신규어떤 에이전트든 UberLLM에 연결하세요. 키 하나로 모든 모델을 공식 가격 이하로 사용할 수 있습니다.
UberLLM

UberLLM과 함께하는 n8n: 더 저렴한 AI Agent 모델 및 비디오 생성

UberLLM 키와 Base URL을 사용하여 8 OpenAI 자격 증명을 만드세요. https://api.uberllm.dev/v1, "Use Responses API"를 끈 상태로 OpenAI Chat Model 노드에서 사용하고, 아무 UberLLM 모델이나 선택하세요. 비디오의 경우, HTTP Request 노드를 사용하여 /v1/video/generations를 호출하고 작업이 끝날 때까지 폴링하세요.

Part 1: AI 에이전트의 챗 모델

  1. 키 페이지에서 키를 만들고 크레딧을 추가하세요.
  2. n8n에서 Credentials → Create credential → OpenAI로 이동하세요.
  3. 다음을 입력하세요:
    • API Key: ull_… 키
    • Base URL: https://api.uberllm.dev/v1 Organization ID는 비워두세요. 저장하면: n8n이 모델 목록을 가져와 자격 증명을 테스트하며, 통과해야 합니다.
  4. 워크플로에 AI Agent 노드를 추가하고, 챗 모델로 해당 자격 증명을 사용하는 OpenAI Chat Model 노드를 추가하세요.
  5. OpenAI Chat Model 노드에서:
    • Model: By ID를 선택하고 deepseek/deepseek-v4.1-flash를 입력하세요 (또는 이제 UberLLM의 모델을 보여주는 목록에서 선택하세요).
    • Use Responses API를 끄세요. 최근 n8n 버전에서는 기본적으로 켜져 있습니다. UberLLM도 Responses API를 제공하지만, 이 워크플로는 챗 완료(chat completions)로 테스트되었습니다.
  6. 워크플로를 실행하세요.

동일한 자격 증명은 Basic LLM Chain 및 챗 모델을 사용하는 다른 노드에서도 작동합니다.

AI Agent 또는 Basic LLM Chain을 OpenAI Chat Model 노드와 함께 사용하거나, 아래의 HTTP Request 노드를 사용하세요. 독립형 "OpenAI" 노드의 "Message a model" 액션은 항상 Responses API를 호출하며, 내장 도구(웹 검색, 파일 검색)는 OpenAI 자체 서버에서만 실행됩니다.

Part 2: HTTP Request로 동영상 만들기

동영상은 1분 이상 걸리므로, 시작하고, 기다리고, 확인하고, 완료될 때까지 반복해야 하는 작업입니다.

자격 증명. Bearer Token = ull_… 키로 Bearer Auth 자격 증명을 생성하세요. (또는 사전 정의된 자격 증명 유형에서 Part 1의 OpenAI 자격 증명을 선택하세요. 동일한 헤더를 보냅니다.)

노드 1, HTTP 요청 (작업 시작)

  • 메서드: POST
  • URL: https://api.uberllm.dev/v1/video/generations
  • 인증: 일반 자격 증명 유형 → Bearer Auth
  • 본문 전송: 켜기, JSON:
{
  "model": "fal-ai/vidu/q3/text-to-video/turbo",
  "prompt": "a red ball bouncing on green grass, slow motion",
  "duration_seconds": 5
}

응답에는 작업 id, status (queued) 및 estimated_cost_usd이(가) 있습니다.

노드 2, 대기: 재개 = 시간 간격 후, 10초.

노드 3, HTTP 요청 (작업 확인)

  • 메서드: GET
  • URL: https://api.uberllm.dev/v1/video/generations/{{ $('HTTP Request').item.json.id }} (첫 번째 노드의 이름을 사용하세요)
  • 동일한 Bearer Auth 자격 증명

노드 4, If: {{ $json.status }}이(가) queued 또는 running인 경우 → 대기 노드로 다시 연결합니다. 그렇지 않으면 계속합니다.

노드 5: status이(가) succeeded일 때, 동영상 링크는 results[0].url에 있습니다. HTTP 요청을 한 번 더 사용하여 다운로드하거나 (GET, 동일한 자격 증명, 옵션 → 응답에서 응답 형식을 파일로 설정) 링크를 전달하세요. failed에는 error.message가 일반 텍스트로 제공되며, 실패한 작업에는 비용이 들지 않습니다.

각 모델은 특정 길이와 크기만 만듭니다. 만들지 않는 것을 요청하면, 요금이 청구되기 전에 해당 모델이 만드는 것을 나열하는 메시지와 함께 첫 번째 요청이 거부됩니다. 각 모델의 옵션은 해당 페이지에 있습니다.

문제 해결

  • 자격 증명 테스트 실패: Base URL은 정확히 https://api.uberllm.dev/v1이어야 하며, 키에는 공백이 없어야 합니다.
  • OpenAI Chat Model에서 404: 자격 증명의 Base URL에 /v1이(가) 누락되었습니다.
  • 에이전트가 도구를 호출하지 않습니다: 첫 번째 표에서 모델을 선택하세요. 매우 작은 모델은 도구를 건너뜁니다.
  • 400 wrong_endpoint: 비디오 모델이 채팅 노드로 전송되었거나, 채팅 모델이 비디오 URL로 전송되었습니다.
  • 루프가 끝나지 않습니다: If 노드는 status을(를) 비교해야 하며, Wait는 모든 확인 전에 와야 합니다.
  • 402 크레딧 부족: 크레딧 페이지에서 크레딧을 추가하세요. 비디오는 실행되는 동안 max_cost_usd을(를) 유지합니다.

계속 읽어보기

AI Agent 워크플로우용 모델

안정적인 tool calls; 첫 번째는 단계에 있습니다.

모델모델 ID (붙여 넣기용)현재 가격
DeepSeek V4.1 Flashdeepseek/deepseek-v4.1-flash입력 $0.00022 · 출력 $0.0025 / 1M
Gemini 3.5 Flashgoogle/gemini-3.5-flash입력 $0.0150 · 출력 $0.0900 / 1M
Claude Sonnet 5.5anthropic/claude-sonnet-5.5입력 $0.0674 · 출력 $0.3369 / 1M
GPT-5.5openai/gpt-5.5입력 $0.1250 · 출력 $0.7500 / 1M
Kimi K3moonshotai/kimi-k3입력 $0.0017 · 출력 $0.0781 / 1M
GLM 5.3z-ai/glm-5.3입력 $0.00052 · 출력 $0.0234 / 1M
Gemma 3 27Bgoogle/gemma-3-27b-it입력 $0.00079 · 출력 $0.0020 / 1M
Qwen3 VL 235B A22Bqwen/qwen3-vl-235b-a22b-instruct입력 $0.0021 · 출력 $0.0188 / 1M

마지막 시간별 빌드 기준 가격, 수수료 없음 · 전체 모델 →

HTTP Request 워크플로우용 비디오 모델

Text-to-video 모델이 오늘 가격으로 지금 온라인에 있습니다. 첫 번째는 아래 요청에 있습니다.

모델모델 ID (붙여 넣기용)현재 가격
Vidu Q3 Turbo Text to Videofal-ai/vidu/q3/text-to-video/turbo초당 $0.0297
Kling 3 Standard Text to Videofal-ai/kling-video/v3/standard/text-to-video초당 $0.07
Veo 3.1 Fast Text to Videofal-ai/veo3.1/fast초당 $0.085
Kling 2.5 Turbo Pro Text-to-Videokling/kling-2-5-turbo-pro-text-to-video초당 $0.042
Wan 2.7 Text-to-Videowan/wan-2-7-text-to-video초당 $0.08
Veo 3.1 Fast Text-to-Videogoogle/veo3-1-fast-text-to-video초당 $0.13

마지막 시간별 빌드 기준 가격, 수수료 없음 · 전체 모델 →

FAQ

8에서 UberLLM을 어떻게 사용하나요?

UberLLM 키와 Base URL https://api.uberllm.dev/v1,을(를) 사용하여 OpenAI 자격 증명을 생성한 다음, "Use Responses API"를 끈 상태로 AI Agent의 OpenAI Chat Model 노드에서 사용하세요.

8이 UberLLM으로 비디오를 만들 수 있나요?

네, HTTP Request 노드를 사용하세요: https://api.uberllm.dev/v1/video/generations,에 POST 요청을 보내고 기다린 다음, 작업의 status가 succeeded가 될 때까지 GET 요청을 보내고, 그 다음 results[0].url을 다운로드하세요.

8에서 UberLLM을 사용할 때 "Use Responses API"를 켜야 하나요, 꺼야 하나요?

"Off"가 테스트된 설정입니다. UberLLM은 chat completions와 Responses API를 모두 제공하지만, 이 페이지의 AI Agent 워크플로는 chat completions에 대한 OpenAI Chat Model 노드로 검증되었습니다.