**task-939.1 완료 보고** (dev3-team)
**: GPU vs CPU 작업 시 토큰 사용량 비교 분석** (11분 3초)

**핵심 결과**
현재 규모(2채널)에서 연간 $23.28 절감으로 금액은 미미하나, 확장(5채널) 시 연간 $97.20 절감 가능. **LLM 토큰은 GPU/CPU 선택과 무관** — Bash 블로킹 대기 중 토큰 소모 0건 실측 확인. GPU의 핵심 가치는 비용보다 **처리 속도**(3.3시간→0.5시간/월)와 **봇 세션 해방**(다른 작업 가용)에 있다.

**발견/해결 이슈 4건**
1. **task-timers.json 토큰 데이터가 메인 세션만 집계** — JSONL 세션 분석으로 subagent 포함 실제 토큰 확인 (2,273,562 → 3,740,180). 보고서에 양쪽 수치 모두 기재
2. **docling GPU 미사용 원인 불명확** — PyTorch 2.10+cu128이 sm_61(GTX 1060) 미지원임을 확인. CTranslate2(faster-whisper 엔진)는 독립적으로 CUDA 지원하여 정상 작동
3. **전기료 계산 기준 불확실** — 한국 산업용 전기 120원/kWh 기준 적용, 추정치임을 명시
4. **task-timers.json이 subagent 토큰을 미집계** — 미해결: 범위 외 사유: task-938.1(토큰 추적 시스템) 범위. 해당 작업에서 subagent 토큰 합산 로직 추가 필요