짧은 답변
- “이미지를 볼 수 있다”와 “이미지를 만들 수 있다”는 서로 다른 기능입니다. 거의 모든 최신 채팅 모델은 이미지를 읽을 수 있습니다(일반적으로 “멀티모달”이 의미하는 바입니다). 그러나 이미지를 생성할 수는 없으며, 이는 전용 이미지 모델이라는 별도의 모델 유형에 해당합니다.
- Gemini 이미지 제품군만이 하나의 엔드포인트에서 텍스트와 이미지를 함께 반환합니다 —
gemini-3-pro-image(Nano Banana Pro),gemini-3.1-flash-image(Nano Banana 2) 및 관련 모델은 동일한 응답에서 텍스트 부분과 이미지 부분을 교차하여 반환합니다. - 그 외의 모든 방식은 오케스트레이션입니다. 즉, 채팅 모델과 독립형 이미지 엔드포인트(이미지 API)가 함께 작동하는 방식입니다. OpenAI Responses 네이티브
image_generation도구는 APIYI에서 권장되지 않습니다. 호출당 고정 요율로만 과금할 수 있어 합리적인 가격 모델이 아니며, 안정성도 보장할 수 없습니다.
먼저 입력 이미지와 출력 이미지를 구분해야 합니다
혼란의 대부분은 “멀티모달”이라는 단어에서 비롯됩니다. API 컨텍스트에서 이 단어는 기본적으로 입력 측을 의미하며, “모델에 이미지를 입력할 수 있다”는 뜻이지, “모델이 이미지를 생성해 줄 수 있다”는 뜻이 아닙니다. 이 두 기능은 서로 다른 모델 풀, 서로 다른 엔드포인트, 서로 다른 과금 방식을 사용합니다.이미지 생성에 이르는 네 가지 경로
A. 독립 이미지 엔드포인트 — 거의 모든 경우에 이것을 선택하십시오
A. 독립 이미지 엔드포인트 — 거의 모든 경우에 이것을 선택하십시오
data[0].url를 반환하고, GPT-Image 제품군은 data[0].b64_json을 반환합니다.
이 경로는 대화형 텍스트를 전혀 반환하지 않습니다 — Chat 엔드포인트가 아닙니다.전체 모델 표: 이미지 및 동영상 생성 모델.
모델별 엔드포인트, 시간 제한 및 출력 형식의 차이:
이미지 API 참고 사항 및 모범 사례.B. Gemini 이미지 제품군 — 텍스트와 이미지를 함께 네이티브 방식으로 반환하는 유일한 제품군
B. Gemini 이미지 제품군 — 텍스트와 이미지를 함께 네이티브 방식으로 반환하는 유일한 제품군
gemini-3-pro-image, gemini-3.1-flash-image 등)는 네이티브 Gemini 엔드포인트를 사용하며,
candidates[0].content.parts는 이기종 배열입니다. 이미지 파트만 포함할 수도 있고, 텍스트 파트와 이미지 파트가
서로 섞여 있을 수도 있습니다. 한 번의 호출로 두 가지를 모두 제공하는 제품군은 이 제품군뿐입니다.처음부터 알아 두어야 할 함정이 하나 있습니다. 파트의 개수와 순서는 모두 보장되지 않습니다. 테스트에서
다음 세 가지 배열이 관찰되었습니다.parts[0] 또는 parts[1]를 하드코딩하면 간헐적으로 실패합니다. 올바른 방법은 필드
존재 여부로 필터링한 다음 마지막 inlineData을 가져오는 것입니다(복잡한 프롬프트의 경우 모델이 여러 이미지를 반환하며, 마지막
이미지가 최종 버전입니다).C. Responses 네이티브 image_generation 도구 — APIYI에서는 권장하지 않음
C. Responses 네이티브 image_generation 도구 — APIYI에서는 권장하지 않음
POST /v1/responses을 gpt-5.5과 함께 호출하고 네이티브 이미지 도구를 추가합니다.image_generation_call 항목에 base64로 포함되어 output 배열로 반환됩니다.
형태만 보면 OpenAI 측에서 “이미지를 생성하는 Chat 모델”에 가장 가까운 방식이지만 — APIYI에서는 권장하지 않습니다.D. 이미지 모델의 Chat 엔드포인트 — 대화형처럼 보이지만 여전히 이미지 모델
D. 이미지 모델의 Chat 엔드포인트 — 대화형처럼 보이지만 여전히 이미지 모델
gpt-image-2-all 및 gpt-image-2-vip은 /v1/chat/completions를 통해 호출할 수 있으며, 이미지는 choices[0].message.content 내부에
Markdown 링크로 삽입됩니다.“대화도 하고 이미지도 생성하는 하나의 Chat 엔드포인트”처럼 보이지만, 이미지를 생성할 수 있는 Chat 모델은 아닙니다 —
내부적으로는 여전히 일반적인 대화 기능이 없는 이미지 모델을 Chat 스키마로 감싼 형태입니다.
또한 기본 이미지로 마지막 user 메시지의 image_url만 읽으며, 어시스턴트 기록의 이미지는 무시됩니다.이 경로는 더 이상 권장하지 않습니다 — 새로 통합할 때는 경로 A를 사용하십시오.“채팅 및 그리기” 제품 구축: 권장 구조
대부분의 에이전트와 제품에 실제로 필요한 것은 하나의 만능 엔드포인트가 아니라 명확한 오케스트레이션 체인입니다.채팅 모델이 의도를 분류하도록 합니다
gpt-5.5, claude-opus-5, gemini-3-pro 등)을 사용하여 사용자
입력을 처리하고 이번 요청이 대화인지 이미지 요청인지 결정하도록 합니다. 도움이 된다면 구조화된 플래그를
반환하도록 합니다.채팅 모델이 이미지 prompt를 작성하도록 합니다
이미지 엔드포인트를 호출합니다
/v1/images/generations를 사용합니다. 반환된 url 또는 b64_json을 가져와 자체
객체 스토리지에 저장합니다.이미지를 대화에 다시 전달합니다
모델이 이미지를 지원하는지 확인하는 방법
1. 모델 세부 정보 페이지 확인
/models/<model-name>을 열고 상단 사양 표의 입력 모달리티 행을 확인합니다. — 여기에
“이미지”가 표시되어 있으면 해당 모델은 비전 기능을 지원합니다. 가장 빠르게 확인하는 방법입니다.2. 확실하지 않으면 테스트
3. 오류 문자열 확인
Model do not support image input입니다.
(문법은 업스트림의 것이며 오타가 아닙니다.) 해당 줄이 표시되면 모델이 이미지를 지원하지 않는 것이므로 모델을 변경합니다.흔히 발생하는 오해 5가지
1. 멀티모달 모델은 이미지를 생성할 수 있습니다
1. 멀티모달 모델은 이미지를 생성할 수 있습니다
gpt-5.5은 사용자가 전송한 디자인
목업을 읽을 수 있지만, 자체적으로 이미지를 출력할 수는 없습니다. 이미지를 얻으려면 이미지
엔드포인트를 별도로 호출해야 합니다(경로 A). Responses 네이티브 이미지 도구(경로 C)는 APIYI에서
권장되지 않습니다.2. 이미지 모델을 채팅 모델로 사용할 수 있습니다
2. 이미지 모델을 채팅 모델로 사용할 수 있습니다
gpt-image-2을 지원
챗봇의 기반으로 사용하지 마십시오. 채팅 엔드포인트를 허용하는 -all / -vip
변형(경로 D)조차도 내부적으로는 여전히 이미지 모델입니다.3. responseModalities에 TEXT를 포함하면 텍스트 파트가 보장됩니다
3. responseModalities에 TEXT를 포함하면 텍스트 파트가 보장됩니다
responseModalities: ["TEXT", "IMAGE"]을 선언해도 응답에 텍스트
파트가 포함된다는 보장은 없습니다. 모델은 이미지만 반환할 수 있습니다. 다만 다른 방향은 유용합니다.
["IMAGE"]을 명시적으로 선언하면 불필요한 텍스트 파트를 줄일 수 있습니다.4. parts[0]과 parts[1] 사이를 전환하면 이미지 추출 오류가 해결됩니다
4. parts[0]과 parts[1] 사이를 전환하면 이미지 추출 오류가 해결됩니다
[0]
또는 [1]에 들어가므로, 어느 쪽을 선택하든 일부 요청에서는 이미지를 가져오지 못합니다.
인덱스를 변경하면 실패하는 요청만 바뀝니다. 필드 존재 여부로 필터링하는 방법만 안정적입니다.5. /v1/images/generations에 참조 이미지를 전달하면 편집이 수행됩니다
5. /v1/images/generations에 참조 이미지를 전달하면 편집이 수행됩니다
image / image_url / images을 전달하면 정상적인 이미지와 함께 200을 반환하지만, 참조 이미지는 조용히
폐기되고 평소와 같이 과금됩니다. 반환되는 결과는 단순한 텍스트-이미지 결과입니다.이미지 편집은 반드시 /v1/images/edits을 통해 수행해야 합니다. 또한 Grok Imagine은 해당 위치에서
multipart/form-data도 요구합니다. JSON을 전송하면 엄격한 400 오류가 반환됩니다.