카톡 대화나 슬랙 로그를 그대로 AI에 붙여 넣는 일이 많습니다. 그 안의 이모지가 토큰을 얼마나 먹는지 재봤습니다.
결론부터 말하면 대화 한 토막에서 이모지가 토큰의 21%를 차지했습니다.
측정 조건
- 인코딩
o200k_base·tiktoken 0.14.0· 측정일 2026년 10월 15일 - 표본은 직접 작성한 카톡체 대화와 기호 목록
이모지 한 개에 몇 토큰인가
| 이모지 | 토큰 | 메모 |
|---|---|---|
| 😀 🔥 ✅ 👍 🎉 💡 🚀 👏 😂 | 1 | 흔한 이모지는 대부분 1토큰 |
| ⚠️ ❤️ | 1 | 글자로는 2자인데 1토큰 (변형 선택자 포함) |
| 🥹 | 2 | 비교적 최근 추가된 것 |
| 🫠 | 3 | 가장 비쌌음 |
20개를 재서 평균 1.70토큰이었습니다. 한글 한 글자가 약 0.6토큰이니 이모지 하나가 한글 세 글자 값인 셈입니다.
흔한 이모지는 1토큰으로 싸지만, 새로 추가된 이모지일수록 비쌉니다. 🫠 하나가 🔥 세 개 값입니다.
실제 대화에서는
아래 카톡체 대화를 넣어봤습니다.
ㅋㅋㅋ 그거 진짜임? 😂
ㅇㅇ 방금 확인함 👀
헐 대박 🤯🤯 그럼 우리도 해야되는거 아님?
ㄱㄱ 🔥 내가 자료 정리해서 보낼게 📑
오케이 👍👍 땡큐~ 🙏| 글자 수 | 토큰 | |
|---|---|---|
| 원본 | 85 | 66 |
| 이모지만 제거 | 73 | 52 |
| 차이 | 12자 | 14토큰 (21%) |
글자로는 12자(14%)인데 토큰으로는 21%입니다. 이모지가 글자 수보다 토큰에서 더 큰 비중을 차지합니다.
대화 1,000건을 넣는다면 이모지만으로 약 14,000토큰입니다. 고객 문의 로그나 팀 채팅을 분석에 넣는 경우라면 무시할 수 없는 양입니다.
의외로 비싼 것: 단위 기호
| 종류 | 예 | 글자당 토큰 |
|---|---|---|
| 단위 기호 | ℃ ㎡ ㎏ ％ | 1.14 |
| 체크 기호 | ☑ ☐ ✔ ✘ | 1.00 |
| 화살표 | → ← ↑ ↓ | 0.57 |
| 도형 | ○ ● △ ▲ □ ■ | 0.55 |
| 별표 | ★★★★☆ | 0.40 |
| (비교) 한글 | 안녕하세요 | 약 0.60 |
℃, ㎡, ㎏ 같은 조합 문자가 한글보다 두 배 비쌉니다. 한 글자처럼 보이지만 토크나이저에게는 드문 문자라 통째로 한 토큰을 씁니다.
보고서에 단위가 자주 나온다면 ℃ 대신 도, ㎡ 대신 m2처럼 쓰는 편이 쌉니다. 다만 읽는 사람의 편의가 우선이니, 분량이 많을 때만 고려하세요.
구분선은 무엇을 쓰느냐에 따라 5배
| 구분선 (40자) | 토큰 |
|---|---|
---------------------------------------- | 2 |
======================================== | 2 |
──────────────────────────────────────── | 3 |
★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★ | 10 |
하이픈과 등호는 40자를 써도 2토큰입니다. 같은 문자가 반복되면 토크나이저가 통째로 묶기 때문입니다. 반면 별표는 10토큰으로 5배입니다.
문서 하나에 구분선을 열 줄 쓴다면 그것만으로 차이가 납니다. 장식에는 하이픈이나 등호를 쓰세요.
그래서 지워야 하나
경우에 따라 다릅니다. 이모지를 지울지 말지는 이모지가 의미를 담고 있는지로 판단하세요.
| 상황 | 권장 |
|---|---|
| 감정·반응 분석이 목적 | 남기세요. 이모지가 바로 그 신호입니다 |
| 대화 내용을 요약·정리 | 지워도 됩니다. 의미는 글에 다 있습니다 |
| 고객 문의 대량 분류 | 지우세요. 건당 14토큰 × 건수 |
| 문서 장식·구분선 | 하이픈으로 바꾸세요 |
👉 본인 텍스트가 실제로 몇 토큰인지는 토큰 계산기에 붙여 넣어 바로 확인하실 수 있습니다. 이모지를 지운 것과 안 지운 것을 각각 넣어 비교해 보세요.
재현 코드
import re, tiktoken
enc = tiktoken.get_encoding("o200k_base")
n = lambda t: len(enc.encode(t))
chat = open("대화.txt", encoding="utf-8").read()
clean = re.sub(r"[\U0001F000-\U0001FAFF\u2600-\u27BF\uFE0F]", "", chat)
print("원본 ", n(chat))
print("이모지 제거", n(clean))
print("이모지 몫 ", n(chat) - n(clean),
"(%.0f%%)" % ((1 - n(clean)/n(chat)) * 100))
# 개별 이모지 비용
for e in ["😀","🔥","✅","🥹","🫠","❤️"]:
print(e, n(e), "토큰")한계: 이모지 20개와 대화 한 토막으로 잰 결과입니다. 이모지 토큰 수는 인코딩마다 다르고, 같은 o200k_base 안에서도 유니코드에 늦게 추가된 것일수록 비싼 경향이 있어 개별 확인이 필요합니다. 피부색·성별 변형이 붙은 이모지(👨💻 등)는 더 비싸지는데 이번 측정에는 넣지 않았습니다. 구세대 cl100k_base에서는 수치가 전혀 다릅니다.
정리
- 흔한 이모지는 1토큰, 평균 1.70토큰. 한글 세 글자 값입니다.
- 최근 추가된 이모지일수록 비쌉니다 — 🫠는 3토큰.
- 카톡체 대화에서 이모지가 토큰의 21%를 차지했습니다.
- ℃ ㎡ ㎏ 같은 단위 기호가 한글의 두 배로 가장 비쌌습니다.
- 구분선은 하이픈 2토큰 vs 별표 10토큰으로 5배 차이입니다.
- 의미가 있으면 남기고, 장식이면 지우세요.
측정일: 2026년 10월 15일 / tiktoken 0.14.0 / o200k_base
이어서 읽기
