GPT Image 2에서 GPT Image 2.5로 바꾸기 전에 확인할 것들
Flare와 Sunburst를 선택하고 기존 결과를 기준으로 품질, 응답 시간, 실제 사용할 수 있는 이미지당 비용을 비교하는 마이그레이션 절차입니다.
GPT Image 2에서 GPT Image 2.5로 옮길 때는 Flare와 Sunburst 중 후보를 정한 뒤, 실제 작업에 필요한 이미지를 제대로 만드는지 평가해야 합니다. 기존 GPT Image 2 설정을 비교 기준으로 남겨두고 출력 조건을 명시한 상태에서 품질, 응답 시간, 사용할 수 있는 이미지당 비용을 비교하세요.
이 체크리스트는 2026년 9월 9일 확인한 OpenAI 이미지 생성 문서와 프롬프트 가이드를 바탕으로 작성했습니다. 평가 절차를 안내하는 글이며 유료 API 벤치마크 결과는 아닙니다.
1. 작업에 맞는 후보를 고릅니다
OpenAI는 Flare를 GPT Image 2와 비슷한 품질을 제공하는 더 작고 빠른 모델로 설명합니다. Sunburst는 더 높은 품질과 정밀한 편집에 초점을 맞춥니다.
| 기존 작업 | 먼저 평가할 후보 | 선택을 다시 검토해야 하는 경우 |
|---|---|---|
| 여러 시안 만들기 | Flare | 재시도가 늘어 속도 이점이 사라짐 |
| 최종 제품 이미지 | Sunburst | 늘어난 디테일이 합격률을 높이지 못함 |
| 라벨 문구가 중요한 참조 편집 | Sunburst | 문구나 형태가 여전히 의도와 다르게 바뀜 |
| 다양한 생성 요청 | 둘 다 | 작업 유형마다 적합한 기본 모델이 다름 |
자세한 선택 기준은 Flare와 Sunburst 비교를 참고하세요. 공식 설명은 평가의 출발점이지 내 서비스에서 측정한 결과가 아닙니다.
2. 현재 설정과 결과를 보관합니다
기본 모델 이름을 바꾸기 전에 대표 프롬프트, 원본 이미지, 모델 ID, 출력 크기, 품질, 형식, 후처리 설정을 저장하세요. 기존 모델이 잘 처리하는 작업과 재시도가 잦은 작업을 모두 포함합니다.
새 결과를 보기 전에 합격 기준을 정하세요. 제품 배경 제거라면 읽을 수 있는 라벨, 원래 비율, 깨끗한 경계, 정상적인 알파 채널이 기준이 될 수 있습니다. 포스터라면 질감보다 정확한 문구와 배치가 중요할 수 있습니다.
후보마다 같은 입력을 사용하세요. 가능하다면 평가할 때 모델 이름을 가려서 신모델에 대한 기대가 판정을 좌우하지 않게 합니다.
3. 모델을 지정하고 설정을 다시 확인합니다
직접 호출하는 Images API는 생성에 images.generate(), 참조 편집에 images.edit()를 사용합니다. 모델 ID는 다음과 같습니다.
# 기존 비교 기준
model = "gpt-image-2"
# 동일한 프롬프트와 출력 설정으로 각각 평가
model = "gpt-image-2.5-flare"
# 또는
model = "gpt-image-2.5-sunburst"
정상 작동하는 설정을 덮어쓰기보다는 기존 모델과 각 후보의 설정을 따로 보관하세요. API 사용법에는 공식 문서와 대조한 생성·편집 코드가 있습니다.
전환 시 다음 항목을 확인합니다.
- 품질: 2.5는
auto,low,medium,high,xhigh,max를 지원합니다. 먼저 공통 설정을 직접 지정해 비교하고 새 고품질 단계는 따로 평가하세요. - 크기: 각 변은 16의 배수이고 최대 3,840픽셀이어야 합니다. 긴 변과 짧은 변의 비율은 최대 3:1, 전체 픽셀 수는 655,360~8,294,400입니다.
2560x1440을 넘는 해상도는 실험적 지원입니다. - 투명도: PNG 또는 WebP와 함께
background="transparent"를 요청하고 후처리에서도 알파 채널을 유지하세요. - 압축:
output_compression은 JPEG 또는 WebP에만 사용합니다. - 기존 매개변수: 이전 모델의 필드를 지원 여부 확인 없이 복사하지 마세요. 여기서 안내하는 예제에는
input_fidelity가 필요하지 않습니다.
Responses API는 image_generation 도구 정의 안의 모델을 바꿉니다. 최상위 언어 모델은 별도 설정입니다. 게이트웨이를 사용한다면 OpenAI 예제를 그대로 적용하기 전에 경로와 매개변수 지원을 확인하세요.
4. 토큰 단가보다 사용할 수 있는 이미지당 비용을 비교합니다
Flare와 Sunburst의 공개 토큰 단가는 같습니다. 하지만 같은 토큰 수, 응답 시간, 최종 사용 가능한 이미지당 비용을 뜻하지는 않습니다.
요청 비용 = 해당 요청의 과금 대상 사용량에 대한 비용
합격 이미지당 비용 = 평가에 사용한 이미지 관련 총비용
/ 합격한 출력 이미지 수
탈락한 결과와 재시도 비용도 분자에 포함하세요. 가령 10번 생성하는 데 총 1달러가 들고 5장만 요구사항을 만족했다면 합격 이미지당 생성 비용은 0.20달러입니다. 계산을 설명하기 위한 가정이며 GPT Image 2.5의 실측 결과나 견적이 아닙니다. 사람의 검수와 후처리 비용은 별도입니다.
OpenAI는 현재 GPT Image 2.5 출력 토큰 계산기를 제공합니다. 올바른 모델군과 명시적인 설정을 선택하세요. 계산기의 출력 비용 추정에는 다른 사용량 항목이 포함되지 않습니다. 완료한 요청은 반환 사용량과 제공업체의 단가로 계산해야 합니다. Responses에는 최상위 언어 모델의 사용량도 추가됩니다. 요금 설명에서 차이를 확인할 수 있습니다.
5. 결과 검증을 통과한 뒤 트래픽을 옮깁니다
합격 기준이 명확한 일부 작업부터 서비스에 적용하세요. 요청 실패, 응답 시간, 합격률, 청구 금액을 비교하는 동안 정상 작동하는 GPT Image 2 설정을 유지합니다. 새 설정이 정한 기준을 만족하면 적용 범위를 넓히세요.
크기 조절과 압축을 거쳐 사용자가 받는 최종 파일도 확인해야 합니다. 정상적인 투명 PNG도 후처리에서 알파 채널을 잃을 수 있고 읽을 수 있던 라벨이 축소 후 흐려질 수 있습니다. API 원본뿐 아니라 최종 전달물을 평가하세요.
시안에는 Flare, 일부 편집에는 Sunburst를 쓰는 구성이 적합할 수 있습니다. 기존 작업에서 잘 작동하는 GPT Image 2를 유지할 수도 있습니다. 실제 결과를 근거로 모델을 배치하고 비용과 실패 처리 방식을 파악하는 것이 전환의 목표입니다.
자주 묻는 질문
- GPT Image 2.5로 업그레이드할 때 모델 이름만 바꾸면 되나요?
- Images API의 기본 생성·편집 방식은 비슷하지만 Flare 또는 Sunburst를 선택하고 품질, 응답 시간, 토큰 소비량, 제공업체 지원 여부를 확인한 후 서비스 트래픽을 전환해야 합니다.
- GPT Image 2의 이미지당 비용 추정치를 그대로 써도 되나요?
- 그대로 적용하면 안 됩니다. 토큰 단가가 같아도 소비량은 다를 수 있습니다. 출력 비용은 2.5용 계산기로 추정하고 실제 요청 비용은 반환 사용량으로 계산하세요.
- GPT Image 2를 어떤 2.5 모델로 바꾸는 것이 좋나요?
- 속도가 중요하면 Flare부터, 높은 품질이나 정밀한 편집이 중요하면 Sunburst부터 비교하세요. 대표 입력과 합격 기준으로 선택해야 하며 어느 하나가 모든 작업의 대체 모델은 아닙니다.
