출처
- source_url: https://aisparkup.com/posts/14642
- author: Spark
- published: Wed, 22 Jul 2026 09:33:00 +0000
- raw: raw source:
2026-07-22-aisparkup-post-14642-ai-30-3
개요
AI 에이전트 비용을 연구하는 Quesma의 개발자가 “토큰 절약법을 조사하다가 토큰을 다 써버린” 경험을 블로그에 적었다(해커뉴스 메인 게재). 해결책은 더 싼 모델 찾기가 아니라, 이미 내고 있던 구독 세 개를 역할별로 나눠 엮는 것이었다.
핵심 포인트
- 첫 시도의 실패: Claude Code 딥리서치에 큰 질문 하나를 맡기자 에이전트 111개를 띄우고 검증할 주장 123개를 대기열에 올렸다. 30분 만에 한도에 걸렸고, 검증된 주장은 25개, 최종 종합은 나오지 않았다.
- 이미 낸 구독부터 재배치: Claude, Codex, Antigravity 세 구독을 쓰면 추가 비용 없이 토큰이 세 배가 된다.
- 역할별 모델 배정: 반복 많은 검색은 싸고 빠른 모델, 검증은 정확한 모델, 계획과 이견 조율만 가장 비싼 모델에 맡겼다. 같은 계열 모델끼리는 맹점을 공유하므로 다른 회사 모델을 검토자로 섞었다.
- 구성 방식: Claude Code를 메인 하네스로 두고 나머지 둘을 백그라운드 서브에이전트처럼 호출했다. 메모리 플러그인 claude-mem을 세 도구가 공유하게 확장해 한 도구가 찾은 정보를 다른 도구가 이어받게 했다.
- 결과: 셋 중 하나가 한도에 걸릴 때까지 기준으로, 처음보다 약 10배 오래(30분 → 몇 시간) 리서치를 이어갔다.
- 함정: 서브에이전트는 기본적으로 부모의 모델 설정을 물려받는다. 역할별 모델을 고정하지 않으면 가장 비싼 모델이 계속 호출되고, 첫 시도가 30분 만에 끝난 이유도 이것이었다.
왜 중요한가
비용 절감이 꼭 저렴한 모델 탐색일 필요는 없다는 사례다. 이미 가진 구독 안에서 작업별 도구 배정만 바꿔도 쓸 수 있는 지능의 총량이 크게 달라진다. 서브에이전트 모델 상속 설정은 비용 폭주의 흔한 원인이다.
참고 링크
- 원문: https://aisparkup.com/posts/14642
- 출처 글: I burned all my tokens researching how to save tokens — Quesma Blog
관련 위키
원문 보존 위치
원문 전체는 raw source: 2026-07-22-aisparkup-post-14642-ai-30-3에 source_url 및 HTML 원문과 함께 저장되어 있습니다.