GPT-Image-2.6 vs Nano Banana 2.1: 리더보드가 자기 자신과 모순된다

2026년 11월 5일, 당신이 호출할 수 있는 가장 흥미로운 이미지 모델 두 개는 출시 시점이 한 달 차이이고, 이미지 한 장당 비용도 약 1센트 이내로 비슷하며, 둘 다 독립 평가판에서 1위로 꼽는 모델은 아니다. GPT-Image-2.6은 OpenAI가 11월 4일에 출시했다. Nano Banana 2.1은 Google이 10월 6일에 출시했다. 두 회사의 이전 세대를 혹평해 온 Artificial Analysis에는 GPT-Image-2.6 항목이 아예 없다. 반면 Nano Banana 2.1은 텍스트-투-이미지 리더보드에서 6,322표 기준 1,175 Elo로 4위, 편집 리더보드에서 7,009표 기준 1,151로 4위에 올라 있는데, 그 앞의 세 모델은 모두 이번 주 OpenAI가 발표한 모델보다 오래된 모델이다.

이 매치업의 문제 전체가 한 문단에 담겨 있습니다. 한 달 동안 투표를 받은 모델은 더 저렴하고, 변화가 더 느리며, 이미 출시된 쪽입니다. 투표가 없는 모델은 새로운 출력 형식을 갖춘 쪽입니다. 이 중 어느 쪽이 더 나은지 말하는 사람은 벤더의 말을 인용하거나 추측하는 것뿐입니다.

두 번의 출시, 두 가지 상반된 본능

구글의 10월 릴리스는 가격과 기반 구조를 손보는 조치다. Nano Banana 2.1 — API ID gemini-nano-banana-2.1, Gemini 3.6 Flash 기반 — 는 새로운 출력 형식도, 새로운 매체도, 새로운 제어 방식도 추가하지 않았다. 이미지 출력 토큰을 백만 개당 60달러에서 30달러로 낮춰 1K 렌더링 비용은 0.0336달러, 2K 렌더링은 0.0504달러로 절반이 됐고, 4K는 0.113달러로 그대로 뒀다. 해상도가 높아지면 이미지 토큰이 2,520개가 아니라 3,780개 들어가기 때문이다. 이름이 붙은 해상도 사다리, (세고 있었다면) 네 번째 참조 슬롯, 그리고 검색 그라운딩이 추가됐다. 핵심은 예측 가능성이다. 티어를 알고, 토큰 수를 알고, 청구서를 안다.

OpenAI의 11월 출시는 완전히 다른 본능에서 나온 것이다. GPT-Image-2.6은 요금표를 GPT-Image-2.5가 남겨둔 그대로 유지했다 — 텍스트 입력 토큰 100만 개당 $5, 이미지 입력 토큰 100만 개당 $8, 이미지 출력 토큰 100만 개당 $30 — 그리고 이번 출시의 초점을 새로운 조절 기능과 새로운 결과물에 쏟았다: 복잡도 제어, 마크업 기반 편집, SVG 내보내기, 애니메이션 GIF 출력, 투명 배경, 16픽셀 배수의 사용자 지정 크기. 내세우는 것은 역량이다: 이전 모델은 만들 수 없었던 것들을 이 모델은 만들 수 있다.

그 두 문단을 다시 읽어 보면 두 제품의 거의 모든 실질적 차이를 예측할 수 있다. 한 회사는 이미 작동하는 대상의 단위 경제성을 최적화하고 있다. 다른 회사는 그 대상이 될 수 있는 것들의 범위를 확장하고 있다.

독립 이사회가 실제로 말하는 것

Artificial Analysis는 두 개의 별도 이미지 보드를 운영하며, 이 분리는 중요합니다. 모델은 아무것도 없는 상태에서 프롬프트를 렌더링하는 데 탁월하면서 편집 지시를 따르는 데는 평범할 수 있는데, 이 둘을 평균 내면 프로덕션 팀이 정확히 신경 쓰는 차이가 가려집니다.

• 텍스트-이미지 — GPT-Image-2.5 Sunburst (max) 1,224 Elo, 13,153표, 1위. GPT-Image-2.5 Flare (max) 1,207, 2위. GPT Image 2 (high) 1,188, 3위. Nano Banana 2.1 1,175, 6,322표, 4위. GPT-Image-2.6: 해당 행 없음.

• 편집 — GPT-Image-2.5 Sunburst (max) 1,200, 18,370표, 1위. MAI-Image-2.7-Preview 1,197, 2위. GPT-Image-2.5 Flare (max) 1,183, 3위. Nano Banana 2.1 1,151, 7,009표, 4위. GPT-Image-2.6: 행 없음.

• 자체 전작 대비 — Nano Banana 2.1은 16,224표에서 1,140 Elo를 기록하며 텍스트-투-이미지 7위인 Nano Banana 2를 35점 앞선다.

그 수치를 근거로 누구든 구매 결정을 내리기 전에 두 가지 주의점이 있습니다. 첫째는 표본 크기입니다. Nano Banana 2.1의 텍스트-이미지 투표 6,322표는 GPT-Image-2.5 Sunburst의 13,153표의 절반에도 못 미치므로, 신뢰구간이 더 넓고 그 위치는 순위가 시사하는 것보다 덜 확정적입니다. 둘째는 약 1,000점 규모의 Elo 척도에서 1위와 4위 사이의 49점 차이가 실재하긴 하지만 결코 거대하지는 않다는 점입니다. 이는 블라인드 쌍대 투표에서는 안정적으로 드러나지만, 특정 이미지가 특정 작업에 사용 가능한지 여부에서는 간헐적으로만 드러나는 종류의 차이입니다.

서로 비교할 수 없는 두 공급업체의 주장

두 회사 모두 자사의 인간 선호도 수치를 공개하지만, 두 수치 모두 서로 다른 이유로 이 결정에는 사용할 수 없다.

Google은 내부 인간 나란히 비교 평가에서 Nano Banana 2.1이 사고 모드에서 Elo 1,050, 사고 없이 1,015를 기록했으며, Nano Banana 2는 990, Nano Banana Pro는 935라고 보고합니다. 이는 실제 평가자들의 실제 측정치이며, Google 자체 척도와 Google 자체 프롬프트 분포를 사용한 것입니다 — 이것이 1,050과 Artificial Analysis의 1,175가 서로 모순되지 않으면서 동일한 모델을 설명하는 이유입니다. 이들을 서로 비교하지 마세요.

OpenAI는 GPT-Image-2.6 Sunburst가 1위를 차지했다고 Design Arena를 인용한다. 다른 모양의 같은 문제다. 다른 보드, 다른 평가자 풀, 그리고 해당 릴리스를 돋보이게 하는 보드를 고르는 벤더. 사실일 수도 있다. 그러나 1,175 옆에 놓고 빼기할 수 있는 숫자는 아니다.

유일하게 솔직한 요약은 Google은 독립적으로 측정된 입지를 갖고 있지만 OpenAI는 아직 그렇지 않다는 것입니다. 이 비대칭성은 각각에 어느 정도 신뢰를 두어야 하는지를 좌우해야 합니다.

미터: 토큰 예산 대비 명명된 사다리

바로 이 지점에서 두 제품은 서로 다른 길을 가는데, 이는 디자이너보다 재무 팀에게 더 중요하게 다가오는 차이이며, 대부분의 비교에서 놓치는 차이이기도 합니다.

• 1K 렌더 — Nano Banana 2.1 $0.0336, 이미지 토큰 1,120개로 고정. GPT-Image-2.6 중간 품질은 약 $0.043이며, 출력 토큰 약 1,449개를 기준으로 추정한 값입니다.

• 2K 렌더 — Nano Banana 2.1 $0.0504. GPT-Image-2.6에는 별도로 명명된 2K 등급이 없으며, 1:3~3:1 화면비 범위 내에서 16의 배수로 픽셀 크기를 지정합니다.

• 4K 렌더 — Nano Banana 2.1 $0.113, 3,780 이미지 토큰 기준. GPT-Image-2.6은 4K 티어를 공개하지 않습니다.

• 품질 상한 — 최고 품질의 GPT-Image-2.6은 이미지당 약 $0.21이며, Nano Banana 2.1은 4K 가격이 최대치입니다.

• 입력 — Nano Banana 2.1 백만 토큰당 $1.50; GPT-Image-2.6 텍스트 백만 토큰당 $5, 이미지 백만 토큰당 $8.

• 배치 — Nano Banana 2.1은 표준 요금의 50%로 비용이 절반이 됩니다. GPT-Image-2.6은 아직 Batch API를 통해 사용할 수 없습니다.

• 조정 요소 — Nano Banana 2.1은 해상도 등급과 사고 수준에 따라 비용이 달라집니다. GPT-Image-2.6은 품질, 복잡도, 그리고 그림에 포함된 콘텐츠의 양에 따라 비용이 달라집니다.

GPT-Image-2.6의 이미지당 추정치에는 주의가 필요합니다. OpenAI는 이미지당 고정 가격을 공개하지 않는데, 토큰 단위로 청구하며 토큰 수는 요청한 내용에 따라 달라지기 때문입니다. 위 수치는 가격표에서 인용한 것이 아니라 출력 토큰 수에서 도출된 것이며, 여러 매체는 서로 다른 토큰 예산을 가정해 상당히 다른 수치를 발표했습니다. "GPT-Image-2.6의 이미지당 비용은 X"라는 주장은 우리 것을 포함해 범위가 붙은 추정치로 취급하십시오.

실질적인 결과는 명확합니다. Nano Banana 2.1을 사용하면 한 달치 2K 제품 사진 촬영 분량을 반올림 오차 범위 내에서 예측할 수 있습니다. 해상도가 토큰 수를 결정하고, 토큰 수가 가격을 결정하기 때문입니다. GPT-Image-2.6을 사용하면 요율은 예측할 수 있지만 예산은 예측할 수 없습니다. 복잡도 매개변수가 기본적으로 높음으로 설정되어 있고, 계획 토큰이 렌더링 토큰과 동일하게 백만 개당 $30으로 청구되기 때문입니다. 재무팀이 변동 없는 숫자를 필요로 한다면, 그것은 Google을 선택할 실제 근거가 됩니다. 반대로 우리 팀이 기능을 우선시하고 나중에 측정하는 쪽을 선호한다면, 그 근거는 성립하지 않습니다.

편집: 저장된 라이브러리에 대한 14개의 참조 슬롯

Nano Banana 2.1은 한 번의 요청으로 최대 14장의 참조 이미지(캐릭터 4개와 사물 10개)를 처리하며, 1K, 2K, 4K 전반에 걸친 마스크 기반 국소 편집을 지원합니다. 구글이 직접 공개한 수치에 따르면 다중 캐릭터 일관성은 사고 모드에서 Elo 1,106으로, Nano Banana 2의 978을 앞서는데, 이는 공개된 표에서 단일 세대 기준 가장 큰 상승폭이자 실제 워크플로에 가장 직접적으로 연결되는 항목입니다. 즉, 한 캠페인 전반에서 동일한 세 사람의 일관성을 유지하는 일입니다.

GPT-Image-2.6의 편집 기능에서 핵심은 범위보다 연속성입니다. OpenAI는 Sunburst가 연속 편집 전반에서 더 일관적이라고 설명합니다. 열 번째 편집의 드리프트가 예전보다 줄어든다는 것입니다. 또한 마스크를 제공하는 대신 투명 PNG 오버레이 위에 그리는 마크업 기반 편집을 추가했습니다. 둘은 결합할 수 없습니다. 마크업이거나 마스크이며, 둘 다는 아닙니다. 별도로, 재사용 가능한 참조 라이브러리 — 사람이나 캐릭터를 한 번 저장하고 재사용하는 — 는 API 기능이 아니라 ChatGPT 기능입니다. 따라서 /v1/images/edits를 기반으로 구축하는 팀은 이를 이용할 수 없습니다.

편집 워크플로가 "한 번의 생성에서 열네 개 자산을 일관되게 유지하는 것"이라면, Nano Banana 2.1은 둘 중 그것을 해내는 유일한 모델입니다. "한 이미지에 품질 저하 없이 스무 가지 작은 변경을 가하는 것"이라면, 2.6은 바로 당신을 겨냥한 모델이며, 그것이 얼마나 잘 작동하는지에 대한 독립적인 측정은 없습니다.

포맷: 경쟁이 전혀 없는 유일한 분야

GPT-Image-2.6은 SVG를 내보내고 애니메이션 GIF를 출력한다. Nano Banana 2.1은 래스터 이미지만 출력하고 그 외에는 아무것도 하지 않는다. 산출물이 디자인 시스템용 벡터 자산이거나 제품 표면용 짧은 반복 애니메이션이라면, 비교는 시작하기도 전에 끝난다. 그리고 이것은 벤치마크 격차가 아니라 역량 격차이므로 사실임을 입증하기 위해 독립적인 검증이 필요하지 않다고 분명히 말할 가치가 있다.

해상도에서는 정반대입니다. Nano Banana 2.1은 이름이 붙은 1K, 2K, 4K 등급을 판매하고 상위 두 등급에서는 최대 8:1의 화면 비율을 지원하므로, 사양서에 "4K, 8:1 배너"라고 적으면 그대로 얻을 수 있습니다. GPT-Image-2.6은 1:3에서 3:1 범위 안에서 16의 배수로 사용자 지정 치수를 받으며 이름 붙은 해상도 단계는 공개하지 않으므로, 계약상 명시된 4K 결과물을 요구하는 인쇄 업체는 OpenAI 문서가 답하지 않는 질문을 여러분에게 하는 것입니다.

Google 자체 모델 카드가 약점을 인정하는 부분

인정할 것은 인정해야 한다. 구글의 Nano Banana 2.1 모델 카드는 이례적으로 솔직하다. 여기에는 1K에서 흐릿해지는 작은 텍스트, 긴 텍스트 구절 처리 미흡, 완벽하지 않은 캐릭터 일관성, 간헐적인 좌우 공간 혼동, 제한적인 3D 추론 및 사실 정확성이 나열되어 있다. 이것들은 실제 프로젝트를 해치는 실패 유형이다. 읽을 수 없는 작은 글씨가 있는 제품 라벨, 화살표가 잘못된 방향을 가리키는 다이어그램 같은 것이다.

GPT-Image-2.6에 그런 문제가 없다고 말하고 싶은 유혹이 든다. 실제로 없을 수도 있다. 하지만 2.6의 텍스트 렌더링이나 공간 추론에 대한 독립적인 평가는 없으며, 솔직한 입장은 Google은 자사의 약점을 문서화했고 OpenAI는 어떤 약점도 문서화하지 않았다는 것이다. 공개된 약점이 없다는 것은 약점이 없다는 증거가 아니다. 특히 이 글이 작성되기 24시간 전에 출시된 모델의 경우에는 더욱 그렇다.

그 모든 점을 고려하면, 하나를 고르자면

• 사전에 승인할 수 있는 예산으로 인쇄용 해상도나 대형 포맷 출력이 필요하다면 Nano Banana 2.1을 선택하세요. 명시된 단계별 요금제, 8:1 화면비 지원, 배치 할인은 모두 2.6이 현재 제공하지 않는 사항입니다.

• 산출물에 벡터 또는 모션이 포함된다면 GPT-Image-2.6을 선택하세요. 상대 측의 가격 우위가 아무리 커도 SVG를 얻을 수는 없습니다.

• 소수의 에셋에 대해 긴 편집 시퀀스를 수행하는 작업이라면 2.6이 더 적합한 제품이지만, OpenAI 외부에서는 그것이 실제로 효과를 내는지 측정한 사람이 아무도 없다는 점을 유의해야 합니다.

• 오늘날 독립적으로 검증된 최고의 정지 이미지를 원한다면, 둘 다 선택하지 마세요. 그것은 텍스트-투-이미지에서 1,224점, 편집에서 1,200점을 기록한 GPT-Image-2.5 Sunburst이며, 이 모델들 중 하나보다 한 달 더 오래되었고 다른 하나보다 두 달 더 오래되었습니다.

저 마지막 불릿은 사람들이 그냥 건너뛸 항목인데, 이 글에서 가장 유용한 문장입니다. 두 공급업체 모두 당신에게 한 걸음 전진을 팔고 있습니다. 두 업체 중 어느 쪽도 만들지 않은 유일한 공개 증거에서는, 그 한 걸음 전진이 아직 보이지 않습니다.

어느 쪽에도 베팅하지 않고 둘 다 보는 방법

2026년 11월 5일 기준으로 OrcaRouter는 GPT-Image-2.6이나 Nano Banana 2.1을 제공하지 않으므로, 하나의 엔드포인트를 두 모델 모두에 연결하라고 안내할 수 있는 글이 아닙니다. 저희가 제공하는 것은 각 모델의 이전 세대 — GPT-Image-2.5 Sunburst와 GPT-Image-2.5 Flare, 그리고 Nano Banana 2를 gemini-3.1-flash-image-preview로 — 하나의 키에서, 0% 마크업이 붙지 않은 정가로 제공합니다. 공급자 요율이 곧 지불하는 요율이며, 공급자 간 자동 장애 조치도 지원됩니다.

어차피 그것이 올바른 시작 방식이기도 합니다. 검증된 점수가 있는 모델은 바로 오늘 단일 엔드포인트와 단일 청구로 호출할 수 있는 모델이며, 그 두 모델에 직접 작성한 프롬프트를 실행해 보면 어느 벤더의 미학과 실패 모드가 자신의 작업에 맞는지 알 수 있습니다. 출시 글이 주는 힘만 믿고 어느 한 벤더의 최신 릴리스에 확정하기 전에 말입니다. 새 모델이 카탈로그에 들어올 때마다 패스스루 규칙 덕분에 벤더의 가격은 변경 없이 그대로 적용되므로, 여러분 쪽에서 바뀌는 것은 모델 문자열뿐입니다.

그것이 증거가 뒷받침하는 순서입니다: 이미 투표가 이루어진 세대에서 공급업체 문제를 정리하고, 넘어갈 수치가 나오면 새 세대로 이동하십시오. 대안—비교 가능한 점수가 전작의 것뿐인 두 모델 중에서 고르는 것—은 비교로 포장한 도박입니다.