GPT-Image-2.5 / 2 이미지 생성/편집

모든 이미지 API는 동기식입니다 — 폴링할 task ID가 없으며, 클라이언트 연결이 끊기면 요청은 계속 과금되는 상태에서 결과가 유실됩니다. 이 모델에는 넉넉한 timeout을 설정하십시오. 이미지 API 필수 사항 및 모범 사례를 참조하십시오.

개요

이 페이지에서는 APIYI의 공식 릴레이를 통해 OpenAI의 GPT-Image 2.5 / 2 시리즈를 다룹니다: gpt-image-2.5-flare(속도 우선), gpt-image-2.5-sunburst(품질 및 편집 정밀도 우선), 그리고 이전 세대의 **gpt-image-2**입니다. 2.5 모델은 2026-09-08에 출시되었으며, gpt-image-2보다 높은 품질, 더 정밀한 편집, 두 가지 새로운 quality 등급(xhigh / max)을 제공하면서도 gpt-image-2와 가격 및 파라미터가 정확히 동일합니다. 시리즈 공통 기능: 모든 유효 해상도 지원(2K / 3840×2160 4K 포함), 참조 이미지 자동 고충실도 처리, token 단위 과금. APIYI의 게이트웨이는 OpenAI Images API와 완벽하게 호환됩니다. 코드 변경 없이 직접 연결하려면 공식 OpenAI SDK의 base_url를 여기로 지정하면 됩니다.

🎨 주요 특징: 모든 유효 해상도(최대 3840×2160 4K) 네이티브 지원 + 참조 이미지 편집 시 자동 고충실도 처리 + 네이티브 중국어 prompt 지원 + 2.5의 새로운 xhigh / max 품질 등급. 정밀한 크기/품질 제어가 필요하거나, OpenAI 공식 API와 완전히 동일해야 하거나, 4K 출력이 필요한 프로덕션 시나리오에 가장 적합합니다. 기본 텍스트-이미지는 gpt-image-2.5-flare, 편집은 gpt-image-2.5-sunburst를 사용합니다.

텍스트-이미지 API

/v1/images/generations — 텍스트 prompt로 이미지를 생성하며 크기 / 품질 / output_format을 제어할 수 있습니다.

이미지 편집 API

/v1/images/edits — 참조 이미지(최대 16개) 및 편집/융합 지침을 multipart로 업로드하며, 마스크 인페인팅을 지원합니다.

AI 에이전트에게 통합을 맡기기

Codex / Claude Code / Cursor로 개발하는 경우 아래 프롬프트를 복사하여 에이전트에 전달하십시오. 에이전트는 먼저 이 페이지의 일반 텍스트 버전을 가져온 다음(모든 문서 URL 뒤에 .md 추가), 프로젝트에서 사용하는 자체 스택으로 코드를 작성합니다. 가장 빈번하게 발생하는 네 가지 문제(타임아웃, base64 렌더링, 업로드 압축, 품질 등급)가 이미 요구사항에 반영되어 있습니다.

코딩 에이전트가 GPT-Image 2.5 / 2 시리즈의 텍스트-이미지 및 이미지 편집을 통합하거나 문제를 해결하도록 하십시오. Codex, Claude Code, Cursor 및 유사한 도구에 복사하여 붙여 넣으십시오.

이 프롬프트가 방지하는 문제

요구사항	방지하는 문제
타임아웃을 360초로 설정	일반적인 HTTP 클라이언트의 기본 타임아웃은 30~60초이므로 서버가 정상적으로 생성 중인 동안에도 요청을 중단합니다. 또한 연결이 끊긴 요청에도 과금됩니다. 이미지 API 핵심 사항 및 모범 사례를 참조하십시오.
base64 렌더링	이 모델은 URL을 반환하지 않습니다. `data[0].url`을 읽기만 하면 빈 값이 반환됩니다.
`response_format`을 절대 전송하지 않기	이 모델에서 가장 흔하게 발생하는 400 오류입니다. 이 페이지의 자주 묻는 질문을 참조하십시오.
업로드 전 압축	휴대폰 사진은 일반적으로 4~5MB이며, base64 인코딩으로 인해 여기에 약 33%가 추가됩니다. 압축 표준은 이미지 압축 및 출력 해상도를 참조하십시오.
항상 `quality` 전송	`auto`은 동적 추론 등급이므로 동일한 prompt라도 등급에 따라 비용과 지연 시간이 모두 달라집니다.
마이그레이션할 때 `quality`을 가져오지 않기	2.5 `high` = `gpt-image-2` `medium`입니다. 값을 그대로 복사하면 한 등급 낮아집니다.
날짜가 지정된 스냅샷에 고정	별칭이 새 스냅샷으로 이동하면 동작이 변경될 수 있으므로 프로덕션 환경이 이를 수동적으로 따라가서는 안 됩니다.

APIYI의 GPT-image-2 공식 릴레이를 선택해야 하는 이유?

OpenAI의 공식 채널을 기반으로 하며, 신뢰성, 비용, 통합 경험 측면에서 엔터프라이즈 프로덕션 워크로드에 맞게 깊게 최적화되어 있습니다:

공식 채널 · 공식과 동일

OpenAI의 공식 릴레이를 통해 엄격하게 라우팅됩니다 — 요청과 응답은 OpenAI 공식과 100% 동일합니다: 필드도 같고, 오류 코드도 같고, 모델 동작도 같습니다. 무손실 품질이며, 몰래 재작성하지 않습니다.

동시 실행 수 제한 없음

OpenAI의 Tier 기반 RPM / TPM 상한에 묶이지 않습니다. 엔터프라이즈 규모 트래픽도 선형적으로 확장되며 — 배치 생성과 피크 부하 시나리오를 손쉽게 처리합니다.

동일한 가격 + 최대 15% 할인

기본 단가가 OpenAI의 공식 가격과 일치합니다. 충전 보너스 이벤트와 함께 사용하면 최대 15% 할인을 받을 수 있어 — 장기 비용이 눈에 띄게 낮아집니다.

전 세계 무장벽 접근

해외 서버나 프록시가 필요하지 않습니다. 국내 데이터 센터, 가정용 광대역, 해외 노드에서 api.apiyi.com에 직접 연결할 수 있습니다 — 지연 시간이 안정적이며, 국경 간 재설계가 필요 없습니다.

전체 모델 라인업

리버스 엔지니어링한 gpt-image-2-all ($0.03/image 정액)으로 매끄럽게 전환하거나, 비용 경쟁력이 뛰어난 Nano Banana Pro / 2를 사용할 수 있습니다 — 시나리오별로 자유롭게 조합하십시오.

전문 엔터프라이즈 지원

저희 팀은 프로덕션 이미지 생성 배포를 전문으로 하며, 모델 선택, 튜닝, 통합에 대한 깊은 경험을 보유하고 있습니다 — PoC부터 프로덕션까지 엔드투엔드 지원을 제공합니다.

모델 선택: flare / sunburst / gpt-image-2

2026-09-08부터 이 문서 그룹에서는 세 가지 OpenAI GPT-Image 2.5 / 2 모델을 다룹니다. 세 모델은 모두 동일한 가격, 매개변수, 그룹 및 엔드포인트를 공유하며, 전환은 한 필드 model만 변경하면 됩니다.

항목	`gpt-image-2.5-flare`	`gpt-image-2.5-sunburst`	`gpt-image-2`
포지셔닝	속도 우선 소형 모델, OpenAI가 권장하는 일상적인 기본값	품질 우선 기본 모델, 현재 OpenAI의 가장 강력한 생성 / 편집 모델	이전 세대 단일 플래그십으로, 여전히 사용 가능
품질	gpt-image-2보다 높음	세 모델 중 가장 높음	기준 수준
지연 시간(1024², 2026-09-09 측정)	`low` 10초 / `high` 21초 / `max` 45초; OpenAI 기준 gpt-image-2보다 최대 50% 낮음	`low` 14초 / `high` 42초 / `max` 142초	`low` 21초 / `high` 224초
편집 및 멀티턴 일관성	향상됨	더욱 향상됨: 주제 보존 및 멀티턴 메모리 개선	—
`quality` 등급	6개, `xhigh` / `max` 추가	6개, `xhigh` / `max` 추가	`low` / `medium` / `high` / `auto`
현재 스냅샷	`gpt-image-2.5-flare-2026-09-08`	`gpt-image-2.5-sunburst-2026-09-08`	`gpt-image-2-2026-04-21`
적합한 용도	일괄 생성, 소셜 콘텐츠, 제품 이미지, 지연 시간에 민감한 작업	멀티턴 리터칭, 프로덕션급 캠페인 크리에이티브, 여러 이미지 융합	수정하고 싶지 않은 기존 통합

선택 방법: 기본 텍스트-이미지 생성에는 gpt-image-2.5-flare을 사용하고, 편집 및 여러 이미지 융합에는 gpt-image-2.5-sunburst을 사용하며, 별칭 변경으로 프로덕션 모델이 바뀌지 않도록 날짜가 지정된 스냅샷을 고정합니다. 기존 gpt-image-2 코드는 모델 이름 하나만 변경하여 업그레이드할 수 있으며, 그 밖의 모든 매개변수, 가격 및 타임아웃 동작은 그대로 적용됩니다. 출시 문서: GPT-image-2.5 출시: Flare는 더 빠르고 Sunburst는 더 선명합니다.

핵심 기능

모든 해상도 지원(4K 포함)

유효한 모든 출력 크기를 지원합니다. 프리셋은 1K / 2K / 3840×2160 4K를 포함합니다. 사용자 지정 크기는 기본 제약만 만족하면 됩니다(가로세로가 16의 배수이고, 비율이 3:1 이하).

자동 고충실도

참고 이미지 편집 시 자동으로 고충실도가 활성화됩니다. 디테일, 인물 동일성, 텍스트 보존이 크게 향상됩니다. 절대 input_fidelity를 전달하지 마십시오(오류가 발생합니다).

20-30% 더 저렴함

1024×1024 고품질은 1.5의 $0.25대에서 $0.211/이미지로 내려갑니다. 2K/4K는 token 기준 과금이지만 같은 추세로 낮아지며, 장기 비용이 눈에 띄게 낮습니다.

중국어 + 텍스트 렌더링

중국어 prompt를 네이티브로 지원합니다. 간판, 포스터, UI 스크린샷에서 중국어/영문 텍스트를 안정적으로 렌더링합니다. 작은 텍스트도 high 품질에서는 흐릿해지는 경우가 드뭅니다.

다중 이미지 융합(최대 16장)

image[] 배열은 최대 16개의 참고 이미지를 허용합니다. prompt에서 “image 1 / image 2 / image 3”를 사용해 업로드 순서대로 참조할 수 있습니다.

마스크 인페인팅

알파 채널 마스크를 업로드합니다. 투명한 영역은 inpaint 영역이고, 불투명한 영역은 보존됩니다.

여러 출력 형식

png(기본값) / jpeg / webp를 지원합니다. 파일 크기를 제어하려면 jpeg/webp에 output_compression를 설정하십시오.

OpenAI SDK 직접 사용

base_url를 https://api.apiyi.com/v1로 지정하고 공식 OpenAI SDK로 바로 호출하십시오. 코드 변경 없이 마이그레이션할 수 있습니다.

가격 정책

APIYI의 gpt-image-2.5-flare / gpt-image-2.5-sunburst / gpt-image-2 (기본 그룹)은 OpenAI의 공식 요율과 정확히 일치하는 하나의 가격표를 공유합니다 — 할인은 대신 충전 보너스에서 제공됩니다. $100를 충전하면 10%의 보너스를 받을 수 있으며, 최대 20%까지 제공됩니다. 📖 충전 프로모션 알아보기.

토큰 요율(OpenAI의 목록과 동일)

토큰 기준 과금 — 요청 1건 = 입력 텍스트 + 입력 이미지 + 출력 이미지 token:

청구 항목	가격(1M tokens당)	참고
텍스트 입력	$5.00	prompt의 텍스트 부분
이미지 입력	$8.00	편집/융합 요청의 참고 이미지로, Vision 규칙에 따라 token화됩니다
이미지 출력	$30.00	가장 큰 비용 요인 — 크기 × 품질에 따라 token 수가 결정됩니다
캐시된 입력	텍스트 $1.25 / 이미지 $2.00	설정할 수는 있지만, 동시 실행 수가 높으면 적중률이 제한됩니다 — FAQ를 참조하십시오

왜 이미지 입력이 더 비쌉니까? 이미지 입력은 $8.00 / 1M tokens로, 텍스트 입력 요율 $5.00 / 1M보다 1.6배 비쌉니다(이는 OpenAI의 자체 공개 가격이며, APIYI의 추가 마진이 아닙니다). 이것이 편집 / 다중 이미지 융합 요청이 일반적인 텍스트-이미지 생성보다 입력 측 비용이 눈에 띄게 더 높은 이유이기도 합니다. 참고 이미지는 Vision 규칙에 따라 많은 수의 이미지 token으로 token화되며, 각 token은 이미 텍스트 token보다 60% 더 높은 가격으로 책정되어 있습니다.

이미지당 비용 참고(공식 표, gpt-image-2)

1K 사전 설정 크기에서 gpt-image-2의 일반적인 이미지당 비용입니다(2.5 모델은 동일한 등급 이름에 대해 서로 다른 token 수를 사용합니다. 다음 섹션을 참조하십시오).

품질	1024×1024	1024×1536	1536×1024
낮음	$0.006	$0.005	$0.005
중간	$0.053	$0.041	$0.041
높음	$0.211	$0.165	$0.165

과금 참고사항:

단가는 OpenAI의 정가와 동일합니다. 충전 보너스($100 충전 시 10%, 최대 20%)를 더하면 직접 이용하는 것보다 실제 비용이 낮아집니다.
2K / 4K에는 고정된 이미지당 가격이 없으며 실제 입력 + 출력 token을 기준으로 과금됩니다.
편집 요청은 고화질 충제가 적용되므로 텍스트-이미지 요청보다 입력 token이 눈에 띄게 많습니다.
스트리밍(stream: true + partial_images: N)은 부분 결과마다 출력 이미지 token 100개가 추가로 부과됩니다.
동일한 크기와 품질에서 gpt-image-1.5와 비교하면 gpt-image-2가 약 20~30% 저렴합니다.

2.5 모델의 품질 단계 및 측정된 비용 (측정일: 2026-09-09)

동일한 티어 이름이 2.5와 gpt-image-2에서 동일한 token 수를 의미하지는 않습니다: 2.5에서는 품질 단계가 다시 분류됩니다. low는 변경되지 않고, 2.5의 high는 gpt-image-2의 medium와 같으며, 2.5의 max는 gpt-image-2의 high와 같습니다. 표에는 usage.output_tokens 및 1024×1024 텍스트-이미지 변환의 $30 / 1M 기준 출력 비용이 표시되어 있으며, 동일한 prompt로 각각 한 번씩 순차 실행한 결과입니다(flare와 sunburst는 티어별 token 수가 동일하고 지연 시간만 다릅니다).

품질	gpt-image-2	gpt-image-2.5-flare	gpt-image-2.5-sunburst
`low`	196 tokens ≈ $0.006 (21 s)	196 tokens ≈ $0.006 (10 s)	196 tokens ≈ $0.006 (14 s)
`medium`	1,756 tokens ≈ $0.053 (63 s)	439 tokens ≈ $0.013 (10 s)	439 tokens ≈ $0.013 (19 s)
`high`	7,024 tokens ≈ $0.211 (224 s)	1,756 tokens ≈ $0.053 (21 s)	1,756 tokens ≈ $0.053 (42 s)
`xhigh`	❌ 400	3,122 tokens ≈ $0.094 (31 s)	3,122 tokens ≈ $0.094 (60 s)
`max`	❌ 400	7,024 tokens ≈ $0.211 (45 s)	7,024 tokens ≈ $0.211 (142 s)

gpt-image-2에서 마이그레이션할 때 quality를 그대로 가져오지 마십시오: 동일한 high를 사용하면 2.5에서는 출력 token 수가 4분의 1이 되고 품질 단계에서 더 낮은 단계로 매핑됩니다. gpt-image-2의 high와 token 예산을 맞추려면 2.5에서 max을 전송하십시오. 반대로 2.5의 high / xhigh을 사용하면 동일한 예산으로 더 저렴한 중간 단계 두 개를 이용할 수 있습니다. 자체 prompt를 한 번 실행하고 프로덕션에 적용하기 전에 usage.output_tokens를 확인하십시오. 2K / 4K는 픽셀 비율을 기준으로 추정하십시오.

여러 입력 이미지가 가격에 미치는 영향(2026년 7월 검증됨)

많은 고객이 묻는 질문입니다. “참조 이미지마다 정액 요금이 적용되나요, 아니면 더 큰 이미지일수록 더 많은 tokens가 드나요?” 답은 둘 다 영향을 미치며, 이미지 수는 엄격하게 선형적으로 누적됩니다. gpt-image-2는 모든 입력 이미지를 강제 고해상도로 처리하며(input_fidelity는 조정할 수 없습니다. 이를 전달하면 400이 반환됩니다), 각 참조 이미지는 크기와 종횡비에 따라 image token으로 변환됩니다. 통제된 측정값(편집 endpoint, 2026-07-15):

참조 이미지 입력	`image_tokens`	입력 비용 ($8/M)
1 × 512×512	1024	≈$0.0082
1 × 1024×1024	1024	≈$0.0082
1 × 2048×2048	1521	≈$0.0122
1 × 4096×4096	1521	≈$0.0122
1 × 1024×1536 (세로형)	1536	≈$0.0123
4 × 1024×1024	4096 (= 4 × 1024)	≈$0.0328

세 가지 경험칙입니다.

개수는 엄격하게 선형입니다: N개의 참조 이미지는 대략 N × 단일 이미지 tokens입니다. 1024² 해상도의 참조 이미지 16장은 ≈ 16384 tokens ≈ $0.13으로, 하나의 high 출력($0.211)과 같은 자릿수이므로 여러 이미지 융합에서는 더 이상 무시할 수 없습니다.
크기에는 하한과 상한이 모두 있습니다: 1024² 이하의 정사각형 이미지는 모두 1024 tokens로 과금됩니다(512로 줄여도 절약되는 것은 없습니다). 2048²와 4096²는 모두 1521 tokens가 듭니다(과도하게 큰 이미지는 변환 전에 축소되므로 상한이 적용됩니다). 단일 참조 이미지는 종횡비를 포함해 대략 800~1600 token 범위에 들어갑니다.
tokens는 파일 크기가 아니라 픽셀 크기로 결정됩니다: 1.5MB로 압축하면 업로드 안정성과 속도는 좋아지지만 image tokens는 줄지 않습니다. 반대로 50MB 원본을 올려도 요금이 폭증하지는 않습니다(상한이 적용됩니다).

비용 감각: low 출력(196 tokens ≈ $0.006)에서는 참조 이미지 1장의 입력 비용(≈$0.008)이 실제로 출력보다 더 큽니다. high 출력(≈$0.211)에서는 참조 이미지 1장이 약 4%에 불과합니다. 출력 크기와 품질이 언제나 가장 큰 가격 레버입니다 — 참조 이미지 수는 그다음입니다.

2K/4K 비용 추정치(픽셀 비율 외삽, ⚠️ 공식 고정 가격 아님)

OpenAI는 1K 크기에 대해서만 이미지당 고정 가격표를 공개합니다 — 2K/4K에 대한 공식적인 크기별 가격은 없습니다. 아래 표는 위의 1K 공식 요율을 기준으로 픽셀 수에 따라 스케일링한 APIYI의 자체 외삽이며, 예산 산정용일 뿐입니다:

품질	2048×2048 (2K 정사각형)	2048×1152 (2K 가로형)	3840×2160 / 2160×3840 (4K)
낮음	≈$0.024	≈$0.008	≈$0.026
중간	≈$0.212	≈$0.062	≈$0.216
높음	≈$0.844	≈$0.248	≈$0.870

이것은 추정치이며, 공식 가격표가 아닙니다. 방법: 같은 종횡비의 1K 공식 행을 기준선으로 사용한 뒤, 목표 크기의 픽셀 수를 해당 기준선 대비 비율로 선형 스케일링합니다(예: 2048×2048은 1024×1024보다 픽셀이 4배이므로 추정 비용도 ×4입니다). 실제 출력 image token 수는 콘텐츠 복잡도에 따라 모델이 동적으로 결정하며, 엄밀히 선형적이지는 않으므로 실제 응답의 usage.output_tokens을 기준으로 삼으십시오(아래의 “각 호출의 실제 token 수를 확인하는 방법” 참조). high 품질에서 2560×1440을 초과하는 크기는 여전히 공식 실험 단계이므로, 그 구간의 추정치는 정확도가 떨어질 수 있습니다.

SaaS 구독 / 크레딧 기반 과금과의 차이

이미지 생성 도구 제공업체는 일반적으로 두 가지 방식으로 과금합니다.

월간 구독 요금제: 월 정액으로 “월 N개 이미지” 쿼터를 제공하는 방식입니다. 이 쿼터는 과대 판매 가정을 바탕으로 가격이 책정됩니다. 즉, 제공업체는 대부분의 사용자가 할당량을 모두 사용하지 않을 것이라는 기대를 가격에 반영하므로, 광고되는 “이미지당 비용”은 실제로 개별 이미지를 생성하는 데 드는 비용이 아니라 요금제 가격을 쿼터 상한으로 나눈 값에 불과합니다.
크레딧 / 포인트 기반 계량: 품질이나 크기가 다른 작업을 불투명한 “크레딧”으로 환산합니다. 이는 사실상 내부적으로는 사용량 기반 과금이지만, 실제 token 소비를 가리는 크레딧 단위 뒤에 다시 포장한 것에 불과합니다.

APIYI는 공식 릴레이 + 실제 token 계량 과금 모델로 운영됩니다. 요금제 쿼터도 없고, 크레딧 추상화 계층도 없습니다. 각 호출의 비용은 단순히 실제 입력/출력 token × 공식 요율이며, 구독의 과대 판매나 한도를 초과했을 때의 차단 동작 없이 호출 단위로 정확하게 계산됩니다.

사용량 기반 과금의 트레이드오프는 구독처럼 월 고정 총액의 확실성을 얻는 대신 사용량을 직접 추정하고 모니터링해야 한다는 점입니다. 장점은 실제로 사용한 만큼만 지불하므로 유휴 낭비가 없다는 것입니다. 아래 방법을 사용하면 응답에서 각 호출의 실제 token 수를 바로 추출하여 직접 정산할 수 있습니다.

각 호출의 실제 token 수를 확인하는 방법

/v1/images/generations와 /v1/images/edits 모두 usage 필드를 반환하며, image input token과 text input token은 별도 필드로 돌아옵니다 — 추정할 필요 없이 그대로 읽으면 각 호출의 정확한 비용을 알 수 있습니다. 참조 이미지 1개가 포함된 실제 편집 요청에서 캡처한 전체 usage 객체는 다음과 같습니다:

{
    "data": [ { "b64_json": "..." } ],
    "usage": {
        "input_tokens": 848,
        "input_tokens_details": {
            "image_tokens": 832,
            "text_tokens": 16
        },
        "output_tokens": 196,
        "output_tokens_details": {
            "image_tokens": 196,
            "text_tokens": 0
        },
        "total_tokens": 1044
    }
}

필드	의미
`usage.input_tokens_details.text_tokens`	프롬프트 텍스트에 의해 소모된 token으로, $5.00 / 1M 요금이 부과됩니다
`usage.input_tokens_details.image_tokens`	Vision 규칙에 따라 참조 이미지가 변환되는 token으로, $8.00 / 1M 요금이 부과됩니다; 참조 이미지가 없는 일반적인 text-to-image에서는 항상 0입니다
`usage.input_tokens`	위 두 필드의 합계입니다
`usage.output_tokens`	`quality × size`에 의해 결정되는 생성된 이미지의 token입니다 — 이것이 가장 큰 비용 요소이며, $30.00 / 1M 요금이 부과되고, 2K/4K 요청에서 특히 주의해서 봐야 하는 수치입니다 (`output_tokens_details.image_tokens`이 이를 반영하며; `text_tokens`는 항상 0입니다)
`usage.total_tokens`	입력 + 출력 합계입니다

셀프서비스 비용 공식(정확):

cost ≈ input_tokens_details.text_tokens × \$5.00 / 1,000,000
     + input_tokens_details.image_tokens × \$8.00 / 1,000,000
     + output_tokens × \$30.00 / 1,000,000

과거 호출의 실제 token 사용량과 과금 세부 정보를 확인하려면 콘솔의 “Logs” 페이지를 살펴보십시오: 📖 How to view your call logs — 로그 상세 보기에서는 text-input / image-input / output 가격이 각 token 수와 함께 표시되며, API의 usage.input_tokens_details / usage.output_tokens_details와 일치합니다. Responses API의 image_generation 도구는 token 수를 같은 방식으로 usage.input_tokens / usage.output_tokens로 보고합니다 — Responses tool integration를 참고하십시오.

그룹 설정

세 가지 GPT-Image 2.5 / 2 모델은 모두 동일한 공식 릴레이 그룹을 공유합니다. 대시보드에서 → token 설정 → 그룹으로 전환합니다.

그룹	요율	사용 시점
`Default`	1.0x	OpenAI의 정가와 동일합니다. 가용 용량이 있을 때 첫 번째 선택지이지만, 피크 시간에는 429 / 동시 실행 수 부족이 발생할 수 있습니다
`image2Enterprise`	1.2x	기본 그룹이 혼잡할 때 안정적인 대체 옵션입니다. 용량 우선으로 처리됩니다
`svip`	콘솔에서 확인	세 모델을 모두 지원하며, 요율은 콘솔의 token 페이지에 표시됩니다

왜 1.2x인가요? 이는 “20% 보너스가 제공되는 $3,000 단일 충전 프로모션 ≈ OpenAI 정가”를 기준으로 조정된 요율입니다. APIYI는 이 경로에서 마진을 취하지 않으며(세금 비용 제외), 순수한 공급 우선 채널로 운영합니다. 기본 그룹이 불안정할 때는 token을 image2Enterprise로 전환하여 급증 상황을 안정적으로 넘길 수 있습니다.

token 생성 UI: 과금 모드 = 종량제 우선, 그룹 = image2Enterprise(1.2x), 고속 정가 GPT-image-2 엔터프라이즈 그룹 — Token settings: pick the image2Enterprise group (1.2x) — stable when default capacity is tight

📖 안정성 확인(최근 호출 로그): /en/live/2026-04/image2-enterprise-stable

기술 사양

차원	값
모델 이름	`gpt-image-2.5-flare` / `gpt-image-2.5-sunburst` / `gpt-image-2` (동일한 파라미터, 위의 모델 선택 섹션 참조)
속도	1024² 측정값 (2026-09-09): `gpt-image-2.5-flare` `low` 10초 / `high` 21초 / `max` 45초; `gpt-image-2.5-sunburst` 14 / 42 / 142초; `gpt-image-2` `low` 21초 / `high` 224초. 고품질 + 2K/4K는 더 오래 걸립니다
출력 해상도	유효한 모든 크기 (1K/2K/4K, 최대 3840×2160)
품질 등급	`auto` / `low` / `medium` / `high` / `xhigh` / `max` (`xhigh` / `max`은 두 2.5 모델에서만 지원됩니다)
출력 형식	`png` (기본값) / `jpeg` / `webp`
중국어 prompt	✅ 네이티브 지원
호출당	이미지 1개 (`n=1`)
참조 이미지 한도	16개 (`image[]`)
이미지당 크기 제한	multipart 파일: 각각 50MB 미만 (png/jpg/webp); base64 데이터 URL: 약 20MiB 필드 한도, 원본은 15MB 이내로 유지
마스크 인페인팅	✅ 지원됨 (알파 채널 필요, PNG 4MB 미만)
투명 배경	✅ 지원됨 (`background: "transparent"` 및 `png` / `webp`과 함께 사용; `jpeg`에는 알파 채널이 없으며 투명 배경과 함께 사용할 수 없습니다)
응답 필드	`b64_json` (raw base64, 접두사 없음); `response_format`은 허용되지 않습니다 — 전달하면 400을 반환합니다

엔드포인트

Endpoint	용도	Content-Type
`POST /v1/images/generations`	텍스트-투-이미지	`application/json`
`POST /v1/images/edits`	참조 편집 / 다중 이미지 융합 / 마스크 인페인팅	`multipart/form-data`

도메인 선택: api.apiyi.com이 기본 도메인입니다. b.apiyi.com / vip.apiyi.com 같은 다른 게이트웨이 도메인도 동일하게 동작합니다.

크기 참조

사전 설정된 크기

size	의미	Pixels
`auto`	적응형(기본값)	모델이 결정합니다
`1024x1024`	정사각형 1:1	1K
`1536x1024`	가로형 3:2	1K
`1024x1536`	세로형 2:3	1K
`2048x2048`	정사각형 1:1	2K
`2048x1152`	가로형 16:9	2K
`3840x2160`	가로형 16:9	4K
`2160x3840`	세로형 9:16	4K

사용자 지정 크기 제약

gpt-image-2은 다음 조건을 모두 만족하는 유효한 크기라면 무엇이든 허용합니다.

최대 변 ≤ 3840px
양쪽 변이 모두 16의 배수
가로세로 비율 ≤ 3:1
총 픽셀 수 ∈ [655,360, 8,294,400] (~0.65MP to ~8.3MP)

유효한 예시: 1600x1200, 1792x1024, 2048x1536, 3200x1800 유효하지 않은 예시: 1000x1000 (16의 배수가 아님), 4000x4000 (최대값 초과), 3840x1000 (비율 > 3:1)

2560×1440을 초과하는 출력은 (~3.69MP) 공식적으로 실험적으로 표시되며 품질 변동이 있을 수 있습니다. 프로덕션에서는 2048x1152 / 2048x2048 / 3840x2160 같은 사전 설정을 사용하는 것이 좋습니다.

품질 참고

사용 가능한 티어

품질	의미	참고
`auto`	자동 (기본값)	`quality`이 생략될 때 사용되는 값입니다 — 모델이 티어를 자동으로 선택합니다
`low`	낮은 품질	가장 빠르고 저렴합니다 — 초안 / 배치에 적합합니다
`medium`	중간 품질	일상적인 사용 / 최종 출력에 균형 잡힌 선택입니다
`high`	높은 품질	텍스트, 세밀한 텍스처, 인쇄에 적합합니다. `gpt-image-2`에 가장 높은 티어입니다
`xhigh`	매우 높은 품질 (2.5에서 새로 추가됨)	`gpt-image-2.5-flare` / `sunburst`에서만 허용됩니다. `high`보다 출력 token 수가 많습니다
`max`	최고 품질 (2.5에서 새로 추가됨)	2.5 모델 두 개에서만 허용됩니다. 비용과 지연 시간이 가장 높으며, 프로덕션 수준의 최종 출력에 적합합니다

기본값은 auto이며 medium이 아닙니다. quality을 생략하는 것은 "quality": "auto"을 전달하는 것과 같습니다 — 모델이 품질 티어를 자동으로 선택하며, OpenAI는 이것이 medium에 매핑된다고 보장하지 않습니다. auto가 확인하는 티어는 예측할 수 없으며 비용, 지연 시간, 과금 안정성에 직접적인 영향을 줍니다. 비용을 제어하고 예측 가능성을 확보해야 하는 경우에는 auto에 의존하지 말고 low / medium / high / xhigh / max 중 하나를 명시적으로 전달해야 합니다.

레거시 DALL·E 값인 standard / hd은 전달하지 마십시오. quality은 공식 enum 값 6개인 low / medium / high / xhigh / max / auto만 허용하며, xhigh / max는 2.5 모델 두 개에서만 허용됩니다. 레거시 DALL·E 3 값인 standard / hd은 백엔드 채널에 따라 일관되지 않게 동작합니다. 경우에 따라 400(invalid_value) 오류와 함께 즉시 실패하며, 경우에 따라 조용히 무시되고 요청이 auto에서 실행됩니다(예측할 수 없는 비용). 항상 공식 값 중 하나를 명시적으로 전달해야 합니다.

quality는 가격에 가장 큰 영향을 미치며, size보다도 영향이 큽니다. 이미지 출력 token 수는 quality × size에 의해 결정되지만 quality의 영향이 훨씬 큽니다. 동일한 크기에서 low에서 high로 변경하면 이미지당 비용이 30배 이상 달라질 수 있습니다(위의 “이미지당 비용” 표를 참조하십시오. 1024×1024에서 gpt-image-2는 low $0.006부터 high $0.211까지이며, 2.5 모델은 low $0.006부터 max $0.211까지입니다). 먼저 quality로 비용을 추정한 다음 size의 영향을 반영하십시오.

모범 사례

온보딩 팁: 먼저 low으로 API를 작동시킨 다음 확장합니다신규 통합 담당자가 곧바로 quality=high + 고해상도로 시작했다가 이미지당 **약 235초(약 4분)**를 기다린 후 API가 멈춘 것으로 의심하는 사례를 확인했습니다. high 모드는 추론 복잡도가 가장 높으며, 4K에서는 5분에 가까운 시간이 걸릴 수 있습니다. 프로덕션 환경으로 전환하기 전에 먼저 quality=low으로 엔드투엔드 통합을 완료한 다음(인증, SDK, 매개변수, 시간 초과, 오류 처리), 실제 품질 요구 사항에 따라 필요한 경우에만 medium / high으로 높이십시오.

먼저 낮은 등급으로 통합

신규 통합에서는 quality=low + 사전 설정 크기로 시작하여 전체 호출 체인(인증, 매개변수, 시간 초과, 오류 처리)을 검증하십시오. low은 high보다 몇 배 빠르므로 긴 지연 시간에 가려지지 않고 기능 문제가 빠르게 드러납니다.

사전 설정 크기 우선 사용

공식 사전 설정 8개는 안정적인 속도와 품질을 위해 조정되어 있습니다. 사용자 지정 크기는 정말 특이한 종횡비가 필요한 경우에만 사용하십시오.

시나리오에 맞춰 품질 선택

초안 / 일괄 처리 → low; 일상 사용 / 최종 결과물 → medium; 텍스트, 섬세한 질감, 인쇄 → high. low ↔ high은 시각적 충실도 이상의 차이이며, 추론 복잡도도 크게 달라진다는 점에 유의하십시오. 따라서 지연 시간도 그에 따라 증가합니다.

JPEG 출력 선택

최종 표시에는 output_format=jpeg + output_compression=85이 PNG보다 빠르고 크기도 대략 절반입니다.

텍스트 시나리오에서는 높음으로 고정

텍스트 렌더링은 핵심 강점이지만 낮은 등급에서는 여전히 흐려질 수 있습니다. 간판 및 포스터 시나리오에서는 quality=high로 고정하십시오.

참조 이미지 준비

이미지당 최대 50MB이며(실무에서는 1.5MB 이내로 압축), PNG/JPEG/WebP를 지원합니다. 최대 16개의 이미지를 사용할 수 있으며, 프롬프트에서 “이미지 1 / 이미지 2”와 같이 참조 순서를 지정하십시오.

클라이언트 시간 초과를 등급별로 설정(높음 → 안전망 600초)

지연 시간을 좌우하는 두 매개변수는 quality 및 **size**이며, 특히 quality입니다. 등급별로 클라이언트 시간 초과를 설정하십시오.

품질	권장 클라이언트 시간 초과	관찰된 지연 시간
`low`	≥ 120초	일반적으로 10~40초
`medium`	≥ 240초	일반적으로 30~90초
`high`	≥ 600초(안전망)	gpt-image-2 2K/4K 실행은 3~~5분이 걸리며, 235초를 초과하는 긴 꼬리 지연이 관찰되었습니다. 2.5 모델은 1024²에서 21~~42초로 측정되었습니다.
`xhigh` (2.5 전용)	≥ 300초	1024²에서 31~60초로 측정됨(2026-09-09); 2K/4K에서는 더 오래 걸림
`max` (2.5 전용)	≥ 600초(안전망)	1024²에서 45~142초로 측정됨; gpt-image-2 `high`과 동일한 token 수이므로 2K/4K도 gpt-image-2 `high`와 같은 수준으로 예산을 책정하십시오.

high 모드에서는 대기열 처리, 긴 꼬리 지연의 변동성 및 상위 시스템의 지터를 흡수할 수 있도록 안전망 시간 초과를 600초로 설정하십시오. UI에 진행률을 표시하고, 서버 측 작업 큐 사용을 고려하십시오.

마이그레이션 참고 사항

gpt-image-1.5에서 마이그레이션하는 경우: input_fidelity을 제거하십시오(고충실도로 강제되며 전달하면 오류가 발생함). background: transparent은 변경 없이 기존과 동일하게 계속 작동하므로 별도의 변경이 필요하지 않습니다. 기존 DALL·E 2/3 코드에서 마이그레이션하는 경우: response_format을 제거하십시오(GPT Image 모델은 이를 거부하며 400 Unknown parameter: 'response_format'이 발생하고, 출력은 항상 b64_json입니다).

오류 및 재시도

상태	의미	권장 조치
`400`	잘못된 매개변수(크기 제약 위반, 지원되지 않는 필드 등)	크기 제약을 확인하십시오; 전달하지 마십시오 `response_format` / `input_fidelity`; `background: transparent`을 `output_format: jpeg`과 함께 사용하면 400도 반환됩니다(jpeg에는 alpha 채널이 없습니다) — 대신 `png` / `webp`을 사용하십시오; `Unknown parameter: 'response_format'`에서는 해당 매개변수를 제거하십시오 — FAQ 참조; 편집 엔드포인트의 `invalid_image_file`은 보통 MPO 휴대폰 사진입니다 — FAQ 참조
`401`	잘못된 토큰	Bearer Token을 확인하십시오
`403`	콘텐츠 모더레이션 차단	프롬프트를 조정하거나 `moderation: low`을 전달하십시오
`429`	요청 제한 / 잔액 부족	지수 백오프
`5xx`	게이트웨이 / 백엔드 오류	1–2회 재시도
Timeout	롱테일	`quality`별로 클라이언트 타임아웃을 단계별로 설정하십시오: `low` ≥ 120s / `medium` ≥ 240s / `high` ≥ 600s (상위 + 2K/4K 실행은 3–5분 소요; 235초 이상에서 롱테일 관측)

클라이언트 권장 사항:

quality별로 요청 타임아웃을 단계별로 설정하십시오: low ≥ 120 seconds / medium ≥ 240 seconds / high ≥ 600 seconds (안전망 — 3–5분이 관측되며, 120s/360s 정도로 설정하면 잘못된 타임아웃이 많이 발생합니다)
먼저 quality=low와 연동한 다음, 실제 품질 요구에 따라 medium / high로 올리십시오
5xx 및 타임아웃에 대해 지수 백오프를 사용하십시오(2회 재시도 권장)
지원을 위해 x-request-id 헤더를 기록하십시오

FAQ

400 Unknown parameter: 'response_format' 오류를 어떻게 해결합니까?

response_format 매개변수를 제거하십시오. 현재 가장 흔한 400 오류입니다. gpt-image-2 (전체 GPT Image 시리즈)는 response_format를 허용하지 않습니다. 출력 형식은 b64_json으로 고정되어 변경할 수 없습니다. 이를 전달하면 다음 오류가 반환됩니다.

{
  "error": {
    "message": "Unknown parameter: 'response_format'.",
    "type": "invalid_request_error",
    "param": "response_format",
    "code": "unknown_parameter"
  }
}

이 매개변수는 url / b64_json를 제공했던 DALL·E 2/3 시대의 레거시이며, 오래된 샘플 코드와 일부 서드파티 라이브러리에는 여전히 기본값으로 포함되어 있습니다. gpt-image-2로 마이그레이션할 때는 해당 필드를 삭제하고 data[0].b64_json를 직접 읽으십시오(raw base64이며, 디코딩하여 이미지 파일을 얻습니다). 이 오류는 입력 검증 단계에서 반환되며 과금되지 않습니다.워크플로에서 base64 대신 이미지 URL이 반드시 필요한 경우:

공식 gpt-image-2에는 URL 출력이 없습니다. base64를 디코딩한 후 자체 오브젝트 스토리지에 업로드하십시오.
또는 response_format: "url"를 지원하고 24시간 동안 유효한 CDN 링크를 반환하는 리버스 엔지니어링 버전 gpt-image-2-all으로 전환하십시오.

b64_json에 data:image/png;base64, 접두사를 추가해야 합니까?

예. gpt-image-2는 gpt-image-2-all와 달리 raw base64 문자열을 반환합니다(접두사 없음). 클라이언트 구현 패턴은 다음 두 가지입니다.

파일 작성: base64.b64decode(b64_str) → 디스크에 작성
브라우저 렌더링: img.src = 'data:image/png;base64,' + b64_str (수동으로 앞에 추가)

코드가 1.5 시대의 “이미 접두사가 포함된” 동작을 가정하면 손상된 데이터 URL이 생성되므로, 이를 명시적으로 처리하십시오.

input_fidelity를 전달하면 왜 400 오류가 반환됩니까?

gpt-image-2는 참조 이미지에 고충실도 처리를 강제로 적용하며 더 이상 input_fidelity를 허용하지 않습니다. 1.5에서 마이그레이션할 때는 이 필드를 제거하기만 하면 되며, 대체 항목은 필요하지 않습니다.

투명한 배경이 필요하면 어떻게 합니까?

background: "transparent"를 전달하고 output_format를 png 또는 webp로 설정하면 됩니다. 반환되는 이미지는 실제 알파 채널 이미지이므로 별도의 누끼 추출 후처리가 필요하지 않습니다. 텍스트-이미지, 이미지 편집, Responses 이미지 도구 모두 이를 지원합니다.두 가지 제한 사항이 있습니다. jpeg에는 알파 채널이 없으며 투명도와 함께 사용할 수 없습니다(400 오류 반환). 또한 편집 엔드포인트에서 투명도는 정밀한 원본 윤곽선 추적이 아니라 다시 그리는 작업이므로 피사체의 세부 사항이 달라질 수 있습니다. 픽셀 단위로 정확한 추출이 필요하다면 rembg / PIL / sharp를 직접 실행하십시오.전체 세부 정보와 모델별 지원 여부는 투명한 배경으로 이미지를 생성하려면 어떻게 해야 합니까를 참조하십시오.

한 번의 호출에서 이미지를 몇 개 생성할 수 있습니까?

이미지 1개(n=1)입니다. N개의 이미지가 필요하면 N개의 요청을 병렬로 실행하십시오. 각 요청은 독립적으로 token 과금됩니다.

2K/4K가 왜 이렇게 느립니까?

더 높은 해상도와 품질에는 더 많은 출력 이미지 token이 필요하므로 자연스럽게 시간이 더 오래 걸립니다. 실제 고객 통합 환경에서 **quality=high + 고해상도의 경우 이미지당 약 235초(약 4분)**가 걸리는 것을 확인했으며, 3840×2160 + high의 긴 꼬리 지연은 5분에 가까워질 수 있습니다. 권장 사항은 다음과 같습니다.

먼저 quality=low와 통합하여 호출 체인을 검증한 다음, 실제 품질 요구에 따라 상위 단계로 이동하십시오.
품질별로 클라이언트 timeout을 설정하십시오: low ≥ 120초 / medium ≥ 240초 / high ≥ 600초(안전망)
UI에 “생성 중” 진행 상태를 표시하십시오.
4K가 필요하지 않다면 1024×1024 / 1536×1024 1K 프리셋을 사용하십시오.

캐시된 입력 과금의 실제 혜택을 받을 수 있습니까?

구성되어 있기는 하지만, 비용 예산에 캐시 할인을 반영하여 설계하지는 마십시오. 공식 캐시 입력 요율은 텍스트 $1.25 / 이미지 $2.00(1M token당)이며, APIYI 채널에는 캐싱이 구성되어 있습니다. 요청이 캐시에 적중하면 캐시 요율로 과금됩니다.한 가지 솔직한 제한 사항이 있습니다. 높은 동시 실행 수를 유지하기 위해 APIYI는 여러 상위 OpenAI 계정에 요청을 분산합니다(단일 OpenAI Tier-5 계정은 250 RPM만 허용). OpenAI의 프롬프트 캐시는 계정 간에 공유되지 않으므로, 동시 실행 수가 높을 때 동일한 접두사를 공유하는 요청이 같은 계정에 도달하지 않을 수 있으며 캐시에 적중하지 않을 수 있습니다.다행히 영향은 작습니다. 이미지 생성에서 지배적인 비용은 출력 이미지 token($30 / 1M)이며, 캐시 할인은 입력 측에만 적용되므로 이미지당 총비용에는 거의 영향을 주지 않습니다. 전체 입력 요율을 기준으로 예산을 책정하고, 캐시 적중은 추가 절감액으로 간주하십시오.

편집 요청이 텍스트-이미지보다 비싼 이유는 무엇입니까?

gpt-image-2가 참조 이미지의 고충실도 처리를 자동으로 활성화하기 때문입니다. 참조 이미지 자체가 Vision 과금 규칙에 따라 대량의 입력 token 수로 변환됩니다. 편집 입력 token은 텍스트-이미지보다 눈에 띄게 많으므로 이에 맞춰 예산을 책정하십시오.

크기와 참조 이미지가 같은데도 호출마다 비용이 다른 이유는 무엇입니까?

근본 원인: quality가 auto로 설정되었거나 생략되었습니다. “크기, 해상도, 참조 이미지가 동일한데 가격이 오르내린다”라고 보고한 고객이 있었습니다. 조사 결과 size와 quality가 모두 auto로 설정되어 있었습니다.원인은 quality: auto입니다. 자동 모드에서 모델은 요청을 해석하고 각 생성마다 다른 품질 등급을 즉석에서 선택합니다. 등급이 달라지면 출력 이미지 token 수도 달라지고, 이에 따라 가격도 달라집니다. 다음은 **입력이 동일한 실제 과금 내역 3건(각각 입력 token 1061개)**이지만 비용이 몇 배까지 달라진 사례입니다.

지연 시간	입력 token	출력 token	호출당 비용
53s	1061	1286	$0.055082
135s	1061	5146	$0.194042
68s	1061	1287	$0.055118

두 번째 호출에서는 auto가 더 높은 품질 등급으로 결정되어 출력 token이 5146개로 증가했고, 가격은 약 3.5배 상승했습니다.해결 방법: quality가 auto에 머물러 있지 않도록 하고 low / medium / high를 명시적으로 전달하십시오. 등급을 고정하면 동일한 입력에 대한 출력 token 수와 가격이 안정적이고 예측 가능해집니다. 위의 “품질 참조” 섹션을 참조하십시오.

편집 엔드포인트의 이미지 수와 크기 제한은 어떻게 됩니까?

gpt-image-2 이미지 편집 엔드포인트(/v1/images/edits)는 최대 16개의 참조 이미지를 지원합니다.

multipart/form-data 파일 업로드: 각 이미지는 50MB 미만이어야 하며, 형식은 png / jpg / webp이어야 합니다.
base64 데이터 URL: 필드 길이 제한은 약 20MiB입니다(스키마 maxLength: 20971520 — 50MB multipart 제한과 동일하지 않은 문자열 필드 제한). 따라서 원본 이미지는 15MB 이내로 유지하십시오.
마스크 파일: 별도로 4MB 미만의 PNG로 제한됩니다.

실용적인 조언: 여러 개의 대용량 이미지를 한 번에 제한까지 사용하지 마십시오. 지나치게 큰 요청 본문은 게이트웨이 / timeout 계층에서 실패하는 경향이 있습니다. 각 이미지를 1.5MB 이내로 압축하는 것이 가장 안정적이며, 출력 품질은 입력 파일 크기와 관련이 없습니다.

편집 엔드포인트에서 400 'Invalid image file or mode for image 1'이 반환됩니다. 이제 어떻게 해야 합니까?

이 오류(code: invalid_image_file)는 N번째 참조 이미지가 표준 png / jpg / webp 파일이 아니라는 의미입니다(인덱스는 1부터 시작하며, 인덱스를 사용하여 문제가 있는 이미지를 찾으십시오).가장 일반적인 원인은 휴대폰 카메라에서 생성되는 MPO 형식입니다. .jpg 파일은 Huawei Mate 시리즈 휴대폰에서 바로 가져올 경우 HDR 게인 맵 하위 프레임이 포함되어 실제로는 다중 프레임 JPEG 컨테이너(MPO)입니다. 헤더는 FFD8와 동일하고 확장자와 file 명령 모두 JPEG로 표시하므로 육안으로는 식별할 수 없습니다. 2026년 7월에 확인한 결과 MPO 파일은 항상 거부되며, 동일한 이미지를 표준 JPEG/PNG로 다시 인코딩하면 원본 해상도 그대로 성공합니다(크기, image[] 필드 이름 또는 quality/size 매개변수와는 관련이 없습니다). 이 오류는 입력 검증 단계에서 반환되며 과금되지 않습니다.해결 방법: 업로드 전에 Pillow로 다시 인코딩하십시오(Image.open(f).format가 "MPO"를 반환하면 변환이 필요합니다).

from PIL import Image
im = Image.open("photo.jpg")
im.load()                          # for MPO, keeps only the first frame
im.convert("RGB").save("photo_fixed.jpg", quality=92)

전체 세부 정보와 감지 방법은 이미지 편집 API — 참조 이미지 형식 요구 사항 및 전처리를 참조하십시오.

마스크 파일은 어떻게 준비합니까?

원본과 동일한 크기이며 PNG 형식이고 4MB 미만이어야 합니다.
알파 채널이 있어야 합니다: 투명(alpha=0) = 인페인팅 영역, 불투명 = 보존
첫 번째 이미지에만 적용됩니다.
마스크는 “느슨한 가이드”이므로 모델이 마스크 영역 주변을 확장하거나 축소할 수 있습니다.

gpt-image-2와 gpt-image-2-all 중 어느 것을 선택해야 합니까?

선택	사용 시점
gpt-image-2.5-flare / sunburst / gpt-image-2 (공식)	정확한 크기/품질 제어가 필요하거나, OpenAI 공식과 정확히 일치해야 하거나, 4K 출력 또는 마스크 인페인팅이 필요한 경우. flare는 세 가지 중 가장 빠르고, sunburst는 가장 정밀한 편집기입니다.
gpt-image-2-all (리버스)	이미지당 고정 $0.03, 30–60초 렌더링, 최소한의 매개변수, 강한 일관성 / 중국어 텍스트가 필요한 경우

공식 OpenAI SDK를 직접 사용할 수 있습니까?

예. 코드 변경은 전혀 필요하지 않습니다. base_url를 https://api.apiyi.com/v1로 지정하고 api_key를 APIYI token으로 설정하십시오.

from openai import OpenAI
client = OpenAI(api_key="sk-your-key", base_url="https://api.apiyi.com/v1")
resp = client.images.generate(model="gpt-image-2.5-flare", prompt="...", size="2048x1152", quality="high")

진행 중인 생성을 취소할 수 있습니까?

아니요. gpt-image-2는 OpenAI의 공식 동기식 엔드포인트를 사용하므로 요청이 제출되면 “취소” 신호 없이 완료될 때까지 실행됩니다. 클라이언트 연결이 끊기더라도 서버는 생성을 계속 완료하고 정상적으로 과금합니다. 클라이언트 측 timeout을 신중하게 구성하고, “연결 해제 = 과금 없음”이라고 가정하지 마십시오.

요청 제한(RPM)이 있습니까?

기본값은 100 RPM(분당 100개 요청)입니다. 실제로 사용할 수 있는 RPM은 전체 플랫폼 동시 실행 수에 따라 동적으로 조정됩니다. 더 많은 처리량이 필요하다면 예상 QPS / RPM과 함께 문의해 주십시오. 추가 용량을 프로비저닝할 수 있습니다.

비동기 호출을 지원합니까?

아니요. gpt-image-2는 OpenAI 공식 API를 엄격하게 미러링하며 동기식 호출만 지원합니다. 결과가 반환될 때까지 요청이 차단됩니다(high + 4K는 실제로 1~2분). 비동기 큐 또는 콜백 메커니즘이 필요하다면 다음 방법을 사용하십시오.

비즈니스 계층에서 작업 큐(Celery / BullMQ 등)로 직접 래핑하십시오.
또는 gpt-image-2-all를 사용하십시오. 30~60초 내에 생성되므로 프런트엔드에서 폴링하기 더 쉽습니다.

실패한 생성에도 과금됩니까?

아니요. OpenAI의 기본 제공 콘텐츠 조정 기능은 안전하지 않거나 잘못된 요청을 400 오류로 거부하며, 과금되지 않습니다. 일반적인 응답은 다음과 같습니다.

{
  "status_code": 400,
  "error": {
    "message": "Your request was rejected by the safety system. ...",
    "type": "shell_api_error",
    "code": "moderation_blocked"
  }
}

그 밖의 무료 오류로는 401(유효하지 않은 token), 429(요청 제한)이 있습니다. token 과금은 요청이 실제로 모델 생성 단계에 도달한 경우에만 시작됩니다(즉, 200 + b64_json가 수신된 이후).

​개요

텍스트-이미지 API

이미지 편집 API

​AI 에이전트에게 통합을 맡기기

​APIYI의 GPT-image-2 공식 릴레이를 선택해야 하는 이유?

공식 채널 · 공식과 동일

동시 실행 수 제한 없음

동일한 가격 + 최대 15% 할인

전 세계 무장벽 접근

전체 모델 라인업

전문 엔터프라이즈 지원

​모델 선택: flare / sunburst / gpt-image-2

​핵심 기능

모든 해상도 지원(4K 포함)

자동 고충실도

20-30% 더 저렴함

중국어 + 텍스트 렌더링

다중 이미지 융합(최대 16장)

마스크 인페인팅

여러 출력 형식

OpenAI SDK 직접 사용

​가격 정책

​토큰 요율(OpenAI의 목록과 동일)

​이미지당 비용 참고(공식 표, gpt-image-2)

​2.5 모델의 품질 단계 및 측정된 비용 (측정일: 2026-09-09)

​여러 입력 이미지가 가격에 미치는 영향(2026년 7월 검증됨)

​2K/4K 비용 추정치(픽셀 비율 외삽, ⚠️ 공식 고정 가격 아님)

​SaaS 구독 / 크레딧 기반 과금과의 차이

​각 호출의 실제 token 수를 확인하는 방법

​그룹 설정

​기술 사양

​엔드포인트

​크기 참조

​사전 설정된 크기

​사용자 지정 크기 제약

​품질 참고

​사용 가능한 티어

​모범 사례

​오류 및 재시도

​FAQ

​관련 문서

개요

AI 에이전트에게 통합을 맡기기

APIYI의 GPT-image-2 공식 릴레이를 선택해야 하는 이유?

모델 선택: flare / sunburst / gpt-image-2

핵심 기능

가격 정책

토큰 요율(OpenAI의 목록과 동일)

이미지당 비용 참고(공식 표, gpt-image-2)

2.5 모델의 품질 단계 및 측정된 비용 (측정일: 2026-09-09)

여러 입력 이미지가 가격에 미치는 영향(2026년 7월 검증됨)

2K/4K 비용 추정치(픽셀 비율 외삽, ⚠️ 공식 고정 가격 아님)

SaaS 구독 / 크레딧 기반 과금과의 차이

각 호출의 실제 token 수를 확인하는 방법

그룹 설정

기술 사양

엔드포인트

크기 참조

사전 설정된 크기

사용자 지정 크기 제약

품질 참고

사용 가능한 티어

모범 사례

오류 및 재시도

FAQ

관련 문서