인프라 비용 최적화를 위한 모델 티어링 및 가시성 확보

Context

LLM 추론 비용 상승에 따른 운영 비용 효율화 필요성 증대. 특히 고성능 모델의 무제한 제공으로 인한 Operational Cost의 급격한 증가가 병목 지점으로 작용.

Technical Solution

• Inference Cost 절감을 위해 Opus-family 모델을 Pro+ 티어로 상향 조정하여 고비용 자원 접근 제한
• 신규 개인 구독자 진입을 일시 중단하여 Capacity 및 인프라 부하 관리 체계 구축
• 불투명했던 Rate Limit 정보를 VS Code 및 CLI 인터페이스에 직접 노출하여 사용자 자가 조절 유도
• 모델별 성능 차등화를 통해 Haiku 4.5 및 GPT-5 중심의 효율적인 워크플로우 재설계 강제
• 기업용 Enterprise 플랜의 안정적 공급을 위해 개인 사용자 티어의 리소스를 전략적으로 제한