MOSS-Image vs Ideogram 4.5: 이미지에 텍스트를 실제로 얼마나 넣을 수 있을까

이 두 모델은 모두 이미지 생성기가 글자를 잘 다루지 못한다는 점을 알아차린 사람들이 만들었습니다. I​deogram 4.52026년 9월 30일부터 서비스 중인 이 모델은 전체 명성이 타이포그래피에 달려 있는 모델의 4세대이며, 문서에서는 텍스트를 구조화된 프롬프트 내에서 고유한 필드를 가진 일급 요소로 취급합니다. M​OSS-Image2026년 10월 16일 OpenMOSS가 Apache 2.0 체크포인트인 M​OSS-Image-Base와 M​OSS-Image-SFT로 공개한 모델로, 동일한 구조적 접근 방식을 취합니다 — 각 텍스트 요소는 리터럴 문자열과 경계 상자를 받습니다 — 그리고 전체를 훨씬 더 긴 목표, 즉 평균 길이가 약 1,340자인 문학 구절에 맞춥니다.

그 야망의 차이가 바로 이 비교를 실제로 좌우하는 축이며, 두 업체의 자체 문서는 이 점에 대해 이례적으로 솔직하다. Ideogram은 자신의 한계가 어디인지 알려준다. OpenMOSS는 그 한계를 끌어올렸다고 주장한다. 이 두 진술 중 하나는 공개된 수치로 확인할 수 있고, 다른 하나는 공개된 경고 라벨로 확인할 수 있다. 둘을 함께 읽으면, 어느 하나만 읽을 때보다 이미지 모델에서 텍스트 렌더링이 어디까지 왔는지에 대해 더 많은 것을 알 수 있다.

두 JSON 스키마와 그것들이 서로 호환되지 않는 이유

두 모델 모두 텍스트를 묘사하는 것이 아니라 선언하는 구조화된 프롬프트를 받아들입니다. 그 유사성은 오해를 불러일으킬 만큼이나 가깝기 때문에, 각 모델이 실제로 무엇을 담고 있는지 정확히 짚어볼 가치가 있습니다.

Ideogram 4.5의 JSON 프롬프트는 — 4.0과 공유됨 — 각 텍스트 요소에 고유한 text 필드를 부여합니다. 이 필드에는 리터럴 문자열이 들어 있고, desc 필드는 어떻게 보여야 하는지 설명하며, color_palette, 그리고 bbox는 정확한 배치를 위한 것입니다. 팔레트 예산은 문서화되어 있습니다: 전체 이미지에 최대 16개의 16진수 색상, 요소당 최대 5개.

MOSS-Image의 레이아웃 형식은 JSON 객체를 프롬프트로 받습니다: summary 블록은 장면과 스타일을 담고, items 배열의 각 요소는 text, character 또는 object 중 하나의 레이블을 가지며, 캡션, 바운딩 박스, 그리고 — 텍스트 요소의 경우 — 렌더링할 리터럴 문자열을 가집니다. 박스는 bbox_format: "yxyx" 및 bbox_coord_space: "abs_centralized"로 지정됩니다. 즉, 캔버스 중앙을 기준으로 측정된 픽셀을 의미합니다.

• 문자열이 있는 위치 — I​deogram 4.5: 요소당 텍스트 필드. M​OSS-Image: 텍스트 항목의 리터럴 문자열과, 그것이 어떻게 보여야 하는지에 대한 별도의 캡션.

• 색상 제어 — Ideogram 4.5: 이미지당 최대 16개의 헥스 색상, 요소당 5개, 문서화된 팔레트 예산으로. MOSS-Image: 문서화된 요소별 팔레트 필드가 없으며, 스타일은 요약 블록에 담깁니다.

• 박스의 색상 — Ideogram 4.5: bbox 필드이며, 우리가 읽을 수 있었던 자료에는 좌표 규칙이 공개되어 있지 않습니다. MOSS-Image: yxyx 순서로 절대 중심 상대 픽셀을 사용하므로, 1024² 캔버스는 각 축에서 −512부터 +512까지입니다.

• 요소 분류 체계 — Ideogram 4.5: 설명이 있는 텍스트 요소. MOSS-Image: 다음을 구분하는 세 갈래 레이블: 텍스트, 캐릭터 및 객체. 이는 반복되는 피사체에 필요한 것입니다.

두 개의 스키마가 있고 둘 다 JSON인데, 어느 쪽도 다른 쪽의 상위 집합이 아니며, 누구도 변환기를 공개하지 않았습니다. 어느 한 형식을 내보내는 파이프라인이 있다면, 다른 형식을 지원하는 비용은 상당한 작업입니다 — 그리고 Ideogram 쪽에서 빠져 있는 좌표 규약은 경험적으로 도출해야 하는 세부 사항입니다.

벤더들이 자신들의 한계에 대해 하는 말

이것이 이 맞대결에서 가장 흥미로운 부분이며, 벤치마크 비교가 아닙니다. 이는 두 회사가 자신들의 모델이 어디서 작동을 멈추는지 설명하려는 의지를 비교하는 것입니다.

Ideogram의 문서는 이를 분명히 밝힙니다. 이 모델은 제목과 짧은 블록은 잘 처리하며, 본문 텍스트나 전체 문서는 나중에 디자인 도구에서 추가해야 합니다. 또한 텍스트는 영어일 때 가장 정확하게 나오며, 비라틴 문자와 악센트가 붙은 문자는 잘못 나오거나 아예 나오지 않을 수 있다고 말합니다. 폰트에 관해서는 특정 폰트를 지정할 수 없다는 것이 지침입니다. 이 모델은 폰트 라이브러리가 아니라 텍스트 스타일이 어떻게 보이는지를 학습했기 때문입니다. 따라서 문서화된 접근 방식은 대신 굵기, 형태, 분위기를 설명하는 것입니다. 그리고 JSON 경로에는 공개된 고유의 실패 모드가 있습니다. 아주 긴 구조화 프롬프트는 끝부분 요소를 잃을 수 있으므로, 가장 중요한 것들을 먼저 배치합니다.

그것은 한 공급업체가 고객들에게 그 도구의 형태를 알려 주는 말이다. 사양서로 읽으면, 헤드라인, 라벨, 패키징 문구, 짧은 블록을 위한 모델을 설명한다 — 출판이 아니라 정밀 타이포그래피다.

OpenMOSS가 공개한 입장은 정반대 종류의 주장이다. 대표 벤치마크인 LongLongTextBench는 평균 목표 길이 1,339.8자인 문학 텍스트 렌더링 작업 240개로, 영어와 중국어가 균등하게 나뉜다. 공격 대상이 되는 문제는 포스터 위의 네 단어가 아니라, 이미지 안에 읽을 수 있게 렌더링된 산문의 벽이다. Mean-6 텍스트 커버리지에서 이에 대한 벤더 자체 수치는 96.3이며, Qwen-Image-2512의 64.9와 대비된다. 같은 표에서 GPT Image 2는 99.0, Nano Banana Pro는 96.6이다.

그러니까 한 공급업체는 상한을 공개했고, 다른 공급업체는 훨씬 더 높은 상한을 시사하는 점수를 공개했습니다. 둘 다 제3자의 검증을 받지 않았습니다. 특정 작업을 위해 둘 중 하나를 고르는 상황이라면, 이것이 가르는 기준입니다. 그리고 이를 정직하게 읽는 방식은 이렇습니다: Ideogram의 한계는 문서화되어 있으며 오늘날 시도하는 누구나 재현할 수 있는 반면, OpenMOSS의 개선은 단일 공급업체의 재현되지 않은 측정치라는 것입니다. 문서화된 한계는 재현되지 않은 점수보다 계획에 더 가치가 있습니다. 적어도 연구소 밖의 누군가가 그 테스트를 실행할 때까지는요.

각각이 실제로 무엇을 위한 것인지

텍스트 질문은 그것들이 겹치는 지점이다. 그것들에 관한 거의 모든 다른 점은 서로 다른 방향을 가리킨다.

Ideogram 4.5는 생성기가 아니라 편집기로 자리매김합니다. 정밀 편집 동작은 결과를 원본 이미지 자체의 너비와 높이로 반환하며, 편집이 실질적으로 변경하지 않은 픽셀은 재합성되지 않고 정확히 복사됩니다. 또한 파일을 먼저 다운스케일링하지 않고 4,016 × 6,016픽셀 원본에서 시연되었습니다. 마스크 편집은 흑백 마스크를 사용합니다 — 검은색은 변경할 부분을, 흰색은 유지할 부분을 표시하며, 중간값은 둘 중 더 가까운 쪽으로 반올림됩니다. 편집 엔드포인트는 최대 네 개의 참조 이미지를 받으며, 마스크도 함께 제공되는 경우에는 그중 세 개까지 받습니다. 생성 엔드포인트는 최대 다섯 개의 소스 이미지를 받으며, 그중 첫 번째 이미지가 편집 대상으로 처리됩니다. 프롬프트는 앱에서 최대 10,000자까지 지원되며, 품질은 very_low부터 low, medium 및 high까지의 네 단계 사다리입니다.

MOSS-Image는 생성 우선입니다. 벤더는 요소의 캡션을 편집하거나 박스를 이동하는 것을 구성의 해당 부분을 조정하는 것으로 설명하며, 그 동작을 실험적이라고 표시합니다. 이 제어 표면은 위의 레이아웃 JSON입니다. 공개된 데모는 기존 사진의 인플레이스 편집이 아니라 포스터, 인포그래픽, 인터페이스와 같은 구성입니다. 훈련은 256px에서 2.1M 스텝, 그다음 512px에서 2.1M, 그다음 대략 1024²에서 0.31M을 실행했으며, 토큰 예산은 해당 단계에 걸쳐 576 → 3,072 → 8,192로 이동했습니다.

• 기존 이미지 편집 — I​deogram 4.5: 핵심 기능, 출력은 원본 크기에 고정되고, 손대지 않은 픽셀은 복사됩니다. M​OSS-Image: 실험적이며, 생성한 구도의 요소를 조정하는 것으로 설명됩니다.

• 새로운 이미지의 긴 텍스트 — MOSS-Image: 1,339.8자 평균 목표치의 벤더 벤치마크와 함께 내세운 헤드라인 주장. Ideogram 4.5: 제목과 짧은 블록으로 문서화되어 있으며, 본문 카피는 디자인 도구로 안내됩니다.

• 가중치 — MOSS-Image: Apache 2.0, 매출 임계값 없음, 동결된 Qwen3.5-9B 텍스트 인코더를 포함해 약 27.2GB. Ideogram 4.5: 없음. 공급업체의 오픈 가중치 프로그램은 Ideogram 4.0만 대상으로 하며, 월 $300에 양자화된 가중치로 자체 호스팅 이미지 10,000장을 제공하고, 전체 정밀도는 아니라고 명시합니다.

• 가격 — I​deogram 4.5: 소스 이미지를 사용할 경우 Very Low의 $0.008부터 High의 $0.22까지 이어지는 5단계 요금 체계입니다. M​OSS-Image: 요금표가 없으며, 비용은 사용자의 GPU 시간입니다.

한쪽에는 숫자가, 다른 쪽에는 빈칸이

Ideogram은 4.5에 대한 벤치마크를 공개하지 않았습니다. 점수 수치는 Artificial Analysis에서 나온 것으로, 이 기관은 두 이미지 보드 모두에서 해당 모델을 수록하며, 그 기준은 High 구성입니다. 2026년 10월 16일 기준으로 보면, 이미지 편집에서 2,728표로 1,063 Elo, 이미지 1,000장당 220달러이며, 텍스트-투-이미지에서 2,421개 샘플로 1,019 Elo, 1,000장당 100달러입니다. 편집 보드의 선두는 OpenAI의 GPT Image 2.5 Sunburst와 Flare로, 각각 1,198과 1,177입니다. 따라서 최상위권은 Ideogram 4.5보다 약 135 Elo 높은 1,046~1,080 구간에 있으며, 이 구간은 주변의 여러 모델과 겹칩니다.

그 숫자를 이 비교에 사용하는 것 자체에 적용되는 주의점이 하나 있는데, 그것은 샘플링 오차에 관한 것이 아니다. 두 리더보드는 모두 투표자에게 한 이미지를 다른 이미지보다 선호하라고 요청한다. 어느 쪽도 투표자에게 이미지 안의 텍스트를 읽고 그것이 철자가 맞는지, 올바른 문자 체계인지, 올바른 위치에 있는지 판단하라고 요청하지 않는다. 선호도를 측정하는 Elo는 타이포그래피의 측정값이 아니며, 텍스트에 관한 Ideogram 자체의 평판은 그 보드가 지금까지 점수화한 적이 없는 것이다. 따라서 그 독립적인 숫자는, 실제이긴 하지만, 이번 맞대결에서 가장 중요한 속성을 다루지 못한다.

M​OSS-Image는 어떤 종류의 독립적인 수치도 갖고 있지 않다. 출시된 지 하루 되었고, 두 벤치마크 모두 릴리스와 함께 제공되며 벤더가 직접 구축했다. 두 번째 벤치마크인 RealLayoutArena는 61개의 디자인 작업 — 포스터 20개, 인포그래픽 20개, 인터페이스 21개 — 으로, 쌍대 비교로 판정되고 Bradley–Terry 척도에 적합된다; M​OSS-Image는 엔드투엔드 1698.70 Elo를 기록해 1844.35의 GPT Image 2에 뒤처지며, 공유 강화 프롬프트 하에서 백본으로 제한하면 1807.34로 1위다. 엔드투엔드 수치를 산출한 파이프라인은 기술 보고서에 따르면 추론 시점의 프롬프트 명세에 G​PT-6을 사용하는데, 이는 가장 강력한 엔드투엔드 레이아웃 결과가 다른 누군가의 모델에 대한 의존성을 안고 있다는 뜻이다.

어떻게 선택할지, 그리고 라우터가 그것과 무슨 관련이 있는지

Ideogram 4.5는 클로즈드 모델이며, Ideogram 자체 API, 자사 앱 및 MCP 통합을 통해 호스팅됩니다. MOSS-Image는 다운로드 방식입니다. 둘 다 OrcaRouter 카탈로그에 없습니다 — 우리는 200개 이상의 모델을 제공하며, 이 둘 중 어느 것도 그 안에 포함되어 있지 않습니다 — 따라서 둘 다 공급업체로 가야 함을 의미합니다: Ideogram의 경우 자체 API와 여러 서드파티 플랫폼을 통해, OpenMOSS의 경우 저장소와 이를 실행할 수 있는 하드웨어로 가야 합니다.

텍스트가 많은 이미지 파이프라인에서 라우터가 제 몫을 하는 지점은 비용 쪽이며, 그 이유는 이들 벤더의 가격 책정 방식에 특유한 면이 있습니다. Ideogram의 요금 단계는 해상된 출력 픽셀을 기준으로 청구하는 것으로 문서화되어 있는데 — 최대 1024×1024까지는 1K, 그 이상은 2K로 계산 — 이는 같은 명목상 등급이라도 무엇을 요청했느냐에 따라 비용이 달라질 수 있다는 뜻입니다. 벤더의 가격이 정액제가 아니라 요청에 따라 결정되는 함수일 때, 100장짜리 이미지 배치의 계산은 머릿속에 담아둘 만한 것이 못 되며, 제공업체의 정가를 그대로 통과시키는 아무것도 덧붙이지 않는 카탈로그가 바로, 숫자가 벤더를 뒤늦게 따라가는 대신 벤더와 보조를 맞춰 움직이게 하는 것입니다. 이는 오픈 체크포인트를 벤치마킹할 때 비교 대상으로 삼게 되는 호스팅 모델에 해당하는 말이며, 이 글에 나오는 두 모델 중 어느 쪽에도 해당하지 않습니다.

아무도 공개적으로 말하지 않는 부분

두 입장을 나란히 놓으면 하나의 패턴이 드러난다. 수년간 타이포그래피 모델이었던 Ideogram은 본문 텍스트를 디자인 도구에 넣으라고 말한다. 이제 겨우 하루 된 OpenMOSS는 본문 텍스트 문제를 해결했다고 주장하며 스스로 그 점수를 매긴다.

그중 하나는 자사가 부딪힌 한계를 설명하는 회사이고, 다른 하나는 자사가 넘어섰다고 믿는 한계를 설명하는 회사다. 첫 번째 주장은 무료 플랜과 한나절의 시간만 있으면 누구나 검증할 수 있다. 두 번째는 누군가 가중치를 내려받아 시도해 보기 전까지는 벤치마크를 만든 사람들만 검증할 수 있다. 가중치는 Apache 2.0이므로 그 확인은 누구나 할 수 있다 — 이는 이 비교에서 MOSS-Image를 지지하는 가장 강력한 논거이며, 그 점수와는 아무 관련이 없다. Ideogram 4.5의 장문 텍스트 동작에 관한 주장은 모델을 들여다봐서는 검증할 수 없다. MOSS-Image의 주장은 실행해 봄으로써 검증할 수 있다.

어느 쪽도 공개하지 않은 것은 드리프트 측정치다. Ideogram 4.5의 판매 포인트 전체는 편집이 프레임에서 손대지 않은 부분을 훼손하지 않는다는 것이며, 이는 다운스케일링 없이 24.2메가픽셀 원본에서 시연되었다. 어떤 제3자도 그것에 점수를 매긴 적이 없고, 어떤 벤치마크도 한 시퀀스의 열 번째 편집을 첫 번째와 비교하도록 요구하지 않는다. MOSS-Image의 편집 동작은 자사가 실험적이라고 표시했으며 누구도 측정하지 않았다. 텍스트 충실도를 중심으로 만들어진 두 모델이지만, 어느 쪽도 이들을 판매하지 않는 누군가가 공개한 충실도 점수를 갖고 있지 않다.

그러므로 선택은 당신이 감내할 수 있는 불확실성이 무엇인지로 귀결된다. 당신의 작업이 헤드라인, 패키징, 제품 카피, 짧은 블록이고, 기존 사진을 제자리에서 편집하는 일과 결합되어 있다면, I​deogram 4.5는 문서화된 동작, 공개된 크기 규칙, 그리고 독립적인—비록 타이포그래피적이지는 않더라도—점수를 갖춘 모델이며, 언제 대신 디자인 도구를 선택해야 하는지 분명히 알려 주는 벤더가 있는 모델이다. 당신의 작업이 긴 지문이 있는 조판된 페이지이고 스택을 직접 소유하고 싶다면, M​OSS-Image는 가중치, 스키마, 그리고 장문 텍스트를 시도하는 유일한 벤치마크를 제공한다. 단, 그것을 재현할 때까지는 이를 주장으로 받아들일 것을 조건으로 한다. 첫 번째는 더 안전한 구매이고 두 번째는 검증 가능한 구매이며, 그중 어느 쪽을 원하는지는 어느 벤더의 페이지도 알려 줄 수 없다.

이번과 같은 릴리스의 배경이 되는, 문서화된 AI 실패 및 에이전트 사건들은 OrcaRouter AI Incident Archive에 수집되어 있으며, 각 항목에는 자체 출처, 심각도, 신뢰도 등급 및 이의 제기 플래그가 포함되어 있습니다.