저자 주: 터미널 및 코드 리포지토리, 장시간 사무 작업, 멀티모달 장문 문서, 비용이라는 네 가지 작업 유형을 기준으로 Qwen4-Max와 Claude Opus 5.5의 벤치마크 점수, 스펙, 캐시 가격, 마이그레이션 비용을 비교하고, 바로 실행에 옮길 수 있는 선택 가이드를 제시해요.
팀에서 이미 Claude Opus 5.5를 주력 모델로 쓰고, Claude Code나 자체 구축 에이전트에서 프로덕션을 돌리고 있다면, 2026-11-16에 출시된 Qwen4-Max 때문에 원가 계산을 다시 하게 될 거예요. Qwen4-Max의 입력 가격은 Opus 5.5의 37.5% 수준이고, 출력 가격은 22.5% 수준이에요.
결론부터 말하면, 절충은 없어요: 터미널 조작과 리포지토리 수준 리팩터링은 계속 Opus 5.5에 맡기세요. Qwen4-Max는 ProgramBench에서 33.5점 뒤지는데, 이번 비교에서 가장 큰 약점이에요. 워크플로 자동화, 비용에 민감하고 동시 요청이 많은 에이전트, 초장문 출력이 필요한 문서 작업은 Qwen4-Max를 우선 시험해보세요. 사무용 산출물과 차트, 영상 이해 작업에서는 Opus 5.5가 여전히 뚜렷한 우위를 보여요.
핵심 가치: 이 글을 끝까지 읽으면 작업별 선택 기준을 담은 표를 얻고, 양쪽의 캐시 가격, 기본 추론 티어, 실제 마이그레이션 절차의 차이까지 분명히 알게 될 거예요.

Qwen4-Max와 Opus 5.5의 핵심 차이 한눈에 보기
먼저 데이터 기준부터 명확히 짚고 갈게요. 이 글의 수치는 서로 다른 세 가지 출처에서 왔기 때문에 섞어서 읽으면 안 돼요:
- Qwen 공식 자체 발표의 동일 이미지 비교: 알리바바가 발표 블로그에서 같은 이미지를 사용해 Qwen4-Max와 Opus 5.5 점수를 나란히 제시했는데, 이는 벤더가 직접 실행한 결과이고 제3자가 재현한 것은 아니에요.
- 공개 리더보드 스냅샷, 2026-11-14: arena.ai의 Code Arena WebDev 리더보드로, 공개 투표를 기반으로 해요.
- Anthropic 문서 원문: Opus 5.5의 사양과 가격은 Anthropic 공식 모델 페이지와 가격 페이지에서 가져왔어요.
아래 표는 이 글의 결론을 압축해 놓은 것이고, 이어지는 절에서 근거를 항목별로 풀어볼게요.
| 작업 유형 | 추천 | 핵심 근거 | 한 줄 이유 |
|---|---|---|---|
| 터미널 조작과 저장소 전체 리팩터링 | Opus 5.5 | Terminal-Bench 11.1 낮음, ProgramBench 33.5 낮음 | 다단계 명령 체인과 저장소 전체 변경은 Qwen4-Max가 가장 약한 부분이에요 |
| 단일 이슈 수정형 코딩 | Qwen4-Max 시도 가능 | DeepSWE 1.5 높음 | 국소 수정 능력은 이미 대등한 수준이고 가격 우위가 뚜렷해요 |
| 업무 산출물과 장시간 작업 | Opus 5.5 | AA-Briefcase 115 Elo 낮음, JobBench 6.9 낮음 | 문서·보고서류 산출물의 품질 차이가 체감돼요 |
| 워크플로 자동화 | Qwen4-Max | AutomationBench 3.0 높음 | 규칙이 명확한 프로세스 작업에서는 뒤지지 않고 비용은 더 낮아요 |
| 차트와 영상 이해 | Opus 5.5 | Chartography 12.1 낮음, Video-Index 6.7 낮음 | 멀티모달 이미지 판독에는 여전히 격차가 있어요 |
| 비용 민감한 고동시성 에이전트 | Qwen4-Max | 입력 37.5%, 출력 22.5% 수준 | 호출량이 많을 때 청구서 차이는 몇 배로 커져요 |
Qwen4-Max와 Opus 5.5의 사양 차이
사양 면에서는 둘 다 컨텍스트 윈도우가 1M이지만, 출력과 추론 기본값은 차이가 커요:
- Qwen4-Max: 2.4T 백본, 71B 활성, 여기에 328B N-gram Embedding; 네이티브 비전; 최대 출력 393K, 최대 사고 연쇄 262K; 기본
reasoning_effort는 high. - Opus 5.5(Anthropic 문서 원문): 장시간 실행되는 에이전트형 코딩과 지식 작업에 특화; 최대 출력 128K; 기본 effort는 medium; 지식 기준 시점은 2026년 6월.
기본 설정값이라는 부분은 쉽게 지나칠 수 있어요. Qwen4-Max는 기본값이 high로 설정되고, 사고 과정도 출력으로 과금되기 때문에 실제 청구서 차이는 정가 기준의 22.5%보다 흔히 작아요. 뒤의 가격 부분에서 공개 리더보드에 나타난 간접 근거도 하나 보여드릴게요.

Qwen4-Max 대비 Opus 5.5: 터미널과 코드 저장소 작업
기존 Opus 사용자들이 가장 궁금해하는 부분이자, Qwen4-Max가 가장 조심스럽게 접근해야 하는 부분이에요.
| 기준(Qwen 공식 자체 보고, 동일 도표 대조) | Qwen4-Max | Opus 5.5 | 차이 |
|---|---|---|---|
| DeepSWE v1.1 | 75.7 | 74.2 | Qwen 1.5 높음 |
| CodeArena WebDev Elo | 1750 | 1816 | Qwen 66 낮음 |
| Terminal-Bench 4.0 | 48.5 | 59.6 | Qwen 11.1 낮음 |
| ProgramBench | 31.5 | 65.0 | Qwen 33.5 낮음 |
각 항목이 실제 업무에서 어떤 의미인지 하나씩 살펴볼게요.
- DeepSWE 1.5 높음: 주어진 이슈를 정확히 고치는 식의 작업에서는 Qwen4-Max가 이미 Opus 5.5와 같은 수준에 올라섰어요. 1.5점 차이는 사실상 동일하다고 봐도 되고, 리스크가 낮은 버그 수정 큐를 돌리는 데는 충분히 쓸 만해요.
- WebDev 66 Elo 낮음: 프런트엔드 페이지 생성의 전체적인 완성도에서 사용자 투표가 Opus 쪽으로 더 기울었어요. 랜딩 페이지나 컴포넌트 프로토타입을 만들 때는 그 차이가 눈으로 보일 수 있어요.
- Terminal-Bench 11.1 낮음: 터미널에서 명령을 연달아 실행하고 출력을 읽은 뒤 다음 단계를 판단하는 능력이 확실히 뒤져요. 이게 바로 Claude Code 같은 워크플로의 일상이라, 갈아타면 중간에 막히거나 사람이 개입해야 하는 상황이 늘어난다는 뜻이에요.
- ProgramBench 33.5 낮음: 이번 비교에서 가장 큰 약점이고, 점수가 거의 절반 수준까지 떨어져요. 프로그램을 처음부터 구축하거나 크게 고쳐 쓰는 작업에서는 Qwen4-Max를 Opus 5.5의 대체재로 쓰기엔 아직 무리예요.
공개 리더보드에서도 비슷한 위치 정보가 나와요. 공개 리더보드 스냅샷, 2026-11-14 기준으로 arena.ai의 Code Arena WebDev에는 총 1,007,405표, 159개 모델이 올라와 있는데요. Opus 5.5(Max)가 1816점으로 2위, Qwen4-Max(xHigh)가 1750점으로 6위예요. 다만 후자는 투표 수가 1,814표뿐이라 아직 Preliminary로 표시되어 있어서 순위는 계속 흔들릴 수 있어요.
코드 저장소 시나리오에서의 Qwen4-Max 활용 제안
여러분의 에이전트가 주로 저장소 전체 리팩터링, 모듈 간 마이그레이션, 또는 긴 체인의 터미널 작업을 한다면 Opus 5.5를 그대로 유지하는 걸 권해요. 작업을 “계획 + 실행” 두 단계로 쪼개 두었다면, Opus 5.5가 계획과 핵심 변경을 맡고 단일 파일 수정이나 테스트 보완 같은 국소 작업은 Qwen4-Max로 분담하는 방식을 고려해볼 수 있어요.
Qwen4-Max 대 Opus 5.5: 사무 업무와 장기 작업
사무 업무와 장시간 에이전트 작업의 결과는 코딩보다 더 분화돼서, 이기는 항목과 지는 항목이 나뉩니다.
| 벤치마크 (Qwen 공식 자체 보고 기준 동일 도표 비교) | Qwen4-Max | Opus 5.5 | 차이 |
|---|---|---|---|
| AA-Briefcase v1.1 Elo | 1686 | 1801 | Qwen 115 낮음 |
| JobBench | 68.5 | 75.4 | Qwen 6.9 낮음 |
| APEX-Agents v1.1 | 72.1 | 73.5 | Qwen 1.4 낮음 |
| AutomationBench-AA | 72.5 | 69.5 | Qwen 3.0 높음 |
| AgentArena Net Improvement | 7.5 | 18.2 | Qwen 10.7 낮음 |
실제 업무에 대응해 보면 이렇습니다.
- AA-Briefcase 115 Elo 낮음: 보고서, 기획안, 표 같은 사무 산출물에서는 Opus 5.5의 결과물이 더 쉽게 바로 채택됩니다. 사무 시나리오 가운데 격차가 가장 큰 항목이에요.
- JobBench 6.9 낮음: 실제 직무 과제에 가까운 종합 완성도에서는 여전히 Opus가 앞섭니다. 엔드투엔드로 결과물을 넘길 때 재작업 비율이 더 높을 수 있다는 뜻이에요.
- APEX-Agents 1.4 낮음: 범용 에이전트 작업에서는 사실상 대등해서, 모델을 바꿔도 체감 차이가 크지 않아요.
- AutomationBench 3.0 높음: 규칙이 명확한 프로세스 자동화는 오히려 Qwen4-Max의 강점입니다. 폼 처리, 데이터 이관, 정기 작업 오케스트레이션은 우선 이전하는 게 좋아요.
- AgentArena Net Improvement 10.7 낮음: 여러 차례 반복하면서 계속 개선하는 능력은 상대적으로 약합니다. 장기 작업이 갈수록 모델의 자기 수정에 의존할수록 Opus가 더 안정적이에요.
또한 Qwen4-Max는 최대 출력 393K, 사고 사슬(CoT) 상한 262K를 갖추고 있어서 한 번에 초장문 콘텐츠를 만들어야 하는 장기 작업에서는 실질적인 우위를 보여줍니다. 참고로 Opus 5.5의 최대 출력은 128K예요.
Qwen4-Max와 Opus 5.5 비교: 중국어와 멀티모달 장문 문서
먼저 짚고 넘어갈 점이 있어요. 참고 자료의 대조 차트에는 중국어 전용 벤치마크가 없습니다. 그래서 이 글에서는 “중국어는 누가 더 잘하나”라는 질문에 숫자로 답할 수 없어요. 중국어 품질이 핵심 지표라면 반드시 자체 샘플셋으로 A/B 테스트를 진행하시고, 다른 사람의 결론에 의존하지 마세요.
숫자로 말할 수 있는 건 멀티모달과 지식 계열 작업이에요:
| 벤치마크(Qwen 공식 자체 보고 동일 이미지 대조) | Qwen4-Max | Opus 5.5 | 차이 |
|---|---|---|---|
| Chartography | 54.2 | 66.3 | Qwen 12.1 낮음 |
| Video-Index | 68.1 | 74.8 | Qwen 6.7 낮음 |
| Humanity’s Last Exam | 51.7 | 59.8 | Qwen 8.1 낮음 |
| HLAB-Vals-1.1 | 21.3 | 9.2 | Qwen 12.1 높음 |
| BioMysteryBench | 85.0 | 81.9 | Qwen 3.1 높음 |
| HealthBench Professional | 60.0 | 59.9 | 사실상 동률 |
이 숫자들이 실제로 의미하는 바는 이래요. 차트를 읽고, 재무제표나 리서치 리포트 속 그래프 데이터를 뽑아내는 작업에서 Qwen4-Max는 12.1점 뒤지며, 좌표를 놓치거나 잘못 읽기 쉬워요. 영상 이해에서도 6.7점 차이가 있고, 고난도 종합 지식 문제(HLE)에서는 8.1점 뒤집니다. 반대로 생물학 추론과 의료 전문 Q&A에서는 Qwen4-Max가 동률이거나 오히려 살짝 앞서며, HLAB-Vals에서는 12.1점 앞서요.
그래서 장문 문서 작업은 다시 세분화해야 해요. 텍스트 중심이면서 초장문 출력이 필요한 문서라면 Qwen4-Max를 우선 후보로 고려할 수 있어요. 차트가 빽빽한 PDF나 영상 자료가 포함된 자료라면 여전히 Opus 5.5를 권장합니다.

Qwen4-Max와 Opus 5.5의 백만 토큰당 가격 및 캐시 비용 계산
가격은 Qwen4-Max의 가장 강력한 근거예요. 아래 표의 단위는 모두 1M 토큰당이며, 공식 가격은 각각 QwenCloud와 Anthropic 문서 원문에서, APIYI 현행 가격은 docs.apiyi.com/models에서 가져왔어요. 기준일은 2026-11-16입니다.
| 과금 항목 ($/1M 토큰) | Qwen4-Max 공식 | Opus 5.5 공식 | Qwen/Opus | APIYI qwen3.8-max |
APIYI claude-opus-5-5 |
|---|---|---|---|---|---|
| 입력 | 1.5 | 4 | 37.5% | 1.65 | 4 |
| 출력 | 4.5 | 20 | 22.5% | 4.95 | 20 |
| 캐시 읽기 | 0.075 | 0.20 | 37.5% | 0.20625 | 0.2 |
| 5분 캐시 쓰기 | 1.875 | 5 | 37.5% | 플랫폼 목록 기준 | 플랫폼 목록 기준 |
| 1시간 캐시 쓰기 | 3 | 8 | 37.5% | 플랫폼 목록 기준 | 플랫폼 목록 기준 |
두 모델의 캐시 구조는 사실 완전히 동일해요. 캐시 읽기는 모두 입력 가격의 5%, 5분 캐시 쓰기는 입력 가격의 1.25배, 1시간 캐시 쓰기는 2배예요. 따라서 Opus에서 설계한 캐시 전략을 Qwen4-Max에 그대로 옮길 수 있고, 청구서도 37.5% 비율로 작아져요. 주의할 점은 APIYI의 qwen3.8-max에서 캐시 읽기가 입력 가격의 12.5%로, Qwen4-Max 공식 비율과 다르다는 점이에요. 모델을 옮길 때는 실제 모델별로 따로 계산하세요.
실제 비용 계산 한 건
입력 1억 + 출력 1000만을 예로 들면, Qwen4-Max는 약 $195(150 + 45), Opus 5.5는 약 $600(400 + 200)이에요. 차액은 약 $405로, Opus 청구서의 약 3분의 2에 해당해요.
하지만 표시 가격이 실제 지불 금액과 같지는 않아요. 공개 리더보드 스냅샷, 2026-11-14에 따르면 단일 작업 비용 P50은 Opus 5.5(Max) $8.99, Qwen4-Max(xHigh) $4.18로, 비율은 약 46%였고 표시 가격의 22.5%가 아니었어요. 이유는 두 모델의 추론 설정이 다르고, Qwen4-Max는 기본값이 high이며 사고 과정이 출력 토큰으로 과금되어 토큰을 더 많이 쓰기 때문이에요. 실제로 얼마나 절약되는지는 작업 길이와 추론 설정에 따라 달라지니, 여러분의 트래픽을 재생해 직접 측정해 보세요.
💰 비용 팁: 청구서를 비교할 때는 단가만 보지 말고, 입력·출력·캐시 읽기·캐시 쓰기 네 가지 토큰 사용량을 함께 기록하세요. APIYI apiyi.com에서 같은 계정으로 두 모델을 동시에 호출하면 사용량 상세를 한곳에서 나란히 맞춰 볼 수 있어요.
Qwen4-Max와 Opus 5.5 비교: 의사결정 가이드와 3단계 마이그레이션
에이전트 하나를 Opus에서 Qwen으로 바꾸려면 모델 확인, 가격 비교, 프로토콜 맞추기라는 세 단계를 거쳐야 해요.
1단계: 모델 확인. 2026년 11월 16일 기준, Qwen4-Max는 APIYI에 아직 등록되지 않았으며, 곧 이 모델을 등록할 예정입니다. 현재 Qwen 쪽에서 가장 강력한 모델은 qwen3.8-max예요. Opus 쪽에서는 claude-opus-5-5를 사용할 수 있고, claude-opus-5-5-thinking도 있으며 가격은 같습니다. 모델과 가격은 apiyi.com 문서 센터의 모델 목록을 기준으로 하며, 정식 등록 전에는 qwen3.8-max로 그레이스케일(점진적 배포) 경로를 먼저 구성해 두면 됩니다.
2단계: 가격 비교. 앞선 섹션의 방법대로 1주간 실제 트래픽으로 양쪽 비용을 추정하고, 추론 강도 등급을 맞춘 뒤 비교하세요. APIYI apiyi.com의 모델 목록은 입력, 출력, 캐시 읽기 비용을 한 장의 통합 표에 모두 정리해 두어서, 비용 산정표의 데이터 소스로 바로 쓰기 좋습니다.
3단계: 프로토콜 맞추기. APIYI는 OpenAI 호환 API를 제공하며 엔드포인트는 https://api.apiyi.com/v1입니다. 모델을 전환할 때는 model 필드만 바꾸면 됩니다. 예를 들어 claude-opus-5-5를 qwen3.8-max로 바꾸더라도 api_key와 base_url은 그대로 유지해요. 추가로 두 가지를 확인해야 합니다. 추론 강도 파라미터는 Qwen 쪽에서 reasoning_effort라고 부르며 기본값은 high예요. Opus의 medium과 맞추고 싶다면 명시적으로 설정해야 합니다. 캐시의 쓰기 유지 시간과 적중(hit) 규칙도 대상 모델에 맞춰 다시 검증해야 해요.
🎯 그레이스케일 제안: 에이전트 전체를 한 번에 전환하지 마세요. 같은
base_url(https://api.apiyi.com/v1) 아래의 트래픽을 작업 유형별로 나누는 방식을 권장합니다. 먼저 자동화 작업과 국소 수정 작업을 이전하고, 터미널 작업과 리포지토리 전체 작업은 Opus 5.5에 남겨 두세요. 2주 동안 재작업률을 지켜본 뒤 다음 단계를 결정하세요.
자주 묻는 질문 FAQ
Q1: Qwen4-Max와 Opus 5.5, 어느 쪽이 coding agent에 더 적합한가요?
작업의 세분화 수준에 따라 달라요. 단일 이슈 수정(DeepSWE)에서는 두 모델이 비슷한 수준이라 Qwen4-Max로 비용을 절감할 수 있어요. 반면 터미널 다단계 작업과 전체 저장소 빌드(Terminal-Bench, ProgramBench)에서는 Opus 5.5가 확실히 앞서는데, 특히 ProgramBench에서는 33.5점 차이가 나요. 이런 작업에는 계속 Opus를 쓰는 게 좋아요.
Q2: 알리바바 그래프의 점수와 arena 순위표를 함께 비교할 수 있나요?
같은 기준으로 볼 수 없어요. 전자는 Qwen 공식이 자체 보고한 동일 그래프 대조이고, 후자는 공개 순위표 스냅샷(2026-11-14)이에요. 게다가 Qwen4-Max는 순위표에서 겨우 1,814표를 얻어 아직 Preliminary 상태예요. 두 가지는 트렌드를 상호 참조할 수는 있지만, “몇 점 앞선다”는 하나의 결론으로 합쳐서는 안 돼요.
Q3: Qwen4-Max로 바꾸면 실제로 얼마나 절약되나요?
표시 가격 기준으로 입력은 62.5%, 출력은 77.5% 절약돼요. 하지만 공개 순위표의 작업당 비용 P50 비율은 약 46%인데, Qwen4-Max의 기본 추론 단계가 더 높고 사고 토큰이 더 많기 때문이에요. 실제 절감액은 여러분의 트래픽을 재생(replay)해서 측정해야 해요.
Q4: 지금 APIYI에서 Qwen4-Max를 호출할 수 있나요?
아직은 안 돼요. Qwen4-Max는 아직 등록되지 않았고, 최대한 빨리 등록할게요. 현재는 `qwen3.8-max`로 마이그레이션 경로를 구축할 수 있고, 등록 후에는 `model` 필드만 바꾸면 돼요. 모델 상태는 APIYI apiyi.com의 모델 목록을 기준으로 확인하세요.
Q5: Opus에서 Qwen으로 전환하려면 코드를 얼마나 고쳐야 하나요?
OpenAI 호환 인터페이스를 이미 쓰고 있다면 `base_url`을 `https://api.apiyi.com/v1`로 지정한 뒤 모델 이름만 바꾸고, 필요에 따라 `reasoning_effort`를 설정하면 돼요. APIYI apiyi.com에 가입하면 신규 사용자 무료 테스트 크레딧으로 먼저 한 라운드 비교해볼 수 있어요.
Q6: Qwen4-Max에는 어떤 알려진 제한이 있나요?
터미널과 전체 저장소 코딩이 최대 약점이고, 차트 이해는 12.1점 뒤지며, 사무 산출물 Elo는 115 낮고, 다중 라운드 자기 개선 능력도 다소 약해요. 또한 모든 대조 점수는 벤더가 자체 보고한 것으로 아직 제3자 재현이 없고, 중국어 능력도 전문 벤치마크 데이터가 부족해요.
Qwen4-Max와 Opus 5.5 핵심 포인트 Key Takeaways
- 가장 큰 약점: ProgramBench에서 33.5점 낮아요. 전체 저장소 빌드와 리팩터링은 계속 Opus 5.5를 쓰는 게 좋아요.
- 대등한 영역: DeepSWE, APEX-Agents, HealthBench는 사실상 비슷해서 우선 분산 처리할 수 있어요.
- Qwen의 강점: 워크플로 자동화, 바이오메디컬 추론, 393K 초장문 출력.
- 가격 구조: 입력 37.5%, 출력 22.5%, 캐시 네 항목의 비율도 Opus와 완전히 동일한 구조예요.
- 실제 결제 차이: 기본 추론 티어가 high이고, 공개 리더보드 작업의 비용 비율은 약 46% 수준이에요.
- 마이그레이션 경로: APIYI apiyi.com에서 동일 엔드포인트로 먼저
qwen3.8-max를 실행해 보고, Qwen4-Max가 출시되면 바로 교체하면 돼요.
정리
Qwen4-Max와 Opus 5.5의 선택은 세 가지로 정리할 수 있어요.
- 터미널과 코드 저장소는 Opus 5.5에 맡기세요: Terminal-Bench와 ProgramBench의 격차는 가격 차이로 재작업 비용을 상쇄할 수 없어요.
- 자동화와 높은 동시성은 Qwen4-Max에 맡기세요: 성능이 비슷하거나 앞서는 작업에서는 청구서가 30~50%로 줄어드는 것만으로도 순수 이익이에요.
- 전체 교체가 아니라 작업별 분산: 같은 인터페이스를 사용하면서 작업 유형에 따라 라우팅하는 것이 가장 위험 부담이 적은 마이그레이션 방식이에요.
먼저 APIYI apiyi.com에서 qwen3.8-max와 claude-opus-5-5로 자체 작업 리플레이를 한 번 돌려 보고, Qwen4-Max가 출시된 뒤 최종 전환 결정을 내리는 걸 권장해요.
📚 참고 자료
- Qwen4-Max 발표 블로그: 모델 사양 및 공식 자체 보고 벤치마크 비교
- 링크:
qwen.ai/blog?id=qwen4-max -
설명: 아키텍처 파라미터, 컨텍스트 및 출력 상한, 동일 차트 비교 점수 포함
-
Anthropic 모델 개요: Opus 5.5 사양 안내
- 링크:
platform.claude.com/docs/en/about-claude/models/overview.md -
설명: 컨텍스트, 최대 출력, 기본 effort 및 지식 마감 시점
-
Anthropic 가격 페이지: Opus 5.5 입출력 및 캐시 가격
- 링크:
platform.claude.com/docs/en/about-claude/pricing.md -
설명: 5분 및 1시간 캐시 쓰기 가격 포함
-
APIYI 모델 목록: 플랫폼 현행 가격 및 사용 가능 모델
- 링크:
docs.apiyi.com/models - 설명: 이전 전 모델 등록 상태와 가격 확인
작성자: APIYI 기술팀
기술 교류: APIYI apiyi.com 웹사이트 홈페이지에서 저희에게 연락해 주세요. 더 많은 연결 자료는 docs.apiyi.com 문서 센터에서 확인할 수 있습니다.
