GPT-6.2 Sol 대 GPT-6.1 Sol 비교, 어떤 업그레이드와 변화가 있나요? 7가지 차이점과 전환 검수 체크리스트

GPT-6.2 Sol 대 GPT-6.1 Sol 비교, 어떤 업그레이드와 변화가 있나요? 7가지 차이점과 전환 검수 체크리스트

작성자 주석: GPT-6.2 Sol은 이전 세대의 Standard 토큰 가격을 그대로 이어받으면서, 여러 공개 테스트에서 성적을 높이거나 단일 작업 비용을 낮췄어요. 기존 시스템을 업그레이드하기 전에는 코드베이스 질의응답, 복잡한 분석, 멀티턴 대화를 따로 검증해야 합니다.

먼저 결론부터 말하면, GPT-6.2 Sol의 단문 컨텍스트 Standard 단가는 GPT-6.1 Sol과 완전히 같고, 종합 평가에서는 점수가 더 높고 단일 작업 비용은 더 낮아요. 다만 코드베이스 질의응답과 일부 어려운 문제에서는 분명한 점수 하락이 나타났습니다. 두 모델 모두 100만 토큰당 일반 입력, 캐시 읽기, 출력 가격이 각각 $2, $0.10, $10이에요. Artificial Analysis의 Max 등급 종합 점수는 55에서 57로 올랐고, 평균 작업 비용은 $1.27에서 $1.01로 내려갔어요. 같은 기관의 코드 에이전트 테스트에서는 코드베이스 질의응답 세부 항목이 60에서 46으로 떨어졌고, Plotly 데이터 분석 테스트도 만점인 43/43에서 40/43으로 내려갔습니다.

따라서 이번 업그레이드는 작업 유형별로 단계적으로 진행하는 게 적합하며, 전체를 한 번에 교체하는 건 권장하지 않아요. 검증 가능한 코드 수정, 터미널 조작, 일반적인 분석은 우선 시험 실행해 볼 수 있어요. 코드베이스 질의응답, 숨은 규칙을 찾는 유형의 난제, Flex에 의존하는 배치 처리는 먼저 회귀 테스트를 보강해야 합니다. 또 GPT-6.2의 Responses API는 멀티턴 대화와 지시문 위치에서 동작 변화가 있어서, 구버전 기반의 멀티턴 애플리케이션은 모델 ID만 바꿔서는 안 됩니다.

gpt-6-2-sol-vs-gpt-6-1-sol-upgrade-changes-ko-image-0

GPT-6.2 Sol vs GPT-6.1 Sol 한눈에 보기

아래 표는 업그레이드 결정에 유용한 항목만 정리했어요. 사양과 가격은 OpenAI 공식 모델 카드, 가격 페이지, 변경 로그에서 가져왔으며, 가격 단위는 모두 USD/1백만 토큰이에요.

비교 항목 GPT-6.1 Sol GPT-6.2 Sol 차이가 의미하는 것
모델 ID / 출시일 gpt-6.1-sol / 2026-09-29 gpt-6.2-sol / 2026-11-17 새 모델이 막 출시되었으니 한동안 지켜볼 필요가 있어요
컨텍스트 / 최대 출력 1,050,000 / 128,000 1,050,000 / 128,000 용량은 동일해요
최대 입력 모델 카드에서 별도 표기 없음 922,000 초장문 입력 작업은 새 상한으로 확인해야 해요
지식 컷오프 2026-04-30 2026-06-01 약 한 달 뒤로 밀렸어요
짧은 컨텍스트 Standard 가격 입력 $2 / 캐시 읽기 $0.10 / 출력 $10 동일 토큰 조합이 같으면 청구서도 같아요
Flex 처리 지원 미지원 기존 Flex 사용자는 다른 처리 방식을 써야 해요
백그라운드 할인 구간 이번 자료에서는 다루지 않음 2시간 구간 -30%, 8시간 구간 -40% 지연을 허용할 수 있는 작업에는 새로운 비용 절감 옵션이 생겼어요
종합 점수(AA, Max 등급) 55 57 전반적으로 소폭 더 강해요
코드베이스 질의응답(AA, Codex + Max) 60 46 뚜렷한 후퇴라 별도 검증이 필요해요

🚀 빠른 비교: 두 모델은 동일한 인터페이스에서 전환해 비교할 수 있어요. APIYI apiyi.com의 공개 모델 목록에는 gpt-6.2-sol이 등록되어 있고 responses와 chat 두 진입점이 표시되어 있어요. 동일한 Key로 신버전과 구버전의 회귀 비교를 실행하기에 적합해요.

읽는 순서 제안: 본문 1절에서는 가격과 처리 옵션을 먼저 확인해요. 청구 기준을 결정하기 때문이에요. 2절에서는 공개 테스트에서의 개선과 약점을 비교해 어떤 작업에 업그레이드할 가치가 있는지 판단해요. 3절에서는 API 동작 변화를 확인해 기존 서비스가 매끄럽게 전환할 수 있는지 판단해요. 4절에서는 작업별 검증 방안을 제시해요. 프로그래밍 에이전트에만 관심이 있다면 2.2와 4절을 바로 보면 돼요.

GPT-6.2 Sol 비교 전에 알아둘 용어

용어 간단 설명
표준 토큰 가격 OpenAI Standard 등급에서 100만 개 입력, 출력 및 캐시 사용량별로 공개한 가격 책정
작업 비용 작업 하나를 완료하는 데 발생하는 모델 비용과 도구 비용. 업무 검증 시 재실행과 사람 검토 비용도 포함할 수 있어요
추론 등급 모델의 추론 예산을 제어하는 설정. 일반적인 값은 Low, Medium, High, Xhigh, Max이며, 교차 테스트에서는 등급을 맞춰야 해요
GDPval v2 OpenAI 내부의 복잡한 지식 작업 평가로, 실제 프로젝트 유형에서 발생하는 장시간 워크플로 산출물에 초점을 맞춰요
Coding Agent Index Artificial Analysis가 코드 수정, 터미널 조작, 코드베이스 질의응답 등의 하위 항목으로 산출한 에이전트 종합 지표
SWE-Atlas-QnA-AA 위 지표 중 코드베이스 질의응답 하위 항목으로, 답변에 필요한 사실이 빠짐없이 포함되는지를 평가해요
대화 프리픽스 / 캐시 읽기 여러 차례 요청의 시작 부분에서 순서를 유지하는 내용. 서비스 측이 재사용 가능한 프리픽스를 인식하면, 적중된 부분은 읽기 요율로 과금돼요

1. GPT-6.2 Sol vs GPT-6.1 Sol: 기본 사양과 가격

1.1 GPT-6.2 Sol 사양은 기본적으로 전 세대를 이어받았어요

두 세대 모델 모두 Responses와 Chat Completions로 호출할 수 있고, 함수 호출과 내장 도구는 Responses 경로를 사용해요. 두 모델 모두 텍스트와 이미지 입력을 받으며 기본적으로 텍스트를 출력하고, 컨텍스트 윈도우는 1,050,000 토큰으로 같고 최대 출력도 128,000 토큰으로 같아요. 6.2 Sol의 모델 카드에는 최대 입력 922,000 토큰이 따로 표기되어 있어요.

포지셔닝에는 미묘한 차이가 있어요. 6.1 Sol의 모델 페이지는 Astra보다 낮은 비용으로 복잡한 코드, 컴퓨터 작업, 전문적인 작업을 완수하는 점을 강조해요. 반면 6.2 Sol의 모델 페이지는 일상적인 코드와 규모화된 에이전트 작업 쪽에 무게를 둬요. 즉, 6.2 Sol은 고빈도·대량 시나리오를 더 명확하게 겨냥하고 있어요.

1.2 GPT-6.2 Sol의 Standard 가격은 전 세대와 동일해요

공식 Standard 과금은 다음과 같아요. 두 세대 모두 단일 요청 입력 272K 토큰을 기준으로 삼아요. 이를 초과하면 해당 요청 전체의 입력과 캐시 요율은 2배로, 출력은 1.5배로 계산돼요.

Standard 과금 항목 짧은 컨텍스트(≤272K) 긴 컨텍스트(>272K)
일반 입력 $2.00 $4.00
캐시 읽기 $0.10 $0.20
30분 캐시 쓰기 $2.50 $5.00
12시간 캐시 쓰기 $5.00 $10.00
출력(추론 토큰 포함) $10.00 $15.00

단가가 같다고 해서 청구서가 같다는 뜻은 아니에요. 같은 작업을 완수할 때 6.2 Sol의 출력 토큰, 도구 호출 횟수, 캐시 적중 상황이 모두 달라질 수 있으므로 실제 비용은 작업별로 계산해야 해요. 캐시 쓰기는 각자의 전체 요율로 계산하며, 같은 배치의 토큰에 일반 입력 가격을 다시 더하지 않아요. 출력 총량은 Responses의 usage.output_tokens에서 확인할 수 있고, 추론 사용량은 보통 output_tokens_details.reasoning_tokens 하위 항목에 표시돼요.

국내 호출에 관해서는, 2026-11-20 기준으로 APIYI apiyi.com의 공개 가격 인터페이스에서 gpt-6.2-sol의 단거리 구간 가격은 공식과 일치하고, 장거리 구간의 일반 입력, 캐시 읽기, 캐시 쓰기, 출력은 각각 $3, $0.15, $3.75, $11.25예요. 이는 공개적으로 게시된 과금 표현이며, 실제 청구는 계정 그룹과 플랫폼의 현재 설정을 기준으로 해요.

1.3 Flex와 백그라운드 할인 윈도우의 선택

처리 옵션의 변화는 가장 쉽게 간과되는 부분이에요. 6.1 Sol은 여전히 Flex 적용 대상 목록에 있지만, 6.2 Sol은 Flex를 지원하지 않아요. 대신 6.2 Sol은 Responses의 백그라운드 할인 윈도우를 사용할 수 있어요. 조건에 맞는 요청은 모델 토큰 요율이 2시간 윈도우에서 Standard보다 30% 낮고, 8시간 윈도우에서는 40% 낮아요.

기존 시스템이 Flex에 의존해 오프라인 배치 처리를 하고 있다면, 마이그레이션할 때 전달 시한과 접근 조건에 따라 다시 선택해야 해요. 몇 시간 내 전달을 받아들일 수 있는 작업은 백그라운드 윈도우를 검토할 수 있고, 즉시 반환이 필요한 작업은 Standard로만 과금할 수 있어요.


2. GPT-6.2 Sol vs GPT-6.1 Sol: 공개 테스트에서의 개선과 손실

gpt-6-2-sol-vs-gpt-6-1-sol-upgrade-changes-ko-image-1

위 그림은 서드파티 공개 데이터를 정리한 것입니다. 초록색은 6.2 Sol의 개선, 빨간색은 하락을 의미해요. 이 수치들은 서로 다른 기관과 테스트 프레임워크에서 나온 것이므로, 각자의 조건 안에서만 비교하는 게 적절해요. 직접 자신의 작업에서 재현해 보고 싶다면 APIYI apiyi.com을 통해 같은 채널, 같은 티어로 두 세대 모델을 각각 호출할 수 있어요.

2.1 지식 작업과 종합 능력: GPT-6.2 Sol의 꾸준한 향상

공식 자체 보고: OpenAI는 2026-11-17 발표 공지에서 6.2 Sol이 내부 평가인 GDPval v2에서 6.1 Sol보다 5.3포인트 높다고 밝혔어요. GDPval v2는 컨설팅, 금융, 디자인 등 분야의 다단계 지식 작업을 테스트하며, 이 결론은 OpenAI가 공개한 내부 테스트에만 적용돼요. 공지에는 또 하나의 항목인 “출력 토큰 22% 감소”가 있는데, 이는 GPT-6.2 Astra와 GPT-6 Astra를 비교한 것이므로 Sol 두 세대 사이에 그대로 적용할 수는 없어요.

서드파티 실측: Artificial Analysis의 종합 점수는 지식 작업, 프로그래밍, 과학, 일반 지식을 아우릅니다. 6.1 Sol에서 6.2 Sol로 넘어가면서 Medium 티어는 46에서 53으로, Max 티어는 55에서 57로 올랐어요. Max 티어의 평균 작업 비용은 $1.27에서 $1.01로 떨어졌는데, 공개된 반올림 수치로 계산하면 약 20% 감소한 셈이에요.

두 데이터의 방향은 일치해요. 6.2 Sol은 종합 작업에서 더 강하고, 작업당 비용도 더 적게 들어요. 눈여겨볼 점은 Medium 티어의 상승폭(+7)이 Max 티어(+2)보다 확실히 크다는 거예요. 일상적으로 중간 추론 티어를 쓰는 팀이라면 이번 업그레이드의 체감이 더 뚜렷할 수 있어요.

2.2 코드 수정, 터미널, 코드베이스 Q&A: GPT-6.2 Sol, 오르기도 하고 떨어지기도

Artificial Analysis의 Coding Agent Index v2.1에서 두 모델 모두 Codex 테스트 프레임워크와 Max 추론 단계를 사용했으므로 측정 기준은 동일합니다:

지표 (Codex + Max) GPT-6.1 Sol GPT-6.2 Sol 변화
Coding Agent Index 종합 52 49 -3
FrontierCode-AA 2.0 42 42 동일
Terminal-Bench 4.1 54 58 +4
SWE-Atlas-QnA-AA (코드베이스 Q&A) 60 46 -14
단일 작업 평균 API 비용 $1.51 $1.22 약 -19%
평균 에이전트 실행 시간 21.9분 17.5분 -4.4분

종합 점수가 떨어진 주된 이유는 코드베이스 Q&A 하위 항목이 14점 하락한 탓입니다. 이 하락이 터미널 하위 항목의 4점 상승을 상쇄했고, 코드 수정 하위 항목은 변동이 없었어요. 실행 시간 항목은 환경 시작, 리뷰, 검증 비용을 제외하고 에이전트 자체의 실행 시간만 반영합니다. 또한 여기서의 FrontierCode-AA 2.0은 Artificial Analysis의 버전이므로 다른 기관의 동명 리더보드와 혼용해서는 안 됩니다.

Plotly가 2026-11-17에 공개한 DataAnalyticsBench 단일 라운드 대조 실험은 또 다른 종류의 독립 작업에 대한 참고 자료를 제공합니다. 6.1 Sol → 6.2 Sol의 총점은 43/43 → 40/43이었고, 전체 라운드 비용은 $2.61에서 $1.22로, 문제당 중앙값 소요 시간은 17.6초에서 10.5초로 줄었어요. 도구 호출 횟수는 258회에서 158회로, 출력량은 약 70,000 token에서 45,000 token으로 감소했습니다. 6.2 Sol이 틀린 세 문제는 숨겨진 패턴 문제에 집중됐습니다.

이 결과에는 두 가지 제약이 있어요. 첫째, 테스트는 OpenRouter와 Plotly의 고정 프레임워크를 사용했고, 비용은 당시 채널 기준입니다. 둘째, 각 모델은 한 라운드만 실행했으며, Plotly는 다른 모델을 재실행할 때 최대 세 문제까지의 변동을 관찰했습니다. 따라서 이 결과는 하나의 경향을 보여주는 데 더 적합합니다. 6.2 Sol은 동작이 더 적고, 더 빠르고, 더 경제적이지만, 깊이 파고들어야 하는 어려운 문제에서는 “너무 일찍 손을 떼는” 경향이 있을 수 있다는 점이에요.


3. GPT-6.2 Sol의 API 동작이 기존 서비스에 미치는 영향

gpt-6-2-sol-vs-gpt-6-1-sol-upgrade-changes-ko-image-2

이미 6.1 Sol을 운영 중인 멀티턴 애플리케이션 입장에서 위험은 크게 세 가지로 모입니다. 위 그림은 GPT-6.2 Responses 요청의 권장 구조를 보여주는데, APIYI apiyi.com의 responses 엔드포인트에서 이 구조 그대로 검증해 볼 수 있어요.

  1. 세션 프리픽스 재작성: GPT-6.2의 Responses API는 기존 세션 프리픽스를 편집하거나, 일부 모델을 전환하거나, 최종 사용자 또는 조직을 바꿀 때 이전 추론 항목을 폐기해요. 시스템에 “히스토리를 재작성한 뒤 이어서 대화”하는 로직이 있다면, 이어지는 응답의 품질과 캐시 적중률이 영향을 받는지 반드시 검증해야 해요.
  2. 지시 위치: GPT-6.2의 최상위 instructions는 input 뒤에 추가돼요. 재사용하면서 캐시 적중을 원하는 고정 지시는 input의 첫 번째 developer 메시지에 넣고, 매번 바뀌는 임시 지시는 계속 최상위 instructions를 사용하면 됩니다.
  3. Flex 마이그레이션: 1.3절을 참고하세요. 기존에 Flex로 요청하던 부분은 처리 방식을 다시 선택해야 해요.

참고로 두 엔드포인트 모두 none 추론 등급은 지원하지 않아요. 모델 ID를 교체할 때는 공식 마이그레이션 가이드에 따라 히스토리 재작성, 샘플링 파라미터, 추론 등급, 처리 계층, 캐시 데이터까지 함께 점검하세요.

3.1 GPT-6.2 Sol 최소 호출 예시

아래는 Chat Completions로 최소한의 검증을 해 보는 코드예요:

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI 통합 인터페이스
)

resp = client.chat.completions.create(
    model="gpt-6.2-sol",
    messages=[{"role": "user", "content": "用三句话说明什么是会话前缀缓存"}]
)
print(resp.choices[0].message.content)
Responses API 신·구 버전 대조 코드 보기(고정 지시문 전치 + 사용량 기록)
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # 신·구 버전이 동일한 채널을 사용해 공정한 비교를 보장
)

STABLE_RULES = "你是代码库助手。回答必须列出涉及的文件路径、调用方和配置开关。"

def run(model: str, question: str, effort: str = "medium"):
    resp = client.responses.create(
        model=model,
        reasoning={"effort": effort},   # 두 엔드포인트 모두 none을 허용하지 않음
        input=[
            # 고정 지시문을 input의 첫 developer 메시지에 배치해 프리픽스 캐시에 유리하게 함
            {"role": "developer", "content": STABLE_RULES},
            {"role": "user", "content": question},
        ],
        # 임시 지시문은 최상위 instructions에 둘 수 있으며, input 뒤에 추가됨
        instructions="本轮只回答与鉴权模块相关的部分。",
    )
    usage = resp.usage
    details = getattr(usage, "output_tokens_details", None)
    return {
        "model": model,
        "text": resp.output_text,
        "output_tokens": usage.output_tokens,
        "reasoning_tokens": getattr(details, "reasoning_tokens", None),
    }

for m in ["gpt-6.1-sol", "gpt-6.2-sol"]:
    r = run(m, "登录失败后的重试逻辑在哪里实现?受哪些配置影响?")
    print(r["model"], r["output_tokens"], r["reasoning_tokens"])
    print(r["text"][:300], "\n---")

🎯 기술 제안: 멀티턴 애플리케이션을 마이그레이션할 때는 ‘프리픽스는 그대로 두고 메시지만 추가’하는 실제 요청 세트를 하나 유지해, 신·구 두 세대에 각각 보내고 응답과 캐시 읽기 사용량을 비교해 보시길 권장해요. APIYI(apiyi.com)는 두 세대 모델을 동시에 호출할 수 있어 대조 테스트를 CI에 포함시키기 좋답니다.

4. GPT-6.2 Sol 전환 전 과제별 검수

아래 방안은 위에 공개된 근거를 참고해 제안한 테스트 설계로, 공식 요구 사항이 아니에요. 핵심 원칙은 모델을 제외한 모든 조건을 고정하는 거예요. 같은 API 채널, 추론 강도, 입력 자료, 도구 목록, 타임아웃 설정, 채점 규칙을 유지하고, 6.1 Sol을 대조군으로 남겨 두는 거죠.

과제 유형 시범 실행 우선순위 주요 근거 검수 조건
코드 수정 우선 시범 실행 FrontierCode-AA 2.0 동일 수준, 비용과 소요 시간 감소 테스트 통과율이 기존 버전 이상, 건당 합격 비용 감소
터미널 / 컴퓨터 조작 우선 시범 실행 Terminal-Bench 4.1 +4 성공률과 엔드투엔드 소요 시간 P50, P95
일반 분석 우선 시범 실행 종합 점수 상승, Plotly 소요 시간과 비용 감소 1차 검수 통과율, 누락 항목 수
코드베이스 질의응답 별도 검수 SWE-Atlas-QnA-AA -14 사전에 표시한 필수 답변 사실 커버리지
저빈도 복잡 분석 / 난이도 높은 사례 별도 검수 Plotly 숨은 규칙 문항 감점 재검토 후 합격 산출물 비용
다중 턴 프로세스 별도 검수 추론 항목 누락, 지시 위치 변화 재생, 이력 보완, 실패 복구 후 결과 일관성

실행할 때는 아래 체크리스트를 따라 진행하면 돼요:

  • 코드베이스 질의응답: 각 문항마다 반드시 다뤄야 할 호출자, 설정 스위치, 분기 조건, 파일 경로를 미리 표시하고, 근거가 빠짐없이 포함됐는지 항목별로 확인해요. 답변이 그럴듯해 보이는지만 보지 말고요.
  • 지표 기록: 과제 유형별로 1차 검수 통과율, 누락 항목, 재작업 횟수, 엔드투엔드 소요 시간, 모델 및 도구 사용량을 기록하고, 표본이 충분하면 P50과 P95를 함께 봐요.
  • 비용 산정: “측정 기간 총비용 ÷ 검수 통과 과제 수”로 건당 합격 비용을 추정해요. 재검토와 재실행 비용도 모두 총비용에 넣어야 해요. 6.2 Sol은 한 번 실행할 때 더 저렴하지만, 난이도 높은 문제에서 재작업이 늘면 합격 비용이 오히려 올라갈 수 있어요.
  • 확대 판정: 품질 기준선, 합격 산출물 비용, 지연 시간 세 가지가 모두 기준을 충족한 과제 유형만 트래픽을 확대해요. 기준에 못 미친 유형은 6.1 Sol에 그대로 두고 다음 차례 재측정을 기다려요.

💰 비용 산정 팁: 같은 채널의 단가가 같아야 비교 결과가 의미 있어요. APIYI apiyi.com에서 하나의 Key로 두 세대 모델을 동시에 실행하면 청구서가 모델별로 따로 기록되어, 건당 합격 비용을 계산할 때 바로 활용할 수 있어요.


GPT-6.2 Sol vs GPT-6.1 Sol: 어떻게 선택할까

워크로드가 코드 수정, 터미널 에이전트, 일반 분석 위주라면 6.2 Sol이 같은 가격대에서 더 빠르고 더 저렴한 선택이에요. 우선적으로 전환해도 좋아요. 반대로 코드베이스 질의응답이나 숨은 규칙을 찾는 유형의 난제 비중이 높거나, 비즈니스가 Flex에 의존하고 있다면 먼저 4절의专项 검수를 마쳐야 해요. 해당 지표가 기준을 충족하기 전까지는 이 트래픽을 계속 6.1 Sol이 담당하도록 두면 됩니다. 이 선택을 좌우하는 핵심 변수는 작업 구성이에요. 난이도 높은 사례의 비중이 높을수록 6.2 Sol이 단가와 속도에서 가진 이점이 재작업으로 상쇄될 가능성이 커져요.

APIYI apiyi.com에서 신규 사용자 무료 테스트 크레딧으로 각 작업 유형별 대표 샘플을 골라 한 차례 대조 테스트를 진행한 뒤, 결과에 따라 전환 범위를 정하는 것을 권장해요.

참고 자료

  1. OpenAI 발표 공지: GPT-6.2 Astra 및 Sol 출시 설명과 GDPval v2 결론
    • 링크: openai.com/index/introducing-gpt-6-2-astra-sol
  2. OpenAI API 모델 카드와 가격: 두 세대 Sol의 사양, 가격, 처리 옵션
    • 링크: developers.openai.com/api/docs/models/gpt-6.2-sol
    • 링크: developers.openai.com/api/docs/pricing
  3. GPT-6.2 사용 가이드: Responses 동작 변경과 마이그레이션 점검 항목
    • 링크: developers.openai.com/api/docs/guides/latest-model
  4. Artificial Analysis: 종합 점수와 Coding Agent Index 세부 데이터
    • 링크: artificialanalysis.ai/agents/coding-agents/codex
  5. Plotly DataAnalyticsBench: 6.2 Sol 단일 라운드 대조와 오답 설명
    • 링크: plotly.com/blog/gpt-6-2-sol-plotly-data-analytics-bench

작성자: APIYI 기술팀
기술 문의: APIYI apiyi.com 첫 화면에서 연락해 주세요. 더 많은 연동 자료는 docs.apiyi.com 문서 센터에서 확인할 수 있어요.

관련 글

Similar Posts