ChatGPT Images 2.5 공개 — GPT-Image-2.5 Flare·Sunburst 와 가격 동결

2026년 9월 8일 OpenAI 가 ChatGPT Images 2.5 를 공개했습니다. API 쪽에 새로 붙은 모델은 gpt-image-2.5-flare 와 gpt-image-2.5-sunburst 둘이고 두 모델의 이미지 출력 단가는 1M 토큰당 30달러($30.00)로 기존 gpt-image-2 와 같습니다. 성능 개선을 앞세운 발표지만 청구서 쪽에서 보면 이번 세대는 인하가 아니라 동결입니다.

이 발표에서 가장 잘못 옮겨지기 쉬운 숫자가 50% 입니다. 지연시간이 절반으로 줄었다는 서술이 두 군데 나오는데 비교 대상이 서로 다릅니다. 하나는 ChatGPT 제품의 Images 2.0 대비이고 다른 하나는 API 의 gpt-image-2 대비인데 이쪽은 Flare 에만 붙는 주장입니다. Sunburst 는 반대로 생성 시간이 더 길다고 적혀 있습니다. "Images 2.5 가 50% 빨라졌다" 로 뭉치면 두 주장을 모두 틀리게 옮기는 셈입니다.

아래 내용은 공식 발표문과 시스템 카드, API 가격표, 모델 목록 문서에 적힌 것을 정리한 것입니다. 두 모델을 직접 호출해 응답 시간이나 품질을 재 본 결과가 아니고 문서가 말하지 않은 값은 비워 두었습니다.

발표는 제품과 API 양쪽을 함께 다룬다. 두 쪽의 숫자가 같지 않다.

ChatGPT Images 2.5, 무엇이 공개됐나

발표문의 첫 문장이 규모부터 밝힙니다.

"Every week, people create more than 3 billion images across ChatGPT Images and the GPT‑Image models in the API."

ChatGPT Images 와 API 의 GPT-Image 모델을 합쳐 주간 30억 장 이상이 만들어지고 있다는 것입니다. 모델 하나가 바뀌면 그만큼의 요청이 새 기본값 위에서 돕니다.

발표 날짜를 인용할 때 함정이 하나 있습니다. 발표문 페이지 본문에는 날짜 문자열이 들어 있지 않습니다. 날짜의 근거는 OpenAI 뉴스 목록에 있는 Introducing ChatGPT Images 2.5 — Product, Sep 8, 2026 행이고 같은 날 나온 시스템 카드는 본문에 Published September 8, 2026 을 적어 두었습니다. 국내 기술 커뮤니티에는 한국 시각 9월 9일에 올라왔으니, 이 글에서는 날짜를 전부 2026년 9월 8일로 적습니다. "어제 발표됐다" 같은 상대 표현은 시차와 읽는 시점에 따라 그때그때 달라집니다.

ChatGPT 쪽 신규 기능은 발표문 세 번째 단락에 몰려 있습니다.

"In ChatGPT, we're introducing product features that give you more control over the creative process. Sketch is a new feature that lets you draw directly in ChatGPT as a reference for your final image. Templates make it easier to start creating across some of the most popular image formats, like flyers and product photos. You can also now place comments directly on images for more focused editing, and you can share prompts you've used to let others try your ideas with their own photos and details."

여기서 고유한 기능 이름으로 적힌 것은 Sketch 와 Templates 둘뿐입니다. 이미지 위에 코멘트를 다는 것과 사용한 프롬프트를 공유하는 것은 원문이 서술문으로 설명했을 뿐, 별도의 기능명이 붙어 있지 않습니다. 네 가지를 나란히 기능명처럼 적어 두면 원문에 없는 이름을 만들어 내는 셈이 되므로, 이 글에서는 형태를 구분해 옮깁니다.

Templates 의 예시는 발표문 두 곳에 나옵니다. 세 번째 단락에서는 전단과 제품 사진을 들었고 뒤쪽에서는 you can choose a template like "Poster" or "Merch" 처럼 실제 템플릿 이름을 보여줍니다.

롤아웃 범위는 원문이 이렇게 적었습니다.

"Images 2.5 is rolling out today to ChatGPT, ChatGPT Work, and Codex users across all tiers on desktop, mobile, and web."

ChatGPT·ChatGPT Work·Codex 사용자에게 데스크톱·모바일·웹으로 전 티어(all tiers) 배포된다는 뜻입니다. 여기서 Free 나 Plus 같은 개별 요금제 이름은 원문에 없습니다. "무료 사용자도 쓸 수 있다" 는 자연스러운 추론이지만 발표문이 그렇게 쓰지는 않았으므로, 이 글에서는 원문 표현대로 전 티어까지만 적습니다.

API 에 추가된 모델 둘 — Flare 와 Sunburst

모델 목록 문서의 Image 섹션에 올라온 ID 와 설명은 이렇습니다.

표기가 두 가지라는 점을 먼저 짚어야 합니다. 발표문은 GPT‑Image‑2.5 Flare 처럼 대문자와 공백으로 쓰고 API 에 넘기는 ID 는 gpt-image-2.5-flare 처럼 소문자와 하이픈입니다. 코드에 들어가는 문자열은 후자뿐입니다. 이 글에서도 코드 얘기를 할 때는 소문자 ID 를, 발표문을 인용할 때는 발표문 표기를 씁니다.

역할 차이는 발표문에 나눠 적혀 있습니다.

"GPT‑Image‑2.5 Flare brings the same improvements in quality, editing, and speed to the API and is the default choice for most applications, delivering higher-quality images than GPT‑Image‑2 at 50% lower latency."

"GPT‑Image‑2.5 Sunburst offers an extra level of precision for detailed creative work with longer generation times."

"GPT‑Image‑2.5 Sunburst is built for premium visual workflows that benefit from tighter control across edits."

정리하면 Flare 가 대부분의 애플리케이션에서 기본 선택이고 Sunburst 는 세밀한 창작 작업에 정밀도를 한 단계 더 주는 대신 생성 시간이 더 깁니다. 편집 전반에 걸쳐 더 촘촘한 통제가 필요한 프리미엄 워크플로를 겨냥한다는 설명이 붙어 있습니다. 그런데 뒤에서 보겠지만 그렇게 설명된 Sunburst 의 토큰 단가는 Flare 와 같습니다.

"50% 빨라졌다" 는 주장이 두 개입니다

같은 50% 가 두 번 나오지만 붙는 자리와 비교 대상이 다릅니다.

제품 쪽 문장은 이렇습니다.

"We've also reduced image generation latency by up to 50% compared with Images 2.0, so you can generate images and refine your concepts more quickly."

두 가지를 같이 읽어야 합니다. 비교 대상이 Images 2.0 이고 up to, 즉 최대치입니다. 평균 지연이 절반이 됐다는 뜻이 아니라 어떤 조건에서 최대 그만큼 줄었다는 뜻입니다. 이 문장은 모델을 구분하지 않고 Images 2.5 전체를 서술합니다.

API 쪽 주장의 비교 대상은 다릅니다. Flare 가 GPT-Image-2 대비 50% lower latency 라고 적혀 있습니다. Images 2.0 은 제품 버전이고 GPT-Image-2 는 API 모델이므로 같은 말을 두 번 한 것이 아닙니다. 그리고 이 주장은 두 신규 모델 중 Flare 에만 붙습니다.

Sunburst 는 방향이 반대입니다. longer generation times 라고만 적혀 있고 몇 % 느린지도 실제로 몇 초가 걸리는지도 문서에 없습니다. 그래서 이 글에서도 그 자리를 비워 둡니다. Sunburst 를 사용자가 기다리는 화면 뒤에 놓을 생각이라면 이 값은 직접 재 봐야 하고 Flare 가 빨라진 폭만큼 Sunburst 가 느려질 것이라고 대칭으로 가정할 근거도 없습니다.

같은 50% 가 아니다. 비교 대상이 다르고, 한쪽은 최대치다.

가격은 내려가지 않았습니다 — gpt-image-2 와 동결입니다

API 가격표(2026년 9월 9일 조회)의 Standard 티어 표는 Model · Modality · Input · Cached input · Output 구조이고 단위는 1M 토큰당 달러입니다. 이미지 모델 세 개를 나란히 놓으면 이렇습니다.

세 줄이 완전히 같습니다. 여기서 흔한 오해 두 가지가 동시에 깨집니다.

• "프리미엄 워크플로용이니 Sunburst 가 더 비싸다" — 아닙니다. Flare 와 토큰 단가가 같습니다.
• "성능이 올랐으니 가격은 내려갔다" — 아닙니다. gpt-image-2 와 견주면 $30.00 에서 $30.00 으로 그대로입니다.

텍스트 입력 단가도 세 모델이 같습니다. 입력 $5.00, 캐시 입력 $1.25 입니다. 캐시 할인율을 계산해 보면 이미지 쪽이 (8.00 − 2.00) ÷ 8.00 = 75%, 텍스트 쪽이 (5.00 − 1.25) ÷ 5.00 = 75% 로 두 modality 모두 정확히 같습니다. 같은 참고 이미지나 같은 지시문을 반복해 넣는 파이프라인이라면, 이 75% 가 실제 청구서에서 가장 크게 움직이는 자리입니다.

세대별로 보면 인하는 이미 끝나 있었습니다

이미지 출력 단가만 세대순으로 늘어놓으면 이렇습니다.

$40.00 에서 $32.00 으로 20.0%, 다시 $30.00 으로 6.25% 내려왔고 gpt-image-1 부터 세면 누적 25.0% 인하입니다. 이번 세대가 그 흐름이 멈춘 지점입니다. 지난 두 세대의 인하폭을 근거로 예산을 자동으로 깎아 잡아 두었다면, 이번에는 그 가정이 맞지 않습니다.

한 가지 못 박아 둘 것이 있습니다. 이건 토큰 단가 비교이고 이미지 한 장당 비용 비교가 아닙니다. 이미지 생성 가이드에는 크기와 품질별 출력 토큰 수를 정리한 표가 있는데, 그 표에는 GPT Image models prior to gpt-image-2 라는 한도가 붙습니다. 한도의 뜻은 gpt-image-2 이전 모델, 곧 gpt-image-1 과 gpt-image-1.5 같은 앞선 세대에만 적용된다는 것입니다. gpt-image-2 도 이 표의 대상이 아니고, 2.5 두 모델은 물론입니다.

2.5 쪽은 표 대신 다른 길을 안내합니다. 문서는 응답에 실려 오는 사용량(usage) 값을 읽으라고 못 박았고, 모델과 품질, 크기를 고르면 출력 토큰과 이미지 출력 비용을 추정해 주는 공식 계산기도 제공합니다 — Select a model, quality, and size to estimate output tokens and image output cost. 다만 이 계산기에도 한도가 있습니다. 모델 문서는 The GPT Image 2 calculator does not estimate GPT Image 2.5 token consumption 이라고 적었습니다.

그래서 2.5 의 "1024×1024 한 장에 얼마" 는 문서가 확정해 둔 고정값이 아닙니다. 가이드도 Equal token rates don't mean equal cost per image: token consumption can differ by model and quality setting 이라고 경고합니다. 구세대용 표의 값을 2.5 에 그대로 옮겨 쓰면 모델과 품질에 따라 토큰 소비가 달라진다는 원문의 경고를 무시하는 가정이 됩니다. 장당 비용이 필요하면 실제 응답의 사용량 값을 받아 보는 쪽이 확실합니다.

Batch 표에는 2.5 두 모델 행이 아직 없습니다

여기가 돈이 어긋날 수 있는 자리입니다. 같은 가격표의 Batch 표에 올라온 gpt-image 계열 행은 다음 다섯 개가 전부입니다.

• gpt-image-2
• gpt-image-1.5
• gpt-image-1-mini
• gpt-image-1
• chatgpt-image-latest

gpt-image-2.5-flare 와 gpt-image-2.5-sunburst 는 이 표에 없습니다. 기존 세대의 Batch 단가는 Standard 의 정확히 절반이어서 gpt-image-2 는 $4.00 / $1.00 / $15.00 입니다. 그러니 "규칙이 그러니 2.5 도 절반일 것" 이라고 생각하기 쉬운데, 그건 문서가 말한 것이 아니라 우리가 만든 추론입니다. 반값을 전제로 예산을 잡았다가 실제로는 Standard 단가로 청구되면 금액이 두 배가 됩니다. 지금 확인할 수 있는 사실은 "2.5 두 모델은 Batch 표에 아직 행이 없다" 까지입니다.

덧붙여 Flex 와 Fast mode(구 Priority) 티어에는 이미지 모델 행이 아예 없습니다. 가격표 원문에는 Priority processing was renamed Fast mode on July 30, 2026 라는 문구가 있으니, 링크를 따라간 뒤 옛 이름으로 찾으면 이 표를 놓칠 수 있습니다.

인하는 1 에서 2 사이에 있었다. 2 에서 2.5 는 동결이다.

안전 평가는 Flare 와 Sunburst 가 다릅니다

시스템 카드의 Table 1 은 결과를 세 지표로 나눕니다. 열 머리글은 Safe Generation (higher is better), Unsafe Generation Blocked (higher is better), Unsafe Generation Presented (lower is better) 이고 정의는 각각 이렇습니다.

• 안전 생성 — 적대적 프롬프트가 결과적으로 안전한 이미지 생성으로 끝난 경우
• 차단된 위반 생성 — 모더레이션 스택이 막아 이미지가 아무것도 표시되지 않은 경우
• 미탐지 위반 — 남은 이미지, 즉 세이프티 스택이 막지 못했을 위반 생성

이 표를 "Images 2.5 의 성적" 으로 뭉치면 틀립니다. 자주 인용될 만한 77.0 / 21.9 / 1.09 는 Sunburst 의 값이고 Flare 는 다른 줄에 있습니다.

Flare 가 모든 지표에서 더 안전한 것도 아닙니다. 안전 생성은 Flare 가 79.4% 로 Sunburst 의 77.0% 보다 높지만 미탐지 위반도 Flare 가 1.41% 로 Sunburst 의 1.09% 보다 높습니다. 한쪽 열만 인용하면 어느 모델이 더 안전한가를 두고 정반대 결론이 나옵니다.

기준선 대비 변화는 퍼센트포인트(pp)로 적는 편이 안전합니다. 안전 생성은 Sunburst 가 +1.8pp, Flare 가 +4.2pp 이고 미탐지 위반은 Sunburst 가 −0.55pp, Flare 가 −0.23pp 입니다. "미탐지가 1.09%p 줄었다" 처럼 값과 변화폭을 섞어 쓰면 그 자체로 오류입니다 — 줄어든 폭은 0.55pp 입니다.

별표에도 의미가 있습니다. 카드의 각주는 이렇습니다.

"An asterisk (*) indicates p < 0.05 versus ChatGPT Images 2.0 for the same outcome and policy area (two-sided exact McNemar test; unadjusted for multiple comparisons)."

미탐지 위반 열의 1.09% 와 1.41% 에는 별표가 없습니다. 이 열의 차이는 p < 0.05 를 만족하지 않았다는 뜻입니다. 그래서 "미탐지가 유의하게 줄었다" 고 쓰면 원문이 표시해 둔 것과 반대가 됩니다. 별표가 붙은 것은 안전 생성과 차단된 위반 생성 두 열입니다.

세 지표는 서로 겹치지 않고 전체를 나눕니다. 실제로 더해 보면 Sunburst 가 99.99, Flare 가 100.01, 기준선이 99.94 로 반올림 오차만큼만 100 에서 어긋납니다. 그래서 차단 비율이 기준선 23.1% 에서 Flare 19.2% 로 내려간 것도 그 열만 떼어 읽을 수 없습니다. 열 머리글은 차단이 높을수록 좋다고 적지만 줄어든 몫이 안전 생성으로 갔는지 미탐지로 갔는지는 같은 줄의 나머지 두 값을 함께 봐야 정해집니다.

가장 크게 조심할 것은 이 숫자들이 어떤 데이터에서 나왔는지입니다. 카드가 직접 못 박았습니다.

"we specifically designed to generate images that would violate our policy ... so the numbers below are not representative of how often such prompts arise in production traffic."

정책을 위반하는 이미지가 나오도록 일부러 설계한 적대적(adversarial) 프롬프트 세트입니다. 실제 트래픽에서 그런 프롬프트가 얼마나 자주 나타나는지를 대표하는 숫자는 아닙니다. 그러니 "실사용에서 1.09% 가 새어 나온다" 는 해석은 원문이 명시적으로 부정한 쪽입니다.

평가가 다룬 정책 영역은 Table 2 에 행으로 나뉘어 있습니다 — 성적 콘텐츠, 혐오, 폭력 및 신체훼손, 극단주의, 자기위해, 정치, 학대, 비폭력 및 폭력적 위법행위, 그리고 종교적 인물 등이 들어가는 기타입니다. 카드 본문에 카테고리 개수를 밝힌 문장은 없으므로, 개수를 세어 옮기려면 그것이 표의 행을 센 것임을 함께 적어야 정확합니다.

세 값의 합이 100 이다. 한 열만 떼어 읽으면 방향이 뒤집힌다.

막는 자리는 요청 전과 출력 후 양쪽입니다

세이프티 스택 서술은 층이 나뉘어 있습니다.

"Before a request is sent to the image generation model, we run LLM-based policy checks to evaluate whether the request violates policy. Requests deemed to violate policy are refused at this stage."

요청이 이미지 생성 모델로 가기 전에 LLM 기반 정책 검사가 돌고 위반으로 판정된 요청은 이 단계에서 거부됩니다. 그리고 모니터는 사용자에게 보여주기 전의 최종 출력 이미지도 검사해서 위반으로 판정되면 그 이미지를 막습니다. 모니터가 보는 범위는 이미지 생성 도구에 들어가는 모든 텍스트와 이미지 입력입니다.

출처 표시 쪽은 기존 방식을 이어 갑니다. 발표문은 We continue to use C2PA metadata and invisible watermarking to help identify images made with our tools. 라고 적었고 시스템 카드도 C2PA 를 업계 표준 프레임워크로 부르며 그것을 보완하는 비가시 워터마크 층을 함께 설명합니다.

여기서 한 문장은 범위를 정확히 읽어야 합니다. 카드에는 Google DeepMind 의 SynthID 를 통한 워터마킹을 넣는다고 적혀 있는데, 그 문장은 적용 경로로 ChatGPT, Codex, and the OpenAI API 셋을 적어 둡니다. API 로 받은 결과물도 이 문장이 말하는 적용 범위 안에 있습니다. 다만 문장이 밝히는 것은 어디에 적용되는가까지고, 워터마크가 붙는 시점과 그 강도까지는 말해 주지 않습니다. "OpenAI 가 전 제품에 SynthID 를 넣었다" 고 옮기면 이번에도 원문보다 넓게 말하는 셈입니다.

지금 내 코드를 어떻게 하면 되나

바꿀 것은 요청의 model 값입니다.

- model: "gpt-image-2"
+ model: "gpt-image-2.5-flare"

무엇을 고를지는 세 갈래로 갈립니다.

• 대부분의 요청 — gpt-image-2.5-flare. 발표문이 기본 선택으로 지목한 쪽이고 문서 설명도 빠르고 품질 좋은 일상적 생성입니다.
• 세밀한 편집이 필요한 작업 — gpt-image-2.5-sunburst. 정밀도를 한 단계 더 주는 대신 생성 시간이 더 깁니다.
• Batch 로 돌리는 작업 — 아직 옮길 수 없습니다. 두 모델 다 Batch 표에 행이 없습니다.

gpt-image-2 를 쓰고 있던 쪽에서 Flare 로 옮기는 판단은 비교적 단순합니다. 토큰 단가가 $8.00 / $2.00 / $30.00 으로 같고 발표문은 같은 gpt-image-2 대비 더 높은 품질과 50% 낮은 지연을 적었습니다. 단가가 그대로인데 문서가 주장하는 방향이 양쪽 다 좋은 쪽이라면, 바꿔서 잃는 것을 찾기가 어렵습니다. 다만 그 품질과 지연은 발표문의 주장이고 우리가 재 본 값이 아닙니다. 프롬프트나 후처리가 특정 모델의 출력 특성에 맞춰져 있다면 결과물이 달라질 수 있으니, 같은 프롬프트 몇 개를 양쪽에 넣어 비교한 뒤에 옮기는 쪽이 안전합니다.

응답 지연을 전제로 타임아웃이나 큐 길이를 잡아 둔 곳이 있다면 Sunburst 쪽은 방향이 반대라는 점도 함께 봐야 합니다. Flare 기준으로 줄여 놓은 타임아웃에 Sunburst 요청을 태우면, 문서가 예고한 대로 더 긴 생성 시간에 걸릴 수 있습니다.

Batch 가 필요한 자리에서는 아직 고를 수가 없다.

구세대 모델은 목록에서 빠졌지만, 종료 공지는 아닙니다

문서 사이에 어긋남이 하나 있습니다. 모델 목록 문서의 Image 섹션에는 gpt-image-2.5-sunburst 와 gpt-image-2.5-flare 둘만 올라와 있습니다. gpt-image-2 나 gpt-image-1.5, gpt-image-1, gpt-image-1-mini, chatgpt-image-latest 는 그 페이지에서 보이지 않습니다. 같은 페이지의 Realtime 섹션이 gpt-realtime-2.1 부터 2, 1.5, mini 까지 구세대를 함께 나열하는 것과 대비됩니다.

그런데 같은 날 확인한 가격표에는 gpt-image-1 · gpt-image-1.5 · gpt-image-2 가 그대로 있고 발표문도 구세대 폐기를 언급하지 않았습니다. 그래서 지금 말할 수 있는 것은 "모델 목록 페이지에서 빠졌다" 까지입니다. 지원 종료 여부나 그 일정은 이 자료들로 알 수 없습니다. 구세대 ID 를 코드에 박아 두었다면 당장 바꿔야 할 근거는 없지만 공지 채널을 봐 두는 편이 낫습니다.

마지막으로 출처 표시는 그대로입니다. C2PA 메타데이터와 비가시 워터마크는 계속 쓴다고 적혀 있으니, 생성한 이미지를 다시 인코딩해 배포하는 파이프라인이라면 그 과정에서 메타데이터가 지워지는지 확인해 둘 필요가 있습니다.

근거와 참고

• ChatGPT Images 2.5 공식 발표문 (OpenAI, 2026-09-08) — https://openai.com/index/introducing-chatgpt-images-2-5/
• OpenAI API 가격표 (이미지 생성 모델 Standard·Batch) — https://developers.openai.com/api/docs/pricing
• ChatGPT Images 2.5 시스템 카드 (Published September 8, 2026) — https://deploymentsafety.openai.com/chatgpt-images-2-5
• OpenAI 모델 목록 — Image 섹션 — https://developers.openai.com/api/docs/models
• 이미지 생성 가이드 — https://developers.openai.com/api/docs/guides/image-generation
• 계기: 긱뉴스 #33377 — https://news.hada.io/topic?id=33377