블로그 대표 이미지를 만들려고 새 이미지 모델 소식을 열었는데, 요금표에 적힌 숫자가 토큰 100만 개 단위라서 한 장에 얼마인지 도무지 계산이 안 되셨나요?
안녕하세요? 정리하는 개발자 워니즈입니다. 이번 글에서는 GPT Image 2.5 의 요금과 화질 등급을 오픈AI 공식 모델 문서 기준으로 정리하고, 여기에 필자가 매일 블로그 대표 이미지를 만들면서 실제로 측정한 규격 이야기를 붙여보려고 합니다.
한 줄 요약. GPT Image 2.5 는 Flare 와 Sunburst 두 모델로 나왔는데요, 토큰 요금이 두 모델 모두 완전히 같습니다. 텍스트 입력 100만 토큰당 5달러, 이미지 입력 8달러, 이미지 출력 30달러이고 요청 제한 표까지 동일합니다. 갈리는 것은 속도와 편집 정밀도뿐이라서, 고르는 기준은 가격이 아니라 기다릴 수 있는 시간입니다. 화질은 low 부터 max 까지 5단계에 자동 선택이 하나 더 붙습니다.
목차
- GPT Image 2.5 는 무엇이 바뀌었나요?
- GPT Image 2.5 요금은 한 장에 얼마인가요?
- 화질 등급 5단계는 어떻게 나뉘나요?
- Flare 와 Sunburst 중 무엇을 골라야 하나요?
- 요청 제한과 무료 사용 여부는 어떻게 되나요?
- 직접 확인 1: 블로그 대표 이미지에 필요한 규격
- 직접 확인 2: AI 이미지의 출처 정보는 어디까지 남는가
- GPT Image 2.5, 이 글로 알 수 없는 것
- 정리: 누구에게 맞고 누구에게는 굳이인가, 그리고 필자의 결론
1. GPT Image 2.5 는 무엇이 바뀌었나요?
오픈AI 가 새 이미지 생성 모델을 공개했습니다. 챗GPT 안에서는 챗GPT 이미지 2.5 라는 이름으로 제공되고, 개발자용 API 에서는 GPT Image 2.5 라는 이름으로 두 가지 모델이 열렸습니다. 공식 모델 문서에 적힌 스냅샷 날짜는 두 모델 모두 2026년 9월 8일입니다.
조선일보가 오픈AI ‘챗GPT 이미지 2.5’ 공개 기사에서 전한 변경점을 정리하면 이렇습니다. 원본 사진 속 인물과 사물의 고유한 특징을 더 정확하게 반영하고, 조명과 질감을 더 자연스럽게 표현합니다. 배경이나 스타일, 구도를 바꾸는 과정에서도 원본의 특징을 보존하는 능력이 개선됐다고 합니다.
블로그를 운영하는 쪽에서 눈에 들어오는 항목은 세 개였습니다.
첫째는 반복 편집의 일관성입니다. 제품 사진이나 광고 소재를 단계적으로 다듬을 때 직전 수정 사항이 바뀌거나 이미지 품질이 떨어지는 현상을 줄였다고 회사 측이 설명했습니다. 대표 이미지를 한 번에 완성하는 사람은 드물고 대개 서너 번 고치는데요, 고칠 때마다 앞의 수정이 풀리면 그 자체로 작업이 못 됩니다.
둘째는 복잡한 시각적 지시와 배치, 투명 배경을 처리하는 능력입니다. 투명 배경은 로고나 아이콘을 만들 때 바로 쓸 수 있는지를 가르는 조건입니다.
셋째는 스케치 기능입니다. 챗GPT 대화창에 @Sketch 를 입력하면 그림 도구가 뜨고, 마우스로 직접 그린 그림을 최종 이미지의 참고 자료로 씁니다. 말로 설명하기 어려운 구도를 손으로 그려 넘기는 방식인데요, 구도가 머릿속에만 있을 때 유용해 보입니다.
제공 범위는 데스크톱과 모바일과 웹의 챗GPT, 챗GPT 워크, 코덱스 전 요금제에 순차 적용입니다. 오픈AI 는 현재 챗GPT 이미지와 API 의 GPT 이미지 모델로 매주 30억 장 이상의 이미지가 생성되고 있다고 밝혔습니다.
챗GPT 쪽에는 만드는 절차를 줄여주는 장치도 함께 붙었습니다. 포스터나 굿즈 같은 템플릿을 먼저 고르고 전달할 정보와 디자인 요소, 스타일을 입력해 제작을 시작하는 방식입니다. 만들어진 이미지에 직접 댓글을 달아 수정할 부분을 지정하는 기능도 추가됐습니다. 말로 “왼쪽 위 글자를 키워달라”고 쓰는 것보다 그 자리를 찍어 표시하는 편이 오해가 적습니다.
공유 방식에도 변화가 있습니다. 이미지를 공유할 때 제작에 쓴 프롬프트를 함께 담을 수 있고, 공유받은 사람은 같은 프롬프트에 자기 사진과 세부 정보를 넣어 다시 만들 수 있습니다. 잘 나온 구도를 남이 그대로 재현할 수 있게 되는 것인데요, 블로그에 이미지를 올리는 쪽에서는 자기 프롬프트가 함께 나가는지를 한 번 확인해볼 값이 있습니다. 오픈AI 는 기존 안전장치를 토대로 프롬프트와 이미지를 점검해 유해한 결과물 생성을 막도록 설계했다고 밝혔습니다.
2. GPT Image 2.5 요금은 한 장에 얼마인가요?
여기가 이 글을 쓴 이유입니다. 결론부터 적으면 두 모델의 토큰 요금이 완전히 같습니다.
오픈AI 공식 모델 문서인 GPT-Image-2.5 Flare 페이지와 GPT-Image-2.5 Sunburst 페이지를 나란히 열어 숫자를 옮겨 적었습니다.
| 항목 | Flare | Sunburst |
|---|---|---|
| 텍스트 토큰 입력 100만 개 | 5.00달러 | 5.00달러 |
| 텍스트 토큰 캐시 입력 100만 개 | 1.25달러 | 1.25달러 |
| 이미지 토큰 입력 100만 개 | 8.00달러 | 8.00달러 |
| 이미지 토큰 캐시 입력 100만 개 | 2.00달러 | 2.00달러 |
| 이미지 토큰 출력 100만 개 | 30.00달러 | 30.00달러 |
| 페이지 상단 요약 표기 | 입력 5달러, 출력 30달러 | 입력 5달러, 출력 30달러 |
한 칸도 다르지 않습니다. GPT Image 2.5 의 두 페이지 모두 텍스트 출력은 청구하지 않는다고 적혀 있는데요, 이 모델이 내놓는 것이 텍스트가 아니라 이미지이기 때문입니다.
그리고 두 페이지에 똑같이 붙어 있는 문장이 하나 더 있습니다. 토큰 요율이 GPT Image 2 와 같고, GPT Image 2 계산기로는 GPT Image 2.5 의 토큰 소비량을 추정할 수 없다는 문장입니다. 앞 모델을 쓰던 사람이 가장 걸려 넘어질 지점이 여기입니다. 요율은 그대로인데 소비량이 달라졌으니, 기존 장당 단가를 그대로 옮겨 예산을 잡으면 어긋납니다.
그래서 “한 장에 얼마인가”라는 질문에는 이 글이 답을 못 합니다. 답하려면 실제로 API 를 호출해 응답에 찍힌 토큰 수를 세야 하는데요, 필자는 이 모델에 유료 호출을 하지 않았습니다. 8번 절에 미확인으로 따로 적어뒀습니다. 다만 계산의 구조는 분명합니다. 출력 토큰 100만 개가 30달러이니, 장당 비용은 한 장이 몇 토큰을 먹는지에 전부 달려 있고 그 값은 아래 화질 등급에 따라 움직입니다.
3. 화질 등급 5단계는 어떻게 나뉘나요?
GPT Image 2.5 두 모델의 공식 문서에 같은 문장이 적혀 있습니다. low, medium, high, xhigh, max, auto 설정을 지원한다는 것입니다. auto 는 모델이 알아서 고르는 값이니, 사람이 고르는 등급은 5단계입니다.
| 등급 | 위치 | 쓰임 |
|---|---|---|
| low | 가장 낮음 | 초안 확인, 구도만 볼 때 |
| medium | 아래쪽 | 내부 검토용 시안 |
| high | 중간 | 앞 모델까지의 최상단이었던 자리 |
| xhigh | high 위 | 2.5 에서 새로 생긴 구간 |
| max | 가장 높음 | 최종 결과물을 뽑을 때 |
여기서 짚어둘 것은 xhigh 와 max 가 새로 생긴 위층이라는 점입니다. 앞 모델에서 high 를 쓰던 사람이 코드를 그대로 두면 등급 이름은 같은데 사다리에서 차지하는 자리가 내려갑니다. 반대로 습관대로 “가장 높은 걸로” 하려고 등급을 올리면 출력 토큰이 늘어나 비용이 올라갑니다.
필자가 블로그 대표 이미지를 만들면서 배운 것으로 옮겨보면, 등급을 올려서 얻는 것과 잃는 것이 비대칭입니다. 대표 이미지는 목록에서 320픽셀 남짓으로 줄어들어 보이고, 본문에서도 가로 1200픽셀을 넘겨 쓸 자리가 없습니다. 이 크기에서 최상단 등급과 그 아래 등급을 눈으로 구분하기는 어렵습니다. 반면 요금은 등급에 따라 그대로 올라갑니다.
그래서 GPT Image 2.5 를 쓸 때 등급을 정하는 순서를 이렇게 잡아볼 수 있습니다. 먼저 낮은 등급으로 구도와 색을 확인하고, 구도가 정해진 뒤에 그 프롬프트로 한 번만 높은 등급을 돌리는 것입니다. 시안을 높은 등급으로 여러 장 뽑는 방식이 가장 비싸게 나오는데요, 버릴 이미지에 최고 등급을 쓰는 셈이기 때문입니다.
한 가지 더 짚어둘 것은 등급 이름이 파일 크기와 직결되지 않는다는 점입니다. 등급은 모델이 쓰는 출력 토큰 수를 가르는 값이고, 최종 파일 용량은 저장 형식과 압축에서 결정됩니다. 웹에 올릴 때 실제로 걸리는 것은 후자입니다. 이 부분은 6번 절의 측정값에서 다시 나옵니다.
4. Flare 와 Sunburst 중 무엇을 골라야 하나요?
GPT Image 2.5 는 요금이 같으니 선택 기준을 다른 축에서 찾아야 합니다. 공식 문서에 적힌 성능과 속도 표기를 그대로 옮기면 이렇습니다.
| 항목 | GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|---|
| 문서의 한 줄 소개 | 빠르고 품질 좋은 일상적 이미지 생성 | 이미지 생성과 편집에 가장 유능한 모델 |
| 성능 표기 | Higher | Highest |
| 속도 표기 | Very fast | Medium |
| 문서가 권하는 용도 | 일상적인 고품질 이미지 생성 | 편집 정밀도가 가장 중요한 작업 |
| 모델 ID | gpt-image-2.5-flare |
gpt-image-2.5-sunburst |
| 날짜 고정 ID | gpt-image-2.5-flare-2026-09-08 |
gpt-image-2.5-sunburst-2026-09-08 |
| 요금 | 위 표와 동일 | 위 표와 동일 |
Flare 페이지에는 Default 표기가 붙어 있고, 조선일보 기사에 따르면 Flare 는 GPT Image 2 보다 높은 품질을 내면서 생성 지연 시간을 최대 50퍼센트 줄였습니다. 같은 기사는 Sunburst 를 생성 시간이 더 걸려도 편집 과정의 세밀한 조정과 높은 정밀도가 필요한 작업용으로 소개합니다. 실제 광고 캠페인 소재나 완성도 높은 제품 이미지가 예시로 붙어 있습니다.
그래서 판단은 단순해집니다. 같은 값을 내는데 하나는 빠르고 하나는 느립니다. 느린 쪽을 고를 이유는 편집 정밀도가 결과를 가르는 작업일 때뿐입니다. 블로그 대표 이미지처럼 한 번 만들고 끝내는 작업이라면 빠른 쪽이 맞고, 같은 인물 사진을 여러 번 고쳐가며 다듬는 작업이라면 느린 쪽을 시험해볼 값이 있습니다.
다만 여기에는 필자가 확인하지 못한 구멍이 있습니다. 두 모델의 편집 정밀도 차이가 실제로 얼마나 되는지를 공식 문서는 숫자로 주지 않습니다. Higher 와 Highest 라는 단어 두 개가 전부입니다. 차이를 알려면 같은 프롬프트로 양쪽을 돌려 결과를 비교해야 하는데, 그 작업은 이 글에 없습니다.
5. 요청 제한과 무료 사용 여부는 어떻게 되나요?
이 항목이 실무에서는 요금보다 먼저 걸립니다. GPT Image 2.5 두 모델의 공식 문서에 실린 요청 제한 표가 완전히 같았습니다.
| 사용 등급 | 분당 토큰(TPM) | 분당 이미지(IPM) |
|---|---|---|
| Free | 지원하지 않음 | 지원하지 않음 |
| Tier 1 | 100,000 | 5 |
| Tier 2 | 250,000 | 20 |
| Tier 3 | 800,000 | 50 |
| Tier 4 | 3,000,000 | 150 |
| Tier 5 | 8,000,000 | 250 |
🔴 Free 등급은 지원하지 않습니다. API 로 GPT Image 2.5 를 쓰려면 결제가 먼저입니다. 챗GPT 안에서는 전 요금제에 순차 제공되니 무료 사용자도 만져볼 수 있지만, 그것과 API 호출은 다른 이야기입니다.
그리고 Tier 1 의 분당 이미지 제한이 5장입니다. 대량 생성을 계획하고 있다면 이 숫자가 먼저 벽이 됩니다. 장당 단가를 계산하기 전에 자기 등급의 분당 이미지 수를 먼저 보는 편이 순서에 맞습니다.
기능 지원 항목에서도 확인할 것이 있습니다. GPT Image 2.5 의 두 모델은 지원하는 것과 지원하지 않는 것이 문서에 나란히 적혀 있습니다.
| 항목 | 지원 여부 |
|---|---|
| 텍스트 | 입력만 |
| 이미지 | 입력과 출력 모두 |
| 오디오 | 지원하지 않음 |
| 비디오 | 지원하지 않음 |
| 스트리밍 | 지원하지 않음 |
| 함수 호출 | 지원하지 않음 |
| 구조화된 출력 | 지원하지 않음 |
| 미세조정 | 지원하지 않음 |
호출 경로는 이미지 생성 엔드포인트인 v1/images/generations 와 이미지 편집 엔드포인트인 v1/images/edits 이고, 응답 API 인 v1/responses 의 이미지 생성 도구에서 모델로 지정하는 방법도 있습니다.
스트리밍 미지원이 실무에서 의미하는 것은 진행 상황을 중간에 받아볼 수 없다는 것입니다. 요청을 보내고 완성된 이미지가 올 때까지 기다리는 구조인데요, 그래서 Sunburst 의 속도 표기가 Medium 이라는 사실이 그냥 느리다는 뜻으로 끝나지 않습니다. 느린 동안 아무 신호도 오지 않으니 사용자에게 보여줄 화면을 따로 만들어야 합니다. 대화형 화면에 붙이려면 이 부분을 먼저 설계해야 합니다.
6. 직접 확인 1: 블로그 대표 이미지에 필요한 규격
여기부터는 필자가 실제로 측정한 이야기입니다. 필자는 이 블로그의 대표 이미지를 매일 만들고 있고, 그 과정에 규격 검사를 붙여뒀습니다. GPT Image 2.5 로 대표 이미지를 만들려는 분에게 먼저 필요한 것은 모델 성능이 아니라 이 규격입니다.
어제 발행한 글의 이미지 8장을 파이썬으로 열어 크기와 가로세로비를 전부 재봤습니다.
| 파일 | 크기 | 가로세로비 |
|---|---|---|
| 대표 이미지 | 1200×800 | 1.500 |
| 대표 이미지의 배경 원본 | 1200×800 | 1.500 |
| 원문 화면 캡처 | 1200×783 | 1.533 |
| 대조 도식 | 1244×456 | 2.728 |
| 3항목 도식 | 1244×502 | 2.478 |
| 캡처 원본 | 2880×1800 | 1.600 |
대표 이미지에 걸린 조건은 가로세로비 1.5 대 1 입니다. 오차 허용은 0.06 이고, 이 범위를 벗어나면 발행 전 검사에서 막습니다. 소셜 미리보기 카드가 이 비율을 기준으로 자르기 때문인데요, 어긋나면 카드에서 제목이나 인물의 머리가 잘려나갑니다.
측정값을 보시면 대표 이미지만 1.500 에 정확히 맞춰져 있고 나머지는 자유롭습니다. 본문 이미지는 비율 제약이 없고 가로 폭만 1200 근처로 맞춥니다. 캡처 원본이 2880×1800 인 것은 화면 배율 때문인데요, 그대로 올리면 파일이 커지므로 잘라내고 줄여서 씁니다.
GPT Image 2.5 는 여러 가로세로비를 지원하니 1.5 대 1 에 가까운 값을 지정할 수 있습니다. 다만 모델이 내놓은 결과가 정확히 그 비율인지는 받아서 재봐야 합니다. 필자의 검사가 막은 사례가 실제로 있었습니다. 다른 도구로 만든 이미지들의 비율을 재보니 2.30 대 1, 3.46 대 1, 1.90 대 1 이 나와 대표 이미지로는 전부 쓸 수 없었습니다.
비율과 함께 재봐야 하는 값이 파일 용량입니다. 같은 8장을 용량으로 다시 정렬해보니 편차가 컸습니다.
| 파일 | 크기 | 용량 |
|---|---|---|
| AI 배경 원본 | 1200×800 | 약 1,667KB |
| 대표 이미지(글자 합성 후) | 1200×800 | 약 1,238KB |
| 화면 캡처 | 1200×783 | 약 170KB |
| 3항목 도식 | 1244×502 | 약 52KB |
같은 1200×800 인데 사진 계열이 1MB 를 넘고, 도식은 52KB 입니다. 사진은 픽셀마다 색이 달라 압축이 덜 되고, 도식은 같은 색 면적이 넓어 잘 압축되기 때문입니다. 3번 절에서 등급과 파일 용량이 다른 축이라고 적은 것이 이 지점입니다. 모델 등급을 낮춰도 사진풍 이미지를 PNG 로 저장하면 용량은 그대로 큽니다.
그래서 GPT Image 2.5 로 대표 이미지를 만들 계획이라면 확인 순서를 이렇게 잡는 편이 낫습니다. 먼저 가로세로비를 재고, 다음으로 용량을 재고, 그다음에 화질 등급을 조정합니다. 앞의 두 개는 검사로 걸러낼 수 있지만 등급은 돈이 걸린 판단이라 마지막에 정하는 쪽이 순서에 맞습니다.
7. 직접 확인 2: AI 이미지의 출처 정보는 어디까지 남는가
조선일보 기사의 마지막 단락에 이런 문장이 있습니다. 오픈AI 도구로 생성한 이미지를 식별할 수 있도록 C2PA 메타데이터와 눈에 보이지 않는 워터마크를 계속 적용한다는 것입니다.
블로그에 AI 이미지를 올리는 쪽에서는 이게 궁금해집니다. 내가 올린 이미지에 출처 정보가 박혀 있는가, 그리고 그것이 내 편집을 거치고도 남는가.
필자의 이미지로 재봤습니다. 필자가 쓰는 방식은 AI 로 배경만 만들고 글자는 코드로 얹는 것인데요, 두 단계 사이에서 메타데이터가 어떻게 되는지를 파이썬으로 확인했습니다.
| 단계 | 메타데이터 항목 | C2PA 관련 바이트 표식 |
|---|---|---|
| AI 가 만든 배경 원본 | srgb, exif, dpi | 0건 |
| 코드로 글자를 얹은 결과 | 없음 | 0건 |
| 도식 생성 결과 | 없음 | 0건 |
| 화면 캡처 | 없음 | 0건 |
두 가지가 나왔습니다.
하나는 AI 가 만든 배경 원본에 C2PA 표식이 애초에 없었다는 것입니다. exif 항목은 있었지만 길이가 126바이트이고, 안에서 읽히는 문자열은 Exif 라는 헤더 이름뿐이었습니다. 해상도 정보가 인치당 299.9994 로 들어 있는 것이 전부였습니다.
다른 하나는 글자를 얹는 단계에서 그 exif 마저 사라졌다는 것입니다. 배경 원본에 있던 세 항목이 결과물에서는 전부 비어 있습니다. 이미지를 열어 글자를 그려 다시 저장하는 과정에서 원본의 부가 정보가 따라오지 않았습니다.
그래서 실무의 결론은 이렇습니다. 후처리를 한 번 거치면 출처 정보는 기대하지 않는 편이 안전합니다. AI 로 만든 이미지임을 밝혀야 하는 상황이라면 파일 안의 메타데이터에 맡기지 말고 글 본문이나 이미지 설명에 직접 적는 쪽이 확실합니다.
여기에는 필자가 확인할 수 없는 층이 있습니다. 위에서 확인한 것은 파일 안의 메타데이터 층뿐입니다. 조선일보 기사가 함께 언급한 눈에 보이지 않는 워터마크는 픽셀 값 자체에 심는 방식이라 파일 안의 문자열을 세는 방법으로는 검출되지 않습니다. 그것을 확인하려면 전용 검사 도구가 필요한데, 필자의 환경에는 exiftool 과 c2patool 이 설치돼 있지 않았습니다. 확인하지 못한 것을 확인한 것처럼 쓸 수는 없으니 이렇게 남겨둡니다.
같은 회사가 같은 주에 낸 다른 글에서도 출처와 감시 이야기가 나왔는데요, AI Now 카테고리의 GPT-6 아스트라와 오픈AI 감속 경고 정리에서 다룬 이야기와 같은 방향입니다. 만든 것을 나중에 추적할 수 있게 남겨두는 일이 점점 어려워지고 있다는 쪽입니다.
8. GPT Image 2.5, 이 글로 알 수 없는 것
확인한 것과 확인하지 못한 것을 섞으면 이 글의 값이 떨어지니 따로 적어둡니다.
- 필자는 GPT Image 2.5 를 유료로 호출해보지 않았습니다. 그래서 실제 생성 품질, 앞 모델과의 체감 차이, 스케치 기능의 실사용감을 이 글은 말하지 않습니다. 공식 모델 문서에 적힌 값과 공개 보도, 그리고 필자 자신의 이미지 측정값을 옮긴 것이 전부입니다.
- 한 장에 실제로 얼마인지는 이 글에 없습니다. 출력 토큰 100만 개가 30달러라는 요율은 공식 문서에 있지만, 한 장이 몇 토큰을 먹는지는 등급과 크기에 따라 달라집니다. 게다가 공식 문서가 앞 모델의 계산기로는 2.5 의 소비량을 추정할 수 없다고 명시했습니다. 장당 단가를 알려면 직접 호출해 응답의 토큰 수를 세야 합니다.
- Flare 와 Sunburst 의 품질 차이를 숫자로 확인하지 못했습니다. 공식 문서의 표기는
Higher와Highest이고 그 사이가 얼마인지는 적혀 있지 않습니다. 같은 프롬프트로 양쪽을 돌려 비교하는 작업이 필요합니다. - 눈에 보이지 않는 워터마크는 검출하지 못했습니다. 7번 절에서 확인한 것은 파일 메타데이터 층뿐이고, 픽셀에 심는 방식은 전용 도구가 필요합니다. 도구가 없어 시도하지 않았습니다.
- 가로세로비 지원 목록을 공식 문서에서 전부 확인하지 못했습니다. 여러 비율을 지원한다는 사실은 확인했지만, 1.5 대 1 에 정확히 해당하는 옵션이 있는지는 실제로 호출해 결과를 재봐야 합니다.
하나 덧붙이면, 필자는 GPT Image 2.5 가 좋은 모델인지 아닌지를 판정하지 않았습니다. 이 글에서 한 일은 공식 문서의 숫자를 옮겨 적고, 그 숫자로 결정할 수 있는 것과 결정할 수 없는 것을 가른 것까지입니다.
9. 정리: 누구에게 맞고 누구에게는 굳이인가, 그리고 필자의 결론
정리하면 이 소재는 이렇게 나뉩니다.
- 공식 문서로 확인되는 것은 두 모델의 토큰 요율이 동일하다는 사실, 화질 등급이 5단계에 자동 하나라는 사실, Free 등급 미지원과 Tier 1 분당 5장이라는 제한입니다
- 문서가 답하지 않는 것은 장당 실비와 두 모델의 품질 격차입니다. 둘 다 직접 호출해야 나옵니다
- 필자가 측정한 것은 대표 이미지의 비율 조건과, 후처리 뒤에 출처 메타데이터가 남지 않는다는 사실입니다
읽는 사람의 위치에 따라 쓸모가 갈립니다. 대량 생성을 계획하는 쪽에는 요청 제한 표가 요금표보다 먼저 필요합니다. 앞 모델을 쓰던 쪽에는 high 위에 두 단계가 새로 생겼다는 대목이 실무에 가장 가깝습니다. 반대로 챗GPT 안에서 이미지 몇 장 만들어보려는 분에게 API 요금 이야기는 굳이인데요, 그쪽은 요금제에 순차 제공되니 기다리시면 됩니다.
그래서 필자는 이렇게 봅니다
필자는 GPT Image 2.5 의 선택 기준이 가격이 아니라 후처리를 몇 단계 두느냐라고 봅니다. 두 모델의 요금이 한 칸도 다르지 않으니 비교표에서 가격 열은 지워도 됩니다. 남는 축은 속도와 편집 정밀도인데, 편집 정밀도가 필요한 작업이란 결국 같은 이미지를 여러 번 고치는 작업입니다. 한 번 만들고 코드로 마무리하는 쪽이라면 그 축은 값을 가지지 않습니다.
그리고 7번 절의 측정이 필자에게 남긴 것이 하나 있습니다. 출처 메타데이터가 후처리 한 번에 사라진다면, AI 로 만들었다는 사실을 파일이 증명해주기를 기대할 수 없습니다.
그래서 이번 주에 하기로 한 일은 두 가지입니다. 대표 이미지를 만들 때 AI 에게 글자를 맡기지 않는 방식은 그대로 유지하고, AI 생성 여부는 이미지 설명 문구에 직접 적기로 했습니다. 앞의 것은 원래 하던 방식이지만 이번 측정으로 이유가 하나 더 붙었습니다. 글자를 코드로 얹는 단계가 어차피 메타데이터를 지우니, 출처 표기를 파일 바깥에 둘 이유가 생긴 것입니다. 반대로 GPT Image 2.5 를 유료로 붙이는 일은 아직 하지 않기로 했습니다. 장당 단가를 모르는 상태에서 매일 돌아가는 자리에 넣으면 비용이 얼마나 나올지 예측할 수 없기 때문입니다.
이미지를 다루는 작업이 늘면 업로드와 저장 쪽 조건도 함께 걸립니다. 블로그운영 카테고리의 워드프레스 무료 유료 차이 5가지에 저장 용량과 업로드 제한을 정리해뒀고, 화면을 캡처해 본문에 넣는 작업은 Aside 브라우저 후기와 함정 6가지에 적어뒀습니다.
공식 숫자를 직접 확인하고 싶은 분은 GPT-Image-2.5 Flare 모델 문서를 열어 요금 항목과 요청 제한 표를 보시면 좋겠습니다. 두 모델 페이지를 나란히 놓고 보면 다른 칸이 어디인지가 3초 안에 확인됩니다.