GPT-Image-2.5의 가장 눈에 띄는 변화는 이미지 한 장을 기다리는 시간이다. 슬라이드 제작 서비스 Tosea가 공개한 비교에서는 같은 출력 토큰을 사용했을 때 GPT Image 2의 평균 37.3초가 2.5 Flare에서 19.7초로 줄었다. 반면 토큰 단가는 그대로다. 이번 업데이트는 무엇이든 두 배 잘 그리는 모델이라기보다, 기존 수준의 작업을 더 빠르게 처리하고 여러 차례 수정할 때 원본이 달라지는 문제를 줄이는 쪽에 가깝다.[4][2]
다만 속도, 그림의 완성도, 편집 정확도는 서로 다른 성능이다. 어떤 항목에서 차이가 났는지 나눠 보면 GPT Image 2를 계속 써도 되는 경우와 새 모델로 바꿀 이유가 분명해진다.
전작에서 이미 하던 일과 이번에 달라진 일
2026년 4월 공개된 ChatGPT Images 2.0은 이미 복잡한 지시와 촘촘한 글자를 이미지로 구현하는 능력을 강조했다. Thinking 모드에는 웹 검색과 추론을 결합하고 한 번의 요청에서 여러 이미지를 생성하는 기능도 들어 있었다. 따라서 이미지 속 글자, 검색을 이용한 생성, 대화형 수정을 모두 2.5의 신기능으로 소개하면 전작과의 차이를 잘못 짚게 된다.[9]
9월 8일 나온 2.5에서 OpenAI가 강조한 변화는 더 자연스러운 표현, 여러 번 수정해도 유지되는 세부 요소, 빨라진 생성이다. API는 하나의 후속 모델 대신 Flare와 Sunburst로 나뉜다. Flare는 빠른 일상용 생성, Sunburst는 정밀한 편집에 초점을 둔다. Sunburst 쪽은 더 긴 생성 시간을 감수하는 선택이다.[1][2][3]
이 차이는 같은 장면을 이어서 고칠 때 드러난다. OpenAI의 공식 시연에서는 어항 속 책상 옆에 “Make this more modern”이라는 댓글을 붙이자 나무 책상과 의자가 흰 가구로 바뀐다. 이어 왼쪽에 “Add a bookshelf”를 요청하면 책장이 추가된다. 물고기와 수초가 있는 어항 장면, 앞서 고친 흰 가구를 이어 가면서 다음 변경을 요청하는 흐름이다.
이 시연이 보여 주는 것은 ChatGPT Images 2.5에서 위치를 짚어 연속 수정하는 방식이다. 전작보다 원본을 얼마나 더 잘 보존하는지는 별도의 비교 시험에서 봐야 한다.
실측에서는 얼마나 빨라졌나
Tosea는 공식 OpenAI API에서 GPT Image 2, Sunburst, Flare를 대상으로 총 41회의 생성·편집 호출을 실행했다고 밝혔다. 주요 비교 작업은 숫자와 문구가 들어간 업무용 슬라이드였다. 해상도는 2048×1152, 입력은 슬라이드 내용과 브랜드 템플릿 참조 이미지였으며, 아래 시간은 모델별 슬라이드 5장의 평균이다. 재시도 없이 요청부터 이미지 수신까지 잰 시간이다.[4]
| 모델·품질 설정 | 평균 생성 시간 | 전작 대비 시간 감소 |
|---|---|---|
| GPT Image 2 · medium | 37.3초 | 비교 기준 |
| 2.5 Sunburst · high | 27.7초 | 약 26% |
| 2.5 Flare · high | 19.7초 | 약 47% |
세 설정의 이미지 출력 토큰은 모두 1,413개였고, 해당 비교의 장당 비용은 약 0.059달러로 보고됐다. 이 작업에서는 비용을 거의 그대로 두고 기다리는 시간을 줄였다. Flare는 여러 시안을 연속으로 보며 고르는 작업에, Sunburst는 기다릴 여유가 있는 정밀 편집에 먼저 시험해 볼 이유가 생긴다.[4]
이 수치는 슬라이드 5장씩의 소규모 비교다. 인물 사진이나 복잡한 일러스트에서도 항상 47% 짧아진다는 뜻은 아니다. 또 출력 토큰을 맞춘 것은 계산량·비용 조건을 맞춘 것이지, 세 결과물의 시각적 품질이 같다는 보증은 아니다.
전작과의 차이는 수정 성공보다 원본 변화의 누적에 있다
같은 시험에서 Tosea는 완성된 슬라이드에 제목 변경, 숫자 변경, 문장 교체를 순서대로 요청했다. 세 모델 모두 세 차례의 수정 지시를 수행했다. 전작이 못 하던 편집을 2.5만 성공한 결과는 아니었다.[4]
Tosea는 이전 결과 이미지를 다음 요청에 다시 넣는 방식으로 세 차례 수정했다. 원본 대비 변경 픽셀 비율은 GPT Image 2에서 5.6% → 8.1% → 11.4%, Sunburst에서 4.1% → 6.8% → 9.9%, Flare에서 3.8% → 6.7% → 9.2%로 증가했다. 아래 그래프는 수정 횟수에 따라 원본과의 차이가 누적되는 과정을 보여 준다.[4]
세 모델 모두 요청한 수정을 수행했지만, 2.5에서도 화면 변화는 계속 누적됐다. 세 번째 수정 뒤 두 신형 모델의 변경 비율은 전작보다 각각 1.5%포인트, 2.2%포인트 낮았다. 다만 이 수치는 요청한 수정까지 포함한 전체 이미지 차이다. “전작은 엉뚱한 곳을 바꾸고 2.5는 지정한 곳만 바꾼다”는 결과로 읽을 수는 없다. Tosea도 배경 사진이 미세하게 다시 그려지는 현상을 보고했다. 이번 시험의 개선은 반복 편집 중 변화가 줄어든 쪽이지, 원본의 나머지 픽셀이 고정되는 기능은 아니다.[4]
글자와 숫자에서도 과장할 이유는 없다. 주요 비교에 사용된 15장에서는 세 모델 모두 제목·문장·수치를 정확히 그렸다는 것이 Tosea의 보고다. 이 시험만으로는 2.5가 문자 정확도에서 전작을 크게 앞섰다고 말할 수 없다. 한국어의 긴 문장이나 작은 주석까지 검증한 결과도 아니다.[4]
또 이 소규모 편집 시험에서는 Flare의 변경 비율이 Sunburst보다 낮았다. 따라서 ‘정밀 작업용’이라는 OpenAI의 제품 구분을 ‘모든 편집에서 Sunburst가 이긴다’는 실측 결론으로 바꿔 읽어서는 안 된다. Sunburst를 선택할 때는 실제로 다룰 인물·상품·레이아웃에서 더 긴 대기시간만큼 결과가 나아지는지가 중요하다.
가격은 그대로인데 장당 비용이 줄어 보이는 이유
Sunburst와 Flare의 공식 요금은 같다. 100만 토큰당 텍스트 입력 5달러, 이미지 입력 8달러, 이미지 출력 30달러다. OpenAI는 이 단가가 GPT Image 2와 같다고 명시한다. Sunburst가 더 정밀한 작업용이라고 해서 출력 토큰 단가까지 높은 것은 아니다.[2][3]
달라진 것은 품질 설정이다. 전작의 low·medium·high에 xhigh와 max가 추가됐다. 그러나 같은 이름의 설정이 같은 토큰 수를 쓰지는 않는다. Tosea가 같은 2048×1152 작업에서 받은 출력 토큰은 다음과 같다.[6][4]
| 품질 설정 | GPT Image 2 출력 토큰 | 2.5 두 모델 출력 토큰 |
|---|---|---|
| low | 157 | 157 |
| medium | 1,413 | 367 |
| high | 5,650 | 1,413 |
| xhigh | 미지원 | 2,511 |
| max | 미지원 | 5,650 |
기존 코드에서 모델 이름만 바꾸고 medium을 그대로 두면, 이 시험 기준으로 출력 토큰이 1,413개에서 367개로 줄어든다. 비용 감소의 일부가 신형 모델의 효율 향상이 아니라 더 낮은 출력 예산에서 나올 수 있다는 뜻이다. 전작 medium과 새 모델 high, 전작 high와 새 모델 max가 이 작업에서는 같은 출력 토큰을 사용했다. 모델 교체 전후를 비교할 때 품질 이름만 맞추면 놓치기 쉬운 부분이다.[4]
API로 대량 처리하는 사용자에게는 별도의 차이도 있다. 모델 문서상 GPT Image 2는 Batch 지원으로 표시되지만, 2.5 두 모델은 지원하지 않는다. 실시간 응답이 빨라졌다는 이유만으로 기존 일괄 처리 작업까지 바로 옮길 수 있는 것은 아니다.[5][2][3]
Nano Banana와 비교하면 무엇을 보고 골라야 하나
Nano Banana 2는 검색과 참조 대상 유지가 중요한 비교 상대다. Google은 Gemini 3.1 Flash Image 기반 Nano Banana 2에 실시간 웹 정보·이미지 검색을 연결하고, 이미지 안의 글자 번역과 현지화를 지원한다고 설명한다. 한 작업 흐름에서 최대 5명의 인물과 14개 사물의 일관성을 유지하는 기능도 강조한다. 여러 캐릭터가 등장하는 스토리보드나 특정 장소·사물을 검색해 구성하는 작업이라면 이 기능이 선택 이유가 된다.[7]
그렇다고 검색을 Google만의 기능이라고 볼 수는 없다. ChatGPT Images 2.0의 Thinking 모드에도 이미 웹 검색이 있었다. 비교할 것은 ‘검색 가능’이라는 체크 표시보다, 검색한 시각 자료를 생성에 어떻게 연결하는지와 여러 참조 대상을 수정 후에도 유지하는지다. Google의 최대 인물·사물 수는 제품이 제시한 기능 범위이며, GPT-Image-2.5와 같은 문제를 풀어 얻은 승률은 아니다.[9][7]
Nano Banana 2 Lite는 짧은 대기시간과 대량 생성 비용이 우선일 때 비교할 모델이다. Google은 1K 이미지당 0.034달러, 텍스트에서 이미지 생성까지 4초를 제시한다. 앞서 본 Flare의 19.7초는 2K 슬라이드에 참조 이미지를 넣은 편집 작업이므로 두 숫자를 나눠 속도 우열을 계산할 수는 없다. 다만 사용자가 클릭할 때마다 빠르게 이미지를 보여 주는 기능이라면 Lite의 처리시간·가격 목표가 더 직접적인 비교 기준이 된다.[8]
Nano Banana Pro는 복잡한 전문 작업에서 Sunburst와 비교할 대상이다. Google은 Pro를 정확도와 고급 추론·제어가 속도보다 중요한 작업용으로 구분한다. Sunburst 역시 편집 정밀도를 우선하므로 두 모델은 비슷한 요구를 겨냥한다. 인물의 닮은 정도, 상품 라벨 보존, 여러 차례 수정 뒤의 배경 변화처럼 결과물의 구체적인 항목을 보고 골라야 한다. 두 회사의 ‘최고 품질’ 설명만으로 어느 쪽이 낫다고 정할 수는 없다.[8][2]
FLUX는 요금 단위와 직접 실행할 수 있는지가 다르다
Black Forest Labs의 FLUX.2를 비교할 때는 어느 버전인지부터 구분해야 한다. 공식 안내에서 pro는 API 기준 최대 8개의 참조 이미지와 대량 제작을, flex는 추론 단계 수와 guidance 조절을, max는 검색을 활용한 고품질 생성을 강조한다. Flare·Sunburst의 구분에 더해, 세부 제어와 배포 방식까지 비교할 선택지가 있다.[10]
요금도 토큰이 아니라 메가픽셀 기준이다. FLUX.2 pro의 텍스트 생성은 MP당 0.03달러부터, 편집은 0.045달러부터다. GPT-Image-2.5의 출력 토큰 단가와 바로 나란히 놓기보다, 같은 해상도·참조 이미지 수의 작업 한 건으로 환산해야 비교가 된다.[10][2]
외부 생성 API에 의존하지 않고 자체 장비에서 돌려야 한다면 FLUX.2 klein 4B의 Apache 2.0 공개 가중치가 분명한 차이다. 반면 klein 9B와 dev는 비상업 라이선스 조건이 있으므로 ‘FLUX는 모두 자유롭게 상용화할 수 있다’고 묶으면 안 된다. 이미지 한 장의 미감보다 사내 배포와 라이선스가 먼저인 팀에는 이 차이가 생성 점수보다 중요할 수 있다.[10]
ChatGPT의 새 도구와 이미지 모델의 성능은 따로 봐야 한다
이번 ChatGPT 업데이트에는 직접 그려 구도를 전달하는 Sketch, 포스터·굿즈용 템플릿, 이미지의 특정 부분에 댓글을 달아 수정하는 기능이 들어갔다. 이 기능들은 프롬프트를 길게 설명해야 하는 수고를 줄인다. 특히 ‘왼쪽 위의 이 부분’처럼 위치를 말로 지정하기 어려운 편집에서 쓸모가 있다.[1]
이것은 모델 자체의 점수와 별개의 사용성 개선이다. ChatGPT에서 작업한다면 댓글·스케치가 선택 이유가 될 수 있지만, API만 사용하는 서비스에 그 화면 기능이 그대로 생기는 것은 아니다. API에서는 이미지 생성·편집 엔드포인트나 Responses API의 이미지 생성 도구로 두 모델을 선택한다.[6]
출력 크기도 확인할 필요가 있다. 공식 가이드는 두 모델에 최대 3840픽셀 변 길이와 4K 범위의 총 픽셀 수를 허용하지만, 2560×1440을 넘는 해상도는 실험적이라고 명시한다. 4K 파일을 만들 수 있다는 것과 모든 종류의 그림에서 4K 세부 묘사가 안정적이라는 것은 다르다.[6]
기존 사용자가 바꿀 이유는 어디에 있나
GPT Image 2의 결과에는 만족하지만 기다리는 시간이 불편했다면 Flare가 가장 먼저 비교할 후보다. 공개된 슬라이드 시험에서는 같은 출력 토큰과 비슷한 비용으로 평균 대기시간이 약 절반으로 줄었다. 원본을 반복 수정하는 업무라면 2.5의 원본 보존 개선도 살펴볼 만하다. 다만 Sunburst에 더 오래 기다릴 가치는 실제 작업 결과에서 확인해야 한다.[4]
반대로 문자 정확도 하나 때문에 바꾸거나, 모델명만 바꾸면 같은 품질로 비용이 절반이 된다고 기대할 근거는 약하다. 전작도 해당 시험의 글자·숫자를 정확히 처리했고, 토큰 단가도 내려가지 않았다.[4][2] 저렴하고 빠른 1K 대량 생성은 Nano Banana 2 Lite, 검색·다중 참조 작업은 Nano Banana 2, 정밀 편집은 Sunburst와 Nano Banana Pro처럼 실제 작업별로 비교하는 편이 낫다.[7][8]