MeshTok 카탈로그는 백만 토큰 이상의 컨텍스트 창을 가진 모델을 12개 이상 등록하고 있습니다. 거의 모든 모델이 그 범위에 도달하기 위해 무언가를 희생합니다 — 비전 없음, 비디오 없음, 오디오 없음, 작은 최대 출력, 또는 빠진 flagship 태그. Gemini 3.1 Pro는 예외입니다: 1,048,576 토큰 컨텍스트 창, 65,536 토큰 최대 출력, 네이티브 image+video+audio 입력, reasoning, tools, json, 그리고 flagship 라벨이 모두 하나의 모델 id에 들어 있습니다. 이 글이 답하는 질문은 그 조합이 백만 토큰당 $2 / $12 가격에 값하는지입니다.
이것은 사양-및-가격 분석이지, 합성 벤치마크가 아닙니다. 우리는 레이턴시 테스트를 실행하지 않았고, 각 컨텍스트 위치에서 needle-in-a-haystack 리콜을 측정하지 않았으며, 라이브 카탈로그로 뒷받침할 수 없는 숫자는 게시하지 않을 것입니다. 아래의 모든 수치는 src/data/models.ts에서 계산기로 재현할 수 있는 산술입니다. 목표는 Gemini 3.1 Pro의 백만 토큰 창이 여러분의 라우팅 레이어에서 자리를 차지할 자격이 있는지 결정하도록 돕는 것입니다 — 예산 책정에 실제로 중요한 데이터를 기준으로: 컨텍스트 창, 최대 출력, 멀티모달 범위, 그리고 백만 토큰당 가격.
숫자 앞에 정직한 노트 하나: 카탈로그의 모델 id는 google/gemini-3.1-pro-preview입니다. -preview 접미사는 소스 데이터에 있으며, 우리는 이를 숨기지 않을 것입니다. 사양 시트를 정확한 것으로 취급하되, 프로덕션 라우팅 결정을 확정하기 전에 https://meshtok.com/v1/models로 검증하십시오.
Gemini 3.1 Pro: 사양 시트
오늘 https://meshtok.com/v1의 MeshTok 통합 API를 통해 모델 id google/gemini-3.1-pro-preview로 사용 가능합니다.
| 필드 | 값 |
|---|---|
| 벤더 | Google (US) |
| 컨텍스트 창 | 1,048,576 토큰 (2²⁰, 1M 약간 상회) |
| 최대 출력 | 65,536 토큰 |
| 입력 가격 (1M당) | $2.00 |
| 출력 가격 (1M당) | $12.00 |
| 기능 | image, video, audio, reasoning, tools, json, flagship |
| 출시 | 2026-06 |
| 지식 컷오프 | 2026-05 |
이 티어에서 눈에 띄는 세 가지:
- 카탈로그의 모든 멀티모달 모델 중 가장 큰 통합 컨텍스트+출력 창. 1,048,576 입력 + 65,536 출력은 단일 호출이 텍스트, 이미지, 오디오, 비디오가 혼합된 약 백만 토큰을 흡수하고 65K 토큰 응답을 내보낼 수 있음을 의미합니다.
models.ts의 다른 어떤 모델도 세 가지 모두를 동시에 일치시키지 못합니다: 1M+ 컨텍스트, 65K+ 최대 출력, 그리고 image+video+audio 입력. - 비디오와 오디오를 포함한 완전한 네이티브 멀티모달. 대부분의 1M-컨텍스트 경쟁사는
image에서 멈추거나(DeepSeek V4 Pro, Qwen3.7 Max, Doubao Seed 2.1 Pro) 비전을 완전히 포기합니다(GLM-5.2). Gemini 3.1 Pro는 카탈로그에서 텍스트와 이미지와 함께 비디오와 오디오를 네이티브로 받아들이는 유일한 1M-컨텍스트 플래그십입니다. flagship과reasoning으로 라벨링되어 있습니다. Google이 자사 프론티어 티어에만 사용하는 동일한 기능 태그를 적용합니다. 더 저렴한 Gemini Flash 변형은reasoning과flagship대신fast를 사용합니다 — 이것이 제품군 내부의 구조적 분기입니다.
백만 토큰 질문: 1M 컨텍스트가 실제로 얼마인가?
이것이 대부분의 마케팅 페이지가 건너뛰는 부분입니다. 백만 토큰 컨텍스트 창은 예산이지, 공짜가 아닙니다. 넣는 모든 토큰이 입력 요율로 청구됩니다. long-context 모델을 비교하는 정직한 방법은 그 창을 실제로 사용하는 비용을 계산하는 것입니다.
완전히 로드된 단일 호출 비용 (1M 입력 + 짧은 요약)
일반적인 long-context 워크로드: ~1M 토큰의 문서를 보내고 짧은 요약이나 몇 가지 action item을 요청합니다. 1,048,576 입력 토큰과 1,000 출력 토큰을 가정합니다.
| 모델 | 입력 비용 | 출력 비용 | 호출당 총계 |
|---|---|---|---|
| Gemini 3.1 Pro | $2.097 | $0.012 | $2.109 |
| Gemini 2.5 Pro | $1.311 | $0.010 | $1.321 |
| Gemini 3 Flash | $0.524 | $0.003 | $0.527 |
| DeepSeek V4 Pro | $0.449 | $0.001 | $0.450 |
| GLM-5.2 | $1.143 | $0.004 | $1.147 |
| Claude Sonnet 5 | $3.000 | $0.015 | $3.015 |
완전히 로드된 Gemini 3.1 Pro 호출 한 번은 약 $2.11입니다. 하루에 천 번 실행하면 입력 토큰만으로 $2,109/일 — 대략 $63K/월 — 을 쓰게 됩니다. 그것이 모델을 피할 이유가 아니라; 여러분이 실제로 전체 창이 필요한 때를 의도적으로 선택할 이유입니다.
완전히 로드된 long-output 호출 비용 (1M 입력 + 전체 최대 출력)
Gemini 3.1 Pro의 가격이 구조적으로 달라지는 부분은 큰 최대 출력도 함께 사용할 때입니다. 여기서는 컨텍스트가 가득 차고 모델이 전체 최대 출력을 내보내도록 허용된다고 가정합니다.
| 모델 | 1M 입력 | 사용된 최대 출력 | 출력 비용 | 호출당 총계 |
|---|---|---|---|---|
| Gemini 3.1 Pro | $2.097 | 65,536 | $0.786 | $2.883 |
| GLM-5.2 | $1.143 | 128,000 | $0.512 | $1.655 |
| DeepSeek V4 Pro | $0.449 | 32,768 | $0.028 | $0.477 |
| Claude Sonnet 5 | $3.000 | 16,384 | $0.246 | $3.246 |
GLM-5.2는 완전히 로드된 호출당 더 저렴한데, 최대 출력이 128K이지만 $12/1M이 아니라 $4/1M로 가격이 책정되기 때문입니다. Gemini 3.1 Pro와 GLM-5.2 사이의 결정 요인은 가격이 아니라 — 여러분이 비디오와 오디오 입력이 필요한지입니다. GLM-5.2는 이를 전혀 받아들이지 않습니다.
1백만 건의 짧은 채팅 호출 비용 (각 1K 입력 + 500 출력)
스펙트럼의 반대편 끝에서 sanity check: 각각 1,000 입력 토큰을 소비하고 500 출력 토큰을 생성하는 1백만 건의 짧은 호출. 합산하면 10억 입력 토큰과 5억 출력 토큰입니다.
| 모델 | 입력 비용 (1M in) | 출력 비용 (500M out) | 1M 호출 총계 |
|---|---|---|---|
| Gemini 3.1 Pro | $2,000 | $6,000 | $8,000 |
| Gemini 2.5 Pro | $1,250 | $5,000 | $6,250 |
| Gemini 3 Flash | $500 | $1,500 | $2,000 |
| DeepSeek V4 Pro | $429 | $429 | $857 |
| GLM-5.2 | $1,143 | $2,000 | $3,143 |
| Claude Sonnet 5 | $3,000 | $7,500 | $10,500 |
짧은 채팅 트래픽에서 Gemini 3.1 Pro는 DeepSeek V4 Pro보다 약 9.3× 더 비싸고 GLM-5.2보다 2.5× 더 비쌉니다. 교훈은 단순합니다: 백만 토큰 창은 프리미엄 기능이며, 그것을 결코 사용하지 않는 트래픽에 대해서는 지불해서는 안 됩니다.
Gemini 제품군 내부: 어떤 것을 고를까?
MeshTok 카탈로그는 1M급 컨텍스트 창을 가진 7개의 Gemini 모델을 제공합니다. 올바른 것을 고르는 것은 주로 추론 깊이, 멀티모달 범위, 가격 사이의 트레이드오프입니다.
| 모델 | 컨텍스트 | 최대 출력 | 입력 $/M | 출력 $/M | 비디오 | 오디오 | Reasoning | Flagship |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro | 1,048,576 | 65,536 | $2.00 | $12.00 | ✅ | ✅ | ✅ | ✅ |
| Gemini 2.5 Pro | 1,048,576 | — | $1.25 | $10.00 | ✅ | ✅ | ✅ | ✅ |
| Gemini 3.5 Flash | 1,048,576 | 65,536 | $1.50 | $9.00 | ✅ | ✅ | — | — |
| Gemini 3 Flash | 1,048,576 | 65,536 | $0.50 | $3.00 | ✅ | ✅ | — | — |
| Gemini 3.1 Flash Lite | 1,048,576 | — | $0.25 | $1.50 | ✅ | ✅ | — | — |
| Gemini 2.5 Flash | 1,048,576 | — | $0.30 | $2.50 | ✅ | ✅ | — | — |
| Gemini 2.5 Flash Lite | 1,000,000 | — | $0.10 | $0.40 | ✅ | ✅ | — | — |
매트릭스 읽기:
- Gemini 3.1 Pro vs Gemini 2.5 Pro — 2.5 Pro는 더 오래된 플래그십이며 양 축에서 더 저렴합니다($1.25/$10 vs $2/$12). 3.1 Pro에 더 많이 지불할 이유: 정의된 65,536 최대 출력(2.5 Pro 항목은 카탈로그에 명시적
maxOutput이 없음), 더 최신 지식 컷오프(2026-05), 더 새로운 3.1 세대. 2.5 Pro에 머물 이유: 그것들이 필요 없다면, 더 엄격하게 저렴합니다. - Gemini 3.1 Pro vs Gemini 3 Flash — Flash는 가격의 4분의 1이며 동일한 1M 컨텍스트, 65K 최대 출력, 완전한 멀티모달 입력을 공유합니다. 포기하는 것은
reasoning과flagship입니다. 단계별 사고가 필요 없는 대용량 멀티모달 분류, 전사, 또는 라우팅에는 Flash가 올바른 선택입니다. 추론 체인이 도움이 되는 모든 작업 — 다중 단계 분석, 종합이 포함된 긴 문서 Q&A — 에는 3.1 Pro가 업그레이드입니다. - Gemini 3.1 Pro vs Gemini 3.1 Flash Lite / 2.5 Flash Lite — Lite 변형은 보급형 끝입니다. 이들은 1M 컨텍스트와 멀티모달 입력을 유지하지만 추론과 명시적 최대 출력 상한을 떨어뜨립니다. 많은 토큰을 저렴하게 흡수해야 하고 응답 품질 기준이 보통일 때 사용하십시오.
Gemini 3.1 Pro vs 다른 1M-컨텍스트 플래그십
Gemini 3.1 Pro는 다른 랩의 더 잘 알려진 1M-컨텍스트 플래그십과 어떻게 비교될까요?
| 모델 | 컨텍스트 | 최대 출력 | 입력 $/M | 출력 $/M | 비디오 | 오디오 | 출시 |
|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro | 1,048,576 | 65,536 | $2.00 | $12.00 | ✅ | ✅ | 2026-06 |
| DeepSeek V4 Pro | 1,000,000 | 32,768 | $0.4286 | $0.8571 | — | — | 2026-04 |
| GLM-5.2 | 1,000,000 | 128,000 | $1.1429 | $4.0000 | — | — | 2026-07 |
| Qwen3.7 Max | 1,000,000 | 8,192 | $0.8571 | $2.5714 | — | — | 2026-06 |
| Claude Sonnet 5 | 1,000,000 | 16,384 | $3.0000 | $15.0000 | — | — | 2026-05 |
| Claude Opus 4.8 | 1,000,000 | 32,000 | $5.0000 | $25.0000 | — | — | 2026-06 |
두 가지 구조적 관찰:
- Gemini 3.1 Pro는 이 표에서 네이티브 비디오와 오디오 입력이 있는 유일한 모델입니다. 다른 모든 1M-컨텍스트 플래그십은 기껏해야 이미지만 받아들입니다. 여러분의 워크로드가 비디오 이해, 회의 전사, 또는 텍스트와 함께 오디오/비디오를 흡수하는 어떤 파이프라인이라면, Gemini 3.1 Pro는 가장 저렴한 옵션이 아니라 — 1M-컨텍스트 티어에서 유일한 옵션입니다.
- GLM-5.2는 가장 큰 최대 출력(128K)을 가지지만 멀티모달이 전혀 없습니다. 여러분의 워크로드가 텍스트 전용 입력에서 매우 긴 단일 턴 텍스트 응답을 생성해야 한다면, GLM-5.2는 더 저렴하고 더 긴 출력 창을 가집니다. 이미지, 비디오, 또는 오디오가 필요해지는 순간, GLM-5.2는 선택지에서 벗어나고 Gemini 3.1 Pro가 다시 대화에 들어옵니다.
long-context vs RAG 트레이드오프 (정직한 답)
“백만 토큰 창은 그만한 가치가 있는가?”라는 질문은 거의 항상 능력 질문이 아니라 비용 질문으로 환원됩니다. 1M 컨텍스트는 검색 파이프라인을 건너뛰고 모든 것을 프롬프트에 던져 넣을 수 있게 합니다. 편리하지만, $2/1M 입력이면 모든 호출에서 비싸며 — 컨텍스트 창은 공짜로 캐시되지 않기 때문에 다음 호출에도 다시 지불합니다.
위 가격에서 순수하게 도출된 간단한 경험칙:
- 동일한 대규모 코퍼스가 여러 번 조회되는 경우, 검색이 더 저렴합니다. 1M 토큰을 $2/1M = 호출당 $2.00 대신 5K 검색 토큰을 $2/1M = 호출당 $0.01로 보내십시오. full-context 호출 한 번당 약 200번의 검색 전용 호출 후 손익분기점에 도달합니다.
- 코퍼스가 한두 번 조회된 후 폐기되는 경우(새로운 전사본의 원샷 요약, 계약서 단일 심층 읽기, 코드베이스 애드혹 탐색), long context가 올바른 도구입니다. 검색 시스템은 절약하는 토큰보다 구축 비용이 더 들 것입니다.
- 긴 타임라인에 걸친 오디오 또는 비디오 이해가 필요한 경우(2시간 회의 녹음, 긴 비디오), Gemini 3.1 Pro는 카탈로그에서 해당 입력 양식을 1M 창과 결합하는 유일한 모델입니다. 1M 티어 내에는 더 저렴한 대체재가 없습니다 — 트레이드오프는 Gemini 3.1 Pro와 더 짧은 컨텍스트 모델 + 청킹 사이에 있습니다.
Gemini 3.1 Pro를 언제 고를까 (그리고 언제 말까)
“최고의 모델”은 없습니다 — 주어진 워크로드와 예산에 맞는 올바른 모델만 있을 뿐입니다. 이 매트릭스를 출발점으로 삼고 자체 eval로 검증하십시오.
| 워크로드 | 추천 | 이유 |
|---|---|---|
| 긴 비디오 또는 오디오 이해 (1M+ 토큰 미디어) | Gemini 3.1 Pro | 카탈로그에서 네이티브 video와 audio 입력이 있는 유일한 1M-컨텍스트 모델. 이 티어에 더 저렴한 대체재 없음. |
| 혼합 멀티모달 long-context 분석 (텍스트 + 이미지 + 오디오) | Gemini 3.1 Pro | 1M 컨텍스트, 65K 최대 출력, 완전한 멀티모달 입력을 결합하는 유일한 플래그십. |
| 매우 긴 출력(>65K, 최대 128K)을 가진 텍스트 전용 long-context | GLM-5.2 | GLM-5.2의 128K 최대 출력은 유일합니다. 완전히 로드된 long-output 호출에서 더 저렴. 비전 없음. |
| 예산이 제한된 대용량 1M-컨텍스트 멀티모달 | Gemini 3 Flash | 3.1 Pro 가격의 4분의 1, 동일한 1M 컨텍스트, 동일한 멀티모달 입력. 추론은 떨어뜨림. |
| 가능한 가장 저렴한 1M 컨텍스트 (텍스트 또는 이미지) | DeepSeek V4 Pro | $0.43/1M 입력 — 입력에서 Gemini 3.1 Pro보다 4.7× 저렴. 비디오/오디오 없음. |
| 최상급 코딩 품질, 비용은 부차적 | Claude Sonnet 5 | Anthropic의 포지셔닝과 커뮤니티 eval이 코드에서 Sonnet 5를 정상에 배치. 멀티모달 long context가 더 중요하면 Gemini 3.1 Pro. |
| 멀티모달이 필요 없는 long-context 분석적 추론 | GLM-5.2 또는 DeepSeek V4 Pro | 둘 다 텍스트 전용 long-context 작업에 더 저렴. 긴 출력은 GLM-5.2, 최저 비용은 V4 Pro를 선택. |
합리적인 기본 라우팅 정책: 비디오 또는 오디오를 포함하는 모든 호출을 Gemini 3.1 Pro로 라우팅; 매우 긴 출력을 가진 긴 텍스트 전용 리팩터를 GLM-5.2로 라우팅; 저렴한 대용량 텍스트+이미지 트래픽을 DeepSeek V4 Pro로 라우팅; Claude Sonnet 5는 고위험 코딩에 예약. Gemini 3.1 Pro는 멀티모달 long-context 전문가이지, 모든 것의 기본값이 아닙니다.
Gemini 3.1 Pro를 호출하는 방법 (실제, 실행 가능한 코드)
MeshTok는 https://meshtok.com/v1에서 단일 OpenAI 호환 엔드포인트를 노출합니다. Gemini 3.1 Pro와 이 글의 다른 모델 사이를 전환하는 것은 model 필드의 한 줄 변경입니다 — 동일한 SDK, 동일한 API 키, 동일한 요청 형식. 아래 예제는 long-context 멀티모달 패턴을 보여줍니다: 긴 텍스트 프롬프트와 이미지 URL이 단일 호출로 전송됩니다.
# pip install openai
from openai import OpenAI
client = OpenAI(
base_url="https://meshtok.com/v1",
api_key="sk-your-meshtok-key",
)
def ask(model_id: str, prompt: str, image_url: str | None = None) -> str:
"""Same call, different model and modality — switch with one string."""
content = [{"type": "text", "text": prompt}]
if image_url:
content.append({"type": "image_url", "image_url": {"url": image_url}})
resp = client.chat.completions.create(
model=model_id,
messages=[{"role": "user", "content": content}],
)
return resp.choices[0].message.content
# Real model IDs from the MeshTok catalog
multimodal_long = ask("google/gemini-3.1-pro-preview",
"Summarize this 800K-token transcript and extract action items.",
image_url="https://example.com/chart.png")
text_only_long = ask("bigmodel/glm-5.2",
"Rewrite this 50K-token file with the new API.")
cheap_long = ask("deepseek/deepseek-v4-pro",
"Summarize this 200K-token document.")
coding_flagship = ask("anthropic/claude-sonnet-5",
"Refactor this Python function and add tests.")스트리밍, 도구 호출, JSON 모드, 이미지 입력은 모두 동일한 방식으로 작동합니다 — model 문자열을 바꾸고 관련 매개변수를 추가하십시오. 스트리밍 응답의 경우 stream=True를 전달하고; 도구 호출의 경우 tools 인수를 전달하며; 구조화된 출력의 경우 response_format={"type": "json_object"}를 사용하십시오. Python, JavaScript, cURL의 전체 예제는 MeshTok 스트리밍 문서와 도구 호출 문서를 참조하십시오.
FAQ
Gemini 3.1 Pro가 정말로 비디오와 오디오 입력이 있는 유일한 1M-컨텍스트 모델인가요?
2026-07-21 기준, 그렇습니다. src/data/models.ts에서 1M+ 컨텍스트 창을 가진 다른 모든 모델 — DeepSeek V4 Pro, DeepSeek V4 Flash, GLM-5.2, Qwen3.7 Max/Plus, Qwen3.5 Plus/Flash, Qwen3.6 Plus, Claude Sonnet 5, Claude Opus 4.6/4.7/4.8, MiniMax M3, Longcat 2.0, Mimo V2 Pro/V2.5 — 은 텍스트만 또는 텍스트 더하기 이미지만 받아들입니다. 어느 것도 video 또는 audio 기능 태그를 가지지 않습니다. 네이티브 비디오/오디오 입력이 있는 유일한 모델은 Gemini 제품군 자체입니다.
이 글에 레이턴시나 리콜 벤치마크가 없는 이유는? 우리가 아무것도 실행하지 않았기 때문이며, 원시 로그로 뒷받침할 수 없는 숫자는 게시하지 않을 것입니다. long-context 리콜(“건초더미 속 바늘” 질문)은 프롬프트 형태, 위치, 언어, 그리고 각 깊이에서 모델의 어텐션 동작에 따라 달라집니다 — 테스트 하네스, 프롬프트, 원시 출력 없는 단일 리콜 백분율은 데이터가 아니라 마케팅입니다. 여러분 워크로드의 리콜 수치가 필요하면, 자체 코퍼스로 MeshTok에서 직접 실행하십시오. 위의 가격과 기능 데이터가 안정적이고 검증 가능한 부분입니다.
모델 id의 -preview 접미사가 문제인가요?
차단이 아니라 신호입니다. Google은 카탈로그에서 3.1 Pro를 preview 모델로 출시합니다(google/gemini-3.1-pro-preview). 일반적으로 사양 시트가 정확하지만 버전 범프 없이 모델 동작이 바뀔 수 있음을 의미합니다. 안정성이 최신 기능보다 더 중요한 프로덕션 라우팅에서, Gemini 2.5 Pro는 더 낮은 가격의 non-preview 플래그십 대안입니다.
Gemini 3.1 Pro는 Gemini 2.5 Pro와 어떻게 비교되나요?
2.5 Pro는 더 오래된 Google 플래그십입니다. 더 저렴하고($1.25/$10 vs $2/$12), 동일한 flagship + reasoning + 완전한 멀티모달 태그를 가지며, 동일한 1,048,576 컨텍스트 창을 가집니다. 3.1 Pro에 더 많이 지불할 이유: 정의된 65,536 최대 출력, 더 최신 지식 컷오프(2026-05), 더 새로운 3.1 세대. 2.5 Pro에 머물 이유: 그 세 가지가 필요 없다면 더 엄격하게 저렴합니다.
Gemini 3.1 Pro는 도구 호출과 구조화된 출력을 지원하나요?
네. capabilities 필드는 tools와 json을 나열하며, 이는 네이티브 함수 호출과 JSON 모드 구조화된 출력이 모두 MeshTok OpenAI 호환 엔드포인트를 통해 지원됨을 의미합니다. 요청 형식은 OpenAI의 것과 동일합니다 — model 필드만 바뀝니다.
1M 컨텍스트 창은 실제인가요, 마케팅인가요?
src/data/models.ts에 선언된 컨텍스트 창이며, Google 자체 모델 카드에서 반영된 것입니다. 실제 사용 가능한 컨텍스트는 프롬프트 형태, 검색 전략, 모델이 long-context 어텐션을 처리하는 방식에 따라 달라집니다 — 이 모든 것은 자체 데이터로 테스트해야 합니다. 카탈로그 수치는 모델이 받아들이는 상한이지, 모든 위치에서의 품질 보증이 아닙니다.
Gemini 3.1 Pro가 DeepSeek V4 Pro보다 왜 그렇게 더 비싸나요? 다른 비용 구조와 다른 기능. DeepSeek V4 Pro는 텍스트+이미지 볼륨에 대해 공격적으로 가격이 책정되었으며 비디오나 오디오를 받아들이지 않습니다. Gemini 3.1 Pro는 네이티브 비디오와 오디오 지원을 갖춘 완전한 멀티모달 플래그십으로 가격이 책정되었습니다 — 그것은 다른 입력 표면이지, 동등한 텍스트 비교가 아닙니다. MeshTok은 어떤 마크업도 추가하지 않습니다; 각 랩이 게시하는 것을 정확히 보게 됩니다.
이 가격은 안정적인가요?
모델 벤더는 정기적으로 list 가격을 업데이트합니다. 이 글의 수치는 2026-07-21의 MeshTok 카탈로그를 반영합니다. 페이지 상단의 updatedDate는 글이 마지막으로 검토된 시점을 알려줍니다; 라이브 진실 공급원은 항상 https://meshtok.com/models입니다.
마지막 검토 2026-07-21, MeshTok Team. 모든 가격과 기능은 검토 날짜의 라이브 MeshTok 모델 카탈로그(src/data/models.ts)에서 가져온 것입니다. 이 글을 위해 레이턴시, 토큰 수, 리콜 또는 품질 측정은 수행되지 않았습니다 — 표시된 수치는 게시된 list 가격에서의 산술적 투영이며, 경험적 벤치마크가 아닙니다.