초안, 변형, 사용자가 기다리는 모든 작업은 Flare로 시작하세요. 긴 편집 사슬, 최종 캠페인 이미지, Flare가 자꾸 틀리는 편집에는 Sunburst를 쓰세요. OpenAI 발표에 따르면 Flare는 기본 이미지 모델이고 지연 시간은 GPT Image 2의 약 절반이며, Sunburst는 더 느린 모델로 편집 간 더 촘촘한 제어와 완성도 높은 제품·캠페인 이미지를 위해 만들어졌습니다. SpicyAPI에서는 둘 다 가격이 같고 필요한 필드도 같으므로 Sunburst는 유료 업그레이드가 아닙니다. 더 오래 기다리는 비용을 내는 셈입니다. 둘 다 성인 이미지용 모델은 아닙니다. 둘 다 Filtered로 표시되며 저희가 시험한 성인 요청은 거절했습니다.
어떤 작업에 어떤 모델인가
| 당신의 작업 | 시작할 모델 | 이유 |
|---|---|---|
| 초안, 소셜·광고 변형, 요청당 많은 옵션, 사용자가 기다리는 모든 작업 | Flare, medium | 가장 싸고 빠른 옵션: 정사각형 1k medium는 $0.0109로 high의 $0.0425보다 저렴하고, 1k high에서 Flare는 보통 25~45초 안에 돌아옵니다 |
| 한 디테일이 계속 바뀌는 제품·인물 사진 편집(프레임 이음부, 얼굴, 로고) | Flare, 그다음 같은 입력으로 Sunburst | 편집 간 제어가 가장 중요할 때 OpenAI가 고른 쪽 |
| 한 이미지에서 긴 편집 사슬 | Sunburst | 편집 간 제어에 대한 OpenAI의 선택. 양쪽 모두 몇 라운드 돌려 보고 조건을 지킨 쪽을 남기세요 |
| 인쇄용 또는 캠페인용 최종 대표 이미지 | Sunburst, xhigh 또는 max | OpenAI는 이를 바로 제작에 쓸 수 있는 캠페인 크리에이티브와 완성도 높은 제품 이미지로 포지셔닝합니다 |
| 랑제리, 친밀하거나 노골적인 성인 이미지 | 둘 다 아님 | 둘 다 거절합니다. 성인 콘텐츠 절을 보세요 |
유사한 요청에서 Sunburst는 약 25초부터 2분 넘게 걸리며, max는 두 모델 모두에서 가장 느린 설정이므로 마지막 결과에만 쓰세요. 둘을 비교할 때는 양쪽에 같은 quality를 보내세요.
가격도 같고 필드도 같습니다
두 계열 모두 텍스트→이미지 작업과 편집 작업을 갖고 있고, 그 밖의 모든 항목이 같습니다.
- 설정할 수 있는 전부: 편집당 원본 이미지 1~16장(각 10 MB, "첫 번째 이미지", "두 번째 이미지"로 지칭),
resolution1k·2k·4k, 1:3부터 3:1까지 15가지 화면 비율,quality다섯 단계(low부터max까지), 요청당 1~10개 결과이며 각각 따로 과금됩니다. - 마스크: 첫 번째 원본과 같은 크기의 선택적 PNG 한 장(Playground의 Advanced parameters 아래).
- 편집 전용 제어:
input_fidelity(low가 기본,high)와background(auto,transparent,opaque). 텍스트→이미지에는 투명 옵션이 없습니다.
seed 필드가 없으므로 같은 요청은 매번 다른 이미지를 돌려줍니다. 두 결과가 비슷해 보이면 고르기 전에 각 모델을 몇 번씩 돌려 보세요.
요청 하나에 드는 비용
이미지당 출력 가격, USD, 정사각형 프레임(Flare와 Sunburst 모두 동일하며 OpenAI 정가보다 20% 낮음):
| 품질 | 1k | 2k | 4k |
|---|---|---|---|
| low | $0.005104 | $0.009928 | $0.016216 |
| medium | $0.010936 | $0.021808 | $0.035992 |
| high | $0.042544 | $0.086032 | $0.14272 |
| xhigh | $0.075328 | $0.152632 | $0.253408 |
| max | $0.168976 | $0.342928 | $0.569656 |
숫자를 바꾸는 것은 세 가지입니다.
- 화면 비율. 정사각형이 아닌 프레임이 더 저렴합니다. 1k
high에서 4:5는 $0.034504, 16:9는 $0.023992, 1:3은 $0.01396으로 정사각형의 $0.042544보다 낮습니다. 모델 페이지에 실린 가장 낮은 시작 가격 $0.0018은 1:3의low이고, 원본 하나로 하는 편집은 약 $0.0116부터 시작합니다. - 원본 이미지. 원본을 하나 추가할 때마다 모든 결과에 $0.0098304가 더해집니다. 원본 1개, 4:5,
high, 1k는 $0.0443344이고medium이면 $0.0185584입니다. 그high요청에서 원본 3개와 결과 4개는 $0.2559808로, 텍스트→이미지 결과 4개의 $0.138016보다 높습니다. 그러므로 꼭 필요한 레퍼런스만 보내세요. - 긴 프롬프트. 프롬프트의 첫 100개 토큰은 포함되며, 추가 토큰은 요청당 한 번만 작은 금액이 붙습니다.
거절된 요청에는 과금이 되지 않습니다.
성인 콘텐츠: 둘 다 거절합니다
2026년 9월 저희 테스트 기준으로 두 모델 모두 생성과 편집 양쪽에서 랑제리, 친밀한 커플, 고도화된 NSFW 이미지를 거절했습니다. 드레스나 인물 사진처럼 옷을 입은 평범한 요청은 대체로 문제가 없지만, 필터링된 모델도 옷을 입은 프롬프트를 거절할 수 있으며 거절에는 과금이 되지 않습니다. Sunburst로 바꿔도 콘텐츠 정책이 사라지지는 않습니다. 성인 작업에는 모델 전환을 거절 우회 방법으로 여기지 말고 무검열 편집 경로를 쓰세요. 자세한 내용은 GPT Image 2는 무검열인가요?, 성인 콘텐츠를 편집하는 모델은 무검열 이미지 편집기 비교를 보세요. 공개 홍보 이미지, 옷을 입은 캐릭터 일러스트, 배경 풍경에는 이 두 모델을 쓰면 됩니다.
양쪽에서 먼저 돌려 볼 편집 하나
시나리오: 인테리어 크리에이터가 구리 테두리 유리 테라리움 콘셉트 이미지를 승인받았고, 캠페인 배너를 위해 그 뒤쪽 벽을 세이지 녹색으로 바꿔야 합니다.

예시의 원본 이미지: 콘셉트 이미지 한 장, 3:2.
먼저 Playground에서 시도해 보세요.
- 아래 프롬프트가 채워진 상태로 Flare 편집 열기 → Playground 탭의 Form 보기에 머무르고, 잔액이 있는 계정으로 로그인해 실행하세요.
- Images에서 샘플 이미지를 원본 이미지로 바꿔서 파일이 하나만 남게 하세요.
- Aspect ratio는 3:2, Resolution은 1k, Quality는 high로 설정하세요. 결과물은 원본의 모양이 아니라 여러분이 고른 모양을 따르므로 비율을 원본에 맞추세요.
- Run model을 누르세요. 결과가 하나면 $0.0378304가 들고, 가격은 실행 전에 표시됩니다.
- Sunburst와 비교하려면 Sunburst 편집을 열고 같은 프롬프트와 같은 설정을 반복합니다.
프롬프트:
Change the warm plaster wall behind the terrarium to a muted sage green. Keep the terrarium exactly as in the first image: straight copper frame, flat glass panels, the fern, moss and pale stones, the stone console and the light direction. Do not add text or other plants.
곧은 구리 기둥과 하부 가로대, 유리 모서리, 고사리, 콘솔 위의 그림자를 확인하세요. Flare가 벽은 고쳤지만 이음부를 구부리거나 고사리를 다시 그렸다면 Sunburst 편집 (openai/gpt-image-2.5-sunburst/edit)을 열고 원본 그대로의 이미지, 같은 프롬프트, 같은 설정을 제출하세요. 원본에 맞는 쪽을 남기면 됩니다. 다른 테라리움에 더 예쁜 벽이 놓여 있다면 그것은 실패한 편집입니다. Flare 결과가 이미 조건을 만족하면 거기서 멈추세요.
그다음 코드로 호출해 보세요. 입력을 저장하고 CLI로 실행하세요(npx @spicyapi/cli는 설치 없이도 동작하며 SPICY_API_KEY를 설정합니다):
cat > input.json <<'EOF'
{
"prompt": "Change the warm plaster wall behind the terrarium to a muted sage green. Keep the terrarium exactly as in the first image: straight copper frame, flat glass panels, the fern, moss and pale stones, the stone console and the light direction. Do not add text or other plants.",
"image_urls": ["https://cdn.spicyapi.ai/blog/authored/seo-next-twenty-2026-10-01/gpt-image-2-5-flare-vs-sunburst-workflow/body-1-gpt-image-8ed02d3a486d0aab.webp"],
"aspect_ratio": "3:2",
"resolution": "1k",
"quality": "high"
}
EOF
spicyapi tasks create --model openai/gpt-image-2.5-flare/edit --input-file input.json --wait비교할 때는 모델 id를 openai/gpt-image-2.5-sunburst/edit으로 바꾸세요. 문서: 이미지 생성 및 편집.
또는 Agent에게 맡기세요. 어시스턴트에게 위의 CLI나 MCP 서버를 넘기면 됩니다. spicyapi_task_create가 가격을 보여 주고 실행 전에 확인을 요청합니다. Skill(npx skills add spicyapi-ai/spicy-skill)은 코딩 어시스턴트에 현재 스키마를 가르치고 둘 중 어느 쪽과 함께든 동작합니다.

일러스트: 돌아온 이미지는 모두 승인된 원본과 대조하고, 실제 제품이라면 실물과 대조하세요.
편집이 요청한 것보다 더 많이 바꿀 때
- 요청당 한 가지 변경, 그다음 보호 목록. 꼭 유지해야 할 것(테두리, 고사리, 빛, 자세)을 정리하세요.
- 화면 안의 사람:
input_fidelity를high로 설정해 얼굴과 천이 원본에 더 가깝게 유지되게 하세요. 가격은 변하지 않고 픽셀 잠금도 되지 않습니다. 얼굴의 정확한 픽셀을 반드시 보존해야 한다면 원본 전경을 새로운 배경 레이어 위에 직접 합성하세요. - 문제가 생긴 영역에 마스크를 쓰세요. 첫 번째 원본과 같은 크기의 PNG 마스크로, 모델이 다시 칠해도 되는 곳은 투명으로, 나머지는 불투명으로 둡니다. 흰색 불투명 PNG 위에 검은 사각형을 그린 것은 마스크로 읽히지 않습니다. 이 기능은 알파 값을 읽기 때문입니다. 머리카락 사이로 보이는 배경까지 투명 영역에 포함하세요. 단색 윤곽을 그리면 옛 색의 테두리가 남습니다.
quality를 높여도 잘못된 영역을 집는 마스크는 고쳐지지 않습니다. - 품질은 마지막에 올리세요.
xhigh는high의 약 1.8배,max는 약 4배입니다.
투명 컷아웃
컷아웃은 background: transparent와 output_format png 또는 webp를 쓰는 편집 작업으로 만드세요. 두 모델 모두 진짜 알파 채널을 반환합니다. 불투명 이미지 안에 그린 체커보드는 알파 채널이 아닙니다. 유지할 대상을 이름으로 지정하고 배경은 완전히 투명해야 한다고 말하세요. 그다음 결과를 실제 페이지 색 위에 올려놓고 머리카락, 가느다란 잎, 유리를 살펴보세요. 바깥 영역이 깨끗하더라도 판유리는 이전 배경의 색을 일부 그대로 남길 수 있습니다. 재생성 없이 단순히 배경만 지우는 방법은 배경 제거 가이드를 보세요.
첫 시도는 Flare로 하고 요구를 만족하는 결과는 모두 보관하세요. Flare가 자꾸 틀리는 편집을 구체적으로 짚을 수 있거나, 최종 캠페인 이미지일 때 Sunburst로 넘어가고, 품질은 이름이 달라서가 아니라 결과물에 필요해서 올리세요.
자주 묻는 질문
Sunburst가 더 높은 해상도를 주나요? 아닙니다. 둘 다 1k, 2k, 4k와 max까지 다섯 단계 품질을 제공합니다.
텍스트 프롬프트로 투명 PNG를 받을 수 있나요? 한 번에 되지는 않습니다. background는 편집 작업에만 있습니다. 먼저 생성한 다음 background: transparent로 편집하세요.
GPT Image 2는 어디에 끼어 있나요? 편집 방식이 같은 이전 세대 모델입니다. GPT Image 2 편집 가이드가 그 마스크와 설정을 다루며, 2.5 계열은 여기에 xhigh와 max 등급을 더한 것입니다.







