GPT Image 2.5 Sunburst vs Flare: 실측 차이

gpt-image-2.5-flare는 OpenAI가 "일상적인 고품질 이미지 생성에 가장 빠른 모델"로 소개하는 기본형이고, gpt-image-2.5-sunburst는 "편집 정밀도가 가장 중요한 작업"을 위한 상위 모델입니다. 둘 다 텍스트·이미지 입력으로 생성과 편집을 하고, 품질 설정(quality) 단계도 같습니다. 시안, 대량 생성, 응답 대기 시간이 사용자 경험에 직결되는 서비스라면 Flare부터 쓰고, 상품·인물·레이아웃을 망가뜨리면 안 되는 편집이나 Flare 결과가 검수를 통과하지 못하는 작업이라면 Sunburst를 먼저 시험하는 것이 합리적입니다.

두 모델의 차이는 돈보다 시간과 채택률에서 생깁니다. 토큰 단가가 같고 OpenAI 비용 계산기도 두 모델에 하나의 추정치만 내놓으며, 독립 측정 두 건에서도 같은 quality·크기의 1회 청구액이 같았습니다. 반면 편집 작업 측정에서는 Flare의 생성 시간이 대략 25~45% 짧았고, 블라인드 투표에서는 Sunburst가 앞섰는데 그 격차는 텍스트→이미지보다 이미지 편집에서 두 배 컸습니다. 아래 수치는 모두 제3자 측정과 공개 투표이며 조건은 수치마다 붙였습니다(2026년 9월 25일 기준).

Flare와 Sunburst는 각각 어떤 모델인가

두 모델은 2026년 9월 8일 스냅샷으로 함께 공개됐고, Image API에서 직접 지정하거나 Responses API 이미지 생성 도구의 모델로 지정할 수 있습니다. 공식 설명은 Flare 모델 페이지와 Sunburst 모델 페이지, OpenAI 이미지 프롬프트 가이드에 있습니다.

프롬프트 가이드는 Flare를 "속도에 최적화된 작은 모델(small model)", Sunburst를 "품질에 최적화된 베이스 모델(base model)"로 부르고, 두 모델 모두 정밀 편집과 피사체 보존이 GPT Image 2보다 나아졌다고 설명합니다. 여기서 두 가지를 구분해 두면 판단이 흔들리지 않습니다.

• Flare 품질에 대한 OpenAI 자신의 표현이 문서마다 다릅니다. 프롬프트 가이드는 GPT Image 2와 "comparable"이라고 쓰고, 출시 발표는 API 설명에서 Flare가 GPT Image 2보다 높은 품질을 50% 낮은 지연 시간으로 낸다고 썼습니다. 이 50%의 비교 대상은 GPT Image 2이지 Sunburst가 아닙니다. 발표문은 Sunburst에 대해 "생성 시간이 더 길다"고만 적었습니다.
• 접미사 없는 gpt-image-2.5는 모델 ID가 아닙니다. 요청에는 -flare나 -sunburst가 붙은 이름 또는 날짜 스냅샷을 넣어야 합니다.

GPT Image 2를 계속 쓸지, 2.5로 옮길지부터 고민 중이라면 GPT Image 2.5 vs GPT Image 2: 옮길지 판단 기준에서 quality 라벨 대응까지 함께 보는 편이 빠릅니다.

측정에서 드러난 차이

생성 시간: 대부분 Flare가 빨랐지만 역전도 있었다

공개된 시간 측정은 편집 작업 위주입니다. 측정 주체와 경로, 크기가 모두 달라서 한 비율로 합칠 수는 없지만 방향은 비교적 일정합니다.

Tosea의 5페이지 측정에서는 페이지별 편차도 Flare 17.7~22.3초, Sunburst 27.1~28.9초로 겹치지 않았습니다. 그래서 편집 작업에서는 Flare가 대략 25~45% 빠르다고 예상하는 것이 무리가 없습니다. 다만 Ofox의 텍스트 렌더링 작업처럼 1회 측정에서는 Sunburst가 더 빨랐던 경우도 있고, OpenAI 가이드도 한 작업에서 얻은 속도 개선이 다른 작업의 고정된 개선을 뜻하지 않는다고 적고 있습니다. 서비스의 대기 시간 예산을 정할 때는 자기 작업으로 평균과 느린 응답을 따로 재야 합니다.

블라인드 투표: 편집에서 Sunburst 우세가 더 뚜렷했다

사람이 두 결과를 나란히 보고 고르는 Arena 순위표(2026년 9월 21일 페이지)에서는 두 부문 모두 Sunburst가 1위, Flare가 2위입니다.

텍스트→이미지는 오차 범위(±9)를 반영하면 Sunburst 1414~1432, Flare 1392~1410으로 겹치지는 않지만 거의 맞닿을 만큼 격차가 작습니다. 이미지 편집은 오차 범위(±6)가 더 좁은데도 격차가 두 배여서(Sunburst 1520~1532, Flare 1476~1488) 우세가 훨씬 분명합니다. "Sunburst는 편집 정밀도용"이라는 OpenAI의 설명과 같은 방향입니다. 두 항목 모두 아직 Preliminary 표시가 붙어 있고, 2.5 모델들이 어떤 quality로 참가했는지는 표시되지 않습니다. Flare도 두 부문 모두 GPT Image 2 (medium)보다 위에 있습니다.

Artificial Analysis의 텍스트→이미지 순위는 두 모델을 모두 max로 비교합니다. Sunburst 1196, Flare 1190이고 순위 범위가 둘 다 1~2위여서 사실상 동률입니다. 새 이미지를 처음부터 만드는 작업에서는 최고 설정끼리 붙였을 때 차이가 거의 드러나지 않았다는 뜻입니다.

연속 편집에서 바뀐 정도: 슬라이드에서는 Flare가 약간 적었다

Tosea는 완성된 슬라이드 한 장에 "한 곳만 바꾸라"는 편집을 세 번 연속으로 요청하고, 매번 직전 결과를 다시 입력으로 넣었습니다. 소제목 하나, 수치 하나, 문장 하나를 차례로 바꾼 뒤 원본 대비 눈에 띄게 달라진 픽셀 비율을 쟀습니다.

세 모델 모두 9번의 편집을 전부 성공시켰고, 비교에 쓴 슬라이드 15장 모두에서 제목·글머리표·숫자가 정확했습니다. 요청하지 않은 부분이 바뀐 정도는 이 작업에서 Flare가 Sunburst보다 약간 적었고, 둘 다 GPT Image 2보다 적었습니다.

Arena 편집 투표와 방향이 달라 보이지만, 적용 범위가 다릅니다. Arena는 다양한 편집 요청을 사람의 선호로 평가하고, Tosea는 글자가 많은 슬라이드 한 종류를 픽셀 변화로 쟀습니다. 상품 사진은 Ofox의 배경 편집 1회가 있을 뿐인데, 두 모델 모두 병과 라벨의 색조·질감이 약간 바뀌었습니다. 인물, 마스크 편집, 투명 배경은 위 측정 어디에도 포함되지 않았습니다. 러시아 vc.ru의 사용기(SYNTX.AI 플랫폼, 주관적 평가)는 어려운 프롬프트에서 Sunburst가 빛·그림자·질감을 더 깔끔하게 처리한 경우가 많았지만 같은 설정에서 두 모델 사이에 큰 격차는 없었고, 모델 교체보다 quality와 해상도가 결과를 더 크게 바꿨다고 적었습니다.

비용: 같은 quality·크기면 1회 비용은 같다

OpenAI 가격 페이지의 표준 단가는 두 모델이 같습니다. 100만 토큰당 텍스트 입력 $5, 캐시된 텍스트 $1.25, 이미지 입력 $8, 캐시된 이미지 $2, 이미지 출력 $30이고 텍스트 출력은 청구되지 않습니다. GPT Image 2와도 같은 단가입니다.

이미지 생성 가이드에는 단가가 같아도 모델과 quality에 따라 토큰 소비가 다를 수 있다는 일반론이 있지만, 같은 페이지의 계산기는 "GPT Image 2.5 (Sunburst and Flare)"라는 하나의 옵션으로 두 모델을 함께 추정합니다. 독립 측정도 같은 결과였습니다. Tosea는 모든 quality에서 두 모델의 출력 토큰이 같았다고 보고했고, Ofox의 세 작업 청구액은 두 모델이 각각 $0.013460, $0.013585, $0.021742로 똑같았습니다. OpenAI가 두 모델에 하나의 추정치만 내놓고 독립 측정에서도 사용량이 같았으니, "Flare가 더 싸다"는 전제로 모델을 고를 근거는 없습니다.

1회 비용을 움직이는 것은 모델이 아니라 quality 단계입니다. 1024x1024 기준 OpenAI 계산기의 출력 추정치는 다음과 같습니다.

계산은 출력 토큰 × $30 ÷ 1,000,000이며 입력 이미지·텍스트 비용은 빠져 있습니다. medium에서 high로, high에서 max로 갈 때 출력 예산이 각각 4배가 되고, high에서 xhigh로 한 단계만 올려도 약 1.8배(3,122 ÷ 1,756)입니다. OpenAI는 xhigh와 max를 대기 시간 예산 안에서 풀리지 않던 요구를 해결할 때만 쓰라고 권하고, 높은 설정이 모든 프롬프트에서 더 나은 결과를 보장하지 않는다고 덧붙입니다. auto는 생성된 이미지에 따라 소비량이 달라지므로 비용을 예측하려면 quality를 명시하는 편이 안전합니다.

그 밖에 청구액에 더해지는 항목은 다음과 같습니다.

• Responses API의 이미지 생성 도구로 부르면 메인 모델의 토큰 사용량이 추가됩니다.
• 스트리밍 부분 이미지는 1장마다 이미지 출력 100토큰, 즉 $0.003이 붙습니다.
• 가격 페이지의 Batch 항목에는 2026년 9월 25일 기준 gpt-image-2만 있고 2.5 두 모델은 없습니다. "2.5가 두 배 비싸다"는 계산은 GPT Image 2의 Batch 출력 단가($15)를 2.5의 표준 단가($30)와 비교할 때 나옵니다.

실제 차이는 채택한 이미지 1장당 비용에서 난다

1회 비용이 같아도 재생성과 추가 편집 횟수가 다르면 최종 비용이 달라집니다. 비교 기준은 호출 1회가 아니라 검수를 통과한 이미지 1장입니다.

채택 이미지 1장당 비용 = 청구된 모든 시도(입력 + 출력 + 부분 이미지 + 재시도) ÷ 검수를 통과한 이미지 수

예를 들어 1024x1024 high로 두 모델에 10회씩 요청하면 출력 비용 추정은 양쪽 모두 $0.5268입니다. 가정으로 Flare 결과 중 6장, Sunburst 결과 중 9장이 검수를 통과했다고 하면 채택 1장당 출력 비용은 Flare $0.0878, Sunburst $0.0585가 됩니다. 이 경우 Sunburst가 느려도 더 싸게 끝납니다. 반대로 두 모델의 채택률이 비슷하면 Flare가 같은 돈으로 더 빨리 끝납니다. 한 장도 통과하지 못했다면 1장당 비용은 0이 아니라 계산할 수 없는 값입니다. 완료까지 걸린 시간과 사람이 손으로 보정한 시간도 함께 적어 두어야 어느 쪽이 실제로 싼지 판단할 수 있습니다.

품질 단계별 월 예산과 호출당 요금은 GPT Image 2.5 Sunburst 가격: 호출당 $0.03과 공식 토큰 요금 비교에서 계산해 볼 수 있습니다.

작업별로 먼저 쓸 모델

아래 순서는 OpenAI 프롬프트 가이드의 모델 선택 권고와 앞의 측정·투표 결과를 합친 것입니다. 어느 행이든 "먼저 쓸 모델"은 출발점일 뿐이고, 같은 입력으로 다른 모델을 한 번 더 돌려 보는 데 드는 추가 비용은 원래 실행과 같은 금액입니다.

Flare 결과가 부족할 때 선택지는 두 가지입니다. 같은 quality로 Sunburst를 쓰면 1회 비용은 그대로이고 시간이 늘어납니다. Flare의 quality를 한 단계 올리면 시간과 함께 출력 비용이 약 1.8~4배 늘어납니다. 그래서 비용이 신경 쓰이는 작업이라면 quality를 올리기 전에 같은 quality의 Sunburst와 먼저 비교해 보는 편이 합리적입니다. 반대로 대기 시간이 더 중요한 서비스라면 Flare의 quality를 올리는 쪽이 나을 수 있으니, 두 경우 모두 채택 이미지 1장당 비용과 완료 시간을 같이 비교해야 합니다.

ChatGPT에서는 Flare와 Sunburst를 고르는 메뉴가 없고, ChatGPT 요청이 어느 모델로 처리되는지도 OpenAI 공개 문서에 적혀 있지 않습니다. MindStudio는 속도와 품질을 근거로 ChatGPT 기본값이 Flare라고 추정했지만 공식 확인은 아닙니다. 모델을 직접 고르려면 API나 이를 지원하는 도구를 써야 하며, 자세한 위치는 ChatGPT Images 2.5 사용법: Sunburst와 Flare는 어디서 고르나요?에 있습니다. 4K 출력이나 참조 이미지가 아주 많은 작업이라면 다른 계열 모델과 비교한 나노 바나나 프로 vs GPT Image 2.5: 작업별로 먼저 쓸 모델도 참고할 만합니다.

내 이미지로 두 모델을 비교하는 순서

공개 측정은 작업 종류가 제한적이므로, 결정은 자기 이미지로 한 번 돌려 보고 내리는 것이 가장 확실합니다. 비교할 때는 모델 외의 조건을 전부 고정합니다.

1. 실제 작업을 대표하는 원본 몇 장을 고릅니다. 쉬운 것만 고르면 차이가 드러나지 않으므로 평소 재작업이 많았던 유형을 꼭 포함합니다.
2. 프롬프트, 참조 이미지, 크기, quality를 두 모델에 똑같이 넣습니다. quality는 auto 대신 명시합니다. Tosea의 auto 실행에서는 Flare가 한 번 명시적 설정 어디에도 없던 628 출력 토큰을 반환했습니다.
3. 결과를 보기 전에 검수 기준을 정합니다. 편집이라면 "바꿀 것"과 "유지할 것"을 나눠 적고 각각 통과 여부를 따로 판정합니다.
4. 편집은 한 번으로 끝내지 말고 2~3회 연속으로 이어 갑니다. 요청하지 않은 부분의 변화는 횟수가 쌓일수록 커집니다.
5. 호출마다 소요 시간, 실패와 재시도, 응답의 usage 토큰, 채택 여부를 기록합니다. OpenAI도 이전 단계에서 평균과 느린 응답, 실패, 재시도, 채택 이미지 1장당 비용을 재라고 권합니다.

아래 Python 예시는 같은 원본을 두 모델로 세 번씩 편집하고 시간과 토큰 사용량을 출력합니다. 다른 호환 엔드포인트를 쓴다면 OPENAI_BASE_URL 환경 변수만 바꾸면 됩니다.

import base64
import os
import time

from openai import OpenAI

client = OpenAI(
    api_key=os.environ["OPENAI_API_KEY"],
    base_url=os.environ.get("OPENAI_BASE_URL", "https://api.openai.com/v1"),
)

PROMPT = (
    "배경만 연한 베이지색 스튜디오로 바꿔 주세요. "
    "가방의 손잡이 모양, 봉제선 위치, 라벨, 비율은 그대로 유지합니다."
)

for model in ["gpt-image-2.5-flare", "gpt-image-2.5-sunburst"]:
    for run in range(3):
        start = time.perf_counter()
        with open("product.png", "rb") as source:
            result = client.images.edit(
                model=model,
                image=source,
                prompt=PROMPT,
                size="1024x1024",
                quality="high",
            )
        elapsed = time.perf_counter() - start

        with open(f"{model}-{run}.png", "wb") as out:
            out.write(base64.b64decode(result.data[0].b64_json))

        print(model, run, f"{elapsed:.1f}s", result.usage)

마스크를 써도 경계가 픽셀 단위로 고정되지는 않습니다. OpenAI 문서는 GPT Image의 마스크 편집이 전적으로 프롬프트 기반이라고 설명하므로, 마스크 바깥이 바뀌지 않았는지도 검수 항목에 넣어야 합니다. ComfyUI에서 비교한다면 ComfyUI GPT Image 2.5 사용법: 로그인·크레딧·부분 편집, 자동화 흐름에 넣는다면 n8n GPT Image 2.5 연동: 노드 한계부터 파일 저장까지를 이어서 보면 됩니다.

laozhang.ai로 호출할 때 달라지는 점

laozhang.ai GPT Image 2.5 문서(2026년 9월 24일 공개 가격 기준)에서는 두 모델을 두 가지 방식으로 부를 수 있고, 어느 방식이냐에 따라 모델 선택의 비용 구조가 달라집니다.

안내: laozhang.ai는 이 블로그 운영팀의 자사 서비스입니다. 그 가격은 독립적인 비교가 아니라 자사 제시 가격입니다.

1024x1024 출력 추정치와 비교하면 -vip 모델의 $0.03은 medium($0.01317)보다 비싸고 high($0.05268)보다 쌉니다. 호출당 요금이 두 모델에 똑같으므로 이 방식에서는 Sunburst를 골라도 늘어나는 것은 시간뿐이고, high 이상에서만 공식 출력 추정보다 저렴해집니다. 마스크 편집이 필요하면 공식 포워딩 쪽을 써야 합니다.

그룹은 요청의 model 필드가 아니라 토큰에 설정되고, 예시의 base URL은 https://api.laozhang.ai/v1입니다. 두 -vip 모델은 2026년 9월 16일부터 22일까지 업스트림 용량 부족으로 중단됐다가 22일에 복구됐으므로, 운영에 쓰기 전에 콘솔에서 현재 상태를 보는 것이 좋습니다. 신규 계정은 Gmail 또는 기업 화이트리스트가 필요하고, 테스트 크레딧은 연결과 개발 테스트용입니다.

자주 묻는 질문

Sunburst가 Flare보다 비싼가요?

토큰 단가가 같고, 같은 quality·크기에서 독립 측정 두 건의 출력 토큰과 청구액도 같았습니다. 한 번 호출하는 비용은 같다고 보면 됩니다. 차이는 Sunburst가 더 오래 걸린다는 점과, 작업에 따라 검수 통과율이 달라 채택 이미지 1장당 비용이 달라질 수 있다는 점입니다.

ChatGPT에서 Sunburst를 골라 쓸 수 있나요?

2026년 9월 25일 기준 ChatGPT에는 Flare와 Sunburst를 고르는 메뉴가 없고, 어느 모델이 쓰이는지도 공개되어 있지 않습니다. 특정 모델을 지정하려면 API의 model 값으로 gpt-image-2.5-flare 또는 gpt-image-2.5-sunburst를 넣어야 합니다.

gpt-image-2.5라고만 쓰면 어느 모델이 호출되나요?

gpt-image-2.5는 모델 ID가 아니어서 어느 모델로도 자동 연결되지 않고, Tosea의 보고처럼 요청이 오류로 거부됩니다. gpt-image-2.5-flare, gpt-image-2.5-sunburst 같은 별칭이나 -2026-09-08이 붙은 스냅샷을 지정해야 합니다. 별칭은 나중에 새 스냅샷을 가리킬 수 있으니 결과를 고정해야 하는 운영 환경에서는 스냅샷 ID가 안전합니다.

Batch로 반값에 쓸 수 있나요?

2026년 9월 25일 기준 OpenAI 가격 페이지의 Batch 항목에는 gpt-image-2만 있고 GPT Image 2.5 두 모델은 없습니다. 대량 작업을 Batch 단가로 돌려야 한다면 현재로서는 GPT Image 2가 선택지이고, 2.5의 비용은 표준 단가로 계산해야 합니다.