프로덕션 팀을 위한 GPT Image 2 vs GPT Image 1.5 비교

지난주 내 캘린더에 마이그레이션 관련 미팅이 잡혔다. 제목: “GPT-image-2로 전환해야 할까요?” 팀은 GPT-Image-1.5의 프롬프트와 파라미터를 조정하는 데 4개월을 쏟아부었고, 두 개의 서비스에 통합까지 완료한 상태였다. 그런데 새 모델 릴리스를 보면서 모든 것을 재조정할 가치가 있는지 고민하고 있었다. 나는 전화로 예/아니오 답변 대신, 직접 답하기 전에 알아야 할 내용을 정리해서 보내겠다고 했다.

이것이 그 정리 내용이다. GPT Image 2 vs GPT Image 1.5 비교이지만, 대부분의 비교와는 각도가 다르다. “어느 것이 더 좋은가”가 아니라 — 그건 벤치마크 질문이다 — “1.5로 이미 워크플로우를 운영 중이라면, 2로 전환하는 데 드는 비용이 정말 가치 있는가”가 핵심이다.

GPT Image 2 vs GPT Image 1.5 한눈에 보기

모델 포지셔닝과 스냅샷의 확인된 차이점

GPT Image 2는 2026년 4월 21일에 출시됐다. 모델 ID는 GPT-image-2이며, 현재 스냅샷은 공식 OpenAI 모델 페이지에 GPT-image-2-2026-04-21로 고정되어 있다. GPT Image 1.5는 2025년 12월 16일에 출시되어 2가 교체하기 전까지 약 4개월간 프로덕션 기본 슬롯을 유지했다.

실질적으로 중요한 구조적 변화:

추론 기능. GPT Image 2는 “Thinking mode”를 도입했다 — 모델이 레이아웃을 계획하고, 참고 자료를 위해 웹을 검색하며, 렌더링 전에 출력물을 자체 검토할 수 있다. 1.5에는 이런 기능이 전혀 없다. Instant mode도 2에서 사용 가능하며, 레이턴시 측면에서 1.5에 가까운 동작을 한다.
해상도 상한선. 2는 최대 네이티브 4K(긴 쪽 3840px, 2K 초과는 아직 실험적으로 표시됨)를 지원한다. 1.5는 1536×1024가 최대다.
텍스트 렌더링. 이것이 출력 품질에서 가장 큰 도약이다. 소문자 텍스트, UI 레이블, 다국어 스크립트(일본어, 한국어, 중국어, 힌디어, 벵골어) — 2는 이를 처리한다. 1.5도 이미 준수했지만 빽빽하거나 라틴 계열이 아닌 레이아웃에서는 눈에 띄게 흔들렸다.
색상 기준선. 1.5가 지속적으로 생성하던 따뜻한 색조 왜곡이 2에서는 사라졌다. 중성 흰색이 드디어 중성 흰색으로 렌더링된다.
투명 배경. 이것이 함정이다. GPT Image 2는 투명 PNG 출력을 지원하지 않는다. 1.5는 지원한다. 파이프라인이 알파 채널 컷아웃에 의존한다면, 이 단 하나의 기능 때문에 1.5를 스택에 유지해야 할 수 있다.
호출당 배치. 2는 호출당 최대 10개의 이미지를 반환할 수 있다(Thinking mode에서는 8개). 1.5는 사실상 호출당 하나였다.

확인해야 할 가격 및 속도 제한 차이

가격은 “새것 = 더 저렴”이 틀리는 유일한 지점이며, 역전이 작아서 놓치기 쉽다.

OpenAI API 가격 페이지에 따르면, GPT-image-2는 이미지 입력 토큰 100만 개당 $8.00, 캐시된 이미지 입력 토큰 100만 개당 $2.00, 이미지 출력 토큰 100만 개당 $30.00, 텍스트 입력 토큰 100만 개당 $5.00를 청구한다. Batch API는 이 모든 금액을 절반으로 줄인다.

하지만 이미지당 계산은 일률적으로 움직이지 않는다. 1024×1024 고품질에서 GPT-image-2의 계산기 추정치는 약 $0.211인 반면, GPT-Image-1.5는 $0.133 — 따라서 가장 일반적인 프로덕션 크기에서 2가 의미 있게 더 비싸다. 1024×1536 세로형 고품질에서는 역전된다: 2는 약 $0.165, 1.5는 약 $0.20. The Decoder의 출시 커버리지에서도 같은 역전을 포착했다. 새 모델이 전반적으로 더 저렴할 것이라고 가정했다면, 프로덕션 크기의 절반에서 예상치 못한 결과를 맞이할 것이다.

대부분의 팀이 놓치는 두 가지 항목:

Thinking mode는 기본 이미지 비용 외에 추가 추론 토큰을 청구한다. OpenAI는 이미지당 명확한 수치를 아직 공개하지 않았다. 여유분을 확보해두어야 한다.
참조 이미지를 사용한 편집은 GPT-image-2에서 항상 고화질로 입력을 처리한다 — input_fidelity가 잠겨 있다. 이로 인해 편집 중심 워크플로우가 이미지당 기준 비용의 2~3배로 운영될 수 있다. 비용 메커니즘은 별도 글에서 다뤘으니 여기서는 반복하지 않겠다.

속도 제한은 “계정을 직접 확인하라”고 할 것이다. OpenAI는 API Organization Verification 뒤에 GPT-image-2를 제한하고 있으며, 한도는 티어에 따라 다르다. 공식 모델 페이지가 신뢰할 수 있는 소스다.

GPT Image 2에서 더 나아진 점

워크플로우 및 편집 시사점

2의 편집 엔드포인트는 생성과 편집을 같은 콜 표면으로 연결하며, 마스크 기반 인페인팅과 아웃페인팅을 깔끔하게 처리한다. “생성, 확인, 조정, 재생성” 루프의 워크플로우에서 한 단계가 줄어든다. 1.5에서도 편집-반복이 가능했지만, 2에서는 디자이너가 실제로 작업하는 방식에 더 가깝다.

다국어 포스터 배치 작업에서 도약이 가장 눈에 띄었다. 1.5에서 두 글자 오류로 렌더링된 한국어 헤더가 2에서는 깔끔하게 나왔다. 다시 실행해봤다. 여전히 깔끔했다. 그 순간부터 업그레이드를 진지하게 고려하기 시작했다.

팀이 신경 쓰는 운영상 개선 가능성

“스택을 재조정할 가치가 있는가”라는 질문에 주목할 세 가지:

텍스트-인-이미지 작업에서 재시도 감소. 팀이 포스터, 패키징 목업, 제품 레이블, 또는 렌더링된 텍스트가 포함된 것을 제작한다면, 2의 재시도율이 낮다. 이는 이미지당 가격 인상을 어느 정도 상쇄한다.
더 많은 출력 크기를 하나의 모델로. 네이티브 4K는 이전에 업스케일러로 라우팅하던 파이프라인에서 단계를 제거한다.
색상 중립성. 미미하지만 실재한다. 이전에 따뜻한 색조를 제거하기 위한 색상 보정 단계가 있었다면 없앨 수 있다.

이것을 “단계적 변화”라고 부르는 것은 자제하겠다 — 그건 마케팅 언어다. 1.5가 이미 신뢰할 수 있었던 차원에서 측정 가능한 개선이다.

업그레이드가 적합한 경우와 그렇지 않은 경우

다음 중 하나라도 해당된다면 업그레이드:

텍스트가 많거나 다국어 비주얼(표지판, 인포그래픽, 패키징, UI 목업)을 제작한다.
1.5에서의 재시도율이 높아서 비용 차이가 재생성 감소로 상쇄된다.
네이티브 4K가 필요하고 업스케일링 단계를 없애고 싶다.
복잡한 구성에서 레이아웃-추론 한계에 부딪히고 있어 Thinking mode를 루프에 넣고 싶다.

1.5 유지:

투명 PNG가 필요하다. 이건 협상의 여지가 없다. 2는 지원하지 않는다.
주요 출력 크기가 1024×1024 고품질이고 볼륨이 높다. 가격 차이가 누적된다.
기존 1.5 파이프라인이 잘 조정되어 있고 재시도율이 이미 낮다. 마이그레이션 비용이 빠르게 회수되지 않는다.
비용에 민감하고 낮거나 중간 품질로 제작한다 — 여기서는 1.5로 충분하다.

OpenAI 자체 프롬프팅 가이드는 새로운 프로덕션 워크플로우의 기본값으로 GPT-image-2를 권장하고, 마이그레이션 중 하위 호환성 및 회귀 테스트를 위해 1.5를 유지할 것을 제안한다. 이는 팀에게 내가 전달할 내용과 일치한다: 전면 전환하지 말고, 사용 사례별로 라우팅하라.

팀을 위한 실용적인 마이그레이션 체크리스트

전환하기로 결정했다면, 내가 실행할 순서는 다음과 같다. 특별한 것은 없지만 — 어느 단계를 건너뛰든 마이그레이션이 롤백으로 이어지는 방법이다.

사용 사례별로 현재 1.5 호출을 목록화하라. 그룹으로 나눠라: 순수 텍스트-이미지 변환, 참조 편집, 투명 배경 출력, 다국어 텍스트, 배치 작업. 각 그룹의 마이그레이션 답변이 다르다.
스냅샷을 고정하라. 별칭이 아닌 GPT-image-2-2026-04-21을 사용하라. 별칭은 앞으로 굴러간다; 프로덕션 코드는 그래서는 안 된다.
프롬프트를 재테스트하라. 1.5에 맞게 조정된 프롬프트는 대부분 이어지겠지만, Thinking mode는 더 명시적인 레이아웃 지시를 보상한다. 1.5에서 잘 작동하던 느슨한 프롬프트가 다른 프레이밍을 생성할 수 있다.
호출당이 아닌 에셋당 비용을 기록하라. 재시도 전반에 걸쳐 최종 에셋 비용을 추적하라. 호출당 가격은 편집 중심 흐름에서 오해를 불러일으킨다.
라우팅 레이어를 설정하라. 투명 배경 작업과 1024×1024 고볼륨 작업은 1.5로 보내라. 다국어 텍스트, 4K 출력, 마스크 기반 편집은 2로 보내라. fal.ai 비교 페이지에서 예제 호출 패턴과 함께 동일한 라우팅 로직을 정리해두었다.
1주일간 파일럿을 진행하라. 트래픽을 전환하기 전에 실제 워크로드에서 두 모델을 병렬로 실행하라. 샘플 프롬프트로 결정하지 말라.

이런 마이그레이션에서 피해를 입는 팀은 모델 때문에 피해를 입지 않는다. 새로운 실패 모드 — 잠긴 입력 충실도, 알파 채널 없음, 가변 추론 비용 — 가 있는데도 모델이 드롭인 교체라고 가정하기 때문에 피해를 입는다.

FAQ

GPT Image 2가 GPT Image 1.5보다 저렴한가요?

출력 크기와 품질에 따라 다르다. 1024×1024 고품질에서 GPT-image-2는 더 비싸다 (추정 $0.211 vs $0.133). 1024×1536 고품질에서는 더 저렴하다 ($0.165 vs $0.20). 낮은 품질과 중간 품질은 더 작은 차이가 있다. 토큰 요금은 공개되어 있으나, 이미지당 수치는 실제 프롬프트와 편집에 따라 달라지는 계산기 추정치다.

팀이 통합 흐름을 변경해야 하나요?

대부분 아니다. 두 모델 모두 동일한 v1/images/generations와 v1/images/edits 엔드포인트를 사용한다. 변경되는 것: 첫 GPT-image-2 호출 전에 API Organization Verification을 완료하고, 코드에 스냅샷을 고정하고, GPT-image-2가 항상 고화질로 참조 이미지를 처리하기 때문에 편집 중심 흐름이 더 높은 비용을 청구한다는 것을 예상하라.

마이그레이션 전에 팀이 무엇을 테스트해야 하나요?

실제 프로덕션 크기, 품질, 편집 패턴으로 1주일간 파일럿을 진행하라. 호출당이 아닌 재시도를 포함한 완성된 에셋당 비용을 측정하라. 정직한 이미지 API 비교는 재시도율과 편집 오버헤드를 고려해야 하며, 생성당 스티커 가격만 봐서는 안 된다. 투명 배경 요구사항이 조용히 깨지지 않았는지 확인하라 — GPT-image-2는 이를 지원하지 않는다. 라틴 계열이 아닌 스크립트로 제공한다면 다국어 출력을 검증하라.

GPT Image 1.5를 유지하는 것이 합리적인 경우는 언제인가요?

세 가지 경우다. 투명 PNG 출력이 필요하다. 주요 출력이 1024×1024 고품질이고 볼륨이 충분히 커서 가격 차이가 중요하다. 1.5 파이프라인이 성숙하고 재시도율이 이미 낮으며 마이그레이션 위험이 한계적인 품질 향상보다 크다. 이 중 특별한 것은 없다 — 많은 현업 스택의 기본값이다.

결론

GPT Image 2는 1.5가 이미 강점을 보이던 대부분의 차원 — 텍스트 렌더링, 다국어 스크립트, 네이티브 4K, 색상 중립성, 레이아웃 추론 — 에서 더 나은 모델이다. 엄격한 비용 개선은 아니며, 업그레이드 과정에서 투명 배경을 포기했는데, 이는 파이프라인이 알파 컷아웃에 의존하는 누구에게나 실질적인 손실이다.

“업그레이드해야 하는가”에 대한 솔직한 답변은: 워크플로우가 어떤 트레이드오프 안에 있느냐에 따라 다르다. 1024×1536에서 다국어 마케팅 에셋을 제작하는 팀은 쉽게 yes다. 투명 배경의 1024×1024 히어로 이미지를 대량 생산하는 팀은 쉽게 no다. 대부분의 팀은 그 사이 어딘가에 있는데, 그래서 실용적인 OpenAI 이미지 모델 비교는 “전면 전환”이 아닌 “사용 사례별 라우팅”으로 끝난다.

아직 지켜보고 있는 부분: Thinking mode의 추론 비용이 프로덕션 볼륨에서 어떻게 동작하는가다. 기본 케이스는 깔끔해 보인다. 레이아웃 중심 작업에서의 가변 비용이 아직 충분한 데이터가 없는 부분이다. 데이터가 쌓이면 별도 글로 다루겠다.

이전 글: