GPT-Image-2.5 vs LLaDA-Image: 백만 토큰당 30달러 API 대 무료 6B 확산 모델

이미지 생성의 비용이 얼마여야 하는지 묻는다면, 두 연구소가 일주일 간격으로 서로 정반대의 답을 내놓았다. 2026년 9월 8일, OpenAI는 GPT-Image-2.5를 출시했다. ChatGPT Images 2.5의 기반 모델로, API에서는 GPT-Image-2.5 Flare와 GPT-Image-2.5 Sunburst라는 이름으로 판매되며, 토큰 가격표상 이미지 입력 토큰 100만 개당 8달러, 이미지 출력 토큰 100만 개당 30달러로 가격이 책정됐다. 닷새 전인 9월 4일에는 Ant Group의 지원을 받는 연구소이자 LLaDA 언어 계열을 만든 inclusionAI가 LLaDA-Image를 조용히 공개했다. 60억 개 파라미터 규모의 디퓨전-트랜스포머 이미지 생성·편집 모델로, 가중치를 무료로 내려받을 수 있다. 하나는 OpenAI가 지금까지 토큰 과금 체계로 내놓은 이미지 모델 중 가장 상업적으로 강력한 모델이고, 다른 하나는 강력한 이미지 모델이 공개된 학습 레시피로도 만들어질 수 있음을 증명해 무료로 풀어 주려는 시도다. 둘을 비교하는 것은 정면 대결이라기보다, 당신이 실제로 지불하고 있는 비용의 정의가 무엇인지에 대한 결정이다.

GPT-Image-2.5 측의 거의 모든 수치는 공급업체 보고에 의존하고 있으며 그 어느 것도 아직 독립적으로 검증되지 않았습니다. OpenAI는 Flare가 GPT-Image-2보다 지연 시간을 최대 50% 줄이고, 에이전트 회사 Manus의 타사 테스트에서 생성 속도가 2~4배 빨라졌다고 주장하지만, 2026년 9월 9일 현재 두 GPT-Image-2.5 모델 모두 Artificial Analysis 이미지 리더보드에 등재되지 않았습니다. LLaDA-Image의 대표 수치 역시 마찬가지로 재현되지 않았습니다. inclusionAI는 출시 시점에 오픈 가중치 모델 중 처음으로 Qwen-Image-Bench에서 영어 53.53 / 중국어 53.38을 달성했다고 보고하지만, 이 모델은 호스팅 API가 없어 API 전용 리더보드에는 아예 나타날 수 없습니다. 이 비교의 양측 모두 제조사들의 자체 주장에 기대고 있으며, 이 점은 나머지 글을 읽는 동안 계속 유념할 만합니다.

겨우 같은 범주를 공유하는 두 모델

GPT-Image-2.5는 2026년 4월의 ChatGPT Images 2.0과 같은 계열에 속하는 호스팅형 폐쇄 이미지 모델입니다. 입력 측면에서 멀티모달이며, OpenAI에 따르면 미세한 디테일이 더 선명하고, 조명과 텍스처가 더 자연스러우며, 다중 턴 편집에서 더 안정적인 이미지를 생성합니다. Sunburst 엔드포인트는 더 느린 생성이 허용되는 대신 더 정밀한 명령 제어가 필요한 편집 중심의 프로덕션 작업을 위해 특별히 존재하며, Flare는 대량 생성을 위한 빠른 기본 옵션입니다. 출력은 최대 2048×2048 및 3840×2160까지 지원되며, 투명 배경도 지원됩니다. 모든 출력에는 C2PA 출처 메타데이터와 보이지 않는 워터마크가 포함됩니다.

LLaDA-Image는 완전히 다른 시도 위에 세워진 연구형 오픈 릴리스입니다. GPT-Image-2.5가 OpenAI의 인프라로 제공되는 반면, LLaDA-Image는 사용자가 직접 실행하는 가중치 집합입니다. 생성 측은 60억(6B) 파라미터 디퓨전 트랜스포머(DiT)이며 — 언어 측까지 계산하면 모델 카드에는 약 70억(7B) 파라미터로 기록됩니다 — 텍스트 프롬프트나 편집 지침을 DiT가 따르는 신호로 변환하는 '이해' 측인 LLaDA 2.0-mini(총 160억/활성 10억 파라미터의 전문가 혼합 디퓨전 언어 모델)와 짝을 이룹니다. arXiv 보고서(2609.03796)에서 주목할 만한 주장은 훈련 방법입니다. 누적 사전 훈련 및 중간 훈련 샘플 약 2억 2천만 개 중 90% 이상이 이미지 전용이며, 고정된 비전-언어 모델이 라벨 없는 이미지에서 의미를 추출하여 자기 조건화 신호로 사용하므로 모델은 '그리기를 먼저 배운 다음, 순종한다'는 것입니다. 점진적 해상도 훈련은 256×256에서 시작해 512×512를 거쳐 1024×1024 미세 조정까지 진행되며, 이후 텍스트-이미지 및 편집 훈련이 혼합되고 LLaDA-Image-Turbo 변형을 만들어내는 TwinFlow few-step 증류가 이어집니다.

각각이 실제로 잘하는 것

GPT-Image-2.5의 핵심은 상업적 품질을 갖춘 정밀성과 제어력입니다. OpenAI의 발표는 참조 충실도—배경이나 스타일을 바꿔도 사람, 반려동물, 제품을 알아볼 수 있게 유지하는 것—와 요청한 부분만 변경하는 편집 기능을 강조하며, 이는 한 대화에서 여러 차례의 편집을 거쳐도 지속됩니다. 이미지 내 텍스트 렌더링은 특히 강조되는데, 이전 이미지 모델들을 괴롭히던 깨진 중국어 문자의 제거도 포함됩니다. 이는 제품, 브랜드, 광고 팀이 반복적으로 필요로 하는 기능들입니다.

LLaDA-Image의 핵심은 단일 가중치 세트로 이중 언어 생성과 지시 기반 편집을 수행하면서도 개방형 레시피를 제공한다는 점입니다. inclusionAI는 중국어와 영어 네이티브 텍스트 렌더링, 수정되지 않은 콘텐츠를 보존하도록 설계된 이중 경로 구조로 참조 이미지를 주입하는 편집 경로를 보고하며, Qwen-Image-Bench에서 공개 시점 기준 최고의 오픈 가중치 점수를 기록했습니다. 릴리스에서 솔직하게 밝힌 한계는 지각적 편집 품질이 여전히 특화된 편집 도구에 미치지 못하고, 객체 개수 세기가 여전히 약하다는 점입니다. 이는 완성된 상용 제품이 아닌 범용 오픈 모델입니다.

스코어보드는 의도적으로 이미지 품질을 겨루는 대회가 아니다. 두 모델은 결코 동일한 평가를 받아 본 적이 없다. 그것이 보여주는 것은 돈과 통제권이 어디로 흐르는가이다.

한 이미지의 가격은 어느 쪽도 당신에게 주지 않을 숫자이다

OpenAI는 GPT-Image-2.5에 대해 GPT-Image-2와 동일한 토큰 요금표를 게시합니다: 이미지 입력 토큰 100만 개당 8달러, 이미지 출력 토큰 100만 개당 30달러, 캐시된 이미지 입력은 2달러, 텍스트 토큰은 100만 개당 5달러로 별도 청구됩니다. 게시하지 않는 것은 특정 이미지가 소비하는 토큰 수입니다. 즉, 공식적인 이미지당 가격도 비용 계산기도 없다는 뜻입니다. 리더보드에서 AA가 전작에 대해 기재한 가격(고품질 GPT Image 2의 경우 이미지 1,000개당 약 211달러)을 기준으로 보면, 토큰 과금 방식의 플래그십 모델은 대량 사용 시 비용이 많이 드는 도구입니다. 그러나 이 수치는 GPT-Image-2에 대한 것이지 2.5가 아니며, 새 모델의 이미지당 비용은 OpenAI 외부에서는 사실상 알려지지 않았습니다.

LLaDA-Image는 정반대의 정직성 문제를 갖고 있다. 가중치는 무료이고 모델 카드에는 Apache-2.0 태그가 붙어 있지만, 진짜 비용은 인프라다. 6B diffusion transformer는 50스텝 Base 변형을 실행하는 데 고사양 GPU가 필요하며, FP8 체크포인트(diffusers 형식 기준 약 49GB)가 대부분의 사용자에게 현실적인 선택이다. LLaDA-Image-Turbo의 2~4스텝 증류는 그러한 현실에 대한 타협이다. 커뮤니티 도구 생태계도 빠르게 움직이고 있다. SGLang 풀 리퀘스트는 text-to-image, 이미지 편집, sequence-parallel 및 FP8 지원을 추가했고, RebelAI의 ComfyUI 노드 패키지는 INT8 및 GGUF 양자화 로컬 추론을 지원한다. 하지만 '무료 모델'이란 여전히 '당신이 호스팅 제공자'라는 뜻이다. 이미 GPU 용량을 운영 중인 팀에게 LLaDA-Image의 한계 비용은 0에 가깝다. 그 외의 경우에는 엔지니어링 시간까지 계산하면 LLaDA-Image를 서빙하는 총비용이 종량제 API 요금을 초과할 수 있다.

둘 다 원한다면 정직한 길

이 두 모델은 대부분의 팀에게 상호 배타적인 선택지가 아닙니다. 프로덕션 파이프라인은 고객 대면이고 편집 비중이 높으며 실패가 허용되지 않는 작업에는 GPT-Image-2.5 같은 호스팅 API를 사용하면서, 실험이나 오프라인 배치 작업, 그리고 제3자에게 프롬프트를 보낼 수 없는 모든 작업에는 LLaDA-Image 같은 오픈 모델을 유지할 수 있습니다. 이러한 분할은 정확히 라우팅 계층이 해결하도록 설계된 문제의 형태입니다. 실제로 사용하는 호스팅 모델에 도달하는 하나의 API로 제공업체 공시 가격을 마크업 없이 그대로 전달하므로, 나중에 호스팅 경로를 통해 오픈 웨이트 모델을 시도해도 제공업체에 직접 연결할 때와 비용이 동일합니다. 2026년 9월 9일 기준으로 두 모델 모두 OrcaRouter의 카탈로그에는 등록되어 있지 않습니다. GPT-Image-2.5는 현재 OpenAI-API 전용이며(이전 세대인 GPT-Image-2는 라우팅됨), LLaDA-Image는 가중치만 공개되어 있고 호스팅 추론은 지원되지 않습니다. 설계 의도는 오늘의 카탈로그와 무관하게 유효합니다.

어느 것을 기반으로 구축해야 할까요?

상업적 이미지 생성 작업을 하고 있고, 실패한 편집 하나가 고객 관계를 잃게 만들 수 있는 분야 — 제품 사진, 캠페인 크리에이티브, 레퍼런스 일관성이 요구되는 이미지, 긴 멀티턴 편집 세션 — 에서 일한다면, GPT-Image-2.5는 전체 설계가 그 일을 겨냥한 모델입니다. 그리고 Sunburst 엔드포인트는 독립적인 평가 점수가 나오기 전부터 주목해야 할 이유가 됩니다. 리스크는 이미지당 가격이 불투명하다는 점과 모든 품질 주장이 OpenAI 자체의 것이라는 사실입니다. 연구, 대규모 실험, 중국어·영어 이중 언어 생성, 또는 자체 환경이나 자체 데이터에서 실행해야 하는 모든 작업이라면 LLaDA-Image가 더 흥미로운 릴리스입니다. 공개된 레시피와 함께 진정한 오픈 가중치를 제공하지만, 자체 인프라를 구축해야 하고 재현되지 않은 점수를 감수해야 합니다. 두 모델은 출시가 일주일 차이인 반면 운영 모델은 완전히 다릅니다. 옳은 선택은 실제로 감당할 수 있는 비용과 일치하는 쪽입니다.