GPT Image 2.6 새로운 기능

curl --request POST \
  --url https://api.apiyi.com/v1/images/generations \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data @- <<EOF
{
  "model": "gpt-image-2.6-sunburst",
  "prompt": "A clean 2x2 technical infographic on a white background. Top-left: a red circle labeled 'A'. Top-right: a blue square labeled 'B'. Bottom-left: a green triangle labeled 'C'. Bottom-right: a yellow hexagon labeled 'D'. A black arrow connects A to B to C to D in that order. Exactly four labels, balanced grid, no other text."
}
EOF

{
  "created": 123,
  "background": "opaque",
  "data": [
    {
      "b64_json": "<string>",
      "generation_id": "<string>"
    }
  ],
  "output_format": "gif",
  "quality": "low",
  "size": "512x512",
  "usage": {
    "input_tokens": 59,
    "output_tokens": 555,
    "total_tokens": 614,
    "input_tokens_details": {
      "text_tokens": 59,
      "image_tokens": 0
    },
    "output_tokens_details": {
      "text_tokens": 0,
      "image_tokens": 555
    }
  },
  "svg_usage": {
    "model": "gpt-5.6-terra",
    "input_tokens": 1572,
    "output_tokens": 850,
    "reasoning_tokens": 350,
    "total_tokens": 2422
  }
}

POST

images

generations

curl --request POST \
  --url https://api.apiyi.com/v1/images/generations \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data @- <<EOF
{
  "model": "gpt-image-2.6-sunburst",
  "prompt": "A clean 2x2 technical infographic on a white background. Top-left: a red circle labeled 'A'. Top-right: a blue square labeled 'B'. Bottom-left: a green triangle labeled 'C'. Bottom-right: a yellow hexagon labeled 'D'. A black arrow connects A to B to C to D in that order. Exactly four labels, balanced grid, no other text."
}
EOF

{
  "created": 123,
  "background": "opaque",
  "data": [
    {
      "b64_json": "<string>",
      "generation_id": "<string>"
    }
  ],
  "output_format": "gif",
  "quality": "low",
  "size": "512x512",
  "usage": {
    "input_tokens": 59,
    "output_tokens": 555,
    "total_tokens": 614,
    "input_tokens_details": {
      "text_tokens": 59,
      "image_tokens": 0
    },
    "output_tokens_details": {
      "text_tokens": 0,
      "image_tokens": 555
    }
  },
  "svg_usage": {
    "model": "gpt-5.6-terra",
    "input_tokens": 1572,
    "output_tokens": 850,
    "reasoning_tokens": 350,
    "total_tokens": 2422
  }
}

Playground는 복잡도가 있는 래스터 PNG, SVG 및 2프레임 GIF라는 세 가지 예제를 제공합니다. Authorization 아래에 Bearer sk-xxx을 입력하고 예제를 선택한 후 prompt를 편집하여 요청을 전송하십시오.

data[0].b64_json에는 data: 접두사가 없으며, SVG 및 GIF 응답도 base64로 인코딩됩니다. 요청이 성공하더라도 브라우저 Playground에서 긴 base64 응답을 표시하지 못할 수 있습니다. 아래의 Python 예제를 사용하여 결과를 디코딩하고 로컬에 저장하십시오.

모델 선택

GPT Image 2.6은 2026-11-04에 출시되었습니다. 이 모델은 /v1/images/generations 및 /v1/images/edits을 유지하면서 복잡도 제어, SVG 출력, 애니메이션 GIF 출력, 마크업 기반 편집 기능을 추가했습니다.

모델	초점	적합한 용도
`gpt-image-2.6-flare`	빠른 반복 작업	초안 작성, 일괄 생성, 소셜 콘텐츠, 빠른 prompt 비교
`gpt-image-2.6-sunburst`	정밀한 시각적 작업	복잡한 레이아웃, 조밀한 텍스트, 완성본 에셋, 정밀한 편집

현재 token 요율은 모델 가격 디렉터리를 참조하십시오. 실제 비용은 크기, 품질, 출력 형식 및 token 사용량에 따라 달라집니다. 또한 SVG는 저작 모델 비용도 발생하므로 표준 PNG와 비용을 단순 비교할 수 없습니다.

새로운 기능

복잡도 제어

품질 설정과는 독립적으로 렌더링 전 계획 단계를 제어합니다.

SVG 벡터 출력

아이콘, 일러스트레이션 및 UI 에셋을 위한 편집 가능한 패스, 도형, 색상을 반환합니다.

애니메이션 GIF 출력

프레임 수 및 프레임 재생 시간 제어를 통해 한 번의 요청으로 완성된 GIF를 생성합니다.

마크업 가이드 편집

투명 주석 레이어를 사용하여 편집 영역을 식별하고, prompt로 변경 사항을 설명합니다.

complexity: 계획 수립 제어

complexity은 모델이 렌더링하기 전에 얼마나 계획을 수립할지 제어합니다. 이는 조밀한 텍스트, 복잡한 레이아웃, 객체 간의 관계를 처리하기 위한 것입니다. 반면 quality는 렌더링 품질을 제어하며, 두 설정은 서로 다른 목적으로 사용됩니다.

공식 레벨	권장 용도
`low`	집중적인 편집, 단순한 구도 및 빠른 초안
`medium`	일반적인 레이아웃 및 여러 제약 조건 간의 균형
`high`	조밀한 텍스트, 복잡한 레이아웃 및 객체 관계; complexity를 생략할 때 기본으로 사용됨

Complexity에는 별도의 요금이 부과되지 않습니다. 레벨이 높을수록 지연 시간이 늘어나고 원치 않는 변경 사항이 발생할 수 있습니다. 레벨이 높을수록 항상 더 낫다고 가정하기보다는 수행할 작업에 맞춰 결과를 직접 비교해 보십시오.

업스트림 테스트 참고 사항: 추가로 허용되는 레벨

테스트 시 업스트림 오류 응답에는 none, xhigh 및 max도 나열되어 있었으며, 현재 라우트에서도 이를 수락했습니다. OpenAI의 공개 가이드에는 low / medium / high이 명시되어 있습니다. 추가적인 값을 장기적인 호환성 보장으로 신뢰하기보다는 프로덕션 요청 시 이러한 공식 레벨을 사용해야 합니다.

SVG: 편집 가능한 벡터 파일 생성

output_format: "svg"을(를) 설정하십시오. 현재 업스트림에서는 벡터 코드를 작성하는 텍스트 모델을 선택하기 위해 중첩된 svg.model 필드도 필요합니다:

{
  "model": "gpt-image-2.6-sunburst",
  "prompt": "A minimal flat vector icon of a rocket, exactly three solid colors, geometric editable shapes, no text, no raster texture, transparent background.",
  "output_format": "svg",
  "svg": {
    "model": "gpt-5.6-terra"
  },
  "quality": "low",
  "size": "1024x1024",
  "n": 1
}

빨간색 날개, 파란색 창문, 흰색 몸체를 가진 벡터 로켓 아이콘 — A real SVG generated through APIYI's passthrough route: editable path and circle elements

작성 모델 선택 및 과금

클라이언트가 svg.model을(를) 지정하며, APIYI가 임의로 선택하지 않습니다. 지원되는 모델 목록은 업스트림 및 현재 그룹에 따라 달라지므로, 모든 OpenAI 텍스트 모델에 대한 지원이 보장되지는 않습니다. 이 페이지에서는 gpt-5.6-terra, gpt-6-luna 및 gpt-4.1-mini을(를) 검증하였으며, 다른 모델은 실제 그룹에서 테스트해 보십시오. 작성 비용 과금에는 선택한 텍스트 모델의 입력 및 출력 token 요율이 사용됩니다:

작성 비용 = svg_usage.input_tokens × 입력 요율 + svg_usage.output_tokens × 출력 요율.
총 SVG 비용 = 참조 이미지 비용 + 작성 모델 비용. 텍스트 모델이 SVG를 작성하기 전에 이미지 모델이 먼저 참조 이미지를 생성합니다.
성공적인 응답에는 usage 및 svg_usage이(가) 모두 포함됩니다. usage은(는) 참조 이미지에 해당하고, svg_usage은(는) 작성 모델에 해당합니다. 두 항목 모두 비용에 반영됩니다.
svg_usage.reasoning_tokens은(는) 이미 svg_usage.output_tokens에 포함되어 있습니다. 중복해서 더하지 마십시오.

2026-11-05에 gpt-image-2.6-sunburst 및 gpt-5.6-terra을(를) 사용하여 진행한 APIYI 패스스루 테스트에서 응답에는 다음과 같은 사용량 필드가 포함되었습니다:

{
  "output_format": "svg",
  "usage": {
    "input_tokens": 100,
    "output_tokens": 824,
    "total_tokens": 924
  },
  "svg_usage": {
    "model": "gpt-5.6-terra",
    "input_tokens": 1572,
    "output_tokens": 850,
    "reasoning_tokens": 350,
    "total_tokens": 2422
  }
}

100만 입력 tokens당 $2, 100만 출력 tokens당 $12인 gpt-5.6-terra의 현재 디렉터리 요율을 적용하면, 참조 이미지 과금을 제외한 예상 작성 비용은 1572 ÷ 1000000 × 2 + 850 ÷ 1000000 × 12 = \$0.013344입니다. 동일한 prompt로 다음 작성 모델들을 테스트했습니다. 모든 모델이 스크립트, 임베디드 래스터 이미지 또는 외부 참조가 없는 실제 SVG를 반환했습니다:

`svg.model`	결과	입력 / 출력 tokens	추론 tokens	소요 시간	예상 작성 비용
`gpt-5.6-terra`	통과	1,572 / 850	350	29.196s	$0.013344
`gpt-6-luna`	통과	1,572 / 1,618	1,110	53.436s	$0.0009662
`gpt-4.1-mini`	통과	2,005 / 513	0	23.777s	$0.0016228

세 요청 모두 동일한 참조 이미지 사용량을 보고했습니다: 입력 100, 출력 824, 총 924 tokens이며 별도로 과금됩니다. gpt-4.1-mini의 응답 모델 이름은 gpt-4.1-mini-2025-04-14이었습니다. 가격은 변경될 수 있으며 계층형 요율은 그룹에 따라 다를 수 있습니다. 실제 청구 금액은 모델 가격 디렉터리 및 청구서를 확인하십시오. 모델당 단일 이미지는 품질 순위를 의미하지 않습니다.

제한 사항

SVG는 n=1을(를) 사용하는 /v1/images/generations을(를) 통해서만 제공됩니다. 편집 엔드포인트는 SVG 출력 또는 래스터 입력으로서의 SVG를 지원하지 않습니다.
스트리밍, 부분 이미지, output_compression 및 prompt_rewriter은(는) 지원되지 않습니다.
결과는 스크립트, 외부 리소스 또는 포함된 래스터 이미지가 없는 정적 벡터 XML입니다. PNG가 아닌 .svg 파일로 디코딩하여 저장하십시오.

GIF: 반복 애니메이션 생성

output_format: "gif"을 설정하고 prompt에 대상, 동작 및 루프를 설명합니다. 이 저비용 예제는 각 100ms씩 총 지속 시간 0.2초인 2개의 프레임을 생성합니다:

{
  "model": "gpt-image-2.6-sunburst",
  "prompt": "A minimal two-frame looping animation of a yellow circle moving slightly right and returning to its starting position on a plain white background, no text, seamless loop.",
  "output_format": "gif",
  "quality": "low",
  "size": "512x512",
  "frame_count": 2,
  "frame_duration_ms": 100,
  "n": 1
}

오른쪽으로 이동했다가 시작 위치로 돌아오는 노란색 원의 2프레임 반복 애니메이션 — A real GIF generated through APIYI's passthrough route: 2 frames and 0.2 seconds

매개변수	공식 범위 및 기본값	참고 사항
`frame_count`	2–64, 기본값 9	프레임 수가 많을수록 일반적으로 지연 시간과 비용이 증가합니다
`frame_duration_ms`	20–2000ms, 기본값 200ms, 10ms 단위로 반올림	총 지속 시간은 대략 프레임 수에 프레임 지속 시간을 곱한 값입니다
`size`	`auto` 또는 유효한 WIDTHxHEIGHT	완성된 각 프레임의 크기입니다. 프레임 수, 프레임 크기, 총 픽셀 예산이 모두 충족되어야 합니다

GIF는 생성 전용이며 스트리밍, 부분 이미지, 커스텀 output_compression 또는 prompt_rewriter을 지원하지 않습니다. PNG, JPEG, WebP 또는 SVG에는 frame_count 또는 frame_duration_ms을 사용하지 마십시오.

실제 프레임 수 확인

HTTP 200 또는 응답의 output_format에만 의존하지 마십시오. 라우트에서 프레임 필드가 누락되더라도 기본값인 9프레임, 1.8초 GIF가 반환될 수 있습니다. ffprobe(으)로 실제 파일을 검사하십시오:

ffprobe -v error -select_streams v:0 -count_frames \
  -show_entries stream=codec_name,width,height,nb_read_frames,duration \
  -of json result.gif

이 예제에서는 nb_read_frames=2 및 duration=0.200000이 예상됩니다.

마크업 기반 편집

GPT Image 2.6은 /v1/images/edits의 markup 필드를 통한 마크업 기반 편집도 지원합니다:

원본 이미지를 첫 번째 입력으로 유지합니다.
동일한 크기의 투명 PNG를 생성하고 변경할 영역 주위에 원, 화살표 또는 스케치를 추가합니다.
해당 주석 레이어를 markup로 업로드한 다음, prompt에 변경 사항과 보존할 세부 정보를 기술합니다.
마크업은 첫 번째 입력 이미지에 적용되며 mask 또는 prompt_rewriter와 결합할 수 없습니다.

일반적인 편집, 다중 이미지 합성 및 마스크에 대해서는 Image Edit API를 참고하십시오. 마크업 전달은 대상 라우트에서 별도로 검증해야 하며, 본 페이지에서는 테스트를 마친 대화형 예제로 제공하지 않습니다.

클라이언트 측 디코딩

모든 출력 형식은 data[0].b64_json을(를) 사용하며, 파일 확장자만 변경됩니다:

import base64
from pathlib import Path

payload = response.json()
fmt = payload["output_format"]
raw = base64.b64decode(payload["data"][0]["b64_json"])
Path(f"result.{fmt}").write_bytes(raw)

SVG는 UTF-8 XML로 디코딩되는 반면, GIF 및 래스터 형식은 바이너리 파일로 디코딩됩니다. 프로덕션 환경의 코드는 확장자만 신뢰하기보다는 HTTP 상태, error 필드 및 실제 파일 시그니처도 확인해야 합니다.

라우트 호환성 및 문제 해결

새로운 2.6 필드는 네이티브 JSON 패스스루가 필요합니다. 호환성은 업스트림 라우트에 따라 다를 수 있으며, 이러한 공개 예제가 모든 그룹에서 동일한 동작을 보장하지는 않습니다. 계정에서 실제로 사용하는 그룹에서 직접 확인하시기 바랍니다.

증상	가장 먼저 확인할 사항
제공되었음에도 `SVG generation requires 'svg.model'`가 반환됨	라우트가 중첩된 `svg` 객체를 필터링하거나 재작성했는지 여부
100ms로 2개 프레임을 요청했으나 9개 프레임과 1.8초가 반환됨	`frame_count` 및 `frame_duration_ms`가 누락되고 기본값이 적용되었는지 여부
유효하지 않은 complexity 문자열에도 200이 반환됨	검증 동작은 업스트림마다 다를 수 있으며, 이것만으로는 필드가 누락되었음을 입증하지 못합니다. 유효한 수준의 동작과 비교하고 업스트림 로그를 확인하십시오
Playground에 `unable to complete request`가 표시됨	응답이 실제로 200이었는지 확인하십시오. 긴 base64는 브라우저의 표시 용량을 초과할 수 있으므로 로컬에서 디코딩하십시오
SVG 비용이 예상보다 높음	참조 이미지 tokens뿐만 아니라 `usage` 및 `svg_usage`를 모두 확인하십시오

기초

기본 API

이미지 API (공식)

동영상 API (공식)

멀티모달 이해 API

텍스트 생성

음성 API (공식)

검색 및 안전

모델 선택

새로운 기능

복잡도 제어

SVG 벡터 출력

애니메이션 GIF 출력

마크업 가이드 편집

complexity: 계획 수립 제어

SVG: 편집 가능한 벡터 파일 생성

작성 모델 선택 및 과금

제한 사항

GIF: 반복 애니메이션 생성

실제 프레임 수 확인

마크업 기반 편집

클라이언트 측 디코딩

라우트 호환성 및 문제 해결

관련 문서

인증

본문

응답

​모델 선택

​새로운 기능

복잡도 제어

SVG 벡터 출력

애니메이션 GIF 출력

마크업 가이드 편집

​complexity: 계획 수립 제어

​SVG: 편집 가능한 벡터 파일 생성

​작성 모델 선택 및 과금

​제한 사항

​GIF: 반복 애니메이션 생성

​실제 프레임 수 확인

​마크업 기반 편집

​클라이언트 측 디코딩

​라우트 호환성 및 문제 해결

​관련 문서

인증

본문

응답

모델 선택

새로운 기능

complexity: 계획 수립 제어

SVG: 편집 가능한 벡터 파일 생성

작성 모델 선택 및 과금

제한 사항

GIF: 반복 애니메이션 생성

실제 프레임 수 확인

마크업 기반 편집

클라이언트 측 디코딩

라우트 호환성 및 문제 해결

관련 문서