[MRA 엔진 노트 흐름]
프롬프트 → 프로파일/가중치 → 실행 로직 → 데이터/계산 → 검증/MRA 엔진 → AI 문장화

현재 위치: 번외 — 2026년의 AI 사용 방법과 비용

※ 이 글의 서비스 구성과 가격은 2026년 9월 16일 확인 기준이다. AI 모델과 가격, 무료 제공 범위는 꽤 자주 바뀐다. 실제 가입할 때는 각 서비스의 최신 안내를 다시 확인하는 것이 좋다.

어느새 AI에도 매달 돈을 내고 있었다

처음 AI를 사용할 때는 비용을 별로 생각하지 않았다.

ChatGPT에 질문을 해 보고, Gemini도 써 보고, Claude도 써 보았다.

무료로 시작할 수 있었고 질문 몇 번 한다고 바로 돈이 드는 것도 아니었다.

그런데 공부와 개발에 AI를 조금씩 더 많이 사용하면서 상황이 달라졌다.

무료 사용량이 부족하면 유료 요금제가 눈에 들어온다.
코딩을 많이 하면 코딩용 AI도 필요해진다.
프로그램 안에서 AI를 직접 호출하려고 하면 API라는 것도 만나게 된다.

하나씩 보면 그렇게 큰돈은 아닌 것 같다.

그런데 두세 개를 함께 사용하기 시작하면 이야기가 달라진다.

그래서 궁금해졌다.

AI를 잘 쓰려면 꼭 비싼 AI 하나를 구독해야 하는 걸까.

조금 찾아보니 꼭 그렇지는 않았다.

오히려 2026년에는 좋은 AI가 많아진 것만큼이나 AI를 가져다 쓰는 방법 자체가 여러 갈래로 나뉘고 있었다.

먼저 네 가지만 구분하면 생각보다 쉽다

AI 서비스의 가격표가 복잡해 보이는 가장 큰 이유는 서로 다른 것을 한꺼번에 놓고 보기 때문이다.

처음에는 다음 네 가지 정도만 구분하면 충분하다.

방식	쉽게 말하면	대표적인 예
무료 웹 AI	홈페이지에서 바로 질문한다	ChatGPT Free, Gemini, Claude Free
월 구독	일정액을 내고 더 많이 사용한다	ChatGPT Go·Plus, Google AI, Claude Pro
종량제	실제 사용한 만큼 지불한다	각 회사 API, OpenCode Zen
AI 에이전트	AI에 파일·도구·기억을 붙여 일을 맡긴다	OpenCode, Hermes Agent, OpenClaw

마지막의 AI 에이전트가 요즘 특히 재미있다.

우리가 흔히 쓰는 ChatGPT, Gemini, Claude

세 서비스 모두 무료로 시작할 수 있다.

ChatGPT는 2026년 9월 현재 Free와 Go에서 GPT-5.6 Luna를 기본으로 사용하고, Free와 Go 모두 어려운 질문에는 Think를 사용할 수 있다. Plus 이상에서는 GPT-5.6 Sol을 사용할 수 있다. 미국 기준 Go는 월 8달러, Plus는 월 20달러다.

Gemini 역시 별도의 AI 요금제를 가입하지 않고 먼저 사용할 수 있다. 무료 상태에서도 Flash-Lite, Flash, Pro에 접근할 수 있고, 유료 AI Plus와 AI Pro에서는 사용량과 컨텍스트 한도가 넓어진다. Google은 AI Pro에서 100만 토큰 컨텍스트를 제공한다.

Claude도 Free 요금제가 있다. 웹 검색, 글 작성, 코드 생성, 파일 생성과 실행, 확장 사고 등을 무료로 제공한다. Pro는 월 결제 기준 20달러이고, 연간 결제 시 연 200달러다. Claude Code도 Pro에 포함된다.

어느 것이 무조건 더 좋다고 한 줄로 순위를 정하기는 어렵다.

아주 거칠게 나눈다면,

ChatGPT
→ 범용적인 질문, 글쓰기, 파일 분석, 다양한 도구

Gemini
→ Google 서비스와의 연결, 긴 컨텍스트, 검색·자료 활용

Claude
→ 장문 작업, 문서, 코딩과 Claude Code

정도로 성격을 구분해 볼 수 있다.

그러나 여기까지는 여전히 한 회사의 AI 서비스를 사용하는 방식이다.

OpenCode부터 조금 다른 이야기가 시작된다.

OpenCode는 또 하나의 ChatGPT가 아니다

OpenCode를 처음 보면 새로운 AI 서비스 하나가 더 생긴 것처럼 보인다.

실제로는 성격이 다르다.

GPT, Gemini, Claude, Muse Spark 같은 것이 생각하고 문장을 만드는 두뇌라면 OpenCode는 그 두뇌에 파일을 읽고, 파일을 고치고, 명령을 실행할 수 있는 손과 발을 붙여 주는 작업대에 가깝다.

GPT / Claude / Gemini / Muse Spark
= AI 두뇌

OpenCode
= 그 두뇌가 내 프로젝트 안에서 일할 수 있게 해 주는 작업 환경

OpenCode는 여러 AI 공급자와 로컬 모델을 연결해 사용할 수 있다.

꼭 코딩만 해야 하는 것도 아니다.

예를 들어 컴퓨터에 이런 폴더가 있다고 해 보자.

AI연습
├─ 블로그초안
├─ 공부노트
├─ 참고자료
└─ 정리할문서

일반적인 채팅 AI에서는 필요한 파일을 하나씩 올릴 때가 많다.

OpenCode에서는 이 폴더 자체를 하나의 작업 공간으로 열어 놓고 이렇게 말할 수 있다.

이 폴더의 파일을 읽어 보고 어떤 자료들이 있는지 설명해 줘.
아직 아무 파일도 수정하지 마.

조금 익숙해지면,

비슷한 내용의 문서를 찾아 줘.
어느 것이 가장 최근 자료인지 근거도 설명해 줘.

같은 식으로 사용할 수도 있다.

개발자가 아니더라도 문서와 파일을 많이 관리한다면 꽤 쓸모가 있다.

컴퓨터를 잘 몰라도 Windows에서 시작할 수 있다

예전의 AI 코딩 도구를 설명하는 글을 보면 갑자기 터미널이나 Linux 명령어가 등장한다.

컴퓨터를 익숙하게 다루지 않는 사람에게는 AI를 써 보기도 전에 막히기 쉽다.

다행히 OpenCode에는 Windows x64용 Desktop 프로그램이 따로 있다.

그래서 이 글에서는 Windows 10·11을 사용하는 일반 사용자를 기준으로 설명한다.

1단계. OpenCode Desktop을 설치한다

OpenCode 공식 다운로드 페이지에 들어간다.

운영체제별 다운로드 가운데

Windows (x64)

를 선택한다.

다운로드한 설치 파일을 실행하면 된다.

처음 사용하는 사람이라면 터미널용 설치 명령, npm, WSL 같은 것은 일단 무시해도 된다.

Desktop부터 사용하면 된다.

2단계. 연습용 폴더 하나를 만든다

처음부터 중요한 업무 폴더를 열 필요는 없다.

Windows 탐색기에서 이런 폴더 하나를 만든다.

문서
└─ AI연습

그 안에 없어져도 문제가 없는 문서 복사본 몇 개를 넣는다.

OpenCode Desktop에서 이 폴더를 작업 대상으로 연다.

핵심은 간단하다.

AI에게 어느 폴더를 보여 줄 것인지 정하는 것이다.

3단계. AI 모델을 연결한다

OpenCode 자체가 AI 두뇌는 아니다.

따라서 어떤 AI를 사용할 것인지 한 번 연결해야 한다.

OpenCode가 직접 운영하는 서비스가 Zen이다.

Zen을 연결하는 공식 흐름은 다음과 같다.

/connect
→ OpenCode Zen 선택
→ API 키 입력

/models
→ 사용할 모델 선택

Zen 공식 문서도 로그인 → 결제 정보 입력 → API 키 발급 → /connect → /models 순서를 안내한다.

Desktop의 화면은 업데이트에 따라 조금 달라질 수 있지만 기본 구조는 같다.

공급자를 연결하고, 사용할 모델을 고른다.

OpenCode에는 현재 무료 모델도 있다

2026년 9월 현재 OpenCode Zen에는 실제 가격이 0달러인 모델이 여러 개 있다.

예를 들면 다음과 같다.

MiMo-V2.5 Free
Ling 3.0 Flash Fin Free
Nemotron 3 Ultra Free
Nemotron 3.5 Lightning Free
Big Pickle
Muse Spark 1.3 Contributor Free

모두 현재 한정 기간 무료로 제공되고 있다.

하지만 여기에는 한 가지 알아둘 점이 있다.

모델 사용 가격이 0달러라는 것과 가입 과정에서 결제정보가 필요 없다는 것은 다른 이야기다.

Zen 공식 안내에서는 가입 과정에서 billing details, 즉 결제 정보를 등록하도록 되어 있다.

따라서 정확히 말하면,

OpenCode Zen 무료 모델
= 현재 모델 사용 가격은 $0

하지만
= Zen 계정과 결제정보 등록 과정은 있음

이다.

신용카드 등록 자체를 원하지 않는다면 뒤에서 설명할 Hermes + OpenCode Free가 더 흥미롭다.

첫 요청은 ‘읽기만 해 줘’가 좋다

OpenCode는 일반 채팅 AI보다 컴퓨터에서 할 수 있는 일이 많다.

처음부터

이 폴더를 전부 고쳐 줘.

라고 할 필요는 없다.

첫 요청은 이렇게 하는 편이 좋다.

이 폴더의 파일들을 읽어 보고 어떤 내용인지 설명해 줘.
파일은 수정하지 마.

그다음에는,

비슷한 내용이 있는 파일을 찾아 줘.
수정하지 말고 목록만 보여 줘.

조금 익숙해지면,

이 문서의 오탈자를 찾아 줘.
실제로 수정하기 전에 무엇을 바꿀지 먼저 보여 줘.

정도로 넘어가면 된다.

에이전트는 처음에는

읽기
→ 설명
→ 수정 계획
→ 내가 확인
→ 실제 수정

순으로 권한을 넓히는 것이 안전하다.

그런데 토큰이 도대체 무엇일까

여기서부터 AI 가격표에 자주 등장하는 단어가 있다.

토큰(token)이다.

Muse Spark 가격을 보면,

입력 100만 토큰당 $0.10
출력 100만 토큰당 $0.20

같은 식으로 표시된다.

그런데 AI를 처음 사용하는 사람에게 100만 토큰은 전혀 감이 오지 않는 숫자다.

토큰은 AI가 글을 읽고 쓸 때 사용하는 작은 계산 단위다.

사람은 보통 글자나 단어를 세지만 AI는 문장을 더 작은 조각으로 잘라 처리한다.

한 토큰이 한 글자일 수도 있고, 단어의 일부일 수도 있으며, 단어 하나 전체가 될 수도 있다.

중요한 것은 한 글자 = 한 토큰이라는 공식은 없다는 것이다.

같은 문장도 모델, 인코딩, 언어에 따라 토큰 수가 달라진다. OpenAI도 영어의 대략적인 환산은 제공하지만 다른 언어에서는 문자와 토큰의 관계가 달라질 수 있다고 명시한다.

한글 1,000토큰은 어느 정도일까

한글은 특히 모델에 따라 차이가 꽤 날 수 있다.

그래서 정확한 비용 계산에는 실제 모델의 토큰 계산기를 사용하는 것이 맞다.

다만 처음 감을 잡기 위한 아주 거친 실용적 기준으로는 이 정도로 생각할 수 있다.

토큰	한글 중심 문서의 대략적인 감각
500토큰	짧은 설명글
1,000토큰	약 700~1,500자 정도
5,000토큰	약 3,500~7,500자 정도
10,000토큰	약 7,000~15,000자 정도
100,000토큰	상당히 긴 보고서나 작은 책 수준
1,000,000토큰	여러 권의 자료를 한꺼번에 다룰 수 있는 규모

이 숫자는 공식적인 한글 환산표가 아니다.

모델마다 한글을 자르는 방법이 달라서 범위를 넓게 잡은 이해용 근삿값이다.

A4 용지로 생각하면 더 쉽다.

일반적인 한글 문서를 10~11포인트 글씨와 보통 줄 간격으로 작성한다고 했을 때,

1,000토큰은 대략 A4 반 장에서 한 장 안팎

이라고 생각하면 감을 잡는 데는 충분하다.

따라서 아주 거칠게 기억하면,

한글 1,000토큰
≈ A4 반 장~1장

10,000토큰
≈ A4 5~10장 안팎

100,000토큰
≈ A4 수십 장 이상

정도다.

실제 비용을 계산할 때 쓰는 정확한 환산이 아니라 크기를 이해하기 위한 비유다.

참고로 Google은 Gemini의 100만 토큰 컨텍스트를 설명하면서 최대 약 1,500페이지의 텍스트나 30,000줄의 코드를 한꺼번에 이해할 수 있는 규모라고 예를 든다. 이것도 특정 한글 A4 문서의 정확한 환산이라기보다는 컨텍스트 크기를 설명하기 위한 예다.

100만 토큰이면 질문을 몇 번 할 수 있을까

질문과 답변을 합쳐 한 번에 평균 1,000토큰을 사용한다고 가정해 보자.

1,000,000 ÷ 1,000
= 약 1,000회

한 번의 긴 질문과 답변에 5,000토큰 정도가 들어간다면,

1,000,000 ÷ 5,000
= 약 200회

10,000토큰 정도의 긴 작업이라면,

1,000,000 ÷ 10,000
= 약 100회

다.

표로 보면 더 쉽다.

한 번의 질문+답변	100만 토큰으로 가능한 이론상 횟수
1,000토큰	약 1,000회
2,000토큰	약 500회
5,000토큰	약 200회
10,000토큰	약 100회
20,000토큰	약 50회

그런데 OpenCode 같은 에이전트에서는 이 계산이 그대로 맞지 않을 수 있다.

나는 한 줄 물었는데 왜 토큰은 많이 쓰일까

내가 OpenCode에 이렇게 한 줄만 썼다고 해 보자.

이 오류를 고쳐 줘.

내가 직접 쓴 글은 아주 짧다.

하지만 뒤에서 AI가 읽는 내용은 전혀 다를 수 있다.

내 질문
+
앞에서 나눈 대화
+
관련 코드 파일
+
설정 파일
+
에이전트에게 주어진 지침
+
오류 로그
+
명령 실행 결과
+
테스트 결과

가 함께 AI에게 들어갈 수 있다.

내 눈에는 질문 한 줄이지만 실제 AI는 A4 수십 장에 해당하는 자료를 읽고 있을 수도 있다.

더구나 에이전트가,

파일 읽기
→ 원인 분석
→ 코드 수정
→ 테스트
→ 실패
→ 다시 분석
→ 다시 수정
→ 다시 테스트

를 반복하면 같은 정보 일부를 여러 번 다룰 수도 있다.

그래서 에이전트의 가격을 볼 때는

“내가 질문을 몇 번 했나”보다 “AI가 실제로 얼마만큼의 자료를 읽고 작업했나”가 더 중요할 수 있다.

입력 토큰과 출력 토큰도 다르다

AI 가격표에는 보통 두 가격이 따로 적혀 있다.

입력 토큰은 AI가 읽은 양이다.

내 질문
문서
코드
과거 대화
도구 실행 결과

등이 포함될 수 있다.

출력 토큰은 AI가 만들어 낸 답변의 양이다.

그래서 Muse Spark 1.3 Contributor처럼,

입력 100만 토큰 = $0.10
출력 100만 토큰 = $0.20

이라고 적혀 있으면 각각 따로 계산된다.

예를 들어 한 작업에서,

입력 10,000토큰
출력 2,000토큰

을 사용했다고 해 보자.

계산은 다음과 같다.

입력 비용
10,000 ÷ 1,000,000 × $0.10
= $0.001

출력 비용
2,000 ÷ 1,000,000 × $0.20
= $0.0004

합계
= $0.0014

이다.

아주 짧은 한 번의 작업이라면 비용이 상당히 작게 보이는 이유다.

물론 에이전트가 큰 프로젝트를 오래 읽고 반복 작업을 하면 사용량은 빠르게 커질 수 있다.

‘100만 토큰 컨텍스트’는 가격 이야기가 아니다

또 하나 헷갈리기 쉬운 말이 있다.

이 모델은 100만 토큰 컨텍스트를 지원합니다.

라는 표현이다.

이것은 100만 토큰을 무료로 준다는 뜻이 아니다.

컨텍스트(context)는 AI가 한 번의 작업에서 펼쳐 놓고 참고할 수 있는 작업 공간의 크기다.

쉽게 비유하면,

토큰 사용량
= 실제 읽고 쓴 종이의 양

100만 토큰당 가격
= 종이 사용료

100만 토큰 컨텍스트
= 한꺼번에 펼쳐 놓을 수 있는 책상 크기

라고 생각하면 된다.

큰 책상이 있다고 해서 종이가 공짜는 아니다.

다만 OpenCode, Hermes, OpenClaw처럼 긴 문서와 많은 파일을 다루는 에이전트에서는 얼마나 큰 자료를 한꺼번에 참고할 수 있는가도 중요한 성능 차이가 된다.

요즘 특히 눈에 띄는 Muse Spark 1.3

OpenCode를 살펴보다 보면 요즘 자주 보이는 이름이 하나 있다.

Muse Spark 1.3이다.

Meta의 에이전트·코딩 지향 모델이다.

특히 단순히 질문 하나에 답하는 것보다 긴 시간 동안 도구를 사용하고 여러 단계를 이어 가는 작업을 염두에 둔 모델이다.

OpenClaw의 현재 공식 모델 정보에서는 Muse Spark 1.3이 텍스트와 이미지를 입력받고, 1,048,576토큰, 즉 약 100만 토큰의 컨텍스트를 지원하는 것으로 명시되어 있다. 최대 출력은 131,072토큰이다.

이 정도 컨텍스트라면 한두 문서가 아니라 상당히 큰 자료 묶음을 한 작업 안에서 참고할 수 있는 규모다.

Contributor는 왜 그렇게 쌀까

Muse Spark 1.3에는 Standard와 Contributor가 있다.

두 버전의 현재 API 가격 차이는 꽤 크다.

모델	입력 100만 토큰	출력 100만 토큰
Muse Spark 1.3 Standard	$1.25	$4.25
Muse Spark 1.3 Contributor	$0.10	$0.20

Contributor는 상당히 저렴하다.

예를 들어 입력과 출력을 각각 정확히 100만 토큰씩 사용했다고 단순 가정하면,

$0.10 + $0.20
= $0.30

이다.

그렇다고 무조건 Contributor가 좋은 것은 아니다.

싼 이유를 알아야 한다.

OpenClaw가 인용하는 Meta의 이용 조건에 따르면 Standard 서비스의 프롬프트와 결과는 Meta 모델 훈련에 사용하지 않는 반면, Contributor/Discounted 서비스에서는 사용자가 보낸 내용과 생성 결과를 Meta가 향후 모델 학습에 사용할 수 있도록 허용하는 조건이 있다.

OpenCode 역시 Muse Spark 1.3 Contributor Free에 대해 같은 내용을 명시한다.

따라서 이런 식으로 생각하는 편이 좋다.

공개 자료
공개 코드
연습 프로젝트
개인정보가 없는 문서
→ Contributor를 저렴하게 활용하기 좋음

개인정보
회사 기밀
고객 자료
비공개 소스
민감한 연구 자료
→ Contributor 사용에 신중해야 함

무료나 저가에는 그 이유가 있을 수 있다.

가격만 보고 선택해서는 안 된다.

OpenCode에서는 지금 Muse Spark Contributor를 무료로 써 볼 수 있다

2026년 9월 16일 현재 OpenCode Zen에는

Muse Spark 1.3 Contributor Free

가 실제 무료 모델로 올라와 있다.

다만 이것 역시 한정 기간 무료 제공이다.

그리고 OpenCode 내부 사용 통계에서도 현재 상당히 많이 사용되고 있다.

최근 주간 기준 muse-spark-1.3-contributor는 OpenCode에서 관측된 사용량의 약 8.9%로 1위로 표시되어 있다. 이것은 전체 AI 시장 점유율이 아니라 OpenCode 내부 사용량 통계다.

적어도 OpenCode 사용자들이 현재 적극적으로 시험하고 있는 모델이라고 볼 수 있다.

무료 다음 단계는 OpenCode Go

무료 프로모션 모델은 언제든 바뀔 수 있다.

조금 더 안정적으로 여러 모델을 사용하고 싶다면 OpenCode Go라는 선택지가 있다.

Go는 월 정액 방식이고 여러 모델을 일정 한도 안에서 사용하는 구조다.

반면 Zen은 사용한 토큰만큼 결제하는 종량제다.

따라서 아주 단순하게 생각하면,

무료 모델
→ 먼저 체험

Go
→ 자주 사용하는 사람

Zen
→ 필요한 모델을 사용한 만큼 결제

정도다.

여기서부터 ‘에이전트’라는 말이 조금 더 재미있어진다

OpenCode를 사용하다 보면 이런 생각이 들 수 있다.

프로젝트 폴더만 보는 것이 아니라
내가 반복해서 하는 일을 기억하고,
작업 방법을 익히고,
여러 도구를 스스로 사용할 수 있으면 어떨까.

여기서 Hermes Agent가 등장한다.

그리고,

아예 계속 켜 두고
휴대전화나 메신저에서 불러 일을 시킬 수는 없을까.

까지 가면 OpenClaw가 보인다.

Hermes Agent — 일을 하면서 Skill을 쌓는 에이전트

Hermes Agent는 Nous Research가 개발하는 오픈소스 AI 에이전트다.

Hermes가 특히 강조하는 부분은 기억과 Skill이다.

공식 설명에 따르면 Hermes는 작업 경험에서 Skill을 만들고, 사용 중 그 Skill을 개선하며, 세션을 넘어 지식을 축적하는 학습 루프를 갖는다.

예를 들어 내가 계속 이런 일을 한다고 해 보자.

새 문서를 읽는다.
→ 제목 구조를 검사한다.
→ 파일명을 규칙과 비교한다.
→ 문제가 있으면 보고서를 만든다.

Hermes가 지향하는 방향은 이런 반복 절차를 하나의 Skill로 남겨 다음 작업에서도 재사용하는 것이다.

Hermes도 Windows에서 그냥 설치할 수 있다

이 역시 중요한 변화다.

Hermes는 Windows 10과 Windows 11을 Tier 1 지원 플랫폼으로 두고 있으며 Windows에서 WSL 없이 네이티브로 실행할 수 있다.

컴퓨터에 익숙하지 않은 사용자라면 Hermes Desktop 설치 프로그램을 받는 것이 가장 쉽다.

공식 문서도 Windows와 macOS에서 Hermes Desktop installer를 권장한다.

따라서 처음에는,

Hermes Desktop 다운로드
→ 설치
→ 실행
→ 모델 선택
→ 첫 대화

정도로 시작하면 된다.

처음부터 자동화나 Gateway, 여러 모델 라우팅을 붙일 필요도 없다.

Hermes 공식 Quickstart도 먼저 정상적인 대화 하나부터 성공시킨 다음, Skills나 Gateway, cron, 라우팅 같은 기능을 추가하라고 권한다.

카드도 API 키도 없이 시험하려면 Hermes의 OpenCode Free

여기서 비용 구조가 다시 재미있어진다.

Hermes에는 OpenCode Free라는 공급자가 따로 있다.

현재 공식 문서에 따르면,

OpenCode 계정이 필요 없다.
API 키도 필요 없다.
요청은 익명으로 전송된다.
OpenCode의 현재 무료 모델 목록을 자동으로 가져온다.
무료 프로모션 모델이 바뀌면 Hermes의 목록도 자동으로 바뀐다.

구조는 이렇게 된다.

Hermes Agent
      ↓
OpenCode Free
      ↓
현재 무료로 제공되는 모델

Hermes에서는 hermes model 또는 /model free를 통해 선택할 수 있다.

OpenCode Zen에서 무료 모델을 쓰려면 Zen 계정과 결제정보 등록 과정이 있지만, Hermes의 OpenCode Free 경로는 현재 계정과 API 키 없이 시작할 수 있다.

신용카드 등록 없이 에이전트를 먼저 경험해 보고 싶은 사람에게 상당히 재미있는 경로다.

물론 무료 프로모션 모델 목록은 계속 바뀔 수 있다.

Hermes에 OpenCode Go도 붙일 수 있다

무료 모델보다 안정적으로 여러 모델을 사용하고 싶다면 Hermes에서 OpenCode Go도 연결할 수 있다.

Hermes는 OpenCode Free와 OpenCode Go를 모두 공식 공급자로 지원한다.

구조는 대략 이렇게 된다.

Hermes
   ↓
OpenCode Go
   ↓
여러 저가·고성능 AI 모델

즉 AI 모델 하나에 Hermes가 고정되는 것은 아니다.

필요한 작업에 따라 모델을 바꾸면서 에이전트의 기억과 Skill은 그대로 유지하는 구조를 만들 수 있다.

OpenClaw — 항상 불러 쓸 수 있는 개인 AI에 가깝다

OpenClaw는 또 조금 다르다.

OpenClaw는 자체 Gateway를 중심으로 AI와 컴퓨터, 여러 메시징 서비스를 연결하는 쪽에 가깝다.

쉽게 표현하면,

내 컴퓨터나 서버에 계속 켜 두고 필요할 때 메신저로 부르는 AI 작업자

에 가깝다.

예를 들어,

휴대전화
   ↓
Telegram / Discord / Slack
   ↓
OpenClaw
   ↓
AI 모델
   ↓
파일 / 브라우저 / 명령 / 자동화

같은 구조를 생각할 수 있다.

OpenClaw도 Windows용 Hub가 있다

OpenClaw에는 Windows 10 20H2 이상과 Windows 11에서 사용하는 Windows Hub가 있다.

서명된 x64와 ARM64 설치 프로그램을 제공하고 관리자 권한 없이 설치할 수 있다.

Hub에는 설정, 채팅, 시스템 트레이, 상태 확인과 진단 기능 등이 들어 있다.

따라서 처음부터 PowerShell 명령을 외울 필요는 없다.

Windows용 설치 프로그램을 실행하면 된다.

다만 한 가지는 정확히 알아두는 것이 좋다.

Windows Hub에서 Set up locally를 선택하면 내부적으로 OpenClawGateway라는 전용 WSL 환경을 자동으로 만들 수 있다.

즉,

사용자가 WSL을 직접 배워야 하는 것은 아니지만, 프로그램 내부에서는 WSL 기반 Gateway가 사용될 수 있다.

이 정도만 알아두면 충분하다.

OpenClaw에 Muse Spark 1.3을 직접 붙일 수 있다

OpenClaw 2026.9.2부터 Meta Muse Spark 1.3이 공식 지원된다.

다음 두 모델을 선택할 수 있다.

Muse Spark 1.3 Standard
Muse Spark 1.3 Contributor

두 모델 모두 텍스트와 이미지 입력, 추론 기능, 1,048,576토큰 컨텍스트를 지원한다.

공식 모델 이름은 다음과 같다.

meta/muse-spark-1.3
meta/muse-spark-1.3-contributor

따라서 다음과 같은 구성도 가능하다.

Windows PC
    ↓
OpenClaw Windows Hub
    ↓
Muse Spark 1.3 Contributor
    ↓
Telegram / Discord / Slack 등
    ↓
개인 AI 에이전트

Contributor의 매우 낮은 API 가격을 이용하면 사용량을 관리하면서 비교적 저렴한 상시형 개인 에이전트를 구성할 수 있다.

단, 앞서 설명한 Contributor 데이터 이용 조건은 그대로 적용된다.

OpenCode, Hermes, OpenClaw는 어떻게 다를까

세 가지를 한 줄로 표현하면 오히려 이해하기 쉽다.

	OpenCode	Hermes Agent	OpenClaw
쉽게 표현하면	AI 작업대	배우는 AI 작업자	항상 켜 둔 AI 비서
중심 용도	프로젝트·파일·코드	기억·Skill·반복 업무	메신저·상시 실행·자동화
Windows GUI	OpenCode Desktop	Hermes Desktop	Windows Hub
무료 시작	Zen 무료 모델은 결제정보 필요	OpenCode Free는 키·계정 불필요	사용할 모델에 따라 다름
Muse Spark 활용	Zen Free 등	OpenCode Free 등을 통해 가능	Meta API로 직접 공식 지원
초보 난이도	가장 낮음	낮음~중간	중간
한 단계 더 가면	프로젝트 자동화	Skills·기억·라우팅	채널·Gateway·자동화

무엇이 가장 좋다는 이야기가 아니다.

하는 일이 다르다.

컴퓨터를 잘 모른다면 이렇게 시작하면 된다

처음부터 세 가지를 전부 설치할 이유는 없다.

1단계 — 그냥 AI를 먼저 써 본다

ChatGPT, Gemini, Claude 무료판부터 시작한다.

질문, 공부, 글쓰기, 문서 한두 개 정리 정도라면 이것만으로 충분한 경우가 많다.

2단계 — 내 컴퓨터의 폴더를 AI와 함께 다뤄 보고 싶다

OpenCode Windows Desktop을 설치한다.

중요하지 않은 연습용 폴더부터 연다.

현재 무료 모델을 사용해 본다.

Muse Spark 1.3 Contributor Free도 지금은 좋은 체험 후보다.

단, Zen에는 결제정보 등록 과정이 있다는 점을 알아둔다.

3단계 — 카드나 API 키 없이 에이전트를 경험하고 싶다

Hermes Desktop을 설치한다.

모델 공급자로 OpenCode Free를 선택한다.

현재는 계정이나 API 키가 필요하지 않는다.

4단계 — 반복 작업을 기억하게 하고 싶다

Hermes의 Skill과 기억 기능을 조금씩 사용한다.

5단계 — 휴대전화에서 부르고 자동화까지 하고 싶다

그때 OpenClaw를 살펴본다.

Windows Hub로 시작하고, 처음에는 작은 작업만 연결한다.

WSL은 나중에 알아도 된다

OpenCode를 처음 사용하는 데 WSL부터 배울 필요는 없다.

OpenCode Desktop부터 쓰면 된다.

Hermes 역시 Windows에서 네이티브로 실행된다.

OpenClaw Windows Hub 역시 처음 설정을 상당 부분 자동화한다.

개발이 깊어져 Linux 도구가 필요해졌을 때 WSL을 공부해도 늦지 않다.

컴퓨터에 아직 익숙하지 않은 사람에게 WSL부터 설명하면 AI를 써 보기도 전에 Linux 공부가 먼저 시작될 수 있다.

무료와 저가 조합을 한눈에 보면

원하는 것	가능한 구성	비용 구조
일반적인 AI를 써 보고 싶다	ChatGPT / Gemini / Claude Free	무료
내 프로젝트 폴더를 AI가 다루게 하고 싶다	OpenCode Desktop + Zen 무료 모델	모델 $0, Zen 결제정보 등록 필요
카드·API 키 없이 에이전트를 경험하고 싶다	Hermes + OpenCode Free	현재 무료
여러 모델을 보다 안정적으로 쓰고 싶다	OpenCode 또는 Hermes + 유료 플랜	월정액 또는 서비스별 조건
강한 모델을 필요한 만큼만 쓰고 싶다	OpenCode Zen	종량제
저비용 상시 개인 에이전트를 만들고 싶다	OpenClaw + Muse Contributor	종량제

무료 모델은 언제든 종료될 수 있다.

가격도 바뀔 수 있다.

그래서 이 표는 2026년 9월의 한 장면으로 보는 것이 맞다.

지금 돌아보면

MRA를 만들면서 처음에는 어떤 AI가 가장 똑똑한지만 봤다.

GPT가 더 나은가.

Gemini가 더 나은가.

Claude가 더 나은가.

그런데 AI를 많이 사용하다 보니 질문이 조금 달라졌다.

이 일을 굳이 가장 비싼 AI에게 시켜야 하는가.

간단한 파일 정리는 무료 모델이 해도 된다.

반복 작업은 저렴한 모델이 맡을 수 있다.

복잡한 설계 판단이 필요할 때만 더 강한 모델을 부르면 된다.

OpenCode는 프로젝트 안에서 일을 시키고,

Hermes는 반복 작업의 방법을 Skill로 쌓고,

OpenClaw는 메신저와 자동화를 붙여 항상 켜 둔 개인 에이전트로 확장할 수 있다.

그리고 가격표에서 보던 100만 토큰이라는 숫자도 알고 보면 조금 덜 막연하다.

한글 기준으로 아주 거칠게 보면 1,000토큰이 A4 반 장에서 한 장 정도의 글이라고 생각할 수 있다.

하지만 에이전트에서는 내가 입력한 질문만 읽는 것이 아니다.

코드, 문서, 이전 대화, 명령 결과까지 함께 읽는다.

그래서 AI 비용을 줄이는 문제는 단순히 토큰이 싼 모델 하나를 고르는 문제로 끝나지 않았다.

무료 모델은 실험과 단순 작업

저가 모델은 반복 작업

강한 모델은 어려운 판단

OpenCode는 프로젝트 작업

Hermes는 기억과 Skill

OpenClaw는 상시형 개인 에이전트

처럼 역할을 나누는 방법도 있다.

Muse Spark 1.3 Contributor가 흥미로운 것도 바로 그 지점이었다.

에이전트와 코딩에 쓸 만한 큰 컨텍스트를 가진 모델인데 가격은 상당히 낮고, 현재 OpenCode에서는 무료로 시험할 수도 있다.

Hermes에서는 계정이나 API 키 없이 OpenCode Free의 무료 모델들을 이용할 수도 있다.

OpenClaw에서는 Muse Spark 1.3 Contributor를 직접 연결해 저렴한 개인 에이전트를 구성할 수도 있다.

물론 공짜와 저가에는 조건이 있다.

무료 프로모션은 끝날 수 있다.

Contributor에는 데이터 이용 조건이 있다.

에이전트는 일반 채팅 AI보다 컴퓨터에서 할 수 있는 일이 많기 때문에 권한도 조심해서 주어야 한다.

하지만 이 조건만 알고 시작한다면 선택지는 꽤 넓어졌다.

몇 년 전에는 질문이 단순했다.

어느 AI를 구독할까.

2026년에는 조금 다른 질문도 가능해졌다.

어떤 AI를, 어떤 에이전트에, 어떤 비용으로 붙여 내 일에 맞게 사용할 것인가.

노트 한 줄 요약

좋은 AI 하나를 비싸게 구독하는 방법만 있는 것은 아니었다. 무료·저가 모델과 OpenCode, Hermes, OpenClaw 같은 에이전트를 필요한 일에 맞게 조합하면 비용을 줄이면서도 꽤 본격적인 AI 작업 환경을 만들 수 있었다.

확인한 주요 자료

OpenCode Windows Desktop 다운로드와 현재 지원 방식.
OpenCode Zen 연결 절차·무료 모델·가격·데이터 조건.
Muse Spark 1.3 Contributor의 현재 OpenCode 사용 현황.
Muse Spark 1.3의 OpenClaw 지원, 컨텍스트와 API 가격.
Hermes Agent의 Windows Desktop과 OpenCode Free 지원.
OpenClaw Windows Hub와 자동 WSL Gateway 설정.
토큰은 언어·모델·인코딩에 따라 달라진다는 OpenAI 설명.
Gemini의 100만 토큰 컨텍스트와 최대 약 1,500페이지 예시.
ChatGPT와 Claude의 현재 개인 요금제 및 모델 범위.

태그: AI, OpenCode, MuseSpark, HermesAgent, OpenClaw, 무료AI, AIAgent, ChatGPT, Gemini, Claude
locale: ko-KR

저작자표시 비영리 변경금지 (새창열림)

'MRA Engine Note' 카테고리의 다른 글

득령과 득지는 같은 힘이 아니었다 (0)	2026.06.28
8. 강하다, 약하다 너머에 값이 있을까 (0)	2026.06.15
7. 시행착오는 AI 호출 설계의 씨앗이었다 (0)	2026.06.11
6. 프롬프트가 작은 프로그램처럼 변해 갔다 (0)	2026.06.10
5. 출력 형식을 고정하려 했다: 표, 단계, JSON (0)	2026.06.10