Cerebras API 무료 티어: 제공 내용과 테스트 방법

Cerebras는 단 하나의 숫자를 판매합니다: 속도. 웨이퍼 스케일 칩이 GPU 클러스터가 할 수 있는 것보다 더 빠르게 토큰을 배출한다는 것이 그들의 주장이며, 무료 티어는 회사가 여러분의 주목을 끌기 위한 방법입니다. 하지만 "빠르다"는 것은 공급업체의 말을 그대로 받아들일 일이 아닙니다. 여러분 자신의 연결, 자신의 프롬프트로 직접 측정해서, Cerebras가 새 모델을 출시하거나 한도를 변경할 때마다 재실행할 수 있는 기록으로 남겨야 하는 것입니다.

지금 Apidog를 사용해 보세요

이 가이드는 여러분과 함께 그 측정을 수행합니다. Cerebras API 키를 받고, OpenAI 호환 엔드포인트에 실제 채팅 완료 호출을 하고, 첫 번째 토큰과 전체 응답 시간을 측정한 다음, 코딩 에이전트가 전체 요청을 Apidog CLI 테스트로 변환하여 다음 모델 교체에서도 살아남도록 합니다.

요약

Cerebras는 새 계정에 무료 평가판 티어를 제공합니다: 부여 후 30일이 지나면 만료되는 $5 크레딧이며, 두 가지 모델(gpt-oss-120b 및 qwen-3.8-27b)에 대해 각각 분당 5회 요청 및 분당 30K 언캐시드 토큰으로 제한됩니다. 이는 Cerebras의 공개된 속도 제한에 따른 것입니다. API는 https://api.cerebras.ai/v1에서 OpenAI와 호환되므로 기존 OpenAI 클라이언트를 이 주소로 지정하고 세 줄만 변경하면 됩니다. 아래에서는 마케팅 페이지를 믿는 대신 첫 토큰까지의 시간과 초당 토큰 수를 직접 측정하는 요청을 작성합니다.

무료 티어가 문서화하는 것과 하지 않는 것

Cerebras의 가격 페이지는 숫자를 클라이언트 측에서 렌더링하므로, 유료 사용에 대한 정확한 백만 토큰당 달러 요금은 페이지를 정적으로 가져와서 얻을 수 있는 것이 아닙니다. 그 수치를 추측하지 마세요. 필요할 때는 Cerebras Cloud 콘솔의 청구 탭을 직접 열어보세요. 현재 요금이 정확하다고 보장되는 유일한 곳이기 때문입니다.

문서가 지원 속도 제한 페이지에서 명확히 밝히는 것은 무료 평가판 티어의 형태입니다:

여기서 중요한 두 가지가 있습니다. 첫째, "언캐시드 TPM"이 실제 상한선입니다: 전체 컴퓨팅이 필요한 토큰이며, 캐시 적중이 계산되면 총 TPM 허용량은 대략 그 세 배입니다. 둘째, 무료 평가판 계정은 크레딧과 시간에 의해 제한되며 영원히 요청에 의해 제한되지 않습니다: $5가 소진되거나 30일이 지나면 결제 수단을 추가할 때까지 계정 티어가 허용하는 범위로 떨어집니다. 이 표 이후의 모든 것(토큰당 가격, 좌석 가격, 엔터프라이즈 조건)은 JavaScript로 렌더링되는 가격 페이지와 콘솔 뒤에 있으며 정적 문서에는 없으므로, 예산을 세우기 전에 그곳에서 확인하세요.

다른 공급자에서 이와 같은 벽에 부딪혔다면, 패턴은 429 속도 제한 초과 응답을 받았을 때 해야 할 일에 대한 가이드에서 다룬 것과 동일합니다: 오류 본문을 읽고, 물러나고, API가 고장났다고 가정하기 전에 대시보드를 확인하세요.

키를 받고 실제 호출 한 번 하기

cloud.cerebras.ai에서 가입하고, API 키를 열고, 하나를 생성하세요. Cerebras의 자체 퀵스타트는 환경 변수로 설정하여 수동으로 요청 본문에 들어가지 않도록 하라고 안내합니다:

export CEREBRAS_API_KEY="your-key-here" 

기본 URL은 https://api.cerebras.ai/v1이고, 채팅 완료 엔드포인트는 OpenAI의 형태와 직접 일치합니다: model과 messages 배열을 가진 POST /v1/chat/completions입니다. 이러한 호환성은 API 참조에 문서화되어 있으며, 기본 URL과 키를 변경하여 OpenAI 클라이언트 라이브러리를 위해 작성된 코드에 Cerebras를 넣을 수 있는 이유입니다. 원시 curl 호출은 다음과 같습니다:

curl https://api.cerebras.ai/v1/chat/completions \ -H "Content-Type: application/json" \ -H "Authorization: Bearer ${CEREBRAS_API_KEY}" \ -d '{ "model": "qwen-3.8-27b", "messages": [ {"role": "user", "content": "Explain time-to-first-token in two sentences."} ] }' 

실행하면 응답에는 완료 텍스트 외에도 더 많은 정보가 포함됩니다. 여기에는 usage 블록(prompt_tokens, completion_tokens, total_tokens)과 Cerebras가 모든 호출에 반환하는 time_info 블록(queue_time, total_time)이 포함됩니다.

팀에서 하나 이상의 모델 또는 공급자를 테스트하는 경우, 일회성 curl 명령에 의존하지 않아야 할 좋은 시점입니다. 아래의 Apidog CLI 섹션에서는 코딩 에이전트가 이 호출을 테스트로 전환하여 Cerebras가 모델을 추가하거나 한도를 변경할 때마다 재실행하도록 합니다.

속도 주장 측정: 첫 토큰까지의 시간과 초당 토큰 수

"빠르다"가 워크로드에 실제인지 알려주는 두 가지 숫자가 있습니다: 첫 토큰까지의 시간(TTFT)과 초당 생성된 토큰 수입니다. 둘 다 API 응답에 헤드라인 지표로 나타나지 않으므로, 호출이 제공하는 정보로 계산합니다.

TTFT의 경우, 응답을 스트리밍하고 요청을 보낸 시점과 첫 번째 청크를 받은 시점 사이의 실제 시간 간격을 기록합니다:

import time from cerebras.cloud.sdk import Cerebras client = Cerebras() start = time.perf_counter() first_token_at = None stream = client.chat.completions.create( model="qwen-3.8-27b", messages=[{"role": "user", "content": "Write a haiku about wafer-scale chips."}], stream=True, ) for chunk in stream: if first_token_at is None and chunk.choices[0].delta.content: first_token_at = time.perf_counter() - start print(f"Time to first [REDACTED CREDENTIAL] 

초당 토큰 수의 경우, 비스트리밍 호출을 사용하고 완료 토큰을 Cerebras가 time_info에 보고하는 total_time으로 나눕니다:

response = client.chat.completions.create( model="qwen-3.8-27b", messages=[{"role": "user", "content": "Explain the CS-3 wafer-scale engine in 100 words."}], ) tokens = response.usage.completion_tokens seconds = response.time_info.total_time print(f"{tokens / seconds:.1f} tokens/sec") 

제품이 보내는 것과 유사한 프롬프트로, 다른 시간대에 여러 번 실행하세요. 두 스크립트를 모두 보관하고 Cerebras가 무료 티어에 모델을 추가할 때마다 재실행하세요. 초당 토큰 수치는 공급자뿐만 아니라 모델에 따라 달라지기 때문입니다.

한도가 당신을 읽기 전에 한도를 읽으세요

Cerebras의 속도 제한 설계에는 스크립트를 작성하기 전에 알아둘 만한 미묘한 점이 하나 있습니다: 조직당 두 개의 별도 토큰 버킷(언캐시드 TPM과 총 TPM)을 추적하고 둘 다 동시에 적용합니다. 짧고 반복적인 프롬프트의 버스트는 토큰 한도에 근접하기도 전에 분당 요청 한도에 도달할 수 있으며, 이는 API 속도 제한 작동 방식에 대한 광범위한 글에서 설명한 것과 정확히 같은 함정입니다.

문서의 솔직한 격차 하나: Cerebras는 일부 공급자처럼 x-ratelimit-* 응답 헤더 세트를 공개하지 않습니다. API 참조에도 나열되지 않고, 속도 제한 페이지에도 없습니다. 이는 모든 호출에 남은 할당량 헤더를 반환하는 OpenAI의 자체 채팅 완료 API와 다른데, 이 패턴은 OpenAI 속도 제한 가이드에서 더 자세히 다룹니다. Cerebras의 경우, 실제 상태를 확인할 두 곳은 Cloud 콘솔의 한도 섹션과 429 응답 본문이며, 이는 언캐시드 또는 총 토큰 한도를 초과했는지 여부를 나타냅니다. 헤더가 먼저 알려줄 것이라고 가정하지 말고 해당 오류 본문을 중심으로 재시도 로직을 구축하세요.

코딩 에이전트가 Apidog CLI로 재실행하도록 하세요

임시 파일에 있는 측정값은 다음 달에는 아무것도 증명하지 못합니다. 코딩 에이전트가 호출을 Apidog CLI를 통해 재실행할 수 있는 테스트로 전환하도록 하세요. 한 번 설정하세요:

npm install -g apidog-cli@latest apidog login --with-token <YOUR_TOKEN> npx -y skills add https://apidog.com # pick your agent when prompted 

토큰은 Apidog의 계정 설정, API 액세스 토큰에서 가져옵니다. 그런 다음 에이전트에게 하나의 프롬프트를 제공하세요:

Use Apidog CLI on project <id>. Create a Cerebras environment with base URL https://api.cerebras.ai/v1 and add POST /chat/completions with Bearer [REDACTED] from {{CEREBRAS_API_KEY}} and model set to {{MODEL}}. Create a test case asserting status 200 and time_info.total_time under {{MAX_TOTAL_TIME}}, run it for gpt-oss-120b and qwen-3.8-27b, and report completion tokens per second for each. 

실행하는 명령은 Apidog CLI 2.2.7에서 확인되었습니다:

apidog environment create Cerebras --project <id> --base-url https://api.cerebras.ai/v1 apidog endpoint create --project <id> --file cerebras-chat.json apidog cli-schema validate test-case-create --file speed-case.json apidog test-case create --project <id> --file speed-case.json apidog run --test-case <caseId> --project <id> -e <envId> -d models.csv \ --delay-request 12000 --env-var "CEREBRAS_API_KEY=$CEREBRAS_API_KEY" -r cli,json 

models.csv에는 하나의 MODEL 열이 있으므로 단일 실행으로 두 모델을 모두 커버하며, Cerebras가 다음에 출시하는 것은 행 하나만 더 추가하면 됩니다. --delay-request 12000은 무료 평가판의 분당 5회 요청 미만으로 유지하기 위해 호출 간격을 12초로 둡니다. 429 경로의 경우, 의도적으로 해당 한도를 초과하는 버스트를 보내고 오류 본문에 대해 어설션하는 두 번째 케이스를 요청하여 프로덕션에서 재발견되는 대신 캡처되고 버전 관리되도록 하세요. 이는 일회성 벤치마크가 아닌 워크플로우입니다. 옵션을 비교하는 경우 에이전트 및 LLM 워크로드를 위해 구축된 API 테스트 도구 모음과 에이전트 측면에 대한 Claude Code의 Apidog CLI를 참조하세요.

무료 티어 또는 개발자 티어: 언제 이동할까

무료 평가판 티어는 이 가이드가 다루는 바로 그 목적, 즉 카드를 등록하기 전에 속도 주장과 요청 형태를 확인하기 위해 만들어졌습니다. 실제로 Cerebras에 대항하여 구축하기 시작하면, 개발자 티어의 도약, 즉 gpt-oss-120b에서 5 RPM에서 1,000 RPM으로의 증가가 일반적으로 결정을 강제하는 숫자이며 토큰당 가격이 아닙니다. 프롬프트 볼륨이 일정하지 않고 버스트형이라면, 헌신하기 전에 Cerebras의 숫자를 대안과 비교하세요. OpenRouter 대안 목록과 Groq의 무료 API 티어 연습은 위 표와 나란히 읽을 가치가 있습니다. 추론 속도와 무료 티어 상한은 대부분의 비교 게시물이 인정하는 것보다 공급자 간에 더 많이 다르기 때문입니다. 선택하기 전에 알아둘 만한 차이점 하나: Groq는 모델별 무료 플랜 한도를 직접 문서화합니다. 예를 들어 openai/gpt-oss-120b는 30 RPM, 1,000 RPD, 8K TPM, 200K TPD이며, 모든 호출에 x-ratelimit-* 응답 헤더를 반환하므로 응답 자체에서 남은 예산을 항상 알 수 있습니다. Cerebras는 둘 다 제공하지 않습니다. 위에서 설명한 대로 Cloud 콘솔에서 상태를 읽거나 429 본문에서 추론해야 합니다.

자주 묻는 질문

Cerebras의 무료 티어는 신용 카드가 필요한가요?

무료 평가판 티어는 반복되는 무료 플랜이 아니라 크레딧 기반($5, 30일 후 만료)이며, Cerebras의 자체 문서는 현재 가입 요구 사항에 대해 Cloud 콘솔을 안내합니다. 해당 세부 정보는 정적 문서와 별개로 변경될 수 있기 때문입니다.

무료 티어에서 어떤 모델을 사용할 수 있나요?

현재 속도 제한 문서 기준으로 두 가지: gpt-oss-120b와 qwen-3.8-27b입니다. 둘 다 동일한 무료 평가판 한도(5 RPM, 30K 언캐시드 TPM)를 공유합니다.

기존 OpenAI SDK 코드를 Cerebras와 함께 사용할 수 있나요?

예. 클라이언트의 기본 URL을 https://api.cerebras.ai/v1로 지정하고 Cerebras 키로 교체하세요. API 참조에 따르면 /v1/chat/completions 형태가 일치합니다.

토큰 예산 미만인데 왜 429를 받았나요?

Cerebras는 언캐시드 TPM, 총 TPM, RPM을 별도의 상한으로 적용합니다. 작은 요청이 많이 몰리면 토큰 버킷이 채워지기 훨씬 전에 RPM 한도에 걸릴 수 있으며, 이는 속도 제한 초과 문제 해결 가이드에서 다룬 것과 동일한 실패 모드입니다.

한도에 부딪히기 전에 현재 사용량을 어떻게 확인하나요?

Cerebras는 남은 할당량 응답 헤더를 반환하지 않으므로 API 응답에서 추론하는 대신 Cloud 콘솔의 한도 섹션을 직접 확인하세요. Groq의 무료 플랜은 반대 접근 방식을 취하여 모든 호출에 x-ratelimit-* 헤더를 반환하므로, 헤더 기반 모니터링이 설정에 중요하다면 그 차이를 고려하세요.

Cerebras의 진정한 이점은 마케팅 헤드라인이 아니라 여러분 자신의 호출에 있는 time_info 블록에서 나타납니다.