GPT Image 2.5 API 가이드: 요금, 설정 및 실습 테스트

OpenAI의 GPT Image 2.5 API는 ‘’라는 이름의 단일 호출 가능 모델이 아니라, 두 가지 모델로 구성된 제품군입니다. gpt-image-2.5. 현재 사용 중인 별칭은 다음과 같습니다. gpt-image-2.5-flare, OpenAI가 빠르고 고품질의 일상적인 콘텐츠 생성을 위해 배치한 것으로, 그리고 gpt-image-2.5-sunburst, 정밀한 이미지 편집에 최적화되어 있습니다. 두 제품 모두 2026년 9월 8일에 출시되었습니다. 이 가이드에서는 정확한 ID, 세 가지 API 경로, 지원되는 매개변수, 사용자 지정 크기, 공식 토큰 가격, 사용량 제한 및 실용적인 비용 계산기를 다룹니다.

또한 이 보고서는 Anywhere의 통합 시스템을 통해 수행된 별도의 통제된 테스트에 대해서도 다루고 있다. gpt-image-2.5 경로. 해당 장소에서는 플레어/선버스트 선택기나 리턴 변형 라벨이 확인되지 않았으므로, 그 출력 결과는 OpenAI의 기본 API 결과로 표시되지 않으며, 두 공식 모델 중 어느 쪽에도 할당되지 않습니다.

지금 바로 GlobalGPT에서 GPT Image 2.5를 사용해 보세요!

GPT Image 2.5 API란 무엇인가요?

GPT Image 2.5는 2026년 9월 8일에 출시된 OpenAI의 이미지 생성 및 편집 모델군입니다. 두 공식 모델 모두 텍스트를 입력으로 받아 이미지를 출력하며, 편집 워크플로우에서도 이미지를 입력으로 제공할 수 있습니다. 구현에 있어 중요한 세부 사항은 식별자입니다. 제품군 이름은 설명용으로는 유용하지만, 실제 사용 시에는 공식 모델 페이지에 명시된 정확한 모델 ID를 사용해야 합니다.

두 개의 모델, 호출 가능한 가족 ID가 하나가 아님

이동 별칭은 OpenAI의 현재 버전을 해당 이름 뒤에 따라갑니다. 날짜가 지정된 스냅샷은 요청을 특정 릴리스에 고정하므로 회귀 테스트 중에 재현하기가 더 쉽습니다. 코드를 변경하지 않고 호환되는 모델 업데이트를 원할 때는 이동 별칭을 사용하고, 최신 개정판을 자동으로 받는 것보다 일관된 동작이 더 중요할 때는 스냅샷을 사용하십시오.

이러한 설명은 OpenAI의 포지셔닝일 뿐, 당사의 테스트를 통해 결정된 승자가 아닙니다. 이 기사의 뒷부분에 소개된 통제된 테스트에서는, 어떤 공식 변형이 요청을 처리했는지(혹은 처리한 변형이 있는지 여부)를 공개하지 않은 제3자의 통합 경로를 사용했습니다.

GPT Image 2.5 API 빠른 시작 가이드

Image API를 사용하여 생성하기

직접 발전의 용도 POST /v1/images/generations. OpenAI SDK는 환경에서 API 키를 읽어오며, GPT Image는 영구적으로 호스팅되는 URL 대신 base64로 인코딩된 이미지 데이터를 반환합니다. 해당 데이터를 디코딩한 후, 다음과 동일한 확장자를 사용하여 저장하십시오. 출력 형식.

import base64
from pathlib import Path
from openai import OpenAI

client = OpenAI()
result = client.images.generate(
    model="gpt-image-2.5-flare",
    prompt="흰색 스튜디오 바닥에 놓인 세라믹 책상 램프, 제품 사진",
    size="1536x1024",
    quality="high",
    output_format="webp",
)

image_bytes = base64.b64decode(result.data[0].b64_json)
Path("lamp.webp").write_bytes(image_bytes)

재현 가능한 생산 테스트를 위해, 이동하는 별칭을 다음으로 대체하십시오. gpt-image-2.5-flare-2026-09-08. 프롬프트, 크기, 품질 및 시드와 같은 애플리케이션 입력값은 자신의 요청 로그에 기록해 두십시오. 반환된 이미지 자체가 여전히 주요 결과물입니다.

이미지 편집하기

직접 편집의 용도 POST /v1/images/edits. 이 API는 멀티파트 업로드와 JSON 참조에 대해 다음을 통해 설명하고 있습니다. image_url 또는 file_id 선택한 경로에서 이를 지원하는 경우에 한합니다. 최대 16장의 이미지를 제출할 수 있지만, 이 최대 개수는 권장 사항이 아닙니다. 개수는 적고 서로 명확히 구별되는 참고 자료를 제출하는 것이 검토 및 채점에 더 용이합니다.

import base64
from pathlib import Path
from openai import OpenAI

client = OpenAI()
with Path("product.png").open("rb") as source:
    result = client.images.edit(
 model="gpt-image-2.5-sunburst",
 image=[source],
 prompt="램프 갓만 코발트 블루로 변경해 주세요.",
        size="1536x1024",
 output_format="png",
    )

Path("product-edited.png").write_bytes(
    base64.b64decode(result.data[0].b64_json)
)

“변경만”과 같은 명확한 보존 조건을 검증 가능한 제약 조건으로 설정한 다음, 원본과 출력을 전체 해상도에서 비교하십시오. 편집 시 요청된 속성을 충족시키면서도 변경되지 않은 영역은 재구성하거나 재구성할 수 있습니다.

Responses API 이미지 생성 도구 사용하기

전화로 문의하실 수도 있습니다. POST /v1/responses 이미지 생성 도구를 사용하여. 이 방법은 텍스트나 도구 결과를 기반으로 추론을 수행하는 모델 주도형 워크플로우에서 이미지 생성이 하나의 단계로 포함될 때 유용합니다. 이는 직접적인 Image API를 그대로 대체할 수 있는 응답 형식이 아닙니다. 따라서 단순히 가정하기보다는 이미지 생성 호출에 대한 응답 출력 항목을 직접 확인해 보십시오. data[0].b64_json 존재한다.

response = client.responses.create(
    model="YOUR_RESPONSES_MODEL",
    input="이 승인된 브리프를 바탕으로 깔끔한 제품 이미지를 생성해 주세요.",
    tools=[{"type": "image_generation"}],
)

image_calls = [
    response.output에 포함된 각 item에 대해
    item.type이 "image_generation_call"인 경우
]

간단한 생성 또는 편집 작업에 대해 명확한 비용 산정이 가능한 직접 이미지 API를 선택하세요. 이미지 생성이 더 광범위한 에이전트 시퀀스의 일부인 경우에는 ‘응답(Responses)’을 선택하세요. 어느 경우든 현재 상태를 검증하세요. 공식 이미지 생성 가이드 배포하기 전에 SDK 서명을 확인해야 합니다. 새로 출시된 API 스키마는 변경될 수 있기 때문입니다.

매개변수, 출력 형식 및 크기 제한

가장 유용한 설정 항목으로는 품질, 출력 개수, 진행 상황 미리보기, 검토, 백그라운드 동작, 형식, 압축 및 크기가 있습니다. 이러한 설정들을 독립적인 옵션이 아닌 상호 호환되는 세트로 간주하십시오. 예를 들어, 투명도를 적용하려면 PNG 또는 WebP 형식을 사용해야 하며, 출력 압축 PNG보다는 JPEG 및 WebP에 적용됩니다.

사용자 정의 치수

사용자 지정 크기의 경우, 각 변의 길이는 16의 배수여야 하며, 종횡비는 1:3에서 3:1 사이여야 하고, 어느 한 변도 3,840 픽셀을 초과해서는 안 되며, 총 면적은 655,360에서 8,294,400 픽셀 사이여야 합니다. 2,560×1,440 이상의 크기는 실험적 기능으로 명시되어 있습니다.

• 1536x1024 이 식은 유효합니다. 양쪽 항 모두 16의 배수이며, 3:2의 비율이 허용되고, 면적이 허용 범위 내에 있기 때문입니다.
• 1024x1024 같은 이유로 유효합니다.
• 1200x800 화면 비율이 합리적으로 보이지만, 1,200과 800이 모두 16의 배수가 아니기 때문에 이 설정은 유효하지 않습니다.

요청을 전송하기 전에 차원을 검증하여 애플리케이션 버그가 모델 평가에 반영되지 않도록 하십시오. 또한 디코딩된 파일의 실제 형식과 차원을 확인하십시오. 타사 호환성 경로는 모든 네이티브 매개변수를 정확히 재현하지 못할 수도 있습니다.

GPT Image 2.5 API 요금

OpenAI는 토큰 종류별로 GPT Image 2.5의 요금을 책정합니다. 아래 요금은 2026년 9월 10일 기준 공식 요금 페이지에서 확인된 것입니다. GPT Image 2도 동일한 요금을 적용하지만, 요금이 같다고 해서 동일한 프롬프트나 이미지에 대해 토큰 소모량이 같다는 의미는 아닙니다.

실제 요청 비용을 계산합니다

각 카테고리별로 반환된 토큰 수에 해당 카테고리의 백만 토큰당 요금을 곱한 다음, 1,000,000으로 나눕니다. 한 번의 요청에 대한 5개 카테고리의 비용을 모두 합산합니다. 공식 GPT Image 2 계산기는 GPT Image 2.5의 토큰 소비량을 산정하지 않으므로, 실제 사용 데이터 없이는 타당하게 적용할 수 있는 보편적인 “이미지당 비용”을 제시할 수 없습니다.

생산 계획을 세울 때는 ‘수용 가능한 산출물당 비용’도 추적해야 합니다. 이는 총 배치 비용을 해당 작업의 특정 기준을 통과한 산출물 수로 나눈 값입니다. 이는 OpenAI와 같은 과금 단위가 아닌, 여러분만의 운영 지표입니다. 비용은 저렴하지만 사용할 수 없는 요청은, 재생산 과정 없이 바로 출하되는 토큰 수가 더 많은 결과물보다 더 큰 비용이 들 수 있습니다.

요율 한도 및 생산 계획

요율 제한에는 분당 토큰 수(TPM)와 분당 이미지 수(IPM)가 포함됩니다. 두 가지 모두를 고려하여 계획을 수립해야 합니다. 즉, 요청이 이미지 수 제한을 충족하더라도 토큰 처리량을 초과할 수 있기 때문입니다. 현재 두 개의 공식 GPT Image 2.5 모델 페이지에는 동일한 표가 표시되어 있습니다.

재시도, 동시성 및 오류 클래스

로그에서 인증, 잘못된 매개변수, 속도 제한, 용량, 전송, 타임아웃 및 잘못된 출력 이벤트를 구분하여 기록하십시오. 인증 또는 매개변수 오류는 대개 재시도가 아닌 구성 수정이 필요합니다. 속도 제한 및 용량 관련 응답의 경우, 제한된 백오프가 정당화될 수 있습니다. 전송 실패 및 타임아웃의 경우, 애플리케이션이 실수로 중복된 과금 대상 작업을 생성하지 않도록 이멱포텐시 전략이 필요합니다.

무엇보다 중요한 점은, 운영상의 오류가 화질 결과로 이어지지 않는다는 것입니다. 유효하고 디코딩 가능한 출력이 생성된 후에야 품질을 평가해야 합니다. 관측된 지연 시간을 경로, 날짜, 엔드포인트 및 요청 조건과 함께 기록하십시오. 특정 장소에서 측정된 지연 시간만으로는 모델 속도를 영구적으로 입증할 수 없습니다.

Anywhere GPT Image 2.5 통제된 테스트에서 어떤 결과가 나왔는가

아래의 생성, 편집, 참조 구성 작업들은 각각 첫 번째 유효한 출력 하나를 사용했습니다. 성공적으로 처리된 5건의 형식적 요청에 대한 총 계산 비용은 $0.088603. 이 총계에는 실패한 요청, 피처 생성, 준비 상태 확인 및 히어로 이미지는 포함되지 않습니다.

G01: 정확한 문구의 상품 광고

프롬프트에는 다음 줄이 필요했습니다. 아이디어를 위한 공간을 마련하세요 정확히 한 번, 램프 하나, 고정된 구성, 그리고 명시적인 제외 조건. 첫 번째 유효한 출력은 텍스트를 한 번 재현했으며, 선언된 모든 검증을 통과했다.

2026년 9월 9일, Anywhere의 통합 gpt-image-2.5 경로를 통해 테스트되었습니다.

상태

올바른 첫 번째 출력

과제 점수

10/10

경과 시간

6,150 ms

산출된 비용

$0.041645

역량 분석이 첫 번째 출력 결과에서, 해당 경로는 정확한 가시 텍스트, 객체 수, 구성 및 부정 제약 조건을 종합적으로 처리했습니다.

제한단 한 건의 성공적인 광고만으로는 일반적인 텍스트 렌더링 성공률을 입증할 수 없으며, 통합 경로를 통해 Flare나 Sunburst가 식별되지도 않았습니다.

실질적인 평가동결된 복사 줄을 사용하여 보이는 모든 텍스트 인스턴스를 세어보세요. 이 출력은 재생성 없이 통과되었습니다.

정확한 요청, 입력 사항, 설정 및 목표에 대한 철저한 확인

상태: 시도 1에서 유효한 출력이 확인됨; 첫 번째 유효한 출력이 유지됨.

경로: 어디서나 OpenAI 호환 /images/generations 와 함께 gpt-image-2.5.

정확한 프롬프트

깨끗한 흰색과 옅은 회색 배경을 배경으로, 가상의 무광 블랙 휴대용 책상 램프를 위한 3:2 비율의 가로형 스튜디오 제품 광고를 제작하십시오. 램프는 정확히 하나만 보여주되, 오른쪽으로 약간 기울여 배치하고, 부드럽고 따뜻한 빛이 퍼져 나오도록 하며, 넉넉한 여백을 확보하십시오. 텍스트는 정확히 한 줄만 포함하십시오: "MAKE ROOM FOR IDEAS". 이 문구는 선명한 대문자 산세리프 서체로 상단 3분의 1 지점에 중앙 정렬하여 배치하십시오. 그 외의 텍스트, 로고, 워터마크, 인물, 추가 제품은 포함하지 마십시오.

전체 입력 내용: 텍스트만 있습니다. 이미지는 제공되지 않았습니다.

실제 요청 설정

크기

1536x1024

품질

높은

출력 형식

webp

배경

불투명한

n

1

객관적 평가

exact_text2/2

“MAKE ROOM FOR IDEAS”라는 문구가 한 번, 완전하고 철자가 올바른 형태로 표시되며, 그 외의 텍스트는 보이지 않습니다.

필수 객체2/2

완전히 매트한 검은색 책상 램프가 정확히 하나 있습니다.

구성2/2

램프는 오른쪽을 향하고 있으며, 따뜻한 빛이 퍼져 있는 모습이 보이고, 여백이 잘 살아 있으며, 텍스트는 화면 상단 3분의 1 지점에 배치되어 있습니다.

금지 사항2/2

로고, 워터마크, 사람, 또는 불필요한 제품이 보이지 않아야 합니다.

첫 번째 출력 사용성2/2

첫 번째 유효한 출력은 재생이나 대대적인 재구축 없이도 사용할 수 있습니다.

전체 출력

이 증거 패널 바로 아래에 1536×1024 크기의 첫 번째 유효한 출력 결과가 전체적으로 표시됩니다. 요청에서는 WebP 형식을 요청했음에도 불구하고 응답에는 PNG 파일이 반환되었습니다.

G02: 개수 측정형 레이아웃

요청에는 정확히 세 개의 물체가 명시되어 있었는데, 왼쪽에서 오른쪽으로 순서대로 파란색 유리 구, 노란색 접이식 부채, 강철 큐브였다. 첫 번째 유효한 출력은 개수, 순서, 그리고 식별 가능한 재질을 그대로 유지했다.

2026년 9월 9일, Anywhere의 통합 gpt-image-2.5 경로를 통해 테스트되었습니다.

상태

올바른 첫 번째 출력

과제 점수

10/10

경과 시간

33,577 ms

산출된 비용

$0.005505

역량 분석첫 번째 출력은 세 개 물체의 개수 파악, 좌-중-우 순서, 요청된 색상, 그리고 뚜렷한 재질 단서를 따랐습니다.

제한이 관찰은 하나의 통제된 정물화를 대상으로 하며, 임의적인 물체 개수 세기의 복잡성이나 반복적인 제작의 신뢰성을 다루지는 않습니다.

실질적인 평가이번 사례에서는 구체적인 개수, 순서, 자재 및 제외 항목을 명확히 명시함으로써 즉시 활용 가능한 결과를 얻을 수 있었습니다.

정확한 요청, 입력 사항, 설정 및 목표에 대한 철저한 확인

상태: 시도 1에서 유효한 출력이 확인됨; 첫 번째 유효한 출력이 유지됨.

경로: 어디서나 OpenAI 호환 /images/generations 와 함께 gpt-image-2.5.

정확한 프롬프트

숯색과 미색의 스튜디오 세트에서 3:2 비율의 가로형 편집용 정물 사진을 촬영하십시오. 정확히 세 가지 물체를 보여주세요: 왼쪽에 코발트 블루색 유리 구 하나, 중앙에 접힌 노란색 종이 부채 하나, 그리고 오른쪽에 브러시드 스틸 큐브 하나. 세 개 모두를 완전히 보이게 하고, 균등한 간격을 유지하며, 왼쪽 위에서 비추는 하나의 부드러운 조명으로 조명해야 합니다. 텍스트, 로고, 워터마크, 인물, 불필요한 사물, 장식용 기호는 일절 포함되지 않아야 합니다.

전체 입력 내용: 텍스트만 있습니다. 이미지는 제공되지 않았습니다.

실제 요청 설정

크기

1536x1024

품질

높은

출력 형식

webp

배경

불투명한

n

1

객관적 평가

객체 수2/2

파란색 유리 구 하나, 노란색 접이식 부채 하나, 그리고 강철 큐브 하나가 정확히 놓여 있다.

주문 및 공개 설정2/2

해당 객체들은 요구된 순서대로, 즉 왼쪽, 중앙, 오른쪽 순으로 완전히 보입니다.

소재와 색상2/2

유리, 종이, 브러시드 메탈 소재와 요청된 색상은 명확합니다.

조명 및 간격2/2

이 장면은 왼쪽 상단에서 일관되게 비추는 조명과 균일한 간격을 활용하고 있습니다.

금지 사항 및 유물2/2

텍스트, 로고, 워터마크, 사람, 불필요한 물체 또는 눈에 띄는 결함이 보이지 않습니다.

전체 출력

이 증거 패널 바로 아래에 1536×1024 크기의 첫 번째 유효한 출력 결과가 전체적으로 표시됩니다. 요청에서는 WebP 형식을 요청했음에도 불구하고 응답에는 PNG 파일이 반환되었습니다.

E01: 색상 하나 변경하기

이번 편집을 통해 매트 블랙 색상의 램프 쉐이드를 코발트 블루로 변경하면서도 제품의 식별성은 유지했습니다. 정사각형 원본을 3:2 비율의 출력물로 변환하는 과정에서 대상 속성 범위를 벗어난 약간의 구도 조정과 재구성이 발생하여 1점이 감점되었습니다.

2026년 9월 9일, Anywhere의 통합 gpt-image-2.5 경로를 통해 테스트되었습니다.

상태

올바른 첫 번째 출력

과제 점수

9/10

경과 시간

41,387 ms

산출된 비용

$0.016320

역량 분석요청된 색조 변경이 성공적으로 이루어졌으며, 동시에 램프의 핵심 정체성, 구조 및 조명 효과는 일관성을 유지했습니다.

제한정사각형에서 3:2 비율로 변환하는 과정에서 약간의 화면 재구성 및 재조정이 발생하여, 대상 영역 외부의 화질 보존이 픽셀 단위로 정확하게 이루어지지 않았습니다.

실질적인 평가엄격한 보존이 필요한 경우에는 원본과 출력의 화면 비율을 일치시킨 다음, 대상 영역이 아닌 모든 부분을 검토하십시오.

정확한 요청, 입력 사항, 설정 및 목표에 대한 철저한 확인

상태: 시도 1에서 유효한 출력이 확인됨; 첫 번째 유효한 출력이 유지됨.

경로: 어디서나 OpenAI 호환 /images/edits 와 함께 gpt-image-2.5.

정확한 프롬프트

램프 쉐이드의 색상만 무광 블랙에서 코발트 블루로 변경하십시오. 램프의 정확한 모양, 위치, 크기, 받침대, 팔, 스위치, 그림자, 따뜻한 빛, 배경, 카메라 각도, 자르기 범위 및 기타 모든 보이는 세부 사항은 그대로 유지하십시오. 텍스트, 로고, 워터마크, 인물 또는 불필요한 물체를 추가하지 마십시오.

전체 이미지 입력:

• 입력 1: 00-control/fixtures/edit-source-lamp.png (1,328,812 바이트; SHA-256 a93d7c90aa57c7949939f011918fcfe531f34fa039859d043556c0cd26dcea2b)

실제 요청 설정

크기

1536x1024

품질

높은

출력 형식

webp

배경

불투명한

n

1

객관적 평가

요청된 변경 사항2/2

색상이 무광 블랙에서 코발트 블루로 변합니다.

geometry_position_scale_crop1/2

이 램프는 여전히 알아볼 수 있지만, 3:2 비율의 출력을 위해 사각형 광원이 재구성되고 약간 수정되었습니다.

비표적 보존2/2

베이스, 암, 스위치, 전구 및 검은색 비표적 영역은 물질적 특성이 일관되게 유지됩니다.

조명_가장자리_재료2/2

조명, 그림자, 경계선 및 재질 렌더링이 일관성을 유지합니다.

첫 번째 출력 사용성2/2

첫 번째 정상 출력은 재생 처리나 대대적인 수리 없이도 사용할 수 있습니다.

전체 출력

이 증거 패널 바로 아래에 1536×1024 크기의 첫 번째 유효한 출력 결과가 전체적으로 표시됩니다. 요청에서는 WebP 형식을 요청했음에도 불구하고 응답에는 PNG 파일이 반환되었습니다.

E02: 배경 교체하기

이번 편집을 통해 배경이 은은한 민트 그린 색상으로 변경되었으며, 램프의 재질은 일관성을 유지했습니다. E01의 경우와 마찬가지로, 요청된 변경 사항은 반영되었으나 화면비 변환으로 인해 화면 구도가 약간 조정되고 재구성되었습니다.

2026년 9월 9일, Anywhere의 통합 gpt-image-2.5 경로를 통해 테스트되었습니다.

상태

올바른 첫 번째 출력

과제 점수

9/10

경과 시간

50,151 밀리초

산출된 비용

$0.007208

역량 분석이 경로는 램프의 주요 검은색 소재와 특징적인 기하학적 형태는 그대로 유지하면서 스튜디오 배경을 대체했습니다.

제한E01 편과 마찬가지로, 새로 도입된 3:2 화면비는 요청된 배경 변경 외에도 약간의 화면 재구성 및 재편집이 이루어지게 했습니다.

실질적인 평가첫 번째 출력물에서는 배경 교체가 가능했으나, 화면비 변경에 대해서는 별도의 위험 요소로 검토해야 합니다.

정확한 요청, 입력 사항, 설정 및 목표에 대한 철저한 확인

상태: 시도 1에서 유효한 출력이 확인됨; 첫 번째 유효한 출력이 유지됨.

경로: 어디서나 OpenAI 호환 /images/edits 와 함께 gpt-image-2.5.

정확한 프롬프트

스튜디오 배경만 옅은 회색에서 평면적인 부드러운 민트 그린 색상으로 변경하십시오. 매트 블랙 램프의 색상, 모양, 위치, 크기, 받침대, 팔, 스위치, 빛나는 전구, 따뜻한 빛, 그림자, 카메라 앵글, 프레임 구성 등 모든 부분을 그대로 유지하십시오. 텍스트, 로고, 워터마크, 인물 또는 추가 물체를 추가하지 마십시오.

전체 이미지 입력:

• 입력 1: 00-control/fixtures/edit-source-lamp.png (1,328,812 바이트; SHA-256 a93d7c90aa57c7949939f011918fcfe531f34fa039859d043556c0cd26dcea2b)

실제 요청 설정

크기

1536x1024

품질

높은

출력 형식

webp

배경

불투명한

n

1

객관적 평가

요청된 변경 사항2/2

스튜디오 배경이 은은한 민트 그린 색상으로 바뀝니다.

geometry_position_scale_crop1/2

이 램프는 여전히 알아볼 수 있지만, 3:2 비율의 출력을 위해 사각형 광원이 재구성되고 약간 수정되었습니다.

비표적 보존2/2

이 램프는 무광 블랙 색상을 유지하며, 베이스, 암, 쉐이드, 스위치, 전구 등 주요 세부 사항을 그대로 간직하고 있습니다.

조명_가장자리_재료2/2

배경 편집 후에도 조명, 그림자, 경계선 및 재질은 일관성을 유지합니다.

첫 번째 출력 사용성2/2

첫 번째 정상 출력은 재생 처리나 대대적인 수리 없이도 사용할 수 있습니다.

전체 출력

이 증거 패널 바로 아래에 1536×1024 크기의 첫 번째 유효한 출력 결과가 전체적으로 표시됩니다. 요청에서는 WebP 형식을 요청했음에도 불구하고 응답에는 PNG 파일이 반환되었습니다.

M01: 세 개의 참고 문헌을 통합하기

출력 결과는 녹색 램프, 산호색 노트, 파란색 머그잔을 그대로 유지한 채, 요청된 대로 왼쪽-중앙-오른쪽 순서로 배치했습니다. 이는 고정된 세 가지 참조 구성에 한해 성공을 보여준 것이며, 문서화된 최대 16개의 입력에 대해 일반적인 보장을 의미하는 것은 아닙니다.

2026년 9월 9일, Anywhere의 통합 gpt-image-2.5 경로를 통해 테스트되었습니다.

상태

올바른 첫 번째 출력

과제 점수

10/10

경과 시간

105,469 밀리초

산출된 비용

$0.017925

역량 분석이 경로는 하나의 장면 내에서 ‘참조 정체성’, ‘재료’, ‘개수’라는 세 가지 뚜렷한 요소와 이들이 요구하는 공간적 관계를 모두 유지했다.

제한이는 3개의 참조를 사용하는 구성 중 하나일 뿐이며, 문서화된 최대 16개의 입력에 대해 동등한 보존성을 입증하지는 않습니다.

실질적인 평가참조 항목을 명시된 순서대로 제시하고, 각 배치에 이름을 붙이며, 정체성과 개수 평가와 시각적 완성도 평가는 별도로 진행하십시오.

정확한 요청, 입력 사항, 설정 및 목표에 대한 철저한 확인

상태: 시도 1에서 유효한 출력이 확인됨; 첫 번째 유효한 출력이 유지됨.

경로: 어디서나 OpenAI 호환 /images/edits 와 함께 gpt-image-2.5.

정확한 프롬프트

제공된 순서대로 세 개의 참고 이미지를 사용하여 3:2 비율의 가로형 책상 장면을 구성하십시오. 각 참고 물체의 독특한 형태와 재질을 그대로 유지하십시오. 램프는 왼쪽에 한 번, 닫힌 노트북은 중앙에 한 번, 머그잔은 오른쪽에 한 번 배치하십시오. 램프는 노트북을 가리지 않으면서 그 위로 따뜻한 빛을 비추어야 합니다. 깔끔하고 중립적인 스튜디오 배경을 사용하십시오. 텍스트, 로고, 워터마크, 인물, 중복된 물체 및 추가 제품은 포함되지 않아야 합니다.

이미지 입력 내용 전체:

• 입력 1: 00-control/fixtures/ref-lamp.png (1,334,151 바이트; SHA-256 40c72915de60ba32e70de009b12619f3ffa8643460fd8e8326ffe3d94d215987)
• 입력 2: 00-control/fixtures/ref-notebook.png (2,067,635 바이트; SHA-256 e96298c43d0b04ec4f50aa66d9a4005f3236fa51d945394d257303dd9e790179)
• 입력 3: 00-control/fixtures/ref-mug.png (1,444,324 바이트; SHA-256 1d4cec622254b8533c5122fc5c0b2432b38e39fb3c16412dab02b744de5e538f)

실제 요청 설정

크기

1536x1024

품질

높은

출력 형식

webp

배경

불투명한

n

1

객관적 평가

객체의 존재 여부 및 개수2/2

램프 하나, 덮여 있는 공책 하나, 그리고 머그잔 하나가 놓여 있다.

참조_정체성2/2

초록색과 황동색의 램프, 산호색 노트, 파란색 늑골 무늬 머그잔은 각각의 독특한 개성과 재질을 그대로 간직하고 있다.

공간적 관계2/2

요청하신 대로 램프는 왼쪽, 노트북은 중앙, 머그잔은 오른쪽에 놓았습니다.

장면 일관성2/2

규모, 원근감, 조명, 그림자, 그리고 따스한 빛의 웅덩이가 조화를 이룹니다.

금지 사항 및 유물2/2

텍스트, 로고, 워터마크, 인물, 중복 제품, 대체품 또는 물질적 흔적이 보이지 않아야 합니다.

전체 출력

이 증거 패널 바로 아래에 1536×1024 크기의 첫 번째 유효한 출력 결과가 전체적으로 표시됩니다. 요청에서는 WebP 형식을 요청했음에도 불구하고 응답에는 PNG 파일이 반환되었습니다.

유효한 첫 번째 출력 결과 5건 전반에 걸쳐, 선언된 검증 항목들은 매우 높은 점수를 받았습니다. 3건은 10점 만점에 10점을, 2건은 9점을 기록했습니다. 유용한 경계 조건 역시 마찬가지로 중요합니다. 이는 하나의 호환성 경로에서 도출된 작업 수준 증거이며, 반복 배치나 공개된 공식 변형은 없습니다. 여러분의 작업에서 더 나은 결과를 얻으려면, 고정된 브리프, 명확한 제약 조건, 일관된 참조 자료, 그리고 검토 단계를 활용하십시오. 이 AI 이미지 생성 정확도를 높이는 가이드 해당 워크플로를 확장합니다.

테스트한 경로에서는 별도로 기록할 만한 형식 불일치 현상도 나타났습니다. 정상적으로 처리된 공식 요청에서는 WebP를 요청했으나, 요청된 1536×1024 크기는 유지된 채 PNG가 반환되었습니다. 준비 상태 확인 요청에서는 1024×1024 WebP를 요청했으나 1254×1254 PNG가 반환되었습니다. 이는 테스트 당일 Anywhere의 통합 경로에 대한 관찰 결과일 뿐, OpenAI의 기본 API에 기인한 동작은 아닙니다.

GPT Image 2.5 경로는 어떻게 선택해야 할까요?

필요한 워크플로우부터 시작한 다음, 고정된 작업에 대해 이를 검증하십시오. OpenAI의 모델 설명은 합리적인 초기 후보를 제시하지만, 사용자가 직접 정한 프롬프트, 참조 이미지, 승인 규칙 및 지연 시간 예산을 활용한 테스트를 대체할 수는 없습니다.

프로덕션 워크플로를 적용하기 전에 대표적인 생성 및 편집 작업을 실행해 보십시오. 단순히 눈에 띄는 단일 샘플을 선택하는 대신, 허용 가능한 출력 비율, 보존율, 지연 시간 분포, 반환된 사용량을 비교해 보십시오. 팀에서 서로 다른 작업을 서로 다른 도구로 분배하는 것이 유리하다면, 최고의 AI 이미지 생성기를 비교해 보세요 그리고 선택 결정은 작업 수준에서 이루어지도록 합니다.

흔히 발생하는 구현 오류

1. 정확한 공식 모델 ID 대신 ‘가족’ 라벨을 보내드립니다. 사용 gpt-image-2.5-flare 또는 gpt-image-2.5-sunburst 제공업체가 별도로 다른 경로를 명시적으로 문서화하지 않는 한, 네이티브 API를 사용해야 합니다.
2. 직접 Image API와 마찬가지로 모든 응답을 파싱합니다. Responses API는 도구 호출 결과 항목을 반환하므로, 그 추출 로직은 images.generate 또는 images.edit.
3. Base64 데이터를 호스팅된 이미지 URL로 처리합니다. 바이트를 디코딩하고, 파일의 유효성을 확인한 다음, 승인된 미디어 시스템에 저장하십시오.
4. 유효하지 않은 사용자 지정 크기를 사용하고 있습니다. 요청하기 전에 16의 배수, 면적, 종횡비 및 최대 변의 길이를 확인하십시오.
5. 호환되지 않는 출력 옵션을 결합하고 있습니다. 투명도를 적용하려면 PNG 또는 WebP 형식이 필요하며, 압축 제어 기능은 JPEG 및 WebP 형식에 적용됩니다.
6. 결과가 만족스러워 보일 때까지 재생성하다가, 그 결과를 첫 번째 출력값으로 지정한다. 정확한 모델 평가를 원한다면, 첫 번째 유효한 출력 결과를 보존하고 재시도 횟수는 별도로 보고하십시오.
7. 타임아웃이나 용량 응답을 화질 저하로 판정하는 것. 유효한 이미지가 없으면 품질 점수가 산출되지 않으므로, 해당 이벤트를 가용성 또는 전송 항목 하에 기록하십시오.

GPT Image 2.5 API 자주 묻는 질문

GPT Image 2.5에는 API가 있나요?

네. OpenAI 문서에는 직접 이미지 생성, 직접 이미지 편집 및 Responses API 도구를 통한 이미지 생성에 대한 내용이 설명되어 있습니다.

GPT Image 2.5 모델의 정확한 ID는 무엇인가요?

이동 별칭은 다음과 같습니다. gpt-image-2.5-flare 그리고 gpt-image-2.5-sunburst. 2026년 9월 8일 스냅샷에는 다음이 추가됩니다. -2026-09-08 각 별칭에 대해.

GPT Image 2.5 API는 이미지당 얼마인가요?

이미지당 확정된 정액 요금은 없습니다. 비용은 반환된 텍스트 입력, 캐시된 텍스트, 이미지 입력, 캐시된 이미지 및 이미지 출력 토큰 수에 따라 달라집니다. 실제 사용량에 공식 100만 토큰당 요율을 적용하여 계산하십시오.

GPT Image 2.5는 여러 장의 이미지를 편집할 수 있나요?

네. 편집 API 문서에는 최대 16장의 입력 이미지가 명시되어 있습니다. 이는 지원되는 최대 개수일 뿐, 16장의 이미지로 구성된 모든 합성 결과물에서 모든 세부 사항이 그대로 보존된다는 보장은 아닙니다.

GPT Image 2.5는 투명한 PNG 또는 WebP 파일을 반환할 수 있나요?

네. 배경을 투명하게 설정하고 PNG 또는 WebP 형식으로 출력하세요. 실제 자산 파이프라인에서 해당 파일을 사용하기 전에, 디코딩된 파일에 알파 채널이 포함되어 있는지 확인하십시오.

GPT Image 2.5 API의 사용 제한은 어떻게 되나요?

현재 테이블에서는 무료 이용이 지원되지 않습니다. 티어 1은 100,000 TPM 및 5 IPM부터 시작하며, 티어 5는 8,000,000 TPM 및 250 IPM까지입니다. 티어 2~4의 한도는 위에 명시되어 있습니다. 출시 전에 해당 모델 페이지를 확인하시기 바랍니다.

결론

공식 워크플로 위치에 따라 ‘Flare’ 또는 ‘Sunburst’를 사용한 다음, 직접 동결한 작업들을 통해 선택 사항을 검증하세요. 재현성이 중요한 경우 날짜가 표시된 스냅샷을 고정하고, 반환된 파일을 디코딩하여 확인한 뒤, 이미지당 추정치가 아닌 실제 토큰 사용량을 기준으로 비용을 계산하세요. 저희의 Anywhere 배치 작업은 5개의 강력한 작업 기반 초기 출력을 생성했으나, 공식 변형을 확인하지 못했으며, 투명성 또는 품질 등급 테스트를 완료하지 못했고, 광범위한 신뢰성을 입증하지도 못했습니다.