Qwen-Image-2.1 vs Gemini Omni 1.1 Flash: 하나는 PNG를 반환하고, 다른 하나는 그럴 수 없다

에 대해 알아두면 가장 유용한 점은 Qwen-Image-2.1과 Gemini Omni 1.1 Flash두 모델이 서로 경쟁하지 않는다는 것입니다. Gemini Omni 1.1 Flash에 정지 이미지를 요청하면 오류가 발생합니다. 공급업체 자체 문서에는 이미지 생성, 이미지 편집, 이미지와 텍스트의 인터리브 출력이 이 모델에서 지원되지 않는 기능으로 명시되어 있습니다. Qwen-Image-2.1에 비디오를 요청하면 알파 채널이 있는 2048×2048 정지 이미지가 나옵니다. 두 모델을 두 열에 배치하는 모든 비교표는 카메라와 프로젝터를 비교하는 셈입니다. 진짜 질문 — 실제로 비용이 발생하는 질문 — 은 이들을 체인으로 연결할 때 무슨 일이 일어나며, 그 체인이 요금표와 맞닥뜨려도 살아남는지입니다. Qwen-Image-2.1은 2026년 9월 20일에 공개되었고, Gemini Omni 1.1 Flash는 2026년 8월 27일부터 정식 출시되었습니다.

각 모델이 물리적으로 반환하는 것

이것이 전체 비교이며, 나머지 모든 것은 여기에서 비롯됩니다.

• 출력 형식 — Qwen-Image-2.1은 40 추론 단계에서 네이티브로 최대 2048×2048의 스틸 이미지를 반환하며, 선택적으로 실제 알파 채널을 포함할 수 있습니다; Gemini Omni 1.1 Flash는 10초 생성 및 확장 호출로 조립된 최대 40초의 비디오를 반환하며, 스틸 이미지 모드는 전혀 없습니다.
• 투명도 — Qwen-Image-2.1은 64채널 RGBA 잠재 공간에서 디노이즈하므로 알파가 샘플러에서 나옵니다; Gemini Omni 1.1 Flash는 투명 배경 출력이 없으며, 요청하면 실패합니다.
• 참조 입력 — Qwen-Image-2.1은 다중 피사체 구성을 위해 최대 10개의 참조 이미지를 허용합니다; Gemini Omni 1.1 Flash는 프롬프트당 최대 10개의 이미지를 *입력*으로 허용하고 최대 3개의 3초 참조 비디오 클립을 허용합니다.
• 해상도 상한 — Qwen-Image-2.1은 네이티브 2K입니다; Gemini Omni 1.1 Flash는 360p, 720p, 1080p 및 4K를 제공하지만, 1080p와 4K는 네이티브 720p 렌더의 업스케일이며 네이티브 생성이 아닙니다.
• 비용 — Qwen-Image-2.1은 호스팅 엔드포인트가 없기 때문에 호스팅 가격이 없으므로, 비용은 자신의 GPU 시간입니다; Gemini Omni 1.1 Flash는 720p에서 초당 $0.10을 청구하며, 360p 드래프트 티어는 초당 약 $0.03입니다.
• 라이선스 — Qwen-Image-2.1은 2026년 9월 20일자 Qwen Research License Agreement에 따라 제공되며, 비상업적 용도로만 사용 가능합니다; Gemini Omni 1.1 Flash는 상업용 API이며 출력에는 기본적으로 SynthID 및 C2PA 출처 정보가 포함됩니다.

마지막 행은 사람들이 대충 훑고 지나치는 부분이다. 한쪽에는 다운로드할 수 있지만 판매할 수 없는 모델이 있다. 다른 쪽에는 다운로드할 수 없지만 자유롭게 판매할 수 있는 모델이 있다 — 모든 프레임에 보이지 않는 워터마크가 들어 있다.

어쨌든 왜 “versus”라는 구도가 계속 나타나는 걸까

두 이름을 함께 검색하면 두 이름을 일대일로 비교해 순위를 매기는 페이지들을 찾게 될 것이다. 그 이유는 그 틀이 잘못됐더라도 그 밑에 깔린 질문은 실제로 유효하기 때문이다: 두 모델 모두 같은 창작 파이프라인에 속해 있고, 둘 다 그 안에서 가장 새로운 것이다. 사람들이 실제로 판단하려는 것은 정지 이미지가 어디서 끝나고 모션이 어디서 시작되는가이다.

Gemini Omni 1.1 Flash는 벤더 수치가 아닌 독립적인 수치로 그 질문에서 입지를 확보했다. Artificial Analysis에서 2026년 9월 2일 기준, 오디오 없음 범주에서 text-to-video와 image-to-video 아레나 모두 1위를 차지했으며 Elo는 1324와 1364였다. 오디오를 활성화하면 Elo 1237과 1180으로 떨어져 2위와 4위가 된다. 그 오디오 격차는 스펙 시트가 숨기고 리더보드가 드러내는 종류의 세부 사항이다.

Qwen-Image-2.1의 근거는 더 빈약하고 성격도 다르다. 벤더 자체의 Qwen-Image-Bench는 이를 60.28로 평가해, Nano Banana 2.0의 59.82와 GPT Image 1.5의 59.65를 앞서고 오픈 모델 중 1위로 올려놓는다. 그러나 이는 1점 미만 차이의 벤더 운영 벤치마크이며, 제3자가 재현한 것이 아니다. 지금까지의 독립 테스트는 GenAI Showdown의 인간 채점 실행에서 15점 만점에 7점을 기록한 것이 전부인데, 이는 원래 Qwen-Image의 4/15에서 오른 것이며 Ideogram 4의 8/15에는 뒤진다. 작성 시점에 이 모델은 Artificial Analysis 이미지 보드에 항목이 없었다. 낮은 점수가 아니다 — 점수가 아예 없다.

핸드오프, 그리고 그것이 실제로 치르게 하는 대가

스틸 이미지와 클립이 모두 필요한 무언가를 만들고 있다면, 파이프라인은 한 방향뿐입니다: Qwen-Image-2.1이 프레임을 만들고, Gemini Omni 1.1 Flash가 이를 애니메이션화합니다. 그 반대는 존재하지 않습니다.

계산을 한번 해보면 숫자는 가차없다. Gemini Omni 1.1 Flash에서 10초짜리 720p 클립은 약 $1.00가 청구된다. 360p 초안 티어에서는 같은 10초가 대략 $0.30이고, 720p의 완전한 40초 장면 — 1회 생성에 3회 확장 호출 — 은 약 $4.00에 달한다. 한편 전체 작업을 시작하게 하는 스틸 이미지는 자체 그래픽 카드의 전력 외에는 아무 비용도 들지 않는다. 즉, 흥미로운 비용 결정은 '어떤 모델을 쓸까'가 아니라 '몇 번의 테이크를 가져갈까'다. 스틸 이미지는 무료로 반복 수정할 수 있지만, 비디오는 그럴 수 없다. 비디오 생성 예산을 시도당이 아니라 자산당으로 잡는 팀이 바로 놀라게 되는 팀이다. 첫 프레임은 무료지만 재시도는 무료가 아니기 때문이다.

핸드오프에도 품질 함정이 있습니다. Gemini Omni 1.1 Flash는 기본적으로 720p로 렌더링하고 1080p와 4K로 업스케일합니다. 여러분의 스틸 이미지가 깨끗한 알파 채널을 가진 2048×2048 Qwen-Image-2.1 프레임인데, 이를 720p로 렌더링하고 업스케일하는 비디오 경로에 넣으면 이미지 모델이 제공한 것의 대부분을 버리게 됩니다. 그리고 알파 채널은 완전히 사라집니다. 투명 비디오 출력이 없기 때문입니다. 투명도는 모델 체인이 아니라 컴포지터에서 유지됩니다. 클립이 돌아온 뒤에 합성을 계획하세요, 그 전에가 아니라.

라우팅 레이어가 들어가는 위치

이 조합의 어색한 부분은 두 모델 모두 여러분 스택의 나머지 부분이 아마 접근 가능한 방식으로는 접근할 수 없다는 점입니다. Gemini Omni 1.1 Flash는 자체 키와 자체 초당 과금 미터를 갖춘 벤더 API입니다. Qwen-Image-2.1은 약 33GB짜리 다운로드로, 7B 디퓨전 트랜스포머와 Qwen3-VL 8B 텍스트 인코더로 구성되어 있으며, 비상업적 사용만 허용하는 라이선스 아래에서 직접 서빙해야 합니다. 두 가지 과금 모델, 두 가지 접근 경로, 하나의 프로젝트.

OrcaRouter는 바로 이 주변 영역을 위해 존재합니다: 200개 이상의 모델을 아우르는 하나의 OpenAI 호환 엔드포인트, 제공사 정가를 마크업 없이 그대로 전달, 제공사 전반에 걸친 자동 페일오버, 폴백을 구성하기 위한 라우팅 DSL, 그리고 패널 스타일 호출을 위한 모델 퓨전. 이것이 여기서 무엇을 커버하는지 정확히 밝히는 것이 중요합니다. 저희는 어떤 버전의 Qwen-Image 모델도 라우팅하지 않으므로, Qwen-Image-2.1은 저희 쪽에서 호출할 수 있는 라우트가 아닙니다 — 이는 고객님의 하드웨어에서 실행되거나 아예 실행되지 않습니다. Gemini Omni 1.1 Flash도 라우팅하지 않습니다. 모션 쪽에서 저희가 제공하는 것은 kling-v3, kling-v3-omni, kling-video-o1을 포함한 Kling의 비디오 라인과 MiniMax H3입니다 — 따라서 이 파이프라인의 애니메이션 부분에는 별도의 벤더 계약이 필요 없는 호스팅 라우트가 있으며, 이미지 쪽에서는 OpenAI GPT-Image 제품군, Google의 Imagen 4 등급과 Gemini 이미지 프리뷰, 그리고 xAI의 Grok Imagine 이미지 엔드포인트를 제공합니다. 정가는 마크업되지 않고 그대로 전달되기 때문에, 이들 중 어느 하나에 대한 벤더의 가격 인하는 같은 날 바로 여기에 반영됩니다.

실제로 필요한 것은 어느 것인가요?

• 필요한 것은 푸티지가 아니라 애셋입니다 — Qwen-Image-2.1, 그리고 알파 채널이 그 이유입니다. 투명 제품 컷아웃, 아이콘, 스프라이트, 레이어드 합성물은 RGBA를 출력하는 샘플러가 매팅 파이프라인 전체를 절약해 주는 영역입니다.
• 움직임이 필요하고, 그것도 측정 가능해야 합니다 — Gemini Omni 1.1 Flash. 두 모델 중 유일하게 리더보드 상단에 독립 아레나 결과를 보유하고 있으며, 예측에 넣을 수 있는 초당 가격을 공개한 유일한 모델입니다.
• 둘 다 필요합니다 — 비디오 쪽 예산은 애셋당이 아니라 시도당으로 잡고, 알파 채널이 끝까지 살아남는다고 가정하지 마세요.
• 결과물을 판매해야 합니다 — Gemini Omni 1.1 Flash, 그리고 Qwen이 Qwen-Image-2.1에 대한 상업적 조건을 공개할 때까지는 오직 Gemini Omni 1.1 Flash입니다. 해당 라이선스에 관해 오늘날 공개된 가격이나 조건표는 없습니다.

솔직한 요약은 이들을 순위 매기는 비교가 잘못된 결과물이라는 것이다. 다음으로 지켜볼 가치가 있는 것은 Qwen이 Qwen-Image-2.1에 상업적 조건을 붙이는지, 그리고 Google이 Omni 리더보드에서 오디오 격차를 좁히는지다 — 또 다른 점수판이 아니라 이 두 가지 사실이 이 파이프라인의 어느 절반이 예산을 받을지를 결정한다.