GPT-Image-2.5: OpenAI의 분할 이미지 모델 레퍼런스 페이지

라는 모델은 없습니다gpt-image-2.5. 그 문자열을 벤더의 API에 붙여 넣으면 모델 ID가 존재하지 않기 때문에 오류가 발생합니다. 그리고 그것을 포함할 주소에서 API 문서를 열면 404가 표시됩니다. 실제로 존재하는 것은 한 쌍입니다: GPT-Image-2.5 Sunburst인데, 식별자는 gpt-image-2.5-sunburst이고 벤더는 "이미지 생성 및 편집을 위한 가장 강력한 모델"이라고 설명합니다. 그리고 GPT-Image-2.5 Flare인데, 식별자는 gpt-image-2.5-flare이고 벤더는 "빠르고 고품질의 일상적인 이미지 생성"이라고 설명합니다. 둘 다 GPT-Image-2의 후속 세대이며, 이 두 모델 구성 전체는 어느 쪽에든 코드를 작성하기 전에 이해해야 할 가장 중요한 사항입니다. 이러한 이름의 차이는 이 페이지가 존재하는 이유이기도 합니다: 사람들이 입력하는 질문 — "gpt image 2.5" — 은 여기에 전용 답변이 없고, 변형 및 비교 글에 흩어진 부분적인 답변만 있을 뿐입니다.

이 참조 자료의 모든 내용은 2026-10-12에 공급업체 자체 API 문서에서 읽어낸 것이며, 같은 날의 독립적인 리더보드 캡처 하나를 추가로 반영한 것입니다. 공급업체가 아무것도 공개하지 않은 부분에 대해서는, 이 페이지는 그 빈틈을 채우는 대신 그렇다고 명시합니다. 공급업체 자체 페이지들이 서로 불일치하는 부분에 대해서도 이 페이지는 그 사실을 밝힙니다.

GPT-Image-2.5는 무엇이며, GPT-Image-2 위에서 어떻게 자리하는가

GPT-Image-2.5는 벤더의 토큰 종량제 이미지 제품군의 3세대이자, 단일 API 스냅샷 날짜가 gpt-image-2-2026-04-21인 GPT-Image-2의 직접 후속작입니다. 2.5 세대는 2026-09-08에 API에 등장했습니다. 두 변형 모두 기본 스냅샷 이름에 해당 날짜가 들어갑니다: gpt-image-2.5-sunburst-2026-09-08 및 gpt-image-2.5-flare-2026-09-08. 이는 벤더 자체 기록상 출시일이며, GPT-Image-2 이후 약 4개월 반 후입니다. 이 모델은 이번 주에 새로 나온 것이 아닙니다. 다음 내용은 상시 참고 자료이며, 출시 공지가 아닙니다.

세대 교체는 더 큰 버전 번호를 가진 단일 모델이 아니다. 그것은 분기다. 이전의 모든 GPT-Image 세대는 하나의 기본 모델 ID를 제공했다 — GPT-Image-1, 그다음 GPT-Image-1.5, 그다음 gpt-image-2 — 그리고 당신은 그 하나의 모델 안에서 품질 등급을 선택했다. 2.5에서는 벤더가 각각 별도로 이름이 붙고 별도로 스냅샷된 두 모델을 출시하며, 당신의 워크로드가 어느 쪽에 속하는지 고르라고 요구한다. 둘 모두에게 디스패치하는 포괄 모델은 없다.

그로부터 세 가지 실질적인 결과가 따르는데, 이는 모델의 이름을 검색하는 독자가 실제로 필요로 하는 바로 그것이므로 분명히 밝힐 가치가 있습니다.

• gpt-image-2.5 별칭은 없습니다. 가상의 베어 이름에 대해 작성된 코드는 실행되지 않습니다; 반드시 gpt-image-2.5-sunburst 또는 gpt-image-2.5-flare를 명시적으로 지정해야 합니다.

• 두 변형은 가격표와 속도 제한 스케줄을 공유하므로, 둘 중 선택은 예산 결정이 아니라 지연 시간과 정밀도에 관한 결정입니다. 공급업체가 이 분할을 설명하는 방식 자체도 워크로드 분할이며, 더 많은 비용을 지불해 올라가는 품질 사다리가 아닙니다.

• 접미사 없이 쓰인 "GPT-Image-2.5"는 모델이 아니라 세대 이름이다. 변경 로그, 청구서, 제품 발표에서 이를 보게 되면 그것은 해당 세대를 뜻하며, 그 작업을 생성한 것이 두 모델 중 어느 모델인지는 여전히 알아야 한다.

Flare 또는 Sunburst: 선택하는 방법

이것은 모델 자체의 이름이 계속 만들어내는 질문이고, 변형 용어가 직관에 반할 정도라 많은 사람들이 답을 찾기 전에 양방향으로 묻습니다. 여기에서는 벤치마크로부터의 추론이 아니라 공급업체가 공개한 포지셔닝을 근거로, 변형별로 한 줄씩 정리해 결론을 내립니다:

• Flare — gpt-image-2.5-flare, 스냅샷 gpt-image-2.5-flare-2026-09-08. 처리량과 처리 시간이 제약 조건일 때 선택하세요. 일상적인 이미지 생성, 대용량 파이프라인, 프로토타입, 소셜 및 제품 비주얼 등 "지금 당장 좋은" 것이 "결국 더 나은" 것보다 중요한 모든 경우에 적합합니다. 이 모델은 공급업체가 빠르고 고품질의 일상 옵션으로 표시하는 모델이며, 기본 호출로 삼아야 할 모델입니다.

• Sunburst — gpt-image-2.5-sunburst, 스냅샷 gpt-image-2.5-sunburst-2026-09-08. 편집 자체가 최종 결과물이고 지연 시간보다 정밀도가 더 중요할 때 선택하세요. 2턴에서 가한 변경이 3턴까지 살아남아야 하는 반복 편집, 레이아웃에 민감한 구성, 겨냥한 위치에 정확히 들어가야 하는 마스크 인페인팅 등이 그렇습니다. 벤더의 이미지 생성 가이드는 그 기준을 한 문장으로 제시합니다: "편집 정밀도가 가장 중요한 워크플로에는 Sunburst를, 빠르고 고품질의 일상적인 이미지 생성에는 Flare를 선택하세요."

솔직한 단서: 벤더는 지연 시간 수치, 이미지당 비용, 또는 두 모델 간의 격차를 정량화하는 품질 벤치마크를 공개하지 않습니다. 따라서 '더 느리다'와 '더 정밀하다'는 벤더의 표현일 뿐, 측정된 비율이 아닙니다. 두 모델을 모두 싣고 있는 유일한 독립 리더보드는 실제로 두 모델을 구분하며, 순서에 대해서도 동의합니다 — 아래 증거 섹션을 참조하세요. 다만 그것이 하지 않는 일은 용량 계획에 넣을 수 있는 신뢰 구간과 함께 동일한 하네스, 동일한 노력으로 일대일 비교한 결과를 제공하는 것입니다. 아무도 그런 것을 공개하지 않았습니다.

일일이 고민하고 싶지 않다면 쓸 만한 기본값은 이렇습니다. 모든 곳에서 Flare를 호출하고, 편집이 유지되어야 하는 특정 요청 — 마스크를 포함한 요청이나 턴이 바뀌어도 안정적으로 유지해야 하는 참조 대상이 있는 요청 — 에서는 Sunburst로 라우팅하세요. 이는 바로 "검증되지 않은 모델이니 프로덕션 경로를 여기에 걸지 말라"는 형태이며, 단일 엔드포인트를 두 모델 모두에 라우팅하는 편이 하나에 전념하는 것보다 더 저렴한 경우입니다.

허용하는 입력값과 반환값

두 변형 모두 공급업체의 모델 페이지에서 동일한 모달리티 엔벨로프를 선언합니다. 입력: 텍스트 및 이미지. 출력: 이미지. 텍스트 출력은 생성되지 않으며, 공급업체의 가격 책정 노트는 그 결과를 확인해 줍니다 — 모델이 아무 텍스트도 반환하지 않으므로 텍스트 출력에는 요금이 청구되지 않습니다.

크기 범위는 세 가지 프리셋이 시사하는 것보다 더 넓습니다:

• 권장 프리셋 — 1024×1024 정사각형, 1536×1024 가로, 1024×1536 세로.

• 사용자 지정 크기 — 두 모델 모두 임의의 WIDTHxHEIGHT 문자열을 허용하며, 가이드에 그대로 명시된 세 가지 제약 조건이 있습니다: 너비와 높이는 16의 배수여야 하고, 가로세로 비율은 1:3과 3:1 사이여야 하며, 어느 쪽 변도 3840픽셀을 초과할 수 없습니다.

• 총 픽셀 예산 — 655,360~8,294,400픽셀이며, 벤더는 상한에서 이를 4K라고 부른다.

• 실험 영역 — 2560×1440을 초과하는 해상도는 벤더가 실험적 기능으로 표시합니다. 그 이상은 프로덕션용으로 검증되지 않은 것으로 간주하십시오.

출력 형식은 기본적으로 PNG이며 JPEG와 WebP를 사용할 수 있습니다. 압축은 output_compression 매개변수를 통해 0–100 범위로 제어할 수 있으며, 공급업체는 JPEG가 PNG보다 빠르다고 언급합니다 — 처음에 Flare를 선택한 이유가 지연 시간이라면 알아둘 만합니다. 투명 배경을 사용하려면 background: "transparent"를 PNG 또는 WebP 출력 형식과 함께 사용해야 합니다. API는 base64로 인코딩된 이미지 데이터를 반환합니다.

품질 선택은 low, medium, high, xhigh, max, 및 auto 두 가지 2.5 모델이 추가하는 것은 xhigh와 max이전 GPT Image 모델은 high두 2.5 변형 모두 기본값은 auto계층이 Flare/Sunburst 선택 위에 쌓인 두 번째 품질 축처럼 읽힌다면, 그것은 실제로 하나이기 때문입니다: 변형을 고른 다음 등급을 고르면, 둘이 지연 시간과 비용 모두에 복합적으로 작용합니다.

두 모델의 속도 제한은 동일하며, 사용 등급에 따라 분당 토큰/이미지 수로 제시됩니다: Build 250,000 / 20, Launch 3,000,000 / 150, Grow 8,000,000 / 250. 동일한 기준이 gpt-image-2에도 명시되어 있습니다. 또한 벤더는 이러한 모델을 사용하려면 API 조직 인증(API Organization Verification)을 완료해야 할 수 있다고 언급합니다.

엔드포인트 표면, 그리고 문서 충돌

이 섹션에서는 벤더의 자료를 다시 읽는 것이 중요합니다. 벤더 자체의 페이지들이 완전히 일치하지는 않기 때문입니다.

의 모델 페이지에는gpt-image-2.5-sunburst와 gpt-image-2.5-flare 정확히 세 개의 지원되는 엔드포인트가 나열되어 있습니다: v1/images/generations, v1/images/edits, 및 v1/batch. 표의 다른 모든 항목은 지원되지 않음으로 표시되어 있습니다 — v1/responses 및 v1/chat/completions이는 GPT-Image-2가 노출하는 것과 동일한 세 개의 엔드포인트 표면이며, 이는 이전 이미지 모델에 사용했을 수 있는 Chat Completions 형태가 그대로 이어지지 않는다는 것을 의미합니다.

그러나 이미지 생성 가이드는 메인라인 모델을 선택하고 도구 필드 안에 이미지 모델을 지정하는 Responses API 경로를 설명하며, 가격 페이지의 참고 사항은 GPT-Image-2와 2.5의 캐시된 입력 요율이 "Responses API 생성에만 적용됩니다"라고 밝힙니다. 이 두 진술은 모델 페이지가 명시적으로 지원되지 않는다고 표시하는 Responses 표면을 암시합니다. 가이드 자체의 작업 예제는 이미지 도구를 gpt-6-astra와 메인라인 모델로 짝짓습니다.

저는 이 충돌을 해결하기보다는 보고하고 있습니다. 보수적인 해석 — 그리고 구축 기준으로 삼아야 할 해석 — 은 모델 페이지입니다: generations, edits, batch. Responses 경로에 의존하기 전에 본인 계정으로 테스트해 보세요. 왜냐하면 그것을 승인해 줄 페이지가 현재 아니라고 말하고 있기 때문입니다.

텍스트 렌더링 및 편집 동작

편집은 2.5세대가 겨냥한 지점이며, 문서는 그 작동 방식과 한계에 대해 이례적으로 구체적이다.

edits 엔드포인트는 인페인팅을 처리합니다 — 두 모델 페이지 중 어느 쪽을 봐도 나열된 유일한 편집 기능입니다. 교체할 영역을 지정하는 마스크와 함께 이미지를 업로드합니다. 두 가지 제약은 겉보기보다 더 중요합니다. 첫째, 이 모델들에서 마스킹은 전적으로 프롬프트 기반입니다: 모델은 마스크를 가이드로 사용하며, 공급업체의 표현에 따르면 "정확한 모양을 완전한 정밀도로 따르지 않을 수 있습니다." 둘째, 이미지와 마스크는 동일한 형식과 크기여야 하고 50MB 미만이어야 하며, 마스크에는 알파 채널이 있어야 합니다 — 단순한 흑백 마스크는 프로그래밍 방식으로 알파 채널을 추가하기 전까지는 작동하지 않습니다. 여러 입력 이미지를 제공하면 마스크는 첫 번째 이미지에 적용됩니다.

텍스트에 관해서라면, 솔직한 문구는 공급업체의 마케팅 주장이 아니라 공급업체 자체의 제한 사항 목록에서 나온다: "상당히 개선되었지만, 이 모델은 여전히 정확한 텍스트 배치와 선명도에 어려움을 겪을 수 있다." 이를 문자 그대로 읽어라. 이 세대는 이전 세대보다 텍스트를 더 잘 렌더링하며, 여전히 레이아웃 엔진은 아니다. 같은 제한 사항 목록은 복잡한 프롬프트를 처리하는 데 최대 2분이 걸릴 수 있다는 점, 모델이 반복되는 캐릭터나 브랜드 요소를 시각적으로 일관되게 유지하는 데 어려움을 겪을 수 있다는 점, 구조화되었거나 레이아웃에 민감한 구성에서 요소를 정확하게 배치하는 데 어려움을 겪을 수 있다는 점을 덧붙인다. 그 각각은 레이아웃 작업에는 Sunburst를 선택해야 하고, 어느 변형이든 템플릿을 유지할 것이라고 가정해서는 안 된다는 직접적인 근거다.

모데레이션은 두 가지 모두에 적용됩니다: 공급업체는 모든 프롬프트와 생성된 이미지가 자사의 콘텐츠 정책에 따라 필터링되며, moderation 매개변수는 auto(기본값) 또는 low를 제공하고, 차단된 요청은 moderation_blocked라는 오류 코드를 선택적 세부 정보와 함께 반환한다고 밝힙니다.

게시된 라이선스 및 사용 약관

공급업체가 공개한 모델 및 이미지 생성 문서에는 출력 소유권 및 상업적 사용 조항이 포함되어 있지 않습니다. 그런 조항은 별도의 약관에 있으며, 개발자 문서에는 그대로 실려 있지 않습니다. 개발자 문서가 실제로 밝히고 있는 것은 데이터 처리 가이드에서 확인할 수 있는데, 여기에는 사용자가 선택적으로 동의(opt in)하지 않는 한 API 데이터가 학습에 사용되지 않는다고 되어 있으며, 가이드의 표에는 /v1/images/generations 및 /v1/images/edits 엔드포인트에 대해 "학습에 사용됨: 아니요"라고 기재되어 있습니다. 또한 이미지 생성은 해당 페이지에 나열된 특정 모델 이름에 대해 제로 데이터 보존(Zero Data Retention) 호환으로 설명되어 있습니다.

API 문서 어디에도 두 2.5 모델 중 어느 쪽에도 무료 티어, 무료 크레딧, 체험 허용량 또는 속도 제한 면제를 부여하거나 설명하지 않습니다. 가리킬 만한 공개된 무료 허용량은 없습니다. 공개된 것은 가격이며, 이는 GPT-Image-2가 이미 적용받던 것과 동일합니다 — 다음 섹션을 보십시오.

가격 책정, 그리고 그것이 움직이지 않았다는 사실

벤더는 2.5 변형 두 가지 중 어느 것에 대해서도 이미지당 가격을 공개하지 않습니다. 요금은 백만 개당 토큰 단위로 측정되며, 요율은 두 모델에서 동일하고 GPT-Image-2와도 동일합니다:

• 표준, 텍스트 입력 — 100만 토큰당 $5.00, 캐시된 텍스트 입력 $1.25.

• 표준, 이미지 입력 — 1M 토큰당 $8.00; 캐시된 이미지 입력 $2.00.

• 표준, 이미지 출력 — 1M 토큰당 $30.00

• 배치, 텍스트 입력 — $2.50; 이미지 입력 $4.00; 이미지 출력 $15.00, 캐시된 요금은 이에 따라 절반으로 적용됩니다.

그 시트에 관해 숫자 자체보다 더 가치 있는 두 가지가 있습니다. 첫째, 2.5 세대는 가격을 올리지 않았습니다: gpt-image-2는 이미지 쪽에서 입력 $8, 출력 $30, 텍스트에서 $5를 책정하며, 이는 2.5가 하는 것과 정확히 같습니다. 이와 대조적으로 GPT-Image-1.5는 입력 $8, 출력 $32에 텍스트 출력 요율 $10이며, GPT-Image-1은 입력 $10, 출력 $40입니다. 2.5 업그레이드는 요금표가 그대로인 상태에서의 기능 및 지연 시간 변화입니다. 둘째, 벤더는 기존 이미지 생성 비용 계산기가 2.5 사용량을 추정하지 못한다고 밝히므로, 이전 세대를 위해 만들어진 도구로 이 모델들의 지출을 예측해서는 안 됩니다. 벤더는 이미지당 수치를 공개하지 않으므로, 이 모델들에 대해 인용된 이미지당 숫자는 벤더의 것이 아니라 다른 누군가의 환산입니다.

가격은 공급사 목록가 그대로 전달되며 저희 쪽에서 마진을 붙이지 않기 때문에, 그 요율이 곧 OrcaRouter에서 지불하시는 금액이고 공급사 요율이 바뀌면 같은 날 반영됩니다. 두 모델 모두 오늘 저희 라이브 카탈로그에 올라와 있습니다. 예전 페이지의 가용성 주장은 바로 낡아버리기 딱 좋은 정보라서 직접 확인했습니다: gpt-image-2.5-sunburst와 gpt-image-2.5-flare 모두 다른 모든 것과 동일한 OpenAI 호환 엔드포인트를 통해 라우팅할 수 있으며, 위에 나온 이미지 요율인 입력 $8 / 출력 $30이 적용됩니다. 하나를 확정하기보다 두 모델을 함께 검토하는 중이라면 실용적인 이유에서 이 점이 중요합니다 — 키 하나와 라우팅 규칙 하나로 특정 부류의 요청은 Sunburst로, 나머지는 모두 Flare로 보낼 수 있고, 별도의 계약이나 코드 변경 없이 그 분배를 바꿀 수 있습니다.

독립적인 테스트가 말해주는 것, 그리고 아무도 측정하지 않은 것

업체는 자사 모델 페이지에서 두 변형 모두에 대한 벤치마크 점수를 공개하지 않는다. 독립적인 증거는 출시 보도가 시사한 것보다 빈약하며, 그 증거가 무엇을 보여주고 무엇을 보여주지 않는지는 정확히 따져볼 가치가 있다.

Artificial Analysis는 텍스트-투-이미지 보드를 운영하며, 여기에는 품질-Elo 순위와 생성된 이미지 1,000장당 대표 API 가격이 모두 포함됩니다. 2026-10-12에 캡처한 화면에서 두 제품인 GPT Image 2.5 Sunburst (max)와 GPT Image 2.5 Flare (max) 모두 높은 순위의 항목으로 나타나며, Sunburst는 Flare보다 위에 정렬되어 있고, 둘 다 GPT Image 2 (high)보다 위에 있습니다. 저는 그 캡처의 Elo 값을 의도적으로 명시하지 않습니다: 보드는 모델별 수치를 그래픽으로 렌더링하며, 캡처된 페이지에서는 개별 레이블을 깔끔하게 추출할 수 없었기 때문에, 여기에 인용된 숫자는 그 이면의 데이터가 아니라 차트를 판독한 값일 것입니다. 해당 수치가 필요하시면 보드로 가십시오.

그 가격 축은 현재 이 모델들에 대한 이미지당 환산 수치가 존재하는 유일한 곳이기도 합니다. Artificial Analysis는 토큰 단위 과금 가격에서 1,000장당 대표 비용을 도출합니다. 이는 제3자의 방법론으로 산출된 독립적 추정치이며 공급업체 요율이 아니고, 공급업체 자체는 이미지당 수치를 전혀 공개하지 않습니다. 모델 간 비용의 형태를 비교하는 데 사용하되, 이를 공급업체의 가격으로 인용하지 마세요.

그 증거로부터 솔직히 말해 따라 나오는 것은 다음과 같다: 두 변형의 순서는 독립적으로 뒷받침되며, 이는 Flare-or-Sunburst 결정에 중요한 부분이다. 확립되지 않은 것은 2.5 변형과 경쟁 이미지 모델 간의 비교로, 동일한 노력과 동일한 하네스에서 측정된 것이다. 보드의 항목들은 등급이 나뉘어 있다 — "Sunburst (max)"와 "Flare (max)"는 품질 설정을 명시하며, 같은 보드의 다른 모델들은 공통 등급이 아니라 각자의 등급으로 나열된다. 등급 라벨을 가로지르는 순위는 동일한 설정에서의 순위가 아니며, 그것을 동일한 것으로 취급하는 것은 실제로 테스트된 내용을 과장할 것이다.

이 상황이 당신에게 의미하는 바

모델 이름만 들고 여기까지 왔다면, 핵심 사실은 이렇습니다. gpt-image-2.5-sunburst 또는 gpt-image-2.5-flare를 요청하세요. 세 번째 선택지도, 그냥 쓸 수 있는 별칭도 없습니다. 둘 다 텍스트와 이미지를 입력받아 이미지를 반환하며, 최대 3840픽셀 변과 총 8,294,400픽셀까지, 세 개의 엔드포인트 중 하나를 통해 처리됩니다. Flare는 처리량을 위한 선택이고 Sunburst는 정밀도를 위한 선택인데, 벤더 자체 문서에서도 마스크는 엄격한 경계가 아니라 가이드라인일 뿐이라고 인정하므로, 어느 쪽도 완벽하게 결정론적인 편집을 제공하지는 않습니다. 요금표는 GPT-Image-2와 동일하게 이미지 입력 토큰 100만 개당 8달러, 이미지 출력 토큰 100만 개당 30달러이며, 배치는 그 절반이고, 벤더 페이지에는 비교할 만한 이미지당 가격이나 무료 제공량이 없습니다.

아직 진정으로 미해결인 것은 용량 계획이 가장 원하는 바로 그것이다: 두 변형 간의 측정된 지연 시간 차이와 동일한 하네스에서의 품질 비교. 누군가 그것들을 공개하기 전까지, Flare와 Sunburst 중 하나를 선택하는 일은 벤더가 밝힌 포지셔닝에 한 리더보드의 순위를 더한 것에 근거한 설계 결정이다 — 이는 대부분의 출시가 주는 것보다 많고, 벤치마크가 줄 것보다는 적다.