GPT Image 2.5 Flare와 Sunburst 비교: 이미지 23장으로 확인한 차이

핵심부터 말하면 Flare와 Sunburst의 비용은 같습니다. 비교할 수 있었던 모든 품질 단계에서 과금된 토큰 수가 정확히 같았기 때문입니다. 토큰으로 과금하는 경로에서는 매번 Sunburst가 더 느렸습니다. 프롬프트 네 개로 비교한 이미지 품질은 어느 쪽이 더 낫다고 하기 어려웠습니다. OpenAI가 Sunburst의 강점으로 내세우는 것은 정밀한 편집인데, 이번에는 그 항목을 테스트하지 않았습니다. 따라서 기본으로는 Flare를 쓰고, 편집할 때 Sunburst를 검토하는 편이 합리적입니다.

아래 수치는 2026년 11월 2일 TokLab에서 생성에 성공한 이미지 23장과 실패한 Sunburst 생성 1건에서 얻었습니다. 설정마다 한 번씩만 실행했습니다. 벤치마크가 아닌 관찰 결과로 봐 주시기 바랍니다.

Flare와 Sunburst의 토큰 수와 비용은 같습니다

OpenAI는 두 모델에 같은 요율을 적용합니다. 100만 토큰당 텍스트 입력은 $5, 이미지 입력은 $8, 이미지 출력은 $30이며, Batch API의 출력 요율은 $15입니다(OpenAI 가격, 2026년 11월 2일 확인). 확인할 것은 Sunburst가 같은 이미지를 만들 때 토큰을 더 쓰느냐는 점이었습니다. 결과는 그렇지 않았습니다.

세 구역에 각각 표지가 있는 아이소메트릭 온실 카페 프롬프트 하나를 두 모델에 넣고, 모든 품질 단계에서 1024×1024로 생성했습니다.

low부터 xhigh까지 토큰 수가 같습니다. Sunburst의 max 생성은 실패했으므로 해당 행은 비교할 값이 없습니다. 두 모델 모두 프롬프트의 텍스트 입력 토큰을 50개로 보고했습니다. 토큰 수와 요율이 같으면 비용도 같습니다. 따라서 두 모델을 고를 때 가격은 고려할 필요가 없습니다. 품질별 비용 계산은 GPT Image 2.5 API 가격에 정리했습니다.

Sunburst가 더 느렸던 경로

시간은 태스크에 기록된 생성 시점부터 완료까지의 초 단위 값입니다. 저희 파이프라인의 대기 시간도 포함하므로 절댓값보다는 차이를 봐 주시기 바랍니다.

같은 카페 프롬프트를 1024×1024로 생성한 -official ID의 결과입니다.

모든 단계에서 Sunburst가 더 느렸고, medium 이상에서는 16~22초 차이가 났습니다. 실패한 max 생성은 이미지를 반환하지 않았으며 원장에도 청구액이 없습니다. TokLab에서 실패한 태스크에 적용하는 원칙 그대로입니다.

이미지당 과금하는 Standard ID에서는 양상이 달랐습니다. high와 max에서 Flare와 Sunburst를 짝지어 비교한 일곱 건 중 Flare가 세 번, Sunburst가 네 번 먼저 끝났습니다. 가장 큰 차이가 난 사례도 양쪽에 하나씩 있었습니다(high 카페: 42초 대 59초, max 포스터: 64초 대 39초). 이 경로에서 Flare가 속도상 이점이 있더라도 설정당 한 번의 실행만으로는 확인할 수 없었습니다.

프롬프트 네 개로 이미지 결과 비교

모두 편집하지 않은 생성 결과입니다. 각 이미지의 표시는 모델과 품질입니다.

어부 프롬프트에는 새벽 안개, 주황색 그물, 선명하게 초점을 맞춘 손을 요청했습니다. 두 모델 모두 세 가지를 충족했습니다. 다만 인물과 배, 빛은 달랐습니다. Flare는 안개가 더 짙고, Sunburst는 등대와 더 강한 햇빛을 추가했습니다. 예전 이미지 생성 결과에서 흔히 보이던 뒤틀린 손가락은 어느 쪽에도 없었습니다.

포스터는 텍스트 테스트입니다. 두 모델 모두 BLUE HOUR SESSIONS와 FRIDAY 9 PM의 철자를 정확히 쓰고, 잉크를 두 가지로 제한했으며, 요청대로 하단에 폭이 좁은 서체로 FRIDAY 9 PM을 배치했습니다. Sunburst는 요청하지 않은 가로등을 추가했습니다. 오류라기보다는 취향의 문제입니다.

필수 표지 세 개는 두 모델 모두 정확히 표현했습니다. 두 모델 모두 표지와 읽을 수 있는 음료 메뉴도 추가로 만들었습니다. Sunburst의 건물은 형태가 더 반듯하고 건축 도면 같은 느낌이며, Flare는 더 부드럽습니다. 어느 쪽이든 임의로 넣은 작은 글씨는 공개 전에 교정할 필요가 있습니다.

야시장 프롬프트에는 언어나 도시를 지정하지 않았습니다. 두 모델 모두 스스로 중국어 간판을 선택했습니다. 확인한 글자들(夜市, 烤串, 臭豆腐 등)은 실제 단어이며 올바르게 쓰였습니다. Flare는 반사광이 더 복잡하고, Sunburst는 거리가 더 정돈되어 있으며 조명이 고릅니다.

둘을 가른 것은 정확도가 아닌 스타일이었습니다. 추가 비용이 없으니 어느 쪽의 표현이 제품에 더 어울리는지만으로 모델을 선택해도 충분합니다.

이번 비교에서 테스트하지 못한 것

가장 큰 빈틈은 편집입니다. OpenAI는 Sunburst를 “편집 정밀도가 가장 중요한 워크플로를 위한” 모델로, Flare를 “일상적인 고품질 이미지 생성에 가장 빠른 모델”로 소개합니다(모델 페이지). 저희는 세 차례에 걸친 편집 테스트를 계획했지만 이번에는 제외했습니다. 따라서 어느 쪽이 낫다는 자체 근거는 없습니다. 편집이 제품의 주 용도라면 결정하기 전에 실제 참조 이미지를 두 모델에 넣어 보시기 바랍니다.

그 밖에 두 가지 한계가 있습니다. 토큰 수는 모두 1024×1024 기준이며, 캔버스가 커지면 더 많은 토큰을 씁니다. 시간도 모두 한 번씩 실행해 측정한 값입니다.

Flare와 Sunburst 중 어떤 모델을 썼는지 확인하는 법

YouTube 댓글에 이런 질문이 있었습니다. “우리가 쓰는 게 Sunburst인지 Flare인지 어떻게 알아요?” API에서는 추측할 필요가 없습니다. ID로 모델을 직접 선택하며, 임의로 다른 모델로 바뀌지 않습니다. 완료된 태스크에도 실제로 실행한 모델이 표시됩니다.

{ "id": "task_...", "model": "gpt-image-2.5-sunburst", "status": "completed" }

사용 내역에도 태스크마다 모델과 청구액이 함께 표시됩니다.

코드에는 어떤 모델 ID를 넣으면 될까요?

TokLab에서 각 모델은 이미지당 정액을 청구하는 Standard ID와 토큰으로 과금하는 -official ID를 제공합니다.

• gpt-image-2.5-flare 및 gpt-image-2.5-sunburst
• gpt-image-2.5-flare-official 및 gpt-image-2.5-sunburst-official

네 ID 모두 요청 본문이 같으므로 모델명만 바꾸면 전환할 수 있습니다. 저희 권장 방식은 gpt-image-2.5-flare로 시작해 low 품질에서 반복 작업하는 것입니다. 편집 작업에서 직접 테스트한 결과 Sunburst가 원본을 더 잘 유지한다면 해당 작업을 Sunburst로 옮기면 됩니다. GPT Image 2.5 플레이그라운드는 보유 잔액으로 두 모델을 모두 실행하며 API와 같은 필드를 사용합니다. 전체 파라미터는 API 레퍼런스에서 확인할 수 있습니다.