요약: 개발자가 직접 밝힌 Saltline 실험은 장시간 코드 생성이 어떻게 플레이 가능한 프로토타입을 완성하는지 보여줘요. API 예상 비용을 이해하려면 캐시 과금과 출력 과금을 함께 따져봐야 해요.
2026년 11월 9일, Anthropic 엔지니어 Felix Rieseberg가 한 실험을 공개했어요. 그는 Claude Fable 5.2에 프롬프트 하나만 주고, 이후 사람의 피드백을 전혀 제공하지 않은 채 브라우저에서 바로 실행되는 3D 1인칭 슈팅 게임 Saltline을 얻었어요. 그가 직접 밝힌 바에 따르면 이번 생성에는 약 8시간이 걸렸고, 약 4억 4500만 입력 토큰과 약 270만 출력 토큰을 사용했으며, API 가격 기준으로 추정한 비용은 약 550달러였어요.
이 실험에서 가장 주목할 만한 점은 두 가지예요. 첫째, 모델이 장면 구축, 게임 로직, 3D 모델과 텍스처, 셰이더, 사운드 이펙트, 플레이어 상호작용처럼 원래 서로 다른 직군이 맡던 작업을 하나의 장시간 코드 생성 작업으로 통합했고, 모든 시각 콘텐츠가 코드와 함수 형태로 존재해요. 둘째, 4억 4500만 입력 토큰을 전부 일반 입력 단가로 청구하면 비용이 3500달러를 넘지만, 개발자가 보고한 추정치는 약 550달러에 그쳤고, 그 차액은 주로 캐시 메커니즘에서 비롯됐어요. 복잡한 AI 개발 작업의 경제성은 컨텍스트를 얼마나 재사용하느냐에 달려 있어요. 입력·출력 단가만 보고 내린 결론은 크게 왜곡될 수 있어요.
아래에서는 먼저 Saltline의 공개 데이터와 실험 조건을 소개한 뒤, AI가 게임 개발의 어떤 단계를 구체적으로 완성했는지 분석할게요. 이어 Fable 5.2의 공식 가격으로 550달러의 출처와 재계산 가능한 범위를 계산해 보고, 모델 호출·개발 실행·제품 운영을 구분하는 비용 프레임워크를 제시한 다음, 이런 AI 단독 개발이 플레이 가능한 프로토타입과 상용 게임 사이에 얼마나 거리가 있는지 논의할게요.

To Know: AI 3D 게임 실험의 용어 이해하기
| 용어 | 설명 |
|---|---|
| Token | 모델이 입력과 출력을 처리하는 계량 단위예요. API는 Token 수량에 따라 과금해요. |
| API | 애플리케이션이 모델 서비스를 호출하는 인터페이스로, 개발자는 이를 통해 모델을 자신의 프로그램에 연결해요. |
| 입력 캐시(Prompt Caching) | 반복적으로 등장하는 컨텍스트 처리 결과를 저장해 두고, 이후 요청에서 그대로 재사용해 비용과 지연을 줄여요. |
| 캐시 쓰기 | 재사용 가능한 컨텍스트를 처음으로 캐시에 저장하는 것으로, 단가가 보통 일반 입력보다 높아요. |
| 캐시 읽기 | 이후 요청이 기존 캐시에 적중하면, 일반 입력보다 훨씬 낮은 가격으로 과금돼요. |
| TTL | 캐시의 유효 시간으로, 만료되면 다시 써야 해요. Fable 5.2는 5분과 1시간, 두 가지 옵션을 제공해요. |
| Batch API | 비동기 배치 작업을 위한 호출 방식으로, 즉각적인 응답이 필요 없는 상황에 적합하며 할인을 받을 수 있어요. |
| Agent | 도구를 호출하고, 파일을 읽고 쓰며, 여러 단계의 작업을 수행할 수 있는 모델 애플리케이션이에요. |
| 플레이어블 프로토타입 | 게임플레이와 기술적 실현 가능성을 검증하기 위한 초기 게임 버전으로, 콘텐츠와 완성도는 제한적이에요. |
| Shader | GPU에서 실행되는 작은 프로그램으로, 수학 함수를 사용해 색상, 조명, 재질 표현을 결정해요. |
| 절차적 생성 | 규칙과 알고리즘으로 런타임에 모델, 텍스처, 사운드 등의 콘텐츠를 구성해서, 미리 제작한 소재 파일을 대체해요. |
| WebGL / Three.js | WebGL은 브라우저가 GPU를 호출하는 3D 렌더링 인터페이스이고, Three.js는 이를 기반으로 한 JavaScript 3D 그래픽 라이브러리예요. |
1. 8시간, 550달러: AI 3D 게임은 어떻게 탄생했을까
1.1 실험 조건: 프롬프트 하나, 사람 피드백 없음
Felix Rieseberg가 모델에 맡긴 과제는 분명했어요. AAA 게임에 최대한 가까운 비주얼을 갖춘 소규모 1인칭 슈팅 게임을 만들되, 이후 사람의 피드백은 전혀 제공하지 않는 것이었죠. 그는 공개 당시 자신이 테스트하려던 것이 바로 사람의 개입 없이 모델이 어디까지 해낼 수 있는지였다고 강조했어요.
여기서 말하는 ‘AAA’는 실험 목표이자 비주얼 비교를 위한 표현이에요. AAA는 보통 막대한 자금과 인력을 투입해 만드는 고사양 상용 게임을 뜻하지만, Saltline은 미션 레벨이 하나뿐이고 싱글 플레이 중심의 작은 규모 플레이 가능한 프로토타입이에요.
1.2 Saltline의 게임 내용
Saltline의 배경은 비 오는 밤의 컨테이너 항구로, 창고와 부두, 쌓여 있는 컨테이너가 등장해요. 플레이어는 신호 중계소 세 곳을 shut down하고 탈출해야 하며, 이동 중에는 공중 순찰 드론과 지상 기계 사냥개를 만나게 되죠.
게임은 1인칭 이동, 시점 제어, 사격, 상호작용, 미션 목표를 지원하고 비, 조명, 환경음, 무기 효과도 갖추고 있어요. 플레이 방식도 가벼워요. 브라우저만 열면 플레이할 수 있고 키보드·마우스와 터치스크린 조작을 지원하며, 페이지에서 그래픽 품질을 설정할 수 있어요. 끊김 현상이 있으면 저화질로 전환할 수 있죠.
1.3 개발자가 공개한 데이터
아래 데이터는 모두 Felix Rieseberg 본인이 X에 공개한 정보에서 가져온 것이며, GitHub 미러에도 이 수치들이 제3자 독립 감사를 거치지 않았다고 명시되어 있어요.
| 항목 | 개발자 자체 보고 수치 |
|---|---|
| 모델 | Claude Fable 5.2 |
| 개발 시간 | 약 8시간 |
| 입력 토큰 | 약 4억 4,500만 (캐시 대량 사용) |
| 출력 토큰 | 약 270만 |
| 추정 비용 | 약 550달러 (API 가격 기준 추정) |
| 개발 방식 | 단일 프롬프트, 사람 피드백 기반 반복 없음 |
| 결과물 크기 | 독립 HTML 버전 약 1.43MB (1,425,707 bytes) |
550달러는 모델 생성 실험 한 번에 대한 추정 비용이에요. 게임 파일이 생성된 뒤에는 플레이어가 로컬 브라우저에서 실행하기 때문에 Claude API 호출이 다시 발생하지 않아요. 따라서 이 비용은 플레이어 수와 무관하죠.
2 AI는 이 3D 게임 개발에서 어떤 일을 해냈나요
2.1 모든 모델과 텍스처는 코드로 만들어져요
11월 10일, 개발자는 한 가지를 더 설명했어요. 게임 속 모델과 텍스처 등은 전부 Claude가 생성한 코드와 셰이더로 구축됐고, 프로젝트에는 별도의 이미지나 3D 모델 에셋이 없다고요. 그의 표현을 빌리면 “모든 것은 코드이고, 텍스처와 모델은 모두 함수”예요.
이 점이 Saltline의 용량이 약 1.43MB에 불과한 이유를 설명해 줘요. 전통적인 게임은 완성된 모델, 텍스처, 사운드 파일을 대량으로 배포해야 하지만, Saltline은 이런 콘텐츠를 생성하는 수학 규칙을 배포해요. 브라우저가 코드를 읽은 뒤 런타임에 장면을 실시간으로 구성하죠.
2.2 하나의 생성 작업으로 통합된 여섯 단계
전통적인 3D 게임 개발은 보통 디자인, 모델링, 재질, 프로그래밍, 오디오 등 여러 역할이 나눠서 진행돼요. Saltline에서는 모델이 같은 프로젝트 안에서 다음 작업을 차례로 처리했어요.
- 장면 구성: 정점과 기하 파라미터로 항구, 창고, 컨테이너 같은 구조물을 절차적으로 구성.
- 게임 로직: 임무 목표, 적의 행동, 사격 판정, 탈출 절차.
- 모델과 텍스처: 노이즈와 수학 함수로 금속 표면, 얼룩, 색 변화를 생성.
- 셰이더: GPU에서 조명, 재질, 비 오는 밤의 반사 같은 시각 효과를 계산.
- 사운드 효과: 환경음과 무기 소리도 프로그램으로 생성.
- 플레이어 상호작용: 키보드·마우스 및 터치 입력, 시점 제어, 그래픽 품질 설정.
이 단계들은 전통적인 워크플로우에서는 도구와 사람을 넘나드는 인수인계가 필요했지만, Saltline에서는 같은 코드베이스 안의 서로 다른 모듈이 됐어요. 모델의 긴 컨텍스트 윈도우 능력 덕분에 이미 작성된 코드와 기술 설계를 계속 읽어 들일 수 있었고, 각 모듈이 서로 연결되도록 해줬죠.
2.3 브라우저에서 이 게임은 어떻게 실행될까요
Saltline은 브라우저 로컬 렌더링 방식을 택했고, 화면은 플레이어 자신의 기기에서 생성돼요. 실행 흐름은 대략 이래요.
- 브라우저가 HTML 파일을 읽고 JavaScript 실행을 시작해요.
- Three.js와 WebGL 렌더링 환경을 초기화해요.
- 프로그램이 코드에 따라 장면 기하, 재질, 텍스처, 소리를 생성해요.
- GPU가 그래픽 렌더링을 담당하고, 플레이어는 키보드·마우스 또는 터치 입력으로 캐릭터를 조작해요.
- 게임 로직이 계속 업데이트되고 브라우저가 화면을 갱신해요.

파일이 작은 것과 실행이 가벼운 것은 별개의 문제예요. 1.43MB의 코드라도 런타임에 수많은 기하체와 재질을 만들 수 있고, 메모리와 GPU 부하는 장면 복잡도에 따라 달라져요. 독립 체험 페이지에서도 안내하죠. 초기화가 느릴 수 있으니 대기 화면에 멈춰 있다면 WebGL 2와 브라우저 하드웨어 가속을 확인하고, 버벅이면 낮은 화질로 바꿔 보라고요.
3. 4억 4,500만 토큰 규모의 AI 3D 게임, 단 550달러에 완성된 이유
3.1 Claude Fable 5.2의 공식 가격
Fable 5.2는 2026년 11월 9일 출시되었고, 컨텍스트 윈도우는 1M 토큰, 최대 출력은 128K 토큰이에요. 공식 표준 가격은 다음과 같아요:
| 과금 항목 | 100만 토큰당 가격 | 일반 입력 대비 |
|---|---|---|
| 일반 입력 | $8 | 100% |
| 출력 | $40 | 500% |
| 5분 캐시 쓰기 | $10 | 125% |
| 1시간 캐시 쓰기 | $16 | 200% |
| 캐시 읽기 | $0.20 | 2.5% |
또한 Fast Mode는 입력 $16, 출력 $80(100만 토큰당)이고, 공식 측에 따르면 출력 속도가 최대 2.5배까지 향상된다고 해요. 캐시 읽기 가격이 일반 입력의 2.5%에 불과하다는 점이 바로 550달러를 이해하는 핵심이에요.
3.2 일반 입력 기준 청구 시의 이론 비용
캐시를 전혀 고려하지 않고 개발자가 공개한 토큰 수에 표준 단가를 그대로 곱하면, 결과는 550달러와 큰 차이가 납니다.
| 계산 기준 | 입력 비용 | 출력 비용 | 합계 |
|---|---|---|---|
| 전부 일반 입력으로 청구 | 445 × $8 = $3,560 | 2.7 × $40 = $108 | $3,668 |
| 전부 캐시 읽기로 청구(이론적 하한, 캐시 쓰기 미포함) | 445 × $0.20 = $89 | 2.7 × $40 = $108 | $197 |
| 개발자 자체 추정 | — | — | 약 $550 |
두 가지 극단적 기준이 하나의 구간을 제시합니다. 상한은 약 3,668달러, 하한은 약 197달러예요. 개발자가 보고한 약 550달러는 이 구간 안에 속하며 하한에 꽤 가깝습니다. 이는 입력 중 상당 부분이 캐시 읽기 가격으로 청구되었다는 뜻이에요.
한 가지 디테일도 눈여겨볼 만합니다. 표준 가격으로 계산하면 270만 출력 토큰은 약 108달러로, 550달러 추정치의 5분의 1 정도를 차지해요. 입력량은 출력량의 100배가 넘지만, 캐시 메커니즘 아래에서도 출력 비용은 여전히 상당한 비중을 차지합니다.

위 그림의 단가 비교는 여러분의 Agent 작업에 그대로 적용해 비용을 예측할 수 있어요. 먼저 소규모 작업으로 캐시 적중이 청구서에 미치는 영향을 검증하고 싶다면, APIYI apiyi.com에서 동일한 API 키로 Claude 등 여러 모델을 호출하고, 사용량 명세를 대조하며 다양한 컨텍스트 전략에서의 비용 변화를 관찰해 보세요.
3.3 캐시가 장시간 프로그래밍 비용을 크게 줄일 수 있는 이유
오랜 시간 여러 차례에 걸쳐 AI로 프로그래밍을 진행할 때, 모델은 매 라운드마다 동일한 대량의 내용을 다시 읽어야 해요. 여기에는 프로젝트 배경, 파일 구조, 기존 코드, 개발 규범, 이전에 확정한 기술 방안이 포함돼요. 8시간의 생성 과정이란 곧 이런 컨텍스트가 반복 제출된다는 뜻이며, 4.45억 입력 Token이라는 규모도 바로 이렇게 누적된 결과예요.
Prompt Caching은 이런 반복되는 접두사를 저장해 두었다가, 캐시가 적중하면 캐시 읽기 요금으로 과금해요. 전체 캐시 청구서는 세 가지 요소가 함께 결정해요:
- 캐시 쓰기(Cache Write): 최초 쓰기는 일반 입력보다 비싸며, 5분 옵션은 1.25배, 1시간 옵션은 2배예요.
- 캐시 읽기(Cache Read): 이후 적중 시에는 가격의 2.5%만 지불하면 돼요.
- 캐시 만료(TTL): 유효 기간이 지나면 다시 써야 하며, 쓰기 요금을 한 번 더 지불해요.
따라서 어떤 TTL 옵션을 선택하는지, 컨텍스트 구조가 안정적인지, 두 요청 사이의 간격이 얼마인지가 모두 최종 비용에 영향을 줘요. 컨텍스트 앞부분의 내용을 자주 바꾸면 캐시가 무효화되어 오히려 쓰기 비용이 늘어나요.
3.4 공개 데이터로 어디까지 재계산할 수 있을까
현재 공개된 자료는 총 입력, 총 출력, 추정 총가격만 제공하며, 완전한 청구서 명세는 없어요. 다음 핵심 데이터는 모두 공개되지 않았어요:
- 일반 입력, 캐시 쓰기, 캐시 읽기의 각 Token 수량;
- 5분 캐시와 1시간 캐시의 각 사용량;
- 다른 API 호출 비용이 존재하는지 여부.
캐시 쓰기에는 두 가지 가격 구간이 있고, 미지수가 알려진 조건보다 많기 때문에 이 세 숫자만으로는 유일한 캐시 적중률을 역산할 수 없어요. 다만 확실하게 내릴 수 있는 결론은 있어요: 550달러는 위 이론 구간 안에 들어오며, 캐시가 이번 실험에서 주요 비용 절감 역할을 맡았다는 점이에요.
4 AI 프로그래밍 작업의 실제 비용은 어떻게 계산해야 할까
4.1 3계층 비용 프레임워크
“AI로 게임 하나를 만드는 데 비용이 얼마나 들까”를 논할 때는 먼저 어떤 계층의 비용을 계산하는지 분명히 해야 해요. Saltline의 550달러는 첫 번째 계층만 포함해요.
| 비용 계층 | 포함 내용 | Saltline 포함 여부 |
|---|---|---|
| 모델 호출 비용 | 입력, 출력, 캐시 쓰기 및 읽기, 배치 처리 할인, 도구 호출 | 예 (약 550달러, 개발자 추정) |
| 개발 실행 비용 | 작업 설계, 디버깅 및 테스트, 실행 환경, 코드 저장소, 외부 리소스, 인력 시간 | 미공개 |
| 제품 운영 비용 | 호스팅, CDN 트래픽, 데이터베이스, 온라인 서비스, 후속 유지보수 | 미포함 |
로컬 웹 게임은 구조상 AI 비용이 개발 단계에 집중되고, 렌더링은 플레이어 기기에서 담당해요. 반면 클라우드 게임과 AI 실시간 월드 모델은 플레이어가 게임을 할 때마다 서버 컴퓨팅 비용이 계속 발생해서, 두 제품 유형의 비용 곡선은 완전히 달라요.
4.2 Batch API는 어떤 단계에 적합할까
Claude 공식 API는 Batch API를 제공하는데, 조건을 충족하는 배치 입력과 출력에는 50% 할인이 적용돼요. 비실시간 코드 생성, 대량 콘텐츠 처리, 오프라인 평가에 잘 맞고, 예를 들면 여러 레벨의 설정을 한 번에 생성하거나 코드 리뷰를 배치로 돌리는 작업이 여기에 해당해요.
Saltline처럼 에이전트 방식으로 개발할 때는 이전 단계 결과를 보고 다음 동작을 정해야 하므로, 강한 상호작용이 필요한 직렬 흐름이에요. 그래서 배치 할인을 그대로 적용하기는 어렵죠. 실제 프로젝트에서 더 현실적인 방법은 작업을 나누는 거예요. 주 개발 루프는 캐시로 비용을 줄이고, 병렬 처리가 가능한 오프라인 하위 작업은 Batch API에 맡기는 식이에요.
4.3 코드로 AI 프로그래밍 청구서 미리 계산하기
아래 아주 간단한 예제는 OpenAI 호환 인터페이스로 호출을 한 번 보내고, 응답의 usage 필드를 읽어서 비용 통계의 출발점으로 삼는 방법을 보여줘요:
import openai
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1" # APIYI 통합 인터페이스
)
resp = client.chat.completions.create(
model="YOUR_MODEL_NAME", # 플랫폼 모델 목록에 있는 Claude 등 모델명으로 교체
messages=[{"role": "user", "content": "用 Three.js 写一个旋转的立方体"}]
)
print(resp.choices[0].message.content)
print(resp.usage) # prompt_tokens / completion_tokens를 기록해 비용 산정에 사용
전체 구현 보기: 캐시 기준을 반영한 비용 추정기
import openai
from dataclasses import dataclass
# Claude Fable 5.2 공식 표준 가격 (달러 / 백만 Token)
PRICE = {
"input": 8.0,
"output": 40.0,
"cache_write_5m": 10.0,
"cache_write_1h": 16.0,
"cache_read": 0.20,
}
@dataclass
class Usage:
input_tokens: float = 0 # 일반 입력
cache_write_5m: float = 0 # 5분 캐시 쓰기
cache_write_1h: float = 0 # 1시간 캐시 쓰기
cache_read: float = 0 # 캐시 읽기
output_tokens: float = 0 # 출력
def estimate_cost(u: Usage) -> float:
"""각 청구 항목별로 따로 합산, 단위: 달러"""
m = 1_000_000
return (
u.input_tokens / m * PRICE["input"]
+ u.cache_write_5m / m * PRICE["cache_write_5m"]
+ u.cache_write_1h / m * PRICE["cache_write_1h"]
+ u.cache_read / m * PRICE["cache_read"]
+ u.output_tokens / m * PRICE["output"]
)
# 본문에 나온 두 이론적 경계 재현 (개발자가 밝힌 Token 총량)
upper = estimate_cost(Usage(input_tokens=445e6, output_tokens=2.7e6))
lower = estimate_cost(Usage(cache_read=445e6, output_tokens=2.7e6))
print(f"全部普通输入:${upper:,.0f}") # 약 $3,668
print(f"全部缓存读取:${lower:,.0f}") # 약 $197
# 자신의 프로젝트에서 실제 사용량 누적
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1"
)
def run_step(messages, model="YOUR_MODEL_NAME"):
resp = client.chat.completions.create(model=model, messages=messages)
usage = resp.usage
print("prompt:", usage.prompt_tokens, "completion:", usage.completion_tokens)
return resp.choices[0].message.content
추정기는 다섯 가지 청구 항목을 따로따로 더하기 때문에, 자신의 프로젝트 사용량 세부 내역을 그대로 넣어볼 수 있어요. 플랫폼마다 캐시 필드를 돌려주는 방식이 다를 수 있으니, 연동할 때는 실제 응답의 usage 구조를 기준으로 삼아야 해요.
🚀 빠른 시작 팁: 장기 에이전트 작업을 본격 개발에 투입하기 전에, APIYI apiyi.com에서 신규 사용자 무료 테스트 크레딧을 먼저 받아 보세요. 작은 Three.js 장면으로 “생성—실행—수정” 루프를 끝까지 돌려 보고, 라운드마다 Token 사용량을 기록한 다음 위 추정기로 전체 프로젝트 예산을 계산해 보면 좋아요.
5 AI가 3D 게임을 독립 개발할 때 경계는 어디까지인가
5.1 플레이 가능한 프로토타입과 성숙한 상용 게임
Saltline은 모델이 사람의 개입 없이 장면, 적, 퀘스트, 사운드와 비주얼 표현을 갖춘 완전히 플레이 가능한 소규모 게임을 만들어 낼 수 있음을 증명했어요. 다만 성숙한 상용 게임이 되려면 방대한 레벨 콘텐츠, 장기적인 밸런스 조정, 멀티플랫폼 대응, 현지화, 안티치트, 대규모 사용자 테스트가 더 필요하지만, 이런 요소들은 이번 단일 실험에서 다루지 않았어요.
중국 소셜 플랫폼에서 퍼진 ‘几猫·중국산 AAA 대작’은 실제로 Saltline의 중국어 버전이거나 재포장한 버전이에요. ‘중국산 AAA 대작’은 확산 과정에서 붙인 이름일 뿐이고, 개발 주체는 여전히 이번 Fable 5.2 실험이에요.
5.2 일회성 생성과 지속적인 유지보수
일회성 생성이 해결하는 것은 “0에서 1”을 만드는 일이에요. 게임 출시 후의 버전 업데이트, 버그 수정, 콘텐츠 추가는 모델이나 개발자가 기존 코드를 반복해서 수정해야 해요. 장기 유지보수에서는 컨텍스트 규모가 계속 커지기 때문에, 캐시 전략과 코드 구성 방식이 이후 비용에 미치는 영향이 더욱 뚜렷해져요.
5.3 기능 완성과 성능 최적화
기능이 동작하는 것과 부드럽게 실행되는 것은 별개의 엔지니어링 목표예요. Saltline의 체험 페이지가 저화질 옵션을 제공하고 WebGL 2와 하드웨어 가속 확인을 안내하는 점은 성능이 여전히 플레이어의 기기와 브라우저 성능에 제약을 받는다는 것을 보여줘요. Unity 공식 문서도 Web 플랫폼이 파일 시스템, 스레드, 메모리, 모바일 기기 지원에서 제한이 있으며, 복잡한 게임의 브라우저 성능 최적화는 여전히 어렵다고 지적해요.
5.4 Saltline을 대표적인 실험으로 바라보기
Saltline의 가치는 명확한 기준점을 제시한다는 데 있어요. 성능이 좋은 긴 컨텍스트 모델, 합리적인 캐시 사용, 명확한 단일 목표 아래에서 브라우저 3D 프로토타입 하나를 한 번에 생성할 때 모델 호출 비용은 수백 달러 수준이에요. Saltline의 8시간과 550달러는 개발자가 직접 밝힌 단일 실험 결과이며, 다른 개발자의 결과는 프롬프트 설계, 작업 복잡도, 캐시 전략, 모델 버전에 따라 달라질 수 있어요.
서드파티 플랫폼 AI8Games에는 Claude Fable 5.2 등 여러 모델이 생성에 참여한 브라우저 게임이 다수 등록되어 있으며, 검색 시 플레이 가능한 게임 62종과 영상 시연 작품 27종이 표시돼요. 이는 서드파티가 정리한 데이터로, 이런 실험이 늘고 있음을 보여주지만 공식 통계를 뜻하지는 않아요.
💡 선택 제안: 모델마다 장기적인 코드 생성, 캐시 가격, 출력 단가에서 차이가 커서, 같은 게임 프로토타입 작업이라도 모델에 따라 총비용이 몇 배까지 차이 날 수 있어요. APIYI apiyi.com에서 같은 프롬프트로 몇 가지 주요 모델의 결과물 품질과 Token 사용량을 비교한 뒤, 실제 개발에 어떤 모델을 쓸지 결정해 보세요.
6. AI 3D 게임 실험에 관한 자주 묻는 질문
Q1: Saltline의 550달러는 실제로 지불한 청구서인가요?
이는 Felix Rieseberg가 API 가격을 기준으로 산출한 추정치이며, 제3자 감사를 거치지 않았어요. 공개된 정보에도 일반 입력, 캐시 쓰기, 캐시 읽기 각각의 사용량이 없어서 청구서 구조를 정확히 복원할 수 없어요.
Q2: 왜 4억 4500만 입력 토큰이 이렇게 적은 비용밖에 들지 않았나요?
장기 프로젝트 프로그래밍에서는 동일한 프로젝트 컨텍스트를 반복해서 제출하게 되는데, 이 내용이 캐시에 적중하면 100만 토큰당 $0.20로 청구되어 일반 입력 $8의 2.5%에 불과해요. 전부 일반 입력으로 계산하면 약 3668달러가 되지만, 개발자는 약 550달러로 추정했고 그 차이는 주로 캐시에서 비롯됐어요.
Q3: 플레이어가 게임을 할 때마다 AI 호출 비용이 발생하나요?
아니요. Saltline은 생성된 후 약 1.43MB의 HTML 파일이 되고, 게임은 플레이어의 브라우저에서 로컬로 실행되며 플레이어 기기의 GPU로 렌더링돼요. 실행 과정에서 모델 API를 호출하지 않아요. 550달러는 일회성 개발 단계 비용이에요.
Q4: 이런 장기 코드 생성 방식을 제 프로젝트에 재사용하려면 어떻게 해야 하나요?
핵심은 모델이 안정적인 컨텍스트 구조 위에서 계속 작업하게 만드는 거예요. 규격, 기술 설계, 파일 구조를 프롬프트의 고정된 앞부분에 두면 캐시에 적중하기 쉬워요. 매 라운드마다 usage 사용량을 기록해 예산 추정에 활용하세요. 먼저 APIYI apiyi.com에서 무료 크레딧으로 작은 시나리오를 돌려보고, 캐시와 사용량 통계가 예상대로인지 확인한 뒤 작업 규모를 키우면 돼요.
Q5: 개발자가 같은 예산으로 비슷한 게임을 재현할 수 있나요?
결과는 프롬프트, 목표 복잡도, 캐시 전략, 모델 선택에 따라 달라져요. Saltline은 성공한 단일 실험이며 규모를 가늠하는 참고 자료로 적합해요. 실제 예산은 소규모 시험 실행에서 나온 실제 사용량을 바탕으로 추산하는 걸 권장하고, APIYI apiyi.com의 통합 인터페이스를 쓰면 같은 코드에서 여러 모델을 전환할 수 있어 비용을 가로로 비교하기 편해요.
Q6: Saltline과 Genie 3 같은 AI 생성 게임은 무엇이 다른가요?
Saltline은 AI가 코드를 작성하고 브라우저가 그 코드를 실행하는 방식이에요. 게임 규칙은 미리 작성되어 있고 화면은 로컬 GPU로 렌더링돼요. 반면 Genie 3, Muse, Oasis 같은 월드 모델은 현재 상태와 플레이어 입력을 바탕으로 다음 프레임 화면을 실시간으로 예측하며, 지속적인 추론이 필요해 플레이할 때마다 연산 비용이 발생해요. 두 접근 방식의 비용 구조와 기술적 한계는 완전히 달라요.
7 정리: 550달러, 8시간이라는 숫자를 어떻게 봐야 할까
Saltline의 실험은 세 가지를 보여줍니다:
- AI는 여러 게임 개발 단계를 한 번의 코드 생성으로 통합할 수 있습니다: 장면, 로직, 모델, 텍스처, Shader, 음향 효과, 상호작용이 모두 코드 형태로 전달되며, 결과물은 약 1.43MB의 단일 파일 브라우저 게임입니다.
- 캐시가 장기 AI 프로그래밍의 경제성을 결정합니다: 4억 4500만 입력 Token은 일반 가격 기준 약 3668달러가 필요하지만, 개발자가 직접 밝힌 추정치는 약 550달러이며, 캐시 읽기 단가 2.5%가 핵심 변수입니다.
- 550달러는 모델 호출 비용일 뿐입니다: 개발 실행, 제품 운영, 이후 유지보수는 모두 이 숫자 밖에 있습니다. Saltline은 대표성을 지닌 플레이 가능한 프로토타입 실험입니다.
Agent에게 비슷한 장기 개발 작업을 맡길 계획이라면, 가장 효과적인 준비는 먼저 비용 산정 습관을 들이는 것입니다: 입력, 캐시, 출력 사용량을 나눠서 기록하고, 실제 데이터를 기준으로 예산을 추산하세요. APIYI apiyi.com을 통해 효과를 빠르게 검증하는 것을 권장합니다. 플랫폼은 OpenAI 호환 인터페이스, 다중 모델 통합 호출, 신규 사용자 무료 테스트 크레딧을 제공합니다.
참고 자료
- Saltline 독립 체험 페이지: 게임 체험과 자주 묻는 질문 안내
- 링크:
saltline.games -
설명: 초기화, 화질 설정, 조작 방식 등 체험 정보를 포함하며, 중국어 버전은
saltline.games/zh에 있습니다. -
Felix Rieseberg 원본 게시물: 개발 시간, Token, 비용 데이터 출처
- 링크:
x.com/felixrieseberg/status/2119925633564463609 -
설명: 개발자가 직접 밝힌 1차 데이터
-
Saltline 코드 미러와 README: 파일 데이터와 데이터 귀속 설명
- 링크:
github.com/realcodebear/saltline-fable-5.2 -
설명: 관련 수치가 제3자 독립 감사를 거치지 않았음을 명시
-
Jima(几猫) 중국어 버전 GitHub 저장소: 중국 내 배포 버전 아카이브
- 링크:
github.com/Megasu/jimao-3a-game -
설명: index.html 파일 크기와 오프라인 실행 설명을 제공
-
Claude Fable 5.2 모델 사양과 가격: Anthropic 공식 문서
- 링크:
platform.claude.com/docs/en/models/fable-5-2/overview -
설명: 입력, 출력, 캐시 쓰기와 읽기의 공식 단가
-
Three.js 공식 문서: 브라우저 3D 그래픽 라이브러리
- 링크:
threejs.org/docs -
설명: Saltline의 장면 구성 방식을 이해하기 위한 기본 자료
-
Unity WebGL 기술 개요: Web 플랫폼 제한 설명
- 링크:
docs.unity.cn/6000.0/Documentation/Manual/webgl-technical-overview.html - 설명: 브라우저 게임의 스레드, 메모리, 모바일 측면에서의 제한
작성자: APIYI 기술 팀
기술 교류: APIYI apiyi.com 사이트 홈페이지에서 저희에게 연락해 주세요. 더 많은 연동 자료는 docs.apiyi.com 문서 센터에서 확인할 수 있습니다.
