99 lines
4.2 KiB
Markdown
99 lines
4.2 KiB
Markdown
---
|
|
id: wiki-2026-0508-tokenization-economics
|
|
title: Tokenization Economics
|
|
category: 10_Wiki/Topics
|
|
status: needs_review
|
|
canonical_id: self
|
|
aliases: [P-Reinforce-AUTO-TKNE-001]
|
|
duplicate_of: none
|
|
source_trust_level: A
|
|
confidence_score: 1.0
|
|
tags: [auto-reinforced, token-economics, cost-optimization, inference-efficiency, throughput]
|
|
raw_sources: []
|
|
last_reinforced: 2026-05-04
|
|
github_commit: pending
|
|
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
|
tech_stack:
|
|
language: unspecified
|
|
framework: unspecified
|
|
---
|
|
|
|
# [[Tokenization Economics|Tokenization Economics]]
|
|
|
|
## 📌 한 줄 통찰 (The Karpathy Summary)
|
|
> "토큰이 곧 돈이다: 모델의 연산량, VRAM 사용량, API 비용, 그리고 응답 지연 시간이 모두 '토큰의 개수'에 정비례하므로, 토큰 효율성을 최적화하는 것이 지속 가능한 AI 서비스의 핵심 경제학."
|
|
|
|
## 📖 구조화된 지식 (Synthesized Content)
|
|
토큰 경제학(Token Economics)은 시스템 레벨에서 토큰 사용량을 최적화하여 효율과 비용의 균형을 맞추는 엔지니어링 전략입니다.
|
|
|
|
1. **토크나이저 트레이드오프 삼각형 (Triangle)**:
|
|
* **Cost (비용)**: 토큰 수가 많을수록 API 비용과 인프라 유지비가 증가합니다.
|
|
* **Performance (성능)**: 토큰 수가 많으면 생성 지연 시간(Latency)이 늘어나고 처리량(Throughput)이 줄어듭니다.
|
|
* **Quality (품질)**: 너무 공격적으로 토큰을 압축하거나 줄이면 모델의 이해도나 표현의 정밀도가 떨어집니다.
|
|
2. **최적화 전략**:
|
|
* **Dynamic Allocation**: 고정된 길이를 할당하는 대신, 실제 입력에 맞춰 시퀀스 길이를 동적으로 조정하여 메모리 낭비를 줄입니다 (최대 45% 절감).
|
|
* **Predictive Tokenization**: 작업의 복잡도를 예측하여 적절한 토큰 예산을 할당합니다.
|
|
* **Prefix Caching**: 반복되는 시스템 프롬프트나 대규모 문서는 토크나이징 결과를 캐싱하여 재사용합니다.
|
|
3. **데이터 엔트로피 최적화**:
|
|
* 불필요한 공백, 중복 서식, 노이즈 텍스트를 전처리 단계에서 제거하여 '의미당 토큰 수'를 최소화합니다.
|
|
|
|
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
|
* **다국어 처리 오버헤드**: 특정 언어(예: 텔루구어)는 영어보다 7배 이상의 토큰을 소모할 수 있어, 글로벌 서비스 설계 시 예기치 못한 비용 폭발의 위험이 있습니다.
|
|
* **중복의 함정**: RAG에서 청크 중첩(Overlap)을 과하게 사용하면 동일한 정보가 여러 번 토큰화되어 VRAM을 낭비하게 됩니다.
|
|
|
|
## 🔗 지식 연결 (Graph)
|
|
* **상위 개념**: [[Tokenization & Subword Processing|Tokenization & Subword Processing]]
|
|
* **연관 기술**: [[Prefix Caching|Prefix Caching]], [[KV Cache Management|KV Cache Management]]
|
|
* **해결 과제**: [[LLM Inference Optimization|LLM Inference Optimization]]
|
|
|
|
---
|
|
*Last updated: 2026-05-04*
|
|
|
|
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
|
|
|
**언제 이 지식을 쓰는가:**
|
|
- *(TODO)*
|
|
|
|
**언제 쓰면 안 되는가:**
|
|
- *(TODO)*
|
|
|
|
## 🧪 검증 상태 (Validation)
|
|
|
|
- **정보 상태:** needs_review
|
|
- **출처 신뢰도:** A
|
|
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
|
|
|
|
## 🧬 중복 검사 (Duplicate Check)
|
|
|
|
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
|
|
- **처리 방식:** UPDATE (자동 정규화)
|
|
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
|
|
|
|
## 🕓 변경 이력 (Changelog)
|
|
|
|
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
|
|------|-----------|-----------|--------|
|
|
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
|
|
|
## 💻 코드 패턴 (Code Patterns)
|
|
|
|
**패턴 1:** *(TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)*
|
|
|
|
```text
|
|
# TODO
|
|
```
|
|
|
|
## 🤔 의사결정 기준 (Decision Criteria)
|
|
|
|
**선택 A를 써야 할 때:**
|
|
- *(TODO)*
|
|
|
|
**선택 B를 써야 할 때:**
|
|
- *(TODO)*
|
|
|
|
**기본값:**
|
|
> *(TODO)*
|
|
|
|
## ❌ 안티패턴 (Anti-Patterns)
|
|
|
|
- **[안티패턴]:** *(TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)* |