블로그로 돌아가기
Tech Insight2026년 11월 19일102

upstage document ai 2026 — Document Parse 가격과 Docling 손익분기 월 7만 페이지

upstage document ai — Document Parse 가격·입력 포맷을 공식 문서로 대조했습니다. Standard 페이지당 $0.01(프로모션 $0.005)·Enhanced $0.03이고 HWP·HWPX를 그대로 받습니다. Docling은 MIT 무료지만 HWP 미지원입니다.

Upstage Document Parse는 페이지당 과금하는 API이고, Docling은 내 장비에서 돌리는 MIT 라이선스 오픈소스입니다. 2026년 11월 19일 기준 Document Parse Standard는 페이지당 $0.01(프로모션 $0.005, 2027-02-16까지), Enhanced는 $0.03이고, Docling은 소프트웨어 비용이 0인 대신 GPU 시간을 직접 냅니다. 갈림길은 정확도가 아니라 월 처리량과 데이터를 밖으로 보낼 수 있는지 둘입니다.

결론부터 적으면 이렇습니다.

  • 월 1만 페이지 아래면 API가 쌉니다. 전용 GPU 인스턴스는 쉬는 시간에도 요금이 붙습니다.
  • 월 7만 페이지 위면 상시 가동 GPU가 Standard 단가를 역전합니다 (아래 손익분기 표).
  • 문서가 밖으로 나갈 수 없으면 처리량과 무관하게 Docling입니다. 망분리·에어갭 환경에서 전부 로컬로 돕니다.
  • 문서함이 HWP·HWPX 중심이면 Upstage가 그대로 받고, Docling은 변환 단계를 하나 더 만들어야 합니다.

Upstage Document Parse 가격 — 공식 페이지 그대로

Upstage API 가격 페이지를 2026-11-19에 직접 대조한 값입니다. 모두 10% 부가세 별도입니다.

제품등급페이지당프로모션
Document ParseStandard$0.01$0.005 (2026-11-16 ~ 2027-02-16 UTC)
Document ParseEnhanced$0.03—
Information ExtractStandard$0.04—
Information ExtractEnhanced$0.06—
Document OCR—$0.0015—
Document Classify—$0.004—

세 가지를 같이 적어 둡니다.

  1. 지금 Standard가 반값입니다. 2027-02-16까지의 한시 가격이라 그 뒤 예산은 $0.01로 잡아야 합니다. 프로모션 단가로 연간 계약 금액을 세우면 3개월 뒤에 두 배가 됩니다.
  2. Extract 단가가 같은 사이트 안에서 어긋납니다. API 표는 Information Extract를 Standard $0.04 / Enhanced $0.06으로 적는데, 같은 페이지의 Studio 카드는 Extract를 $0.03 / $0.05로 적습니다. 두 제품이 다른 것인지 표기가 낡은 것인지 페이지만으로는 가릴 수 없습니다. 견적을 받을 때 어느 쪽 단가인지 문서로 확인하세요.
  3. Studio에서는 Parse 요금이 따로 붙습니다. Extract를 쓰면 Parse가 페이지당 한 번 과금되고 그 위에 Extract가 얹힙니다. 단계가 여러 개여도 Parse는 한 번입니다.

표에서 자주 지나치는 칸이 Document OCR $0.0015입니다. 레이아웃·표 구조가 필요 없고 글자만 뽑으면 되는 용도라면 Parse Standard의 1/7 가격입니다. 반대로 「어떤 종류의 문서인지」만 가려내는 단계에는 Classify $0.004가 있습니다. 실무에서는 Classify로 분류 → 계약서류만 Enhanced, 나머지는 OCR 같은 단계 구성이 전체 단가를 가장 크게 낮춥니다. 전부 Enhanced로 밀면 페이지당 $0.03이고, 10만 페이지면 $3,000 + 부가세입니다. auto 모드는 이 판단을 페이지 단위로 벤더가 대신 하는 선택지입니다.

호출 한도는 공식 문서 기준 동기 API 100페이지 / 비동기 API 2,000페이지입니다. enhanced·auto 모드는 모델 버전 document-parse-260128 이상이 필요하고, 출력은 HTML 또는 마크다운입니다. auto는 페이지별로 Standard/Enhanced를 자동 선택합니다.

동기 100페이지 한도는 한국 문서에서 생각보다 자주 걸립니다. 입찰 공고문·제안요청서·사업계획서는 부록까지 합치면 100페이지를 넘기는 일이 흔합니다. 그 경우 선택은 둘입니다 — 문서를 100페이지 단위로 쪼개 동기 호출을 반복하거나, 비동기 API(2,000페이지)로 보내고 요청 ID로 결과를 나중에 받아 오는 것입니다. 쪼개면 페이지 경계에서 표가 잘리므로, 표가 쪽을 넘나드는 문서는 비동기 쪽이 안전합니다.

한도는 쪽수만이 아닙니다. 파일 크기가 동기 100MB · 비동기 500MB이고, 동기 API는 100페이지를 넘기면 413으로 거절합니다. 비동기는 요청을 받은 뒤에 쪽수를 세므로 초과 문서는 failed 상태로 끝나고 이유가 failure_message에 담깁니다 — 즉 비동기 쪽은 실패를 폴링해서 확인해야 합니다. 해상도 한도는 페이지당 2억 픽셀이고, 이미지가 아닌 파일은 150 DPI로 변환한 뒤 셉니다.

Docling 비용 — 소프트웨어는 0, GPU 시간은 내 돈

Docling은 MIT 라이선스이고 현재 PyPI 최신이 2.151.0(Python 3.10 이상)입니다. 과금 단위가 없으니 비용은 전부 「얼마나 빨리 도느냐 × 장비 시간당 요금」으로 환산됩니다.

IBM 연구팀이 낸 Docling 논문(arXiv:2501.17887)이 자기 벤치마크를 공개해 뒀습니다. PDF 89개 · 4,008페이지 · 표 1,842개 기준입니다.

환경5퍼센타일중앙값95퍼센타일평균
x86 CPU (AMD EPYC 7R13, 8스레드)0.6초0.79초16.3초3.1초/페이지
MacBook Pro M3 Max0.26초0.32초6.48초1.26초/페이지
Nvidia L4 GPU57ms114ms2081ms481ms/페이지

95퍼센타일이 평균의 5배가 넘는다는 점을 먼저 보세요. 표가 많고 스캔된 페이지가 섞이면 한 페이지가 2초(GPU)~16초(CPU)까지 갑니다. 배치 설계는 평균이 아니라 95퍼센타일로 해야 큐가 밀리지 않습니다. 같은 논문이 OCR을 끄면 x86 CPU와 M3 Max에서 런타임 60%, L4에서 50%가 절약된다고 적습니다 — 텍스트 PDF만 들어오는 파이프라인이라면 가장 큰 레버가 이것입니다.

⚠️ 논문은 장비를 「AWS g6.xlarge, 8 virtual cores」로 적었는데 AWS G6 페이지는 g6.xlarge를 4 vCPU로 적습니다. 숫자가 어긋나므로 CPU 쪽 값은 상한으로 읽는 편이 안전합니다. GPU(L4 24GB)는 일치합니다.

손익분기 — 월 몇 페이지부터 자가호스팅이 싼가

L4 GPU 평균 481ms/페이지면 시간당 약 7,480페이지입니다. g6.xlarge(L4 1장) 서울 리전 온디맨드 단가는 3자 집계 기준 시간당 약 $0.99입니다(AWS 공식 가격 페이지에서 재확인하세요 — 아래 계산은 이 값을 입력으로 씁니다).

가동 방식월 비용Standard $0.01 역전점프로모션 $0.005 역전점Enhanced $0.03 역전점
상시 가동 (730시간)약 $722월 72,000페이지월 144,000페이지월 24,000페이지
배치만 가동 (필요한 시간만)페이지당 약 $0.00013거의 항상 자가호스팅이 쌈같음같음

표가 말하는 것은 가격이 아니라 운영 형태입니다.

  • 인스턴스를 띄워 두면 쉬는 시간이 전부 비용입니다. 월 1만 페이지를 상시 가동 GPU로 처리하면 페이지당 $0.072 — API Enhanced보다 두 배 이상 비쌉니다.
  • 배치로 올렸다 내리면 순수 연산비는 페이지당 $0.00013 수준이라 API의 1/75입니다. 대신 큐·재시도·스케일링을 직접 만들어야 합니다. 그 오케스트레이션이 진짜 비용이고, 표에 들어가지 않는 항목입니다.
  • Spot 인스턴스를 쓰면 시간당 $0.28~0.30까지 떨어지지만 중단되므로, 멱등한 배치 작업으로 설계해야 합니다. 같은 문서를 두 번 처리해도 결과가 같아야 하고, 중단된 지점부터 다시 시작할 수 있어야 합니다.

손익분기 표가 다루지 못하는 비용이 하나 더 있습니다. 모델 가중치와 환경을 누가 유지하느냐입니다. Docling은 버전이 빠르게 올라가고(현재 2.151.0) 레이아웃·표 인식 모델이 함께 바뀝니다. 파싱 결과가 바뀌면 이미 만들어 둔 색인과 어긋나므로, 업그레이드할 때마다 재색인 여부를 판단해야 합니다. API 쪽은 벤더가 모델을 올리므로 이 일이 없는 대신, 벤더가 올릴 때 내 출력이 조용히 바뀌는 쪽을 받아들이는 것입니다. 어느 쪽도 공짜가 아니고, 둘 중 무엇을 감당할지가 사실상의 선택입니다.

선택표 — 무엇으로 갈리나

기준Upstage Document ParseDocling
과금페이지당 $0.01~0.03 (+VAT 10%)무료 (MIT) · GPU 시간만
초기 작업API 키 하나환경 구성 · 모델 가중치 · 배치 설계
데이터 경로외부 API로 업로드전부 로컬 · 에어갭 가능
한 번에동기 100p·100MB · 비동기 2,000p·500MB제한 없음 (장비가 한도)
처리 속도벤더 인프라L4 평균 481ms/p · CPU 3.1s/p
출력HTML · 마크다운마크다운 · JSON · 기타
포맷PDF · 이미지 · Office · CSV/TSV · HWP · HWPXPDF · DOCX · PPTX · XLSX · HTML · EPUB · 이미지 · 음성 (HWP 미지원)
정확도우리가 측정하지 않았습니다우리가 측정하지 않았습니다
적합월 1만p 이하 · 운영 인력 없음 · 외부 전송 가능 · HWP 문서함대량 · 망분리 · HTML/EPUB/음성까지

정확도 칸을 비워 둔 것은 의도한 것입니다. 두 도구의 표 인식·레이아웃 정확도를 같은 한국어 문서 세트로 재 본 적이 없습니다. 벤더 벤치마크와 논문 벤치마크는 데이터셋이 달라 비교 대상이 아닙니다. 정확도가 결정 요인이라면 본인 문서 50장으로 둘 다 돌려 보는 것이 유일한 답이고, 그게 실제로 가장 빠릅니다. 재는 방법도 거창할 필요가 없습니다 — 실제 문서함에서 50장을 뽑을 때 표가 많은 것·스캔된 것·단이 두 개인 것·도장이나 손글씨가 섞인 것을 의도적으로 넣고, 각 파서의 출력에서 표의 행·열 수가 원본과 같은지만 셉니다. 숫자 하나라도 열이 밀리면 그 표는 실패로 세는 것이 좋습니다. RAG에서는 열이 밀린 표가 비어 있는 표보다 위험합니다 — 검색에는 걸리는데 답이 틀립니다. Upstage는 프로모션 기간이라 50페이지 테스트가 $0.25이고, Docling은 노트북에서 1분 안에 끝납니다. 양쪽 다 하루면 끝나는 작업이라 추측으로 고를 이유가 없습니다.

최소 동작 예 — 둘 다 10줄 안

Upstage Document Parse (동기, Python):

import requests

url = "https://api.upstage.ai/v1/document-digitization"
resp = requests.post(
    url,
    headers={"Authorization": f"Bearer {api_key}"},
    files={"document": open("contract.pdf", "rb")},
    data={"ocr": "force", "base64_encoding": "['table']",
          "model": "document-parse"},
    timeout=300,
)
resp.raise_for_status()
body = resp.json()
print(body["content"]["html"][:500])      # ← 채워져 온다
print(repr(body["content"]["markdown"]))  # ← 공식 샘플에서는 빈 문자열이다

여기서 한 번 걸립니다. 응답의 content에는 html · markdown · text 세 칸이 있는데, 공식 Quickstart의 샘플 응답은 html만 채우고 markdown과 text는 빈 문자열로 돌려줍니다. RAG에 넣을 마크다운을 기대하고 content["markdown"]을 바로 읽으면 빈 문자열을 색인하게 됩니다. 마크다운이 필요하면 출력 형식을 명시해 요청하거나 html을 받아 직접 변환하세요 — 파라미터 이름은 Quickstart에 나오지 않으니 API 레퍼런스를 확인해야 합니다. elements[] 안의 요소별 content도 같은 구조이고 같은 샘플에서 html만 채워집니다.

모델 별칭 document-parse는 현재 document-parse-260930을 가리키고, enhanced·auto 모드는 document-parse-260128 이상이 필요합니다.

Docling (로컬):

from docling.document_converter import DocumentConverter

result = DocumentConverter().convert("contract.pdf")
print(result.document.export_to_markdown()[:500])

Docling 쪽 기본값과 한국어 OCR 설정은 docling 사용법 2026에 따로 정리해 뒀습니다 — 기본값이 OCR을 조용히 건너뛰는 조건이 있어서 처음 붙일 때 가장 많이 걸리는 자리입니다.

흔한 실패 3개

1. 프로모션 단가로 예산을 세운다. Standard $0.005는 2027-02-16까지입니다. 연 100만 페이지를 프로모션가로 계산하면 $5,000인데, 3개월 뒤부터는 $10,000 페이스입니다. 부가세 10%도 별도입니다.

2. 95퍼센타일을 보지 않고 큐를 짠다. Docling 평균 481ms만 보고 타임아웃을 2초로 잡으면 표가 많은 페이지에서 95퍼센타일 2,081ms에 걸려 실패가 쌓입니다. 동기 API 쪽도 같습니다 — 100페이지 문서를 짧은 타임아웃으로 호출하면 끊깁니다.

3. HWP 때문에 둘을 같은 조건으로 비교한다. 한국 공공·기업 문서의 상당수가 .hwp/.hwpx인데 여기서 둘이 갈립니다. Upstage 입력 요건 문서는 지원 포맷을 「JPEG, PNG, BMP, TIFF, HEIC, WEBP, PDF, DOC, DOCX, PPT, PPTX, XLS, XLSX, CSV, TSV, HWP, HWPX」로 적습니다 — 한글 문서를 그대로 올립니다. Docling은 이 포맷을 지원하지 않습니다(이슈 #3602). 즉 문서함이 HWP 중심이면 Docling 쪽에만 변환 단계가 추가로 붙습니다. 그 변환을 어떻게 돌리는지는 클로드로 HWP 변환·자동화하는 법에 따로 적어 뒀습니다. 이 한 칸을 빼놓고 단가만 비교하면 Docling이 싸 보이는데, 실제로는 변환 파이프라인 하나를 더 만들고 유지하는 비용이 숨어 있습니다.

파싱이 끝나면 남는 일

파서를 고르는 일은 생각보다 작은 결정입니다. 문서를 마크다운으로 바꾼 다음에 임베딩 모델과 색인 구조를 고르고, 그게 검색 품질을 결정합니다. 한국어 임베딩·리랭커 선택은 한국어 임베딩·리랭커 선택에, 색인을 어디에 둘지는 RAG 벡터 DB 선택 2026에 수치를 정리해 뒀습니다. 색인은 생각보다 이른 지점에서 차원 한도에 걸립니다.

그리고 실무에서 더 오래 걸리는 쪽은 도구가 아니라 어떤 문서를, 누가, 어느 권한으로 넣는지입니다. 계약서·인사 서류·견적서가 같은 파이프라인에 들어오는 순간 파서 선택보다 접근 권한 설계가 먼저입니다. 트리숲은 그 지점부터 — 문서 종류를 가려내고, 권한 경계를 잡고, 팀이 실제로 쓰는 상태까지 — 붙어서 끝내는 일을 합니다. NLP·LLM 구축에 범위와 진행 방식을 적어 뒀습니다.


가격·사양은 2026-11-19에 각 공식 페이지를 직접 확인한 값입니다. Upstage 가격은 프로모션 기간이 있고 AWS 단가는 3자 집계이므로, 예산을 확정하기 전에 원문을 다시 대조하세요.

관련 서비스: 기술 의사결정, 같이 짚어드립니다