Flat-rate에서 Credit 기반 과금 체계로의 전환을 통한 AI 리소스 최적화

Context

기존 정액제 모델 기반의 무제한 리소스 제공으로 인한 운영 비용 증가 및 비효율적 자원 배분 문제 발생. 모델별 연산 비용 차이를 반영하지 못하는 단일 과금 체계의 한계 극복 필요.

Technical Solution

• 기능별 과금 차등화를 통한 리소스 최적화 설계
• Tab completions 기능의 무제한 무료 제공을 통한 기본 사용자 경험 유지
• Chat 및 Agent mode 등 고비용 연산 기능에 대한 Credit 기반 과금 도입
• 사용 모델(Claude Opus, GPT-5.5 등)에 따른 Credit 차등 소모 로직 적용
• 비용 제어를 위한 Spending Cap 설정 및 쿼리 배치 처리 유도
• 모델 경량화(GPT-5 mini) 전환을 통한 토큰 소모량 및 비용 절감 구조 제안