GPT Image 2.5 vs Nano Banana 2.1: 같은 프롬프트로 비교한 결과와 가격

2026년 10월 26일, 같은 프롬프트 네 개를 GPT Image 2.5 Sunburst, GPT Image 2.5 Flare, Nano Banana 2.1에 넣었습니다. 메뉴는 Sunburst가, 제품 사진은 Flare가 이겼고 두 항목은 비겼습니다. 2K 이미지 한 장은 OpenAI 요금으로 GPT high가 약 $0.50, Google 요금으로 Nano Banana 2.1이 약 $0.056이었습니다.

GPT Image 2.5 Flare는 제품 사진을 가장 잘 만들었지만, 메뉴에는 요청하지 않은 등대를 그렸고 병 두 개의 개수를 모두 틀렸습니다. 토큰 단가는 Sunburst와 같고 이번 실행에서 더 빠르지도 않았습니다.

세 모델 모두 OmniaKey에서 쓸 수 있습니다: GPT Image 2.5 Sunburst, GPT Image 2.5 Flare, Nano Banana 2.1.

테스트 방법

• 모델: OmniaKey의 gpt-image-2.5-sunburst, gpt-image-2.5-flare, gemini-nano-banana-2.1입니다. OpenAI는 날짜가 붙은 스냅샷 gpt-image-2.5-sunburst-2026-09-08과 gpt-image-2.5-flare-2026-09-08도 공개하지만, 사용한 것은 날짜가 없는 ID입니다.
• 설정: Sunburst와 Flare는 size 2048x2048, quality high입니다. Nano Banana 2.1은 image_size 2K, aspect_ratio 1:1에 사고 설정은 기본값입니다. 모든 이미지는 2048×2048입니다.
• 날짜: 2026년 10월 26일입니다. 메뉴는 Sunburst와 Nano Banana 2.1에서 두 번, Flare에서 한 번 실행했고 나머지 테스트는 모델마다 한 번씩입니다. 편집 원본과 품질 추가 실행 세 번을 더해 모두 18번 호출했고 전부 첫 시도에 성공했습니다.
• 편집 원본은 이전 세대 GPT Image 2로 만들었고, 세 모델에 같은 파일을 넣었습니다.
• 시간은 작업 생성부터 완료 확인까지입니다. OmniaKey의 비동기 미디어 API를 4초마다 확인하므로 대기 시간이 포함됩니다.
• 판정은 원본 크기로 했습니다. 글자와 가격은 모두 읽었고, 물건 개수는 확대해 잘라 낸 이미지에서 셌으며, 각 이미지가 프롬프트의 모든 줄을 따랐는지, 편집에서는 지정한 항목이 남았는지 확인했습니다.
• OmniaKey는 세 모델의 API를 모두 판매하므로 테스트도 이곳에서 실행했습니다. 아래 가격은 모두 OpenAI와 Google의 정가이고 저희 가격이 아닙니다.
• 출처: OpenAI의 GPT Image 2.5 Sunburst와 Flare 모델 페이지, API 요금, 이미지 생성 가이드, 변경 기록입니다. Google의 Gemini API 요금, 이미지 생성, 변경 기록은 2026년 10월 25일에 확인했습니다.

프롬프트마다 모델당 한두 장은 표본이 작으니, 각 결과는 직접 볼 수 있는 예시로 읽어 주십시오.

네 가지 테스트, 같은 프롬프트

테스트 1: 가격 여섯 개가 들어간 카페 메뉴 (1:1)

메뉴 카드의 글자와 가격을 모두 읽고, 가격이 한 줄로 정렬되는지 봅니다.

프롬프트:

A printed café menu card lying flat on a marble table, shot from directly above. The card is cream paper with dark green ink. At the top, a large heading reads "HARBOR CAFÉ". Below it, six items, each on its own line with the price aligned to the right: "Flat White — $4.50", "Oat Latte — $5.25", "Cardamom Bun — $3.75", "Avocado Toast — $9.00", "Shakshuka — $11.50", "Lemon Tart — $4.25". At the bottom, in small italic text: "Open daily 7am–3pm". Natural window light, soft shadows, a sprig of rosemary at one corner of the card.

요청 내용: 대리석 테이블 위에 놓인 크림색 메뉴 카드를 위에서 바로 내려다보며 찍으라는 요청입니다. 제목은 "HARBOR CAFÉ"이고 그 아래에 여섯 품목이 한 줄씩, 가격은 오른쪽 정렬입니다. 아래쪽에는 작은 기울임 글씨로 "Open daily 7am–3pm", 창문 빛과 부드러운 그림자, 카드 한쪽 모서리에 로즈메리 한 가지를 넣습니다.

• GPT Image 2.5 Sunburst(36.7 s, 34.3 s): 두 번 모두 글자와 가격이 정확했습니다. "CAFÉ"의 악센트와 "7am–3pm"의 짧은 줄표도 맞았습니다. 두 번 모두 em 줄표를 없애고 인쇄된 메뉴처럼 가격을 오른쪽 정렬 한 줄로 만들었습니다. 로즈메리는 카드 모서리에 걸쳐 일부가 카드 밖으로 나가 있습니다. 첫 실행에는 화면 가장자리에 커피잔과 물잔이, 두 번째 실행에는 커피잔이 더해졌습니다.
• GPT Image 2.5 Flare(42.9 s): 글자와 가격이 모두 정확하고 em 줄표는 사라졌으며 가격은 오른쪽 정렬입니다. 줄 사이에 얇은 선이 있고 카드 둘레에 테두리가 있습니다. 제목 위에 작은 등대와 새 그림을 그렸고 커피잔과 물잔도 더했습니다.
• Nano Banana 2.1(36.5 s, 32.8 s): 두 번 모두 글자와 가격이 정확했고 로즈메리는 요청대로 카드 모서리에 있습니다. em 줄표를 그대로 남겨서 가격이 정렬되지 않습니다. 첫 실행은 길이가 다른 점선 줄, 두 번째 실행은 오른쪽 정렬이 전혀 없습니다.

결론: GPT Image 2.5 Sunburst. 메뉴 다섯 장 모두 글자와 가격이 정확해서 글자 항목은 비겼습니다. Sunburst는 "Flat White — $4.50" 같은 줄을 두 번 모두 오른쪽 정렬 가격 열을 가진 실제 메뉴로 바꿨고 카드 자체에는 아무것도 더하지 않았습니다. Nano는 줄표를 글자 그대로 남겨 가격이 정렬되지 않았고, Flare는 아무도 요청하지 않은 등대를 그렸습니다.

테스트 2: 선반 위 물건 세기 (1:1)

한 이미지에 정확한 두 개의 개수가 들어가는지, 선반이 요청대로인지 봅니다.

프롬프트:

A studio photo of a wooden shelf against a light gray wall. On the shelf, from left to right: a clear glass jar holding exactly five red marbles, an empty clear glass jar, and a clear glass jar holding exactly three yellow lemons. A small white paper tag hangs from the middle jar with the number "2" written on it in black marker. A single blue feather lies on the shelf in front of the right jar. Soft, even lighting and no other objects.

요청 내용: 연한 회색 벽 앞 나무 선반을 찍는 요청입니다. 왼쪽부터 빨간 구슬이 정확히 다섯 개 든 투명 유리병, 빈 유리병, 노란 레몬이 정확히 세 개 든 유리병입니다. 가운데 병에는 검은 마커로 "2"라고 쓴 흰 종이 태그를 달고, 오른쪽 병 앞에는 파란 깃털 한 개를 두며 다른 물건은 넣지 않습니다.

• GPT Image 2.5 Sunburst(32.9 s): 왼쪽 병에 빨간 구슬이 정확히 다섯 개, 가운데 병은 비어 있고 "2" 태그가 있습니다. 오른쪽 병에는 앞쪽에 레몬 세 개가 있고 그 뒤에 네 번째가 반쯤 가려져 있어 모두 네 개입니다. 깃털은 앞쪽, 가운데 병과 오른쪽 병 사이에 있습니다.
• GPT Image 2.5 Flare(37.7 s): 구슬이 피라미드 모양으로 여섯 개, 오른쪽 레몬은 네 개로 앞에 세 개, 하나는 반쯤 가려져 있습니다. 가운데 병은 비어 있고 "2" 태그가 있습니다.
• Nano Banana 2.1(37.5 s): 왼쪽 병에 구슬이 일곱 개, 오른쪽 레몬은 정확히 세 개이며 병 유리를 따라 세로로 쌓여 있습니다. 가운데 병은 비어 있고 "2" 태그가 있으며, 병은 더 길고 메이슨 자 모양입니다.

결론: 비김, Sunburst와 Nano Banana 2.1. 두 병을 모두 맞힌 모델은 없습니다. Sunburst는 네 번째 레몬을 숨겼고 Nano는 구슬을 일곱 개 넣었으며 Flare는 둘 다 틀렸습니다. 개수가 중요하면 이미지를 한 장씩 확인하고, 물건을 나란히 놓아 달라고 요청하는 편이 좋습니다("three lemons in a row, none behind").

테스트 3: 흰 가죽 러닝화 제품 사진 (1:1)

스튜디오 촬영 요청이 끝까지 지켜지는지 봅니다. 광택 반사, 초점이 나간 네온, 글자 없음, 로고 없음입니다.

프롬프트:

Product photo of a white leather running shoe on wet black asphalt at night, low angle, close-up. Pink and teal neon signs are out of focus in the background, and their colors reflect in the puddles and on the shoe's glossy surfaces. Small water droplets on the toe box. Sharp focus on the shoe, shallow depth of field, realistic commercial photography, no logos and no text.

요청 내용: 밤에 젖은 검은 아스팔트 위에 놓인 흰 가죽 러닝화를 낮은 각도에서 가까이 찍는 요청입니다. 배경의 분홍과 청록 네온은 초점이 나가고 그 색이 물웅덩이와 신발의 광택면에 비칩니다. 발끝에 작은 물방울, 신발에 선명한 초점, 얕은 심도, 사실적인 상업 사진, 로고 없음, 글자 없음입니다.

• GPT Image 2.5 Sunburst(41.5 s): 젖은 아스팔트, 분홍과 청록 네온의 반사, 발끝의 물방울, 에나멜 같은 광택, 글자 없음까지 갖췄습니다. 다만 신발을 누군가 신고 있어 발목과 검은 조거 팬츠가 화면에 들어왔습니다. 요청한 제품 사진이 아니라 생활 사진입니다.
• GPT Image 2.5 Flare(41.8 s): 밤의 젖은 아스팔트에 신발만 놓여 있고 각도는 낮습니다. 뒤의 네온은 초점이 나가고 색은 물웅덩이와 광택면에 비치며 발끝에 물방울이 있고 글자도 로고도 없습니다. 요청의 모든 줄에 가장 가깝습니다.
• Nano Banana 2.1(47.3 s): 신발만 놓여 있고 무광 천공 가죽이라 세 장 중 가장 진짜 가죽처럼 보이며 발끝에 물방울도 있습니다. "글자 없음" 줄이 무너져 뒤의 흐린 분홍 네온이 단어 모양이 되었고, 바닥은 물웅덩이라기보다 반짝이는 입자처럼 보이며 신발에는 광택이 없습니다.

결론: GPT Image 2.5 Flare. 광택 반사가 있고 글자 없는 깔끔한 제품 사진을 낸 유일한 결과입니다. Sunburst는 신발을 누군가의 발에 신겼고, Nano는 가장 가죽다운 신발을 만들었지만 단어 모양 네온을 넣었습니다.

테스트 4: 방 편집 (1:1)

방을 유지하는 편집인지 봅니다. 소파만 바뀌고 식물 하나가 들어옵니다.

프롬프트:

Change the sofa to dark green velvet and put a tall potted fiddle-leaf fig plant on the left side of the sofa. Keep everything else exactly the same: the walls, the window, the coffee table, the books, the rug, the light and the camera angle.

요청 내용: 소파를 짙은 초록 벨벳으로 바꾸고 소파 왼쪽에 키 큰 화분에 심은 떡갈나무잎고무나무를 놓는 요청입니다. 벽, 창문, 커피 테이블, 책, 러그, 빛, 카메라 각도는 모두 그대로 둡니다.

원본 사진은 이전 세대 GPT Image 2로 만들었습니다. 흰 벽 앞 연한 회색 3인용 패브릭 소파, 둥근 오크 커피 테이블 위 책 두 권, 크림색 울 러그, 오른쪽의 시어 커튼이 달린 큰 창문과 오후 햇빛이 담긴 요청이었습니다. 세 모델에는 같은 파일을 넣었습니다.

• GPT Image 2.5 Sunburst(43.1 s): 짙은 초록 벨벳 소파, 왼쪽에 바구니에 담긴 키 큰 떡갈나무잎고무나무가 있습니다. 벽, 액자 두 개, 창문, 커튼, 쿠션, 담요, 오크 테이블, 책 두 권, 책등 글자, 러그, 빛, 카메라 각도가 원본과 모두 일치합니다. 맨 왼쪽 책장은 사라졌고 식물이 그 자리에 서 있습니다.
• GPT Image 2.5 Flare(37.5 s): Sunburst와 같은 결과입니다. 식물은 왼쪽에 있고 지정한 항목은 책등 글자까지 남았으며 책장은 사라졌습니다.
• Nano Banana 2.1(33.2 s): 짙은 초록 벨벳 소파, 왼쪽에 흰 화분의 식물이 있고 책장은 남아 있습니다. 다만 소파를 짧게 만들어 왼쪽 끝을 오른쪽으로 옮겨 담요와 쿠션, 식물이 함께 들어가게 했고, 책등 글자는 읽을 수 없는 다른 글자로 바뀌었습니다. 테이블, 러그, 창문, 빛은 그대로입니다.

결론: 비김, Sunburst와 Flare. 둘 다 지정한 항목을 책등 글자까지 남기고 책장을 없애 식물 자리를 만들었습니다. Nano는 책장을 남긴 대신 소파를 짧게 만들고 책등 글자도 바꿨는데, 프롬프트는 책을 그대로 두라고 요청했습니다.

테스트별 결과

메뉴는 모두 글자와 가격이 정확해서 이 테스트는 레이아웃으로 갈렸습니다. GPT는 em 줄표를 구분자로 처리해 가격을 정렬했고 Nano는 그대로 남겼습니다. 세 모델 모두 요청의 한 줄씩을 놓쳤습니다. Sunburst는 제품 사진 대신 생활 사진을 만들었고, Flare는 메뉴에 그림을 더했고, Nano는 "글자 없음" 사진에 단어 모양 네온을 넣었습니다.

가격과 속도

OpenAI는 GPT Image 2.5를 토큰 단위로 책정하고 이미지 한 장 가격은 공개하지 않습니다. 아래 숫자는 저희 이미지에 청구된 토큰 수에 OpenAI 단가를 곱한 값입니다.

OpenAI는 이미지 출력 100만 토큰에 $30을 받으므로 high 한 장은 16,640 × $30 / 100만 = $0.4992이고, 여기에 100만 토큰 $5인 텍스트 입력 79–160 토큰이 더해져 최대 $0.0008입니다.

휴대폰 크기에서는 세 장이 비슷해 보입니다. 원본 크기에서는 low 메뉴가 조금 부드럽습니다. 프롬프트 하나의 결과이니 참고로만 보십시오.

Sunburst와 Flare는 같은 품질에서 같은 토큰을 청구했습니다. high가 16,640, medium이 4,224입니다. high 편집은 입력 이미지 1,659 토큰(100만 토큰 $8)과 텍스트 56 토큰이 더해져 약 $0.51이었습니다.

Google의 정가는 2026년 10월 25일 기준 이미지 출력 100만 토큰 $30, 텍스트와 사고 출력 100만 토큰 $7.50, 입력 100만 토큰 $1.50입니다.

Nano 편집은 사고 토큰 258개와 입력 이미지 1,120 토큰을 써서 약 $0.054였습니다. 2K 이미지 한 장 기준으로 GPT Image 2.5는 high에서 약 9배, medium에서 약 2.3배이고 low에서는 더 쌉니다. $0.033 대 $0.056입니다.

Nano가 Google의 표시 이미지 가격보다 비싼 이유는 medium에서 사고가 기본으로 켜지고 텍스트 출력으로 100만 토큰 $7.50에 청구되기 때문입니다. Qwen Image 3 vs Nano Banana 2.1 테스트에서도 같은 결과가 나왔습니다.

두 회사 모두 Batch 작업에는 표준 요금의 절반을 받습니다.

low와 medium 품질에서 GPT가 빨라지지는 않았습니다. low와 medium 메뉴는 Sunburst에서 37.3 s, Flare의 medium에서 37.8 s가 걸렸습니다. OmniaKey의 현재 요금은 Sunburst, Flare, Nano Banana 2.1 모델 페이지에 있습니다.

Sunburst인가 Flare인가

글자와 레이아웃, 개수 세기는 Sunburst, 제품 사진은 Flare입니다. 토큰 단가는 같습니다. OpenAI의 설명은 "Choose Sunburst for workflows where editing precision matters most, and Flare for fast, high-quality everyday image generation."으로, 편집 정확도가 가장 중요한 작업에는 Sunburst, 빠르고 품질 높은 일상 이미지 생성에는 Flare라는 뜻입니다. 모델 페이지에는 Sunburst가 "Highest"에 속도 "Medium", Flare가 "Higher"에 속도 "Very fast"로 표시되며 두 모델의 토큰 단가는 같습니다.

이번 실행에서 두 모델은 같은 토큰으로 청구됐고 편집 결과도 거의 같았으며 제품 사진은 Flare가 가장 좋았습니다. 반면 Flare는 메뉴에 그림을 더했고 병 두 개의 개수를 모두 틀렸고 중앙값 41.8 s로 세 모델 중 가장 느렸습니다. OpenAI 문서에는 xhigh와 max 품질도 있는데 이 두 단계는 테스트하지 않았습니다. 이전 세대에서 무엇이 바뀌었는지는 GPT Image 2.5 vs GPT Image 2에 있습니다.

장단점

GPT Image 2.5 Sunburst

• 장점: 두 번의 메뉴 실행에서 글자가 모두 정확하고 가격이 정렬됐고, 구슬 개수가 맞았고, 편집에서 지정 항목을 모두 남겼고, 중앙값 35.5 s로 가장 빠릅니다.
• 단점: 신발을 사람 발에 신겼고, 네 번째 레몬을 숨겼고, 메뉴 화면에 커피잔과 물잔을 더했고, high에서 2K 이미지 한 장이 약 $0.50입니다.

GPT Image 2.5 Flare

• 장점: 제품 사진이 가장 좋고 편집도 Sunburst와 같은 수준입니다.
• 단점: 메뉴에 요청하지 않은 등대를 그렸고 병 두 개의 개수를 모두 틀렸고, OpenAI의 "Very fast" 표시와 달리 중앙값 41.8 s로 가장 느렸습니다.

Nano Banana 2.1

• 장점: 글자가 모두 정확하고 레몬은 정확히 세 개, 로즈메리도 요청한 위치에, 책장도 남았고 2K 이미지 한 장이 약 $0.056입니다. Google 문서는 4K와 최대 14장의 참조 이미지를 지원한다고 밝힙니다. Pro와의 비교는 Nano Banana 2.1 vs Pro에서 측정했습니다.
• 단점: em 줄표를 남겨 가격이 정렬되지 않고, 구슬이 다섯 개가 아니라 일곱 개이고, "글자 없음" 사진에 단어 모양 네온이 들어갔고, 편집에서 소파가 짧아지고 책등 글자가 바뀌었고, 모든 이미지에 사고 토큰이 붙습니다.

어떤 작업에 무엇을 고를까

같은 테스트를 하나의 API로 실행하기

테스트 1의 메뉴 프롬프트를 테스트와 같은 2048×2048, high로 Sunburst에 보냅니다:

curl https://api.omniakey.com/v1/media/tasks \
  -H "Authorization: Bearer $OMNIAKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: harbor-cafe-menu-001" \
  -d '{
    "model": "gpt-image-2.5-sunburst",
    "type": "image",
    "operation": "generate",
    "input": {"prompt": "A printed café menu card lying flat on a marble table, shot from directly above. The card is cream paper with dark green ink. At the top, a large heading reads \"HARBOR CAFÉ\". Below it, six items, each on its own line with the price aligned to the right: \"Flat White — $4.50\", \"Oat Latte — $5.25\", \"Cardamom Bun — $3.75\", \"Avocado Toast — $9.00\", \"Shakshuka — $11.50\", \"Lemon Tart — $4.25\". At the bottom, in small italic text: \"Open daily 7am–3pm\". Natural window light, soft shadows, a sprig of rosemary at one corner of the card."},
    "parameters": {"size": "2048x2048", "quality": "high"}
  }'

1. 응답은 202와 작업 id입니다.
2. https://api.omniakey.com/v1/media/tasks/{id}를 몇 초마다 가져와 status가 succeeded가 될 때까지 기다립니다.
3. assets[0].url에서 이미지를 내려받습니다.

Flare로 바꾸려면 model을 gpt-image-2.5-flare로 넣습니다. OmniaKey의 quality는 low, medium, high, auto를 받고, medium으로 바꾸면 출력 토큰이 16,640에서 4,224로 줄었습니다.

Nano Banana 2.1은 model을 gemini-nano-banana-2.1로, parameters를 {"aspect_ratio": "1:1", "image_size": "2K"}로 넣습니다. OmniaKey가 이 모델에서 size를 거부하기 때문입니다. 편집은 operation을 edit로 두고 원본을 input.image에 {"data": "<base64>", "mime_type": "image/jpeg"} 형태로 넣으며 요청 전체를 1 MiB 이하로 유지합니다. GPT Image 모델은 PNG를, Gemini 모델은 보통 JPEG를 반환합니다.

GPT Image 2.5 Sunburst, GPT Image 2.5 Flare, Nano Banana 2.1 모델 페이지에서 시작하고, 각 파라미터는 이미지 API 문서에서 확인하십시오.

자주 묻는 질문

GPT Image 2.5가 Nano Banana 2.1보다 좋은가요?

테스트별로 보면 메뉴는 Sunburst, 제품 사진은 Flare가 이겼고 개수 세기와 방 편집은 비겼습니다. 가격은 반대로 high 2K 이미지 한 장이 약 $0.50과 약 $0.056입니다. 레이아웃과 지켜야 하는 편집에는 GPT를, 청구서가 더 중요하면 Nano를 고르십시오.

GPT Image 2.5 Sunburst와 Flare의 차이는 무엇인가요?

OpenAI는 Sunburst를 편집 정확도에, Flare를 빠른 일상 생성을 위해 배치하고 Sunburst를 "Highest"에 속도 "Medium", Flare를 "Higher"에 속도 "Very fast"로 표시합니다. 토큰 단가는 같고 이번 실행에서 청구된 토큰도 같았습니다. 제품 사진은 Flare, 정돈된 메뉴 레이아웃은 Sunburst가 잘합니다.

GPT Image 2.5 이미지 한 장은 토큰을 얼마나 쓰나요?

2048×2048에서 저희 이미지는 low가 출력 1,088 토큰, medium이 4,224, high가 16,640이었고 편집에는 입력 이미지 1,659 토큰이 더해졌습니다. OpenAI 계산기는 2.5의 토큰 사용량을 추정하지 못하므로 작은 배치를 먼저 측정하고 출력 100만 토큰당 $30을 곱하십시오.

Nano Banana 2.1은 왜 표시 가격보다 비싼가요?

medium에서 사고가 기본으로 켜지고 텍스트 출력으로 100만 토큰 $7.50에 청구되기 때문입니다. 네 번의 생성에서 사고 토큰 중앙값은 730이었고 $0.0504 이미지 값에 약 $0.0055가 더해졌습니다.

gpt-image-2는 지원 중단 예정인가요?

아니요. OpenAI의 지원 중단 페이지에 gpt-image-2 행이 없고 이미지 가이드에도 설명이 남아 있습니다. 더 오래된 gpt-image-1-mini, gpt-image-1.5, chatgpt-image-latest는 2026년 12월 1일에 API에서 제외되고 대체 모델은 Sunburst 또는 Flare입니다. gpt-image-1은 2026년 10월 23일에 종료되었습니다.

업데이트 기록

• 2026년 10월 26일: 첫 버전. 같은 프롬프트 네 개 테스트를 같은 날 진행했습니다.