Nano Banana 2.1 vs GPT-Image-2.5: 하나는 리더보드가 있고, 다른 하나는 라벨이 있다

2026년 10월 6일에 Nano Banana 2.1과 GPT-Image-2.5를 나란히 놓고 보면, 솔직한 비교는 두 이미지 모델 사이의 비교가 아니라 리더보드 항목과 메뉴 라벨 사이의 비교다. GPT-Image-2.5는 2026년 9월 8일 모든 ChatGPT, ChatGPT Work, Codex 등급에 출시되었고, 호출 가능한 API 식별자 두 개를 갖췄으며, Artificial Analysis는 사흘 뒤 둘 다 자사 리더보드에 추가했다. Nano Banana 2.1은 Flow의 모델 선택기 안에서 선택 가능한 문자열로만 존재할 뿐 그 외에는 아무것도 없다: 공지도, 모델 카드도, 식별자도, 가격도, 점수도 없다. 둘 중 하나를 고르려고 여기 왔다면, 이번 주의 답은 강제된다. 둘 중 하나는 호출할 수 없기 때문이다. 유용한 질문은 그게 더 이상 사실이 아니게 되려면 무엇이 바뀌어야 하는가이다.

각 진영의 상태를 한 번에

GPT-Image-2.5는 단일 체크포인트가 아니라 하나의 제품군입니다. GPT-Image-2.5 Flare는 식별자 gpt-image-2.5-flare를 사용하며 빠른 기본 모델로 자리매김하고, GPT-Image-2.5 Sunburst는 gpt-image-2.5-sunburst를 사용하며 더 정밀한 편집 제어를 위해 생성당 시간이 더 오래 걸립니다. 둘 다 소비자 대상 출시가 시작된 같은 날 API에 공개되었습니다.

Nano Banana 2.1은 Nano Banana 2의 0.1 버전 상향으로, Nano Banana 2는 Google이 Gemini 3.1 Flash Image에 붙인 출시명이다. 이 라벨은 9월 27일 Flow 웹 빌드에서 내부 참조로 처음 발견되어 이전의 “Nano Banana 2.5 Flash” 문자열을 대체했고, 10월 5일에는 인터페이스에서 선택할 수 있게 되었다. Google은 그 이후로 이에 대해 아무 말도 하지 않았다.

그 비대칭성이 이 글의 전부입니다. 아래의 모든 내용은 GPT-Image-2.5에 대해 측정된 수치이거나 Nano Banana 2.1에 대해 문서화된 부재이며, 이 둘은 서로를 반박하는 논거로 사용될 수 없습니다.

보드가 말하는 것 — 보드를 가진 쪽을 위한

Artificial Analysis는 2026년 9월 11일, 출시 3일 후에 GPT-Image-2.5 쌍을 평가했는데, 이는 OpenAI에 이례적인 맞대결이다: 2.5 세대는 공급업체 주장만 있는 릴리스로 의미 있는 시간을 보내지 않았다.

• 텍스트-이미지 — GPT-Image-2.5 Sunburst (max) Elo 1,197, GPT-Image-2.5 Flare (max) Elo 1,191로 리더보드 1위와 2위를 차지했으며, GPT-Image-2 (high)가 1,172로 3위입니다.

• 이미지 편집 — GPT-Image-2.5 Sunburst (max) Elo 1,182와 GPT-Image-2.5 Flare (max) Elo 1,162가 1위와 2위, MAI-Image-2.6이 1,137로 3위.

• 측정된 비용 — Artificial Analysis는 자체 가격 척도에서 GPT-Image-2.5 변형 두 가지를 모두 이미지 1,000장당 $210.70로 표시하며, 이는 이들이 대체하는 GPT-Image-2(high)의 $211.00과 대비됩니다.

• OpenAI의 토큰 요금표 — 이미지 입력 토큰 백만 개당 8달러, 이미지 출력 토큰 백만 개당 30달러로, GPT-Image-2와 변동 없으며 이미지당 공개된 수치는 없습니다.

Nano Banana 2.1의 경우, 해당 행들은 존재하지 않습니다. Elo는 없습니다. 어떤 평가 보드도 이를 돌려본 적이 없기 때문입니다. 가격도 없습니다. Google이 아무것도 공개하지 않았기 때문입니다. 해상도나 화면비 목록조차 없습니다. Nano Banana 패밀리의 다른 모든 구성원은 이를 문서화해 두고 있는데도 말입니다. 지금 Nano Banana 2.1에 대해 여러분이 읽는 모든 사양은 이름에서 추론된 것입니다.

그 행들 중 두 개는 그 자체로 이 맞대결을 판가름한다. API 식별자 행은 개발자가 Google의 모델을 선택할 수 없는 이유이고, Elo 행들은 OpenAI의 모델을 더 이상 믿음으로만 받아들일 필요가 없는 이유다. 그 보드는 출시 사흘 후에 수치를 공개했는데, 이는 어느 벤더에게나 빠른 편이다.

솔직한 대안: GPT-Image-2.5 vs 실제로 호출할 수 있는 Nano Banana

선택이 가상이 아니라 실제라면, 그중 Google 쪽은 Nano Banana 2 — Gemini 3.1 Flash Image — 입니다. 왜냐하면 식별자(gemini-3.1-flash-image), GA 날짜(2026년 5월 28일, 2월 26일 소비자 출시 이후), 그리고 점수가 매겨진 위치를 가진 모델이 바로 그것이기 때문입니다.

• 품질 — GPT-Image-2.5 Sunburst는 Elo 1,197로 텍스트-투-이미지 리더보드에서 선두를 차지하고 있으며, Nano Banana 2는 Elo 1,125에 머물러 있습니다. 편집 부문에서는 Sunburst가 1,182로 Nano Banana 2의 1,108을 앞서고 있습니다.

• 가격 — GPT-Image-2.5는 OpenAI의 프리미엄 이미지 등급으로, Artificial Analysis 측정 기준 1,000개 이미지당 약 $211입니다. Nano Banana 2는 1,000개당 $67로 책정되어 있으며, Google 자체 출력 토큰 요율인 백만 개당 $60은 512px 이미지당 약 $0.045, 1024×1024에서는 $0.067로 환산됩니다.

• 표면 — GPT-Image-2.5는 모든 등급에서 ChatGPT의 기본 이미지 엔진이며, Nano Banana 2는 Gemini 앱 내부의 기본 엔진이고, Google은 이를 Lens와 AI 모드를 통해 Search에, Flow에, 그리고 Ads에 밀어 넣었다.

• 일관성 기능 — OpenAI는 순차적 편집 전반에 걸친 참조 충실성을 내세우고, Google은 하나의 워크플로에서 최대 5명의 일관된 인물과 14개의 객체를 내세운다. 둘 다 벤더 측 설명이다.

이는 2자 구도가 아니라 진정한 3자 구도입니다. OpenAI의 새 모델은 측정된 품질에서 이기지만 비용이 대략 세 배이고, Google의 출시 모델은 단위 경제성에서 이깁니다. 가격선을 움직이지 않으면서 품질 격차를 좁히는 Nano Banana 2.1이라면 그 트레이드오프의 형태를 바꿀 것입니다. 단지 시각적으로 Nano Banana Pro와 맞먹는 Nano Banana 2.1이라면 — 초기 Flow 출력물이 그렇다고 알려져 있는데 — 그러지 못할 것입니다. 왜냐하면 Nano Banana Pro는 이미 두 리더보드 모두에서 GPT-Image-2.5보다 낮은 점수를 기록하고 있기 때문입니다(텍스트-투-이미지 Elo 1,102, 편집 1,099).

여기서 "아직 점수를 매길 수 없다"는 말이 회피가 아닌 이유

발표되지 않은 모델에 대한 비교는 보통 업데이트하겠다는 약속으로 끝난다. 이번 경우는 그렇지 않으며, 그 차이는 분명히 말할 가치가 있다. Nano Banana 2.1은 연구 논문에서 유출된 것도, 프레임워크 통합에서 발견된 것도 아니다 — 이미 출시된 Google 제품의 인터페이스에서 보이는데, 이는 Google이 사용자 앞에서 실행 중인 빌드를 가지고 있다는 뜻이다. 따라서 다른 모든 산출물의 부재는 의도적인 공개 공백이며, 모델이 멀리 떨어져 있다는 증거가 아니다.

지금까지의 전개는 Nano Banana 2 자체가 밟았던 것과 동일합니다: 소비자용 표면이 먼저, 개발자 API는 몇 달 뒤, 식별자와 GA 날짜는 함께 도착합니다. 그 패턴대로라면 10월의 Flow 목격은 그로부터 얼마간 뒤에 API 식별자가 나올 것임을 시사하며, 그 목격만으로는 그 간격이 얼마나 긴지 알 수 없습니다.

양쪽을 하나의 엔드포인트를 통해 라우팅

이 맞대결의 실질적인 걸림돌은 두 공급업체의 이미지 모델이 서로 다른 두 상업적 관계 뒤에 있다는 점이며, 각 공급업체가 출시한 것들 사이의 격차가 그것을 어색하게 만든다는 것입니다. OpenAI의 현재 이미지 제품군은 애그리게이터를 통해 부분적으로만 접근할 수 있습니다 — OrcaRouter는 openai/gpt-image-2와 openai/gpt-image-1.5를 제공하지만 2.5 쌍은 제공하지 않으므로, 현재 새로운 OpenAI 모델은 직접 OpenAI 키가 필요하다는 뜻입니다. Google 쪽에서는 우리 카탈로그가 Gemini 이미지 라인을 제공하며, 여기에는 google/gemini-3.1-flash-image-preview와 google/gemini-2.5-flash-image가 각 공급업체의 정가로 0% 마크업으로 그대로 전달됩니다.

이런 비교에서 그것이 당신에게 주는 것은 할인이 아니라 페일오버입니다. 공급업체가 포인트 릴리스를 내놓거나 모델을 계층 간에 이동시킬 때, 하나의 엔드포인트를 호출하는 스택은 현재 해당 워크로드에 맞는 이미지 모델로 라우팅할 수 있으며 자동으로 페일오버합니다, 공급자가 성능 저하를 겪을 경우 — 두 번째 계약, 두 번째 키, 그리고 단일 공급업체 통합이 수반하는 마이그레이션 없이 말입니다. Nano Banana 2.1은 OrcaRouter에 없습니다. 왜냐하면 Flow 선택기 외에는 어디에도 없기 때문입니다. 그것이 호출 가능한 모델이 되면, 그것이 도착하게 될 경로가 바로 이것입니다.

이것이 결정을 어디에 남기는가

오늘 최고로 측정된 이미지 품질이 워크로드에 필요하고 예산이 이미지 1,000장당 약 $211을 감당할 수 있다면, GPT-Image-2.5 Sunburst가 정당화할 수 있는 기본 선택입니다 — 이 모델은 Artificial Analysis의 두 리더보드 모두에서 선두이며 완전히 문서화되어 있습니다. 워크로드가 대용량이고 가격에 민감하다면, 1,000장당 $67의 Nano Banana 2가 더 나은 선택이며, 이번 주에 실제로 호출할 수 있는 Google 모델입니다.

Nano Banana 2.1은 아직 세 번째 선택지가 아니다. 그것은 예정된 가능성이며, 이를 다루는 유일하게 규율 있는 방식은 트리거로 취급하는 것이다. Google이 식별자와 가격, 그리고 첫 독립 점수를 공개하면, 위의 3자 비교는 실제 비교로 좁혀지고 거래는 달라진다. 그때까지는 Flow 메뉴 항목을 출시되고 점수가 매겨지고 가격이 책정된 모델의 경쟁자로 취급하는 것은 조달 결정을 잘못 내리게 만드는 종류의 비교다.