원의 의사결정 문제입니다. 이미 여러 툴에 지출이 분산되어 있다면, 어떤 가격 비교보다도 에이전트 전반의 비용 추적이 먼저 이루어져야 합니다.
무료 플랜의 한계가 드러나는 지점
소규모 환경에서 두 비용 항목을 합산해 보면 총비용은 실제로 미미합니다. 5인 이하 기준 좌석 비용 0달러에, 저렴한 티어를 이용하면 일주일 토큰 비용도 수십 달러 수준입니다. 하지만 진짜 큰 비용이 드는 단계는 두 항목 어디에도 포함되어 있지 않습니다.
Agent는 조사하고, 실행하고, 테스트하고, 보고합니다. 사람은 방향을 설정하고, 권한을 부여하며, 최종 결과를 검토해 승인합니다. 승인 작업에는 무료 티어도, 저렴한 티어도, 가격 인하도 없으며, 비용은 금액이 아니라 사람의 시간에 비례해 늘어납니다. Runtime 비용이 얼마든 간에 사람의 검토가 곧 병목 현상의 원인이 됩니다. 5인 무료 혜택과 100만 입력 토큰당 0.10달러라는 가격 덕분에 오늘 오후 열 번의 실행을 돌리는 것은 저렴해졌을지 몰라도, 오늘 저녁 열 개의 결과를 검토하는 비용은 전혀 줄어들지 않습니다. 관리 레이어가 변화시키는 것은 실행 단가가 아니라 결과가 도달하는 방식입니다. 실행 내용, 차단 요소(Blocker), 결과물 및 후속 논의가 모두 Task로 모이므로 요청부터 배포까지의 맥락, 진행 상황, 장애 요인, 결과물, 사람의 검토 과정이 투명하게 유지됩니다. 덕분에 사람의 확인을 기다리는 작업의 양을 금요일 퇴근 무렵에나 느끼는 막연한 불안감이 아니라 명확한 숫자로 파악할 수 있게 됩니다.
처음부터 무료였던 적 없는 유일한 비용
이제 '무료'와 '저렴함'은 완전히 다른 문제입니다. 플랫폼 측면의 질문에는 명확한 답이 나와 있습니다. 5인 이하 0달러, 그 이상은 연간 결제 시 사용자당 월 7달러이며, API 키와 구독은 직접 보유한 것을 사용하면 됩니다. 반면 모델 측면의 답은 헤드라인이 주는 인상보다 훨씬 제한적입니다. 하나의 무료 경로는 무인 실행에 쓸 수 없는 데스크톱 앱을 통해야만 하고, 나머지 둘은 아예 존재하지도 않기 때문입니다.
여기서 도출할 수 있는 유용한 결론은 어떤 티어를 고를 것인가가 아닙니다. 이제 모델 비용은 Crew의 배포량을 제한하는 요인이 아니며, 2026년 9월 22일 양 연구소가 출시한 그 어떤 모델도 여러분을 대신해 코드 diff를 읽고 검토해 주지는 않는다는 점입니다.
이미 여러 코딩 에이전트를 운영 중이라면, Sharkly를 통해 어떤 Runtime이 어떤 결과를 냈는지, 어떤 근거 자료를 첨부했는지, 현재 사람의 검토를 기다리는 작업이 얼마나 되는지를 한자리에서 파악할 수 있습니다. Computer 한 대를 연결하고, Agent 하나를 생성한 뒤, 지루한 작업 하나를 맡겨보세요. 5인 이하 조직이라면 이 모든 과정에 비용이 전혀 들지 않습니다.
