Qwen-Image-2.1 대 GPT Image 2: 무료로 다운로드하거나, 최고의 것을 대여하세요

Qwen-Image-2.1은 33GB짜리 다운로드로, 무료로 실행할 수 있지만 판매할 수는 없습니다. GPT Image 2는 전혀 다운로드할 수 없는 API로, 토큰 단위로 과금되며, 프로덕션에 들어간 지 4개월째 독립 이미지 리더보드 정상에 자리 잡고 있습니다. 이 두 사실이 이 트레이드오프의 전부이고, 흥미로운 점은 투명도 기능, 즉 애초에 Qwen-Image-2.1을 눈여겨볼 만하게 만든 바로 그 기능이 완전히 다른 경로를 통해 서로 한 달 이내에 두 시스템 모두에 도착했다는 것입니다. Qwen-Image-2.1은 2026년 9월 20일에 잠재 공간에 알파가 내장된 채 출시되었습니다. GPT Image 2는 background: "transparent" 매개변수를 2026년 8월 20일 API 플래그로 얻었습니다.

같은 기능으로 가는 두 가지 경로

투명한 출력 때문에 대부분의 사람들이 이 둘을 비교하게 되니, 바로 거기서부터 시작하는 게 좋다. 구현 방식이 서로 동등하지 않고, 그 차이가 출력보다 더 중요하기 때문이다.

Qwen-Image-2.1의 투명성은 아키텍처에 기반합니다. 16× 공간 압축을 사용하는 64채널 RGBA VAE는 알파가 모델이 디노이즈하는 잠재 공간의 일부임을 의미합니다. 동일한 메커니즘을 통해 투명도를 포함한 생성, 이미 투명도를 지닌 이미지를 평탄화하지 않고 그 내부에서 편집, 그리고 일반 RGB 사진에서 이진 마스크가 아닌 알파를 반환하는 피사체 추출이 가능합니다. 이는 하나의 기능으로 세 가지 용도이며, 공급업체의 설명 자체도 별도의 배경 제거 노드, 매팅 모델 또는 엣지 정리 패스가 필요 없다는 것입니다.

GPT Image 2의 투명도는 요청 파라미터입니다. background: "transparent"를 output_format: "png"와 함께 지정하면 실제 알파 채널이 있는 이미지가 반환되며, 이는 텍스트-투-이미지, 이미지 편집, 그리고 Responses API의 이미지 생성 도구 전반에서 작동합니다. 마스크 기반 인페인팅과 투명 배경은 함께 사용할 수 있습니다. 이 기능은 Preview로 출시되었기 때문에 OpenAI 자체 지침에서도 결과가 불안정할 수 있다고 밝히고 있으며, 투명도를 사용한 편집은 정밀한 외곽 매팅이 아니라 배경을 다시 그리거나 제거하는 것으로 설명됩니다. 최소 두 개의 2차 출처에서는 이 파라미터를 사용할 수 없으며 GPT Image 2가 투명도를 전혀 출력하지 않는다고 주장하는데, 이는 발표 보도, API 문서 미러, 그리고 제3자 테스트와 모순되므로 반대 신호로 볼 것이 아니라 오래되었거나 잘못된 정보로 취급해야 합니다. 투명도는 토큰 비용을 바꾸지 않습니다. 주어진 품질과 크기에서 투명 이미지와 불투명 이미지는 동일한 이미지 토큰을 소비합니다.

따라서 둘 다 알파를 생성합니다. 하나는 모델이 그렇게 만들어졌기 때문에 그렇게 하고, 다른 하나는 파라미터가 서비스에 이를 요청하기 때문에 그렇게 합니다. 어느 쪽이 더 나은지는 전적으로 알파가 편집 루프를 견뎌야 하는지에 달려 있으며, 그것은 오후 한나절이면 테스트할 수 있습니다.

GPT Image 2의 앞선 출발이 당신에게 주는 것

프로덕션에 들어간 지 4개월이라는 것은 마케팅 포인트가 아니라 성숙도 격차이며, 이는 지루하고도 결정적인 곳에서 드러난다.

• 독립적 위상 — GPT Image 2는 독립 이미지 리더보드 최상위에 자리하고 있으며, 출시 주간의 일시적 급등이 아니라 안정적인 주장이라고 할 만큼 오래 그 자리에 머물렀습니다. 이 글이 작성될 당시 Qwen-Image-2.1은 해당 리더보드에 전혀 없었습니다.
• 문서화된 실패 모드 — 4개월간 공개적으로 사용된 모델에는 직접 겪기 전에 읽어볼 수 있는 알려진 실패 사례 모음이 있습니다. 어제 공개된 모델에는 벤더의 점수표와 통합 테스트 하나뿐입니다.
• 운영 영역 — 분당 토큰과 분당 이미지 양쪽으로 표현되는 계층형 속도 제한(엔트리 티어의 100,000 TPM 및 5 IPM에서 최상위 티어의 8,000,000 TPM 및 250 IPM까지)과 배치 엔드포인트 지원. 이것이 데모와 규모를 산정할 수 있는 큐 사이의 차이입니다.
• 제3자의 품질 수치 — 리더보드 순위는 독립적으로 측정됩니다. Qwen-Image-2.1의 유일한 수치는 벤더 자체의 Qwen-Image-Bench 차트에 나온 것으로, 여기에서 Nano Banana 2.0의 59.82, GPT Image 1.5의 59.65와 비교해 60.28을 기록합니다. 벤더 자료이며, 재현되지 않았습니다.

Qwen-Image-2.1에 관한 유일하게 진짜 독립적인 데이터 포인트는 SGLang 통합과 함께 공개된 기능 검증이다: 투명 PNG 출력이 통과했고, 알파는 전체 0–255 범위에서 유지되었으며, RGBA PSNR은 단일 샘플에서 60.69 dB로 측정되었고, FP8 구성들은 투명 PNG 생성에 통과했다. SGLang 저자들은 이것이 정확성 검사이며 일반적인 품질 보장은 아니라고 명시한다. 이는 알파 채널이 실제로 존재한다는, 이용 가능한 가장 강력한 증거다. 그림이 좋은지에 대해서는 아무것도 말해 주지 않는다.

처리를 마친 법안

GPT Image 2는 토큰 기반으로 과금되므로, 에셋 비용은 품질 등급과 해상도에 따라 달라지며, 이는 이미지당 가격 책정 방식에서는 드러나지 않습니다. 공개된 정가 요율은 텍스트 입력 토큰 100만 개당 $5.00, 이미지 입력 토큰 100만 개당 $8.00, 이미지 출력 토큰 100만 개당 $30.00이며, 캐시 요율은 각각 $1.25와 $2.00입니다. OpenAI는 이 모델에 대한 정적 출력 토큰 표를 공개하지 않습니다 — Low, Medium, High 토큰 수를 다루는 이전 표는 GPT Image 2에 적용되지 않는다고 명시적으로 표시되어 있습니다 — 따라서 아래 수치는 1:1 종횡비, 텍스트-투-이미지에서의 정가에 대한 제3자 측정치입니다:

• 1K 출력 — 이미지당 저품질 $0.0059, 중간 $0.053, 고품질 $0.211.
• 2K 출력 — 저품질 $0.012, 중간 $0.107, 고품질 $0.428.
• 4K 출력 — 저품질 $0.020, 중간 $0.178, 고품질 $0.712.

같은 해상도에서 저품질과 고품질 사이의 격차는 약 35배입니다. 이것이 바로 GPT Image 2 파이프라인 내부의 실제 결정 사항입니다. 어떤 모델을 쓸 것인가가 아니라, 어떤 품질 등급이 가장 낮은 비용으로 검토를 통과하는가입니다. 그리고 이는 사람들을 허를 찌르는 방식으로 편집과 맞물립니다 — input_fidelity는 이 모델에서 조정할 수 없습니다. 왜냐하면 이 모델은 모든 이미지 입력을 자동으로 고충실도로 처리하기 때문에, 참조 이미지를 포함한 편집 요청은 출력 크기로 추정한 것보다 더 많은 이미지 입력 토큰을 소모합니다. 따라서 생성-검사-편집 루프는 여기서 이미지당 수치가 시사하는 것보다 더 비쌉니다.

그에 비해 Qwen-Image-2.1의 이미지 한 장당 한계 비용은 전기료다. 문제는 고정 비용과 라이선스다. 다운로드에 33기가바이트, DiT가 약 14GB를 차지하고 나머지는 Qwen3-VL 8B 텍스트 인코더에 들어가며, 제한된 카드에서는 CPU 오프로드가 권장된다. 그리고 전체가 2026년 9월 20일자 Qwen Research License Agreement 아래에 있다 — 비상업적 용도로만 허용되며, 상업적 권리는 별도 협의를 통해서만 가능하고 그에 대한 가격이나 조건은 공개되지 않았다.

호스팅 옵션이 위치한 곳

GPU와 라이선스 문제를 모두 피할 수 있는 중간 경로가 있으며, 대부분의 팀이 실제로 택하는 방법이 바로 이것입니다. OrcaRouter는 OpenAI의 GPT-Image 계열을 Google의 Imagen 4 등급 및 Gemini 이미지 프리뷰, xAI의 Grok Imagine 이미지 엔드포인트와 함께 라우팅합니다 — 하나의 OpenAI 호환 엔드포인트 뒤에 200개 이상의 모델, 제공업체 정가를 마크업 없이 그대로 전달, 제공업체 간 자동 장애 조치, 라우팅 DSL, 모델 퓨전. 정가는 마크업되어 전달되는 것이 아니라 그대로 전달되기 때문에, 라우팅되는 모델에 대한 공급업체의 가격 인하는 같은 날 바로 반영되며, 장애 조치가 자동이기 때문에 특정 제공업체의 일시적인 문제가 곧 여러분의 서비스 중단이 되지는 않습니다. Qwen-Image-2.1은 우리가 라우팅하는 모델에 포함되지 않으며 다른 어떤 Qwen-Image 버전도 마찬가지입니다 — 이는 로컬 전용 제안입니다 — 따라서 이것은 신규 모델을 위한 홍보가 아닙니다. "신규 모델을 평가하는 동안 무엇을 사용해야 할까"에 대한 정직한 답변입니다.

결정, 단도직입적으로 말하면

결과물이 상업용이라면, 독립적으로 측정된 품질 하한선이 필요하다면, 예측하고 상한을 정할 수 있는 자산별 비용을 원한다면, 또는 하드웨어 구매 없이 이번 주에 바로 작동해야 한다면 GPT Image 2를 선택하세요. 당신이 임차하고 있으며, 미세 조정할 수 없고, 오프라인으로 실행할 수 없으며, 이미지당 비용이 영구히 볼륨에 따라 선형적으로 증가한다는 점을 받아들이세요.

다음과 같은 경우 Qwen-Image-2.1을 선택하세요: 출력이 연구, 평가 또는 개인 작업이라면, 매개변수가 한 번 만들어낸 알파가 아니라 편집 루프를 견뎌내는 알파를 특별히 원한다면, 재작성 로직을 직접 읽고 싶다면 — 배포된 PE-T2I 및 PE-I2I 체크포인트는 읽을 수 있는 system_prompt.txt를 갖춘 파인튜닝된 Qwen3.5-VL 9B 모델이며, 이는 어떤 호스팅 이미지 API에서 얻을 수 있는 것보다 더 많은 정보를 제공합니다 — 또는 2026년 9월에 7B 오픈 웨이트 이미지 모델이 무엇을 할 수 있는지 사진당 비용을 지불하지 않고 알아보고 싶은 경우입니다.

둘 중 어느 쪽도 고르지 말고, 산출물이 상업적이고 마감이 실제라면 해당 건을 라우팅하세요. 그것은 회피가 아닙니다. 아직 답을 얻을 수 없는 라이선스 문제를 해결할 필요가 없는 선택지일 뿐입니다.