GPT Image 2.5를 처음 적용한다면 Flare로 대표 작업을 시작하고, 상품의 형태나 세부 요소를 유지하는 편집이 중요할 때 Sunburst를 함께 비교하는 것이 합리적입니다. OpenAI는 Flare를 대부분의 API 애플리케이션에 권하는 기본 선택으로, Sunburst를 생성 시간이 더 걸리는 대신 캠페인 소재와 상품 이미지의 편집 정밀도에 중점을 둔 선택으로 소개합니다. 두 모델 모두 이미지를 새로 만들고 기존 이미지를 편집할 수 있습니다. OpenAI의 2026년 9월 8일 발표
다만 “Flare는 빠르고 저렴한 모델, Sunburst는 비싸고 좋은 모델”로 정리하면 비용과 기능을 잘못 판단할 수 있습니다. 공식 토큰 단가는 같고, 실제로 채택할 만한 결과를 얻는 데 드는 시간과 비용은 작업별로 확인해야 합니다. 이 글은 2026년 9월 9일 공식 문서를 기준으로 선택 방법을 설명하며, 유료 API로 두 모델의 성능을 측정한 결과는 포함하지 않습니다.
두 모델의 차이는 기능 유무보다 작업의 우선순위입니다
Flare는 대량의 시안, 콘텐츠용 일러스트, 일상적인 이미지 제작처럼 생성 시간과 결과의 균형이 중요한 작업에서 먼저 확인할 후보입니다. Sunburst는 참조 상품의 형태를 유지하면서 배경이나 일부 요소를 바꾸는 작업처럼 편집 결과의 세부 차이가 납품 가능 여부를 좌우할 때 비교할 이유가 있습니다. 이는 공식 제품 설명을 작업 선택에 적용한 제안이지, 특정 작업의 승률을 측정한 순위는 아닙니다.
| 확인할 항목 | Flare | Sunburst |
|---|---|---|
| Image API 모델 ID | gpt-image-2.5-flare | gpt-image-2.5-sunburst |
| 공식 설명의 중심 | 빠르고 품질 높은 일상적 이미지 생성 | 이미지 생성 및 정밀한 편집 |
| 이미지 생성·편집 | 모두 지원 | 모두 지원 |
| 텍스트·참조 이미지 입력 | 지원 | 지원 |
| 품질 설정 | low, medium, high, xhigh, max, auto | low, medium, high, xhigh, max, auto |
| 먼저 비교할 업무 | 시안 제작, 반복 생성, 일반 콘텐츠 이미지 | 상품 이미지 수정, 캠페인 소재의 세부 편집 |
기능과 설정은 Flare 모델 문서와 Sunburst 모델 문서에 근거합니다. 마지막 행은 이 설명을 바탕으로 한 업무별 제안입니다. Sunburst로 시안을 만들어도 되고, Flare로 상품 사진을 편집해도 됩니다. 실제 결과가 요구 조건을 충족한다면 그 조합을 배제할 이유는 없습니다.
속도 관련 숫자는 비교 대상을 함께 읽어야 합니다. 공식 API 발표의 Flare “지연 시간 50% 감소”는 GPT Image 2 대비 설명입니다. Flare가 Sunburst보다 50% 빠르다는 뜻이 아니며, 요청마다 일정한 초 안에 완료된다는 약속도 아닙니다. 서비스 응답 시간을 정하려면 업로드부터 최종 이미지 수신까지 직접 측정해야 합니다. 공식 발표의 API 비교
상품 편집에서는 바꿀 부분과 유지할 부분을 따로 적으세요
예를 들어 온라인 스토어에서 판매하는 캔버스 가방 사진이 있다고 해 보겠습니다. 배경을 봄철 캠페인에 맞는 연한 녹색으로 바꾸되, 가방의 손잡이 길이와 봉제선, 앞면 라벨은 그대로 남겨야 합니다. 결과가 보기 좋아도 손잡이가 짧아지거나 라벨이 달라지면 실제 상품을 잘못 보여 주므로 사용할 수 없습니다.
이런 작업에서는 요청 전에 다음처럼 조건을 나누면 비교가 쉬워집니다.
- 바꿀 것: 배경 색상과 주변 소품, 새 배경에 어울리는 그림자.
- 유지할 것: 가방의 전체 비율, 손잡이 모양, 봉제선 위치, 라벨의 글자와 색상.
- 최종 확인: 상품 영역을 원본과 확대 비교하고, 상세 페이지에서 사용할 크기로도 확인.
위 그림은 검수 조건을 설명하는 이미지이며, Sunburst나 Flare의 실제 비교 출력이 아닙니다.
같은 원본과 같은 편집 지시를 두 모델에 전달한 뒤, 먼저 요청한 변경이 적용됐는지 확인하고 이어서 보존 조건을 확인하세요. “원본과 비슷하다”라는 총평만 남기면 배경은 잘 바뀌었지만 상품이 변형된 결과를 놓치기 쉽습니다. 라벨 글자가 한 글자라도 틀리면 사용할 수 없는 업무라면, 그 조건을 비교 전에 정해 두는 편이 좋습니다.
마스크를 쓰더라도 보호 영역이 픽셀 단위로 완전히 고정된다고 가정하면 안 됩니다. 공식 가이드는 마스크가 편집 지침으로 사용되며 정확한 형태를 엄격하게 따르지 않을 수 있다고 설명합니다. 텍스트 표현, 반복 등장하는 대상의 일관성, 복잡한 구도에도 한계가 남아 있습니다. Sunburst의 편집 정밀도라는 설명이 검수 과정을 생략해도 된다는 뜻은 아닙니다. 마스크 편집 안내, 알려진 한계
또 다른 예로 행사 포스터의 날짜만 바꾸는 작업을 생각할 수 있습니다. 새 날짜가 맞는지뿐 아니라 행사명, 장소, 나머지 문구가 그대로인지 확인해야 합니다. 날짜 수정에 성공한 결과와 포스터 전체를 납품할 수 있는 결과를 구분해야 모델 선택에 도움이 됩니다. 이 사례들은 독자가 직접 비교할 과제이며, 이 글에서 두 모델로 생성한 비교 결과는 아닙니다.
모델을 바꾸기 전에 품질 설정도 고정해야 합니다
model은 어떤 모델을 사용할지, quality는 해당 요청에 어떤 품질 설정을 적용할지를 정합니다. 두 모델의 품질 옵션은 같고 기본값은 auto입니다. 따라서 Flare의 high와 Sunburst의 auto 결과를 한 번씩 보고 차이를 전부 모델 탓으로 돌리기는 어렵습니다. 처음 비교할 때는 필요한 이미지 크기와 품질 값을 명시하고, 그다음 실제 제작 조건에 맞춰 설정을 조정하세요. 공식 크기·품질 옵션
같은 quality 이름을 사용한다고 두 모델의 지각적 품질이나 사용 토큰 수가 같다는 뜻은 아닙니다. Flare의 품질을 max로 높여도 모델이 Sunburst로 바뀌지는 않습니다. 모델별로 같은 조건의 결과를 확인하는 과정과, 각 모델에서 납품에 필요한 최소 설정을 찾는 과정을 구분하면 원인을 해석하기 쉽습니다.
구도와 아이디어를 고르는 단계에는 공식 가이드가 초안용으로 권하는 low를 검토할 수 있습니다. 최종 이미지에서는 더 높은 설정이 실제 문제를 줄이는지 비교하세요. 예를 들어 배경 시안에는 낮은 설정으로 충분하지만 라벨 가독성 때문에 높은 설정이 필요한지, 또는 설정을 높여도 같은 편집 오류가 반복되는지를 살피는 것입니다. 항상 최고 설정을 쓰는 방식보다 자신의 채택 기준에 맞는 설정을 찾는 편이 운영 판단에 유용합니다.
크기와 투명 배경도 두 모델을 가르는 기능으로 볼 수 없습니다. 두 모델은 같은 출력 크기 옵션을 지원하며, 투명 배경을 요청할 때는 background: "transparent"와 PNG 또는 WebP 형식을 사용합니다. 투명 상품 이미지를 만들려는 이유만으로 Sunburst를 선택할 필요는 없습니다. 이미지 출력 설정
비용은 토큰 단가보다 채택한 이미지 한 장을 기준으로 비교하세요
2026년 9월 9일 확인한 OpenAI 직접 API의 Standard 요금은 두 모델이 같습니다. 미국 달러 기준 100만 토큰당 텍스트 입력 $5, 이미지 입력 $8, 이미지 출력 $30이며, 캐시된 입력은 별도 단가를 적용합니다. 이 사실만으로 Flare의 장당 비용이 더 낮다거나 Sunburst의 비용이 더 높다고 결론 낼 수는 없습니다. OpenAI 공식 가격표
실제 비교에서는 같은 업무에 쓴 전체 비용을 채택한 이미지 수로 나눠 보세요. 보기에는 저렴한 요청도 반복 수정이 필요하면 최종 이미지 한 장의 비용이 커집니다. 반대로 한 번의 요청 비용이 더 들더라도 재생성이 줄어들면 작업 전체에서는 더 유리할 수 있습니다. 어느 쪽이 해당하는지는 실제 응답의 usage와 검수 결과가 있어야 알 수 있습니다.
text채택한 이미지 1장당 API 비용 = 비교 작업에 실제로 청구된 총액 ÷ 채택한 이미지 수
비용 그림 역시 계산 기준을 보여 주는 설명도이며 실제 모델 측정값을 나타내지 않습니다.
채택한 이미지가 없다면 이 값은 계산하지 말고 “채택 결과 없음”으로 기록하세요. 수작업 보정에 쓴 시간은 API 요금에 섞어 넣지 않고 별도 항목으로 남기면 됩니다. 이미지 입력을 포함한 계산식, 품질별 출력 비용 추정치, 월 예산 계산은 GPT Image 2.5 API 가격 안내에서 확인할 수 있습니다.
반복 요청을 평가할 때 남길 기록은 간단합니다. 모델 ID, 원본 파일, 지시문, 크기와 품질, 최종 파일, 완료까지 걸린 시간, 실제 사용량, 채택 여부와 탈락 이유를 함께 보관하세요. API가 성공 응답을 반환한 것과 사용 가능한 이미지가 저장된 것도 구분해야 합니다. 반환된 이미지 데이터를 디코딩한 파일을 실제로 열어 확인한 뒤 평가하는 것이 좋습니다.
시간 역시 한 번의 최고 기록만 보지 마세요. 평소 작업에서 반복적으로 발생하는 대기 시간과 오래 걸린 요청을 함께 보면 사용자가 기다릴 수 있는 작업인지 판단하기 쉽습니다. 두 모델의 요청 순서를 번갈아 실행하면 특정 시간대의 서버나 네트워크 상태를 모델 차이로 오해할 가능성을 줄일 수 있습니다. 여기서 제안한 기록 방법은 검증 절차이며, 측정된 생성 시간이나 채택률을 제시하는 것은 아닙니다.
API에 적용할 때는 실제 모델 ID를 명시하세요
Image API로 한 번의 생성이나 편집을 요청한다면 model에 gpt-image-2.5-flare 또는 gpt-image-2.5-sunburst를 직접 넣습니다. gpt-image-2.5라는 시리즈 이름만으로 호출할 모델을 지정했다고 생각하면 안 됩니다. 비교 기록을 남길 때는 문서에 표시된 날짜 고정 ID인 gpt-image-2.5-flare-2026-09-08과 gpt-image-2.5-sunburst-2026-09-08도 사용할 수 있습니다. Flare 모델 ID, Sunburst 모델 ID
대화하면서 이미지를 여러 번 수정하는 기능에는 Responses API가 적합합니다. 이때 최상위 model은 이미지 생성 도구를 호출할 수 있는 주 모델이고, 이미지 모델은 tools 안의 image_generation 도구에서 선택합니다. 예를 들어 도구 설정에 {"type":"image_generation","model":"gpt-image-2.5-sunburst"}를 넣는 구조입니다. 예산에는 주 모델의 사용량도 별도로 반영해야 합니다. 공식 API 선택 안내
사용을 시작하기 전에는 해당 API 프로젝트의 모델 접근 권한과 한도를 확인하세요. 조직 인증이 필요할 수 있으며, ChatGPT에서 이미지를 만들 수 있다는 사실만으로 같은 계정의 API 모델 접근 권한이 확인되지는 않습니다. 또한 Flare와 Sunburst는 API 모델 선택지이므로 ChatGPT 화면에 같은 이름의 선택 메뉴가 있다고 가정할 수 없습니다. API 사용 전제
실무에서는 모든 이미지를 한 모델로 통일하기보다 작업 조건을 먼저 정하는 편이 좋습니다. 빠르게 여러 구도를 탐색하는 작업은 Flare부터 확인하고, 수정 범위가 좁고 보존해야 할 상품 세부가 많다면 Sunburst를 같은 조건으로 비교하세요. 최종 선택은 모델 이름보다 요청한 변경, 원본 보존, 대기 시간, 채택한 이미지의 비용을 함께 만족하는지로 결정하면 됩니다.
