Images 2.6 vs FLUX 3: 해상도 제어에 대한 편집 충실도

Images 2.6과 FLUX 3의 비교는 흔히 품질 대결의 구도로 이야기된다. 하지만 그렇지 않다. 2026년 11월 4일 GPT-Image-2.6 Flare와 GPT-Image-2.6 Sunburst라는 API 쌍으로 출시된 OpenAI의 Images 2.6이 내세우는 것은 '반복'이다. 빠른 턴, 연속된 편집을 거쳐도 살아남는 피사체, 그리고 이제는 모션과 벡터 출력까지. 10월 1일부터 서비스 중인 Black Forest Labs의 FLUX 3 Image가 내세우는 것은 '결정성'이다. 참조 이미지 10장, 바운딩 박스 레이아웃 지시, 최대 4K까지의 고정 해상도 티어, 그리고 토큰 수를 모델링할 필요 없이 스프레드시트에 바로 넣을 수 있는 이미지당 가격. 둘 중 하나는 매번 같은 레이아웃이 필요한 디자인 팀에 더 나은 제품이고, 다른 하나는 점심 전에 열두 가지 변형을 시도해야 하는 팀에 더 나은 제품이다.

이것은 그 선택의 실용적인 버전입니다. 즉, 각 제어 인터페이스가 실제로 무엇을 할 수 있게 해주는지, 각 인터페이스에서 이미지 하나에 드는 비용은 얼마인지, 그리고 유일하게 감사를 거친 리더보드가 바로 이전 세대에 대해 무엇을 말하는지입니다.

각 모델이 실제로 무엇인지

Images 2.6은 OpenAI가 7개월 만에 내놓은 세 번째 이미지 생성 모델입니다. Images 2.0은 지난 4월 첫 추론형 이미지 모델로 등장했고, Images 2.5는 9월에 제품군을 속도 등급과 품질 등급으로 나눴으며, 2.6은 그 구분을 유지합니다. 지연 시간을 중시하면 Flare, 세부 묘사와 다중 편집 일관성을 중시하면 Sunburst입니다. 둘 다 호스팅 방식으로 제공되고, 둘 다 토큰 단위로 과금되며, 둘 다 표준 images 엔드포인트를 통해 접근할 수 있습니다. 가중치는 공개되지 않습니다.

FLUX 3 Image는 Black Forest Labs의 플래그십으로, 한 달 앞서 출시되었습니다. 텍스트-투-이미지와 최대 10개의 참조 이미지를 사용한 편집을 처리하고, 바운딩 박스 레이아웃 지시를 받아들이며, 선택 가능한 화면비로 768×768부터 4K까지 고정된 티어에서 렌더링합니다. 플래그십 출시 2주 후, BFL은 다운로드 가능한 가중치와 연간 매출 500만 달러 미만일 경우 상업적 사용이 무료인 라이선스를 갖춘 5.6B 증류 형제 모델 FLUX 3 Image Klein을 공개했습니다. 그 오픈 웨이트 우회로에 해당하는 것은 Images 2.6 릴리스 어디에도 없습니다.

컨트롤 서피스: FLUX 3가 여전히 확실히 우위를 점하는 부분

FLUX 3가 수행하지만 Images 2.6은 수행하지 않거나 문서화하지 않는 네 가지

• 설명하는 대신 지정하는 레이아웃. 바운딩 박스를 사용하면 좌표로 요소를 배치할 수 있습니다. Images 2.6의 마크업 기반 편집은 강력하지만 성격이 다릅니다: 기존 이미지에서 어디를 변경할지 모델에 보여 주는 것이지, 새 이미지에 대한 레이아웃 그리드를 넘겨주는 것은 아닙니다.

• 해상도를 미리 선택합니다. FLUX 3는 768, 1K, 1.5K, 2K, 4K 등 자체 티어를 공개하고 각각의 가격을 책정합니다. 11월 5일에 공개된 Images 2.6의 문서는 품질 및 복잡도 설정과 출력 형식을 설명하지만 해상도 표는 공개하지 않습니다. 파이프라인에 4K 결과물이 반드시 필요한 경우, 이러한 비대칭만으로도 선택이 결정될 수 있습니다.

• 참조 이미지 10개. FLUX 3의 다중 참조 편집은 이번 비교에서 가장 구체적인 사양이다. OpenAI의 발표는 ChatGPT 내 재사용 가능한 참조 이미지와 API의 이미지 입력을 언급하지만, 요청당 상한은 공개하지 않았다.

• 자체 호스팅 경로. Klein의 가중치는 다운로드할 수 있습니다. Images 라인의 어떤 것도 다운로드할 수 없습니다.

편집: Sunburst가 메우기 위해 존재하는 격차

OpenAI가 Sunburst를 내세우는 핵심은 최고의 미적 완성도가 아니다. 열 번째 편집본도 첫 번째 편집본처럼 보인다는 점이다. 얼굴, 로고, 제품 디테일이 그대로 유지된다. 이는 지난 2년간 호스팅형 이미지 모델의 진짜 실패 지점이었다. 모든 편집이 직전 결과를 조건으로 새로 생성되는 것이고, 작은 드리프트가 누적되기 때문이다.

2.6 API 기능 중 두 가지는 바로 그 문제를 직접 겨냥합니다. 복잡도 파라미터를 사용하면 장면에 모두 유지되어야 하는 요소가 여러 개 있을 때 모델에 더 많은 계획 여유를 줄 수 있습니다. 마크업 기반 편집은 대신 이미지 위에 직접 그리는 방식으로 '왼쪽에 있는 것 바꿔'라는 모호성을 제거합니다. 같은 문제에 대한 FLUX 3의 답은 구조적입니다. 더 많은 참조를 제공하고, 무엇이 어디로 가야 하는지 알려주는 것입니다.

어떤 접근 방식이 더 나은지는 아직 데이터로 답할 수 있는 질문이 아니다. Sunburst에는 독립적인 편집 점수가 없다. FLUX 3 Image에는 있다: Artificial Analysis의 편집 보드에서 1,123 Elo를 기록해 상위 15위 안에 들지만, 이전 OpenAI 세대보다는 확실히 뒤처진다.

각각 이미지 비용은 얼마인가

과금 모델이 서로 충분히 다르기 때문에, 이미지당 단순 비교는 양방향 모두에서 오해를 불러일으킨다.

• FLUX 3 Image, 이미지당 — 768² 기준 $0.041, 1K 기준 $0.048, 1.5K 기준 $0.07, 2K 기준 $0.10, 4K 기준 $0.607.

• FLUX 3 Image Klein, 이미지당 — 768²에서 $0.008, 1K에서 $0.009, 1.5K에서 $0.011, 2K에서 $0.014, 4K에서 $0.036.

이미지 2.6, 토큰당 — 텍스트 입력 토큰 100만 개당 $5(캐시 $1.25), 이미지 입력 토큰 100만 개당 $8(캐시 $2), 이미지 출력 토큰 100만 개당 $30이며 Flare와 Sunburst에서 동일합니다.

살펴보면, 토큰 요금은 일반적인 크기에서 FLUX 3와 비슷한 수준입니다. 저품질 1K 렌더링은 약 0.5센트, 고품질 1K는 약 5센트, 2K 고품질은 약 10센트 정도입니다. 두 모델이 크게 갈리는 지점은 극단적인 경우입니다. 4K FLUX 3 이미지는 4K 이미지를 구매했기 때문에 60센트가 들고, 저노력 Images 2.6 렌더링은 출력 토큰을 거의 사지 않았기 때문에 거의 비용이 들지 않습니다. 어느 쪽도 속임수는 아닙니다. 단지 서로 다른 것에 대해 요금을 부과할 뿐입니다.

두 요율표 어디에도 나오지 않는 숫자는 탈락한 이미지의 비용이다. Sunburst의 편집 일관성이 다섯 번의 재생성 중 한 번을 절약해 준다면, 사용 가능한 자산당 실효 가격은 20% 낮아지고 비교 결과는 뒤집힌다. 독립적인 편집 데이터가 나오기 전까지, 그것은 계산이 아니라 가정이다.

별표가 붙은 벤치마크

Artificial Analysis의 11월 5일 텍스트-이미지 보드에서 GPT Image 2.5 Sunburst가 1,224 Elo로 1위, GPT Image 2.5 Flare가 1,208로 2위를 기록했습니다. FLUX 3 Image는 1,119로 약 12위에 올랐으며 1,000장당 48달러입니다. Klein은 1,043으로 1,000장당 9달러입니다.

그 내용을 주의 깊게 읽어 보세요. OpenAI가 9월에 출시한 세대는 ±10 신뢰구간이 있는 리더보드에서 FLUX 3를 약 105 Elo 차이로 앞섭니다 — 잡음이 아니라 실제 격차입니다. Images 2.6은 아직 리더보드에 전혀 올라 있지 않습니다. 따라서 공정한 표현은 OpenAI의 이전 모델이 인간 선호도에서 FLUX 3를 앞서며, 새 모델은 측정되지 않았다는 것입니다. "2.6이 FLUX 3를 이긴다"고 쓰기는 쉽습니다; 아무도 투표를 진행하지 않았으니까요.

편집 부문에서 FLUX 3 Image는 1,123점을 기록해 9~17위 구간에 올랐습니다. GPT Image 2.5 Sunburst가 1,199점으로 해당 순위표에서 선두를 차지했습니다. 다시 말하지만, 제목에 있는 모델이 아니라 전임 모델입니다.

선호도 보드 역시 FLUX 3가 실제로 가장 잘하는 것들을 측정하지는 않는다. 아레나에서 투표하는 사람 중 누구도 바운딩 박스가 올바른 픽셀에 놓였는지, 또는 4K 내보내기가 진짜 4K인지 확인하지 않는다. Elo를 "어떤 출력이 낯선 사람에게 더 좋아 보이는가"에 대한 대리 지표로 취급하라. 이는 실제 질문이지만 유일한 질문은 아니다.

오픈 웨이트는 품질이 아니라 위험 프로필을 바꿉니다.

Klein은 이 비교에서 가장 과소평가된 부분이다. 5.6B 파라미터에 BFL 자체 가격 기준 1K 이미지 1,000장당 9달러로, 초안(draft) 티어로 쓸 만큼 저렴하며, 가중치를 다운로드할 수 있다는 점은 가격 변경, 지원 중단, 서비스 장애가 발생해도 파이프라인이 살아남는다는 뜻이다. 라이선스 경계는 매출 기준이다. 연매출 500만 달러 미만은 무료 상업적 사용이 가능하고, 그 이상은 별도 조건이 적용된다. 그 위에 무언가를 구축하기 전에 해당 조항을 읽어라.

품질 면에서 Klein은 두 플래그십 중 어느 것도 대체할 수 없습니다. 1,043 Elo는 FLUX 3 Image의 1,119보다 눈에 띄게 낮은 수치이며, OpenAI의 수치와는 거리가 멉니다. 정직한 활용 사례는 플래그십으로 마무리 작업을 거치는 대량 사전 시각화이지, 비용 절감을 위한 대체품이 아닙니다.

그것들 중에서 선택하기

생성 시작 전에 결과물이 확정되어 있을 때는 FLUX 3를 선택하세요. 고정된 화면 비율, 반복되어야 하는 레이아웃, 4K 출력, 산문이 아닌 참조 이미지를 필요로 하는 합성 파이프라인이 그런 경우입니다. 작업이 반복적이고 대화형일 때 — 같은 에셋을 스무 번씩 편집하거나, 캐릭터가 온-모델 상태를 유지해야 하거나, 6초와 12초의 차이가 사용자의 행동을 바꾸는 미리보기 루프 — 는 Images 2.6을 선택하세요. 다른 사람의 API가 중단되어도 모델이 계속 작동해야 할 때는 Klein을 선택하세요.

두 계약 없이 둘 다 테스트하고 싶다면, OrcaRouter는 현재 그렇게 할 수 없습니다. Images 2.6도 FLUX 3도 아직 저희 카탈로그에 없기 때문입니다. 제공되는 것은 GPT-Image-2.5 Flare 및 Sunburst, Google의 Gemini 및 Imagen 이미지 모델, Grok Imagine Image이며, 이들은 하나의 키 뒤에서 자동 페일오버와 공급자 정가를 0% 마크업으로 그대로 전달하는 방식으로 제공됩니다. 덕분에 저희가 취급하는 모델로는 비교 테스트를 저렴하게 할 수 있고, 공급업체 가격 변경이 다음 계약 갱신 때가 아니라 당일에 고객님께 반영됩니다.

주목할 것은 첫 번째 독립적인 Images 2.6 점수입니다. Sunburst가 1,224 이상을 기록하면 FLUX 3의 근거는 제어와 해상도로 좁아집니다. 이는 실제 장점이지만 지금 보이는 것보다는 좁은 장점입니다.