Foundry 도구의 Azure Content Understanding 가격 책정

이 문서에서는 명확한 예제 및 비용 분석이 포함된 Foundry Tools 가격 책정 모델의 Azure Content Understanding에 대해 설명합니다. 청구되는 요금과 워크로드 비용을 예측하는 방법을 알아봅니다.

특정 가격 책정 요금은 Azure Content Understanding 가격 책정을 참조하세요.

두 가지 유형의 요금 이해

Azure Content Understanding 가격 책정은 다음 두 가지 주요 사용 범주를 기반으로 합니다.

1. 콘텐츠 추출 요금

콘텐츠 추출은 구조화되지 않은 입력(문서, 오디오, 비디오)을 구조화되고 검색 가능한 텍스트 및 콘텐츠로 변환합니다. 이 출력에는 문서에 대한 OCR(광학 문자 인식), 오디오/비디오의 음성 텍스트 변환 및 레이아웃 검색이 포함됩니다. 처리된 입력 단위당 지불:

• 문서: 1,000페이지당
• 오디오 및 비디오: 분당

2. 생성 기능 요금

LLM(큰 언어 모델)을 호출하는 AI 기반 기능을 사용하는 경우 다음 두 가지 유형의 요금이 발생합니다.

• 컨텍스트화 요금: 컨텍스트를 준비하고, 신뢰도 점수를 생성하며, 출처 기반을 확립하고, 출력 서식을 정리합니다. 자세한 내용은 컨텍스트화 토큰을 참조하세요.
• 생성 모델 요금: Microsoft Foundry 모델 배포의 토큰 기반 비용(생성을 위한 LLM, 학습 예제를 위한 임베딩). Content Understanding은 생성 AI와 관련된 모든 호출에 대해 제공된 Foundry 모델 배포를 사용합니다. Content Understanding에 LLM 또는 포함 토큰 사용량 청구가 표시되지 않습니다. 해당 사용량은 Foundry 모델 배포에 표시됩니다. 자세한 내용은 생성 모델 요금을 참조하세요.

생성 기능에는 필드 추출, 그림 분석, 세분화, 분류, 학습이 포함됩니다.

비용 수식

Content Understanding 분석기를 실행하는 데 드는 총 비용은 다음 수식을 따릅니다.

Total Cost = Content Extraction + Contextualization Tokens + LLM Input Tokens + LLM Output Tokens + Embeddings Tokens

생성 기능 없이 콘텐츠 추출만 사용하는 경우 콘텐츠 추출에 대해서만 요금이 청구됩니다. 생성 기능을 사용하는 경우 적용 가능한 모든 요금이 적용됩니다.

비용을 예측하는 방법

1. 대표 파일로 테스트

실제 파일 및 스키마를 사용하여 작은 테스트 분석을 실행합니다. usage 분석기 API 응답에서 개체를 확인하여 실제 토큰 사용량을 확인합니다.

  "usage": {
    "documentPagesMinimal": 0, // Pages processed at the minimal level (i.e. txt, xlsx, html, and other digital file types)
    "documentPagesBasic": 0, // Pages processed at the basic level (i.e. read)
    "documentPagesStandard": 2, // Pages processed at the standard level (i.e. layout)
   
    "contextualizationToken": 2000,
    "tokens": {
      "gpt-4.1-input": 10400,
      "gpt-4.1-output": 360,
    }
  }

2. Azure 가격 계산기 사용

Azure 가격 계산기에서 Content Understanding을 찾아 설정을 구성합니다.

• 계산기에 "Content Understanding" 추가
• 1단계의 테스트 결과를 사용하여 페이지당 또는 분당 토큰 평균 계산
• 지역, 파일 형식, 예상 볼륨 및 모델 배포와 함께 토큰 수를 입력합니다.

계산기는 워크로드에 대한 정확한 비용 예측을 제공합니다.

가격 책정 예제: 청구서 필드 추출

예측 방법에 따라 비용을 계산하는 방법을 보여 주는 구체적인 예제를 수동으로 살펴보겠습니다. 공급업체 이름, 청구서 번호, 총 금액 및 품목과 같은 구조화된 데이터를 추출하기 위해 청구서를 처리하고 있습니다.

시나리오: 원본 접지 및 신뢰도 점수가 비활성화된 GPT-4o-mini를 사용하여 1,000개의 청구서 페이지를 처리하려고 합니다.

1단계: 대표 파일로 테스트 대표 파일을 테스트한 후 페이지당 다음과 같은 평균 토큰 사용량을 발견했습니다.

• 입력 토큰: 페이지당 1,100개
• 출력 토큰: 페이지당 60개
• 컨텍스트화: 페이지당 1,000개의 토큰(고정 속도)

1,000페이지의 경우 합계는 다음과 같습니다.

• 총 입력 토큰: 1,000페이지 × 1,100 = 1,100,000개의 토큰
• 총 출력 토큰: 1,000페이지 × 60 = 60,000개의 토큰
• 총 컨텍스트화 토큰: 1,000페이지 × 1,000 = 1,000,000개의 토큰

2단계: 가격 계산기를 사용하는 대신 수동으로 비용 계산 다음 가격 책정 가정과 함께 GPT-4o-mini 글로벌 배포 사용:

가격 책정 가정 :

• 콘텐츠 추출: 1,000페이지당 $5.00
• 컨텍스트화 처리: 100만 토큰당 $1.00
• GPT-4o-mini 입력 토큰: 1M 토큰당 $0.40
• GPT-4o-mini 출력 토큰: 1M 토큰당 $1.60
• 임베딩: 1,000개 토큰당 $0.02. 학습 예제와 함께 기술 자료를 사용하지 않으므로 포함 요금이 적용되지 않습니다. 정확도를 높이기 위해 레이블이 지정된 예제를 추가한 경우 시스템은 입력 문서의 모든 텍스트와 완료 입력 토큰을 포함하는 포함 토큰 사용을 추가하여 컨텍스트 창에 추가된 예제 데이터를 처리합니다.

비용 계산:

• 콘텐츠 추출: 1,000페이지 × 1,000페이지당 $5.00 = $5.00
• 문맥화: 1,000,000개 토큰 × 1M 토큰당 $1.00 = $1.00
• 입력 토큰: 토큰 1,100,000개 × 1M 토큰당 $0.40 = $0.44
• 출력 토큰: 60,000개의 토큰 × 1M 토큰당 $1.60 = $0.10
• 임베딩: 사용되지 않음 = $0.00

Total Cost = $5.00 + $1.00 + $0.44 + $0.10 + $0.00 = $6.54 per 1000 pages

자세한 비용 구성 요소

콘텐츠 추출

콘텐츠 추출은 문서, 오디오 또는 비디오 등 구조화되지 않은 입력을 표준화되고 재사용 가능한 형식으로 변환하는 데 필수적인 첫 번째 단계입니다. 이 기본 처리는 모든 생성 기능에 필요하며 독립 실행형으로 사용할 수 있습니다.

형식별 콘텐츠 추출 가격 책정:

• 문서: 처리 복잡성에 따라 3계층 미터(최소, 기본 또는 표준)
• 오디오: 음성을 텍스트로 변환 (단일 표준 미터, 분당 가격이 책정됨)
• 비디오: 프레임 추출, 샷 감지 및 음성을 텍스트로 전사(단일 표준 미터, 분당 요금)
• 이미지: 콘텐츠 추출 요금 없음

문서 콘텐츠 추출 미터

문서의 경우 Content Understanding이 수행하는 처리 유형에 대한 요금이 청구됩니다.

기본 미터: Content Understanding이 OCR 처리를 수행하여 이미지 기반 문서(스캔된 PDF, 이미지, TIFF)에서 텍스트를 추출할 때 적용됩니다.

표준 미터: Content Understanding이 이미지 기반 문서(스캔한 PDF, 이미지, TIF)에서 테이블 인식 및 구조적 요소 검색을 포함하여 레이아웃 분석을 수행할 때 적용됩니다.

최소 미터: OCR 또는 레이아웃 처리가 필요하지 않은 디지털 문서(DOCX, XLSX, HTML, TXT)에 적용됩니다. 사용하는 분석기의 요금에 관계없이 최소 요금이 청구됩니다. 디지털 문서에서 레이아웃 분석기를 호출하더라도 수행된 최소 처리에 대해서만 요금이 청구됩니다.

다음 표에서는 파일 형식 및 분석 수준에 따라 적용되는 미터를 보여 줍니다.

생성 기능

Content Understanding의 생성 기능은 생성 AI 모델을 사용하여 출력의 품질을 향상시킵니다. 최신 API 버전 [2025-11-01]에서는 사용 사례(예: GPT-4o 또는 GPT-4o-mini)에 따라 생성 모델을 선택할 수 있습니다.

생성 기능을 사용하는 경우 Content Understanding은 제공한 Foundry 모델 배포를 사용합니다. 완료 또는 포함 모델에 대한 토큰 사용량은 해당 배포에 있습니다.

컨텍스트화 토큰

컨텍스트화는 생성 모델에 대한 컨텍스트를 준비하고 출력을 최종 구조화된 결과로 후처리하는 Content Understanding의 처리 계층입니다.

컨텍스트화에서 제공하는 기능:

• 정규화 및 서식을 구조화된 스키마로 출력
• 정보의 원본을 보여 주는 원본 근거
• 추출 안정성에 대한 신뢰도 점수 계산
• LLM 사용량 및 정확도를 최적화하는 컨텍스트 엔지니어링

요금이 청구되는 경우: 생성 기능을 사용할 때마다(필드 추출, 그림 분석, 세분화, 분류, 학습)

가격 책정: 콘텐츠 단위당 고정 요금

컨텍스트화 토큰은 콘텐츠 단위별로 계산됩니다.

100만 개의 컨텍스트화 토큰당 $1.00를 가정합니다.

LLM(생성 모델 요금)

실제 필드 추출, 분석 및 기타 생성 기능을 지원하는 Foundry 모델의 토큰 기반 요금입니다.

입력 토큰은 다음과 같습니다.

• 추출된 텍스트 및 대본
• 이미지 토큰(시각적 분석용)
• 당신의 스키마 정의
• 시스템 프롬프트
• 학습 예제(기술 자료를 사용하는 경우)

출력 토큰은 다음과 같습니다.

• 필드 값 및 구조화된 데이터
• 신뢰도 점수와 출처 기반
• 분석 결과 및 설명

비용 최적화: 상당한 절감을 위해 더 작은 모델(GPT-4o-mini) 또는 글로벌 배포를 선택합니다.

임베딩 요금

정확도를 높이기 위해 레이블이 지정된 예제를 사용하여 사용자 지정 분석기를 학습할 때 사용되는 모델 포함에 대한 토큰 기반 요금입니다.

• 요금이 청구되는 경우: 레이블이 지정된 데이터와 함께 학습 기능을 사용하는 경우에만
• 모델: text-embedding-3-large, text-embedding-3-small 또는 text-embedding-ada-002
• 일반적인 사용: 전체 문서가 포함됩니다. 사용량은 텍스트의 밀도에 따라 달라질 수 있지만 페이지당 최대 1,500개의 토큰이 초기 예상값입니다.

생성 기능 세부 정보

각각 비용에 약간 다른 영향을 미치는 몇 가지 생성 기능이 있습니다.

필드 추출

스키마 정의에 따라 구조화된 키-값 쌍을 생성합니다. 예로는 청구서 보낸 사람/수신기, 품목 또는 태그라인과 제품 모양과 같은 동영상 광고 요소가 있습니다.

비용 영향: 스키마 복잡성 및 콘텐츠 크기로 요금 크기 조정

그림 분석

RAG 워크플로에서 시각적 콘텐츠를 검색할 수 있도록 이미지, 차트 및 다이어그램에 대한 설명 텍스트를 만듭니다.

비용 영향: 분석된 이미지당 LLM 토큰 - 이미지 해석을 위한 입력 토큰과 설명을 위한 출력 토큰. 사용량은 문서에 포함된 이미지의 크기와 수로 확장됩니다.

세분화

대상 처리 및 효율성 향상을 위해 문서 또는 비디오를 논리적 섹션으로 나눕니다.

비용 영향: 생성된 각 세그먼트에 대한 출력 토큰 비용입니다. 필요에 따라 각 세그먼트에 대한 추가 분석을 위해 분석기를 연결할 수 있습니다. 연결하면 연결된 분석기를 독립적으로 실행하는 것과 동일한 더 많은 콘텐츠 추출 및 생성 사용량이 발생합니다.

분류

분류 및 지능형 라우팅을 위해 문서 또는 세그먼트에 레이블을 특수 분석기로 할당합니다.

비용 영향: 분류에 대한 LLM 및 문맥화 비용입니다. 다른 분석기로 라우팅하면 해당 요금이 추가되었습니다.

학습

도메인별 정확도 향상을 위해 레이블이 지정된 예제를 사용하여 사용자 지정 분석기를 빌드합니다.

비용 영향: 레이블이 지정된 데이터를 추가할 때 토큰 사용량이 증가하며, 학습 예제가 검색되고 모델에 제공될 때 분석 중 LLM 토큰 사용량도 증가합니다.

참조 자료

도메인별 정확도 향상을 위해 레이블이 지정된 학습 예제를 사용하여 사용자 지정 분석기를 향상시킵니다.

비용 영향: Embeddings 모델은 샘플을 인덱싱하고 검색하는 데 사용됩니다. 또한 학습 예제를 검색하여 모델에 제공할 때 분석 중에 LLM 토큰이 사용됩니다.

자주 묻는 질문

LLM 사용량에 대한 요금은 언제 청구되나요?

LLM 토큰에 대한 요금은 분석기에 Foundry 배포를 제공하고 콘텐츠 이해에서 생성 기능을 사용하는 경우에만 청구됩니다. 콘텐츠 추출만 수행하는 분석기(예: prebuilt-readprebuilt-layout생성 기능이 없는 사용자 지정 분석기)에는 LLM 요금이 부과되지 않습니다.

Foundry 모델 사용량에 대해 두 번 청구하나요?

아니요. 콘텐츠 이해는 모든 LLM 및 포함 호출에 연결된 LLM 배포를 사용합니다. 이러한 배포에 대한 요금이 청구됩니다. 콘텐츠 추출 및 컨텍스트화를 위해 Content Understanding에 비용을 지불하고, 생성 모델 토큰(입력/출력 토큰 및 임베딩)에 대해 Foundry에 비용을 지불합니다.

더 작은 모델로 얼마나 절약할 수 있나요?

GPT-4o 대신 GPT-4o-mini를 선택하면 LLM 비용을 최대 80%절감할 수 있습니다. 글로벌 배포를 통해 9% 절감할 수 있습니다. 콘텐츠 추출 및 컨텍스트화 요금은 모델 선택에 관계없이 동일하게 유지됩니다.

토큰 사용량이 증가하는 것은 무엇인가요?

토큰 사용량을 곱하는 몇 가지 기능:

• 소스 그래운딩 + 신뢰 점수: 약 2배 토큰 사용량
• 추출 모드: 최대 1.5x 토큰 사용
• 학습 예제: 최대 2배 토큰 사용량
• 세분화/분류: 최대 2배 토큰 사용

요청이 실패하면 요금이 청구하나요?

Content Understanding은 오류(예: 400 오류)로 요청이 실패할 때 콘텐츠 추출 또는 컨텍스트화에 대해 요금을 부과하지 않습니다. 그러나 실패가 발생하기 전에 Foundry 완성 모델에 대한 호출이 해당 요청의 일부로 성공한 경우 Foundry의 청구 정책에 따라 Foundry 모델 사용량에 대한 요금이 청구됩니다.

비용 최적화 팁

• 미니 모델 시작 - GPT-4o-mini는 대부분의 추출 작업에 상당한 비용을 절감합니다.
• 데이터 상주 및 규정 준수를 허용하는 경우 전역 배포 사용
• 선택적으로 고급 기능 사용 - 필요한 경우 소스 기반 및 신뢰도 점수만 사용
• 실제 토큰 사용량을 이해하기 위해 크기 조정 전에 대표 파일 테스트
• Azure Portal을 통해 정기적으로 사용량을 모니터링하여 최적화 기회 식별

추가 가격 책정 예제

다양한 시나리오에서 가격 책정이 작동하는 방식을 보여 주는 자세한 예제는 다음과 같습니다.

예제 1: RAG 워크플로에 대한 문서 처리

시나리오: RAG(Retrieval-Augmented Generation) 솔루션을 위해 문서에서 콘텐츠를 추출해야 합니다. 텍스트, 레이아웃 및 그림 설명을 추출하는 데 사용합니다 prebuilt-documentSearch .

입력:

• 1,000페이지
• 모델: GPT-4.1 전역 배포
• 지역: 미국 동부

가격 책정 분석:

1. 콘텐츠 추출: 1,000페이지

   • 비용: (1,000 / 1,000) × $5.00 = $5.00

2. 그림 분석:

   페이지당 두 개의 수치를 가정합니다. 그림당 약 1,000개의 입력 및 200개의 출력 토큰이 발생합니다.

   • 입력 토큰: 2,000개 그림 × 1000개 토큰/이미지 = 2,000,000개의 토큰
   • 비용: (2,000,000 / 1,000,000) × $2.00 = $4.00
   • 출력 토큰: 2,000페이지 × 200개 토큰/페이지 = 400,000개 토큰
   • 비용: (400,000 / 1,000,000) × $8.00 = $3.2

3. 컨텍스트화: 1,000페이지 × 1,000개 토큰/페이지 = 1,000,000개 토큰

   • 비용: (1,000,000 / 1,000,000) × $1.00 = $1.00

총 예상 비용: $5.00 + $4 + $3.2 + $1.00 = $13.20

예제 2: 필드 추출을 사용하여 청구서 처리

시나리오: 구조화된 데이터(송장 번호, 날짜, 공급업체, 합계, 품목)를 추출하는 데 사용하여 prebuilt-invoice 청구서 처리를 자동화하고 있습니다.

입력:

• 1,000페이지
• 모델: GPT-4.1-mini 글로벌 배포(비용 최적화)
• 기능: 추출 모드 + 원본 예측 + 신뢰도 점수
• 지역: 미국 동부

가격 책정 분석:

1. 콘텐츠 추출: 1,000페이지

   • 비용: (1,000 / 1,000) × $5.00 = $5.00

2. 필드 추출: 원본 추정 + 신뢰도를 사용하도록 설정하면 토큰 사용량은 페이지당 최대 2배가 됩니다.

   • 기본 입력 토큰: 1,000페이지 × 5,200개 토큰/페이지 = 5,200,000개 토큰
   • 비용: (5,200,000 / 1,000,000) × $0.40 = $2.08
   • 기본 출력 토큰: 1,000페이지 × 180개 토큰/페이지 = 180,000개 토큰
   • 비용: (180,000 / 1,000,000) × $1.60 = $0.29

3. 컨텍스트화: 1,000페이지 × 1,000개 토큰/페이지 = 1,000,000개 토큰

   • 비용: (1,000,000 / 1,000,000) × $1.00 = $1.00

총 예상 비용: $5.00 + $2.08 + $0.29 + $1.00 = $8.37

예제 3: 세그먼트 수준 필드 추출을 사용하여 비디오 콘텐츠 분석

시나리오: RAG 애플리케이션에 대한 비디오 콘텐츠의 구조화된 표현을 추출하고 있습니다. 비디오의 각 세그먼트당 구조화된 데이터를 추출하려면 prebuilt-videoSearch를 사용할 수 있습니다. 세그먼트는 평균 15~30초의 짧은 클립이므로 세그먼트당 단일 요약 필드가 있는 수많은 출력 세그먼트가 생성됩니다.

입력:

• 비디오 60분(1시간)
• 모델: GPT-4.1 전역 배포
• 지역: 미국 동부

가정:

• 입력 토큰: 분당 7,500개의 토큰(샘플링된 프레임, 전사, 스키마 프롬프트 및 메타프롬프트 기반)
• 출력 토큰: 분당 900개의 토큰(자동 구분이 있는 세그먼트당 10~20개의 짧은 구조화된 필드 가정)
• 맥락화: 비디오 한 시간당 1,000,000개의 토큰

가격 책정 분석:

1. 콘텐츠 추출: 60분

   • 비용: 60분 × $1/시간 = $1.00

2. 필드 추출:

   • 입력 토큰: 60분 × 7,500개의 토큰/분 = 450,000개의 토큰
   • 비용: (450,000 / 1,000,000) × $2.00 = $0.90
   • 출력 토큰: 60분 × 900 토큰/분 = 54,000개의 토큰
   • 비용: (54,000 / 1,000,000) × $8.00 = $0.43

3. 컨텍스트화: 시간당 1,000,000개의 토큰

   • 비용: (1,000,000 / 1,000,000) × $1.00 = $1.00

총 예상 비용: $1.00 + $0.90 + $0.43 + $1.00 = $3.33

예제 4: 오디오 콜 센터 녹음 처리

시나리오: 대본, 화자 일기, 감정 분석 및 요약을 생성하는 데 사용하는 prebuilt-callCenter 콜 센터 녹음을 분석합니다.

입력:

• 오디오 60분
• 모델: GPT-4.1-mini 글로벌 배포
• 지역: 미국 동부

가격 책정 분석:

1. 콘텐츠 추출: 60분

   • 비용: 60분 × $0.36/분 = $0.36

2. 필드 추출:

   • 입력 토큰: 60분 × 604개 토큰/분 = 36,240개의 토큰
   • 비용: (36,240 / 1,000,000) × $0.40 = $0.01
   • 출력 토큰: 60분 × 19개의 토큰/분 = 1,140개의 토큰
   • 비용: (1,140 / 1,000,000) × $1.60 = $0.00

3. 문맥 설정: 60분 × 1,667개의 토큰/분 = 100,020개의 토큰

   • 비용: (100,020 / 1,000,000) × $1.00 = $0.10

총 예상 비용: $0.36 + $0.01 + $0.00 + $0.10 = $0.47

예제 5: 캡션을 사용하여 이미지 처리

시나리오: 를 사용하여 prebuilt-imageSearch제품 이미지에 대한 설명 캡션을 생성합니다.

입력:

• 이미지 1,000개
• 모델: GPT-4.1 전역 배포
• 지역: 미국 동부

가격 책정 분석:

1. 콘텐츠 추출: 이미지에 대한 요금 없음

   • 비용: $0.00

2. 필드 추출:

   • 입력 토큰: 1,000개의 이미지 × 1,043개의 토큰/이미지 = 1,043,000개의 토큰
   • 비용: (1,043,000 / 1,000,000) × $2.00 = $2.09
   • 출력 토큰: 1,000개의 이미지 × 170개의 토큰/이미지 = 170,000개의 토큰
   • 비용: (170,000 / 1,000,000) × $8.00 = $1.36

3. 컨텍스트화: 1,000개의 이미지 × 1,000개의 토큰/이미지 = 1,000,000개의 토큰

   • 비용: (1,000,000 / 1,000,000) × $1.00 = $1.00

총 예상 비용: $0.00 + $2.09 + $1.36 + $1.00 = $4.45

다음 단계

• Azure Content Understanding 가격 책정 페이지
• Azure 가격 계산기
• 콘텐츠 이해 빠르게 시작하기
• Content Understanding에 대한 모범 사례
• 미리 빌드된 분석기