← 블로그로
Ai약 13 분 읽기

구글, 이미지 가격은 절반으로 줄이고 참조 이미지 전송 비용은 세 배로 올려

게시일 2026년 10월 7일
구글, 이미지 가격은 절반으로 줄이고 참조 이미지 전송 비용은 세 배로 올려

구글은 10월 6일 나노 바나나 2.1을 출시했습니다. 핵심은 가격 인하입니다. 1K 이미지는 6.70센트에서 3.36센트로, 4K 이미지는 15.10센트에서 7.56센트로 내려갑니다. 배치 가격은 여기서 다시 절반으로 줄어 1K 생성이 1.68센트가 됩니다. 대량으로 이미지 생성을 운영하는 사람에게는 무엇을 만들 가치가 있는지 바꾸는 변화입니다.

덜 주목받는 부분은 입력 측에 있습니다. 구글은 백만 토큰당 출력 토큰 가격을 60달러에서 30달러로 절반으로 줄였지만, 입력 토큰은 백만 토큰당 0.50달러에서 1.50달러로 올렸습니다. 텍스트 및 사고 출력은 백만 토큰당 3달러에서 7.50달러로 인상되었습니다. 하지만 이미지당 수치는 고객이 실제로 지불하는 금액의 일부에 불과합니다.

입력 변경이 중요한 이유

이미지 요청은 출력보다 훨씬 많은 것을 전달합니다. 프롬프트에 더해 점점 더 참조 이미지가 포함됩니다. 나노 바나나 2.1은 한 요청에서 최대 14개의 참조 이미지를 받을 수 있으며, 각 입력 이미지는 대략 1,120개의 토큰을 소비합니다. 제품의 변형 간 일관성을 유지하기 위해 12개 이상의 참조를 융합하는 워크플로는 출력 하나마다 많은 입력을 전송합니다.

입력 가격이 세 배가 되면 참조가 많은 워크플로는 이미지당 수치가 시사하는 것보다 훨씬 작은 절감 효과를 볼 수 있습니다. 이번 릴리스의 혜택을 가장 많이 보는 팀은 짧은 프롬프트로 대규모 텍스트-투-이미지를 하는 팀입니다. 먼저 자체 수치를 모델링해야 하는 팀은 다중 참조 편집을 하는 팀입니다. 바로 그곳에서 입력 측이 지배적이기 때문입니다.

구글 자체 안내도 이를 숨기지 않습니다. 가격 페이지에는 4K 이미지당 3,780개의 토큰이 나와 있으며, 이는 보도에서 돌고 있는 7.56센트보다 11센트에 더 가깝습니다. 청구서가 절반이 된다고 가정하기 전에 자체 워크로드에 대해 계산해 보세요.

실용적으로 모델링하는 방법은 해상도별로 월 이미지 수를 세고, 새로운 이미지당 출력 가격을 곱한 다음, 입력 비용을 더하는 것입니다. 입력 비용은 요청당 평균 참조 이미지 수 × 이미지당 토큰 수 × 새로운 입력 가격입니다. 짧은 프롬프트를 사용하는 텍스트-투-이미지 워크로드의 경우 절감액은 헤드라인에 가깝습니다. 호출할 때마다 12개의 참조를 보내는 편집 중심 워크로드의 경우 입력 측이 그 대부분을 흡수할 수 있습니다. 이 릴리스는 한 가지 스타일의 작업에는 보상을 주고 다른 작업에는 부담을 지우며, 그 차이가 보이는 곳은 가격 페이지뿐입니다.

실제로 개선된 점

기능 이야기는 가격 이야기보다 더 구체적입니다. 이 모델은 최대 14개의 참조 이미지를 융합하면서 네 명의 인물과 열 개의 객체를 일관되게 유지하며, 이는 제품 카탈로그, 스토리보드, 브랜드 캠페인에 중요한 기능입니다. 편집 단계 전반에 걸친 피사체 일관성은 이미지 도구에서 가장 답답한 실패 지점 중 하나였으며, 이 모델은 이를 직접 겨냥합니다.

이미지 내 텍스트도 개선되었습니다. 구글 자체 인포그래픽 사실성 점수는 0.179에서 0.521로 뛰었으며, 회사는 넓은 화면 비율에서 나타나던 타일링 아티팩트를 수정했다고 밝혔습니다. 출력은 1K, 2K, 4K로 제공되며 화면 비율은 최대 8:1까지 넓어집니다.

그라운딩은 Google 웹 및 이미지 검색을 통해 사용할 수 있으며, 사고 수준은 최소, 중간, 높음으로 설정할 수 있습니다. 이 모델은 출처 추적을 위한 C2PA 콘텐츠 자격 증명도 지원하는데, 플랫폼과 규제 기관이 생성 이미지의 출처 증명을 요구하면서 이는 더욱 중요해지고 있습니다.

에이전트를 이전하기 전에 알아 둘 만한 제한이 있습니다. 오디오 생성, 캐싱, 코드 실행, 파일 검색, 함수 호출, Maps 그라운딩, Live API, 구조화된 출력, URL 컨텍스트는 지원되지 않습니다. 파이프라인이 이미지 단계 주변에서 함수 호출이나 구조화된 출력에 의존한다면, 그 로직은 별도의 텍스트 모델 호출에 있어야 합니다. Batch API는 지원됩니다.

출시 첫날부터 배포 범위가 넓습니다. Gemini 앱, 검색의 AI 모드, Google AI Studio, Google Flow, Stitch, Google Ads, 엔터프라이즈 플랫폼 모두 출시 시점에 이 모델을 제공받습니다. 이는 개선 사항이 소비자 제품과 개발자 API에 동시에 도달한다는 점에서 중요합니다. 개발자는 수백만 명이 이미 다른 인터페이스로 사용 중인 모델을 대상으로 기능을 출시할 수 있어, 제품 결정과 사용자 반응 사이의 피드백 루프가 짧아집니다.

업계 전반의 제한 하나가 그대로 이어집니다. 실제 인물 생성은 엔터프라이즈 플랫폼 티어에서 사용할 수 없습니다. 이는 일부 사용 사례에 중요할 수 있으며, 대형 플랫폼 공급업체에게도 기능 질문과 허가 질문은 별개라는 점을 상기시킵니다.

마이그레이션 마감은 보기보다 유연하다

여러 기사에서는 이전 모델인 gemini-3.1-flash-image가 응답을 중단하는 날짜로 10월 29일을 제시합니다. 구글 자체 변경 로그에는 지원 중단되었지만 종료 날짜는 발표되지 않았다고 나와 있습니다. 10월 29일에 맞춰 마이그레이션을 계획하는 사람은 공급업체가 공개하지 않은 숫자를 기준으로 작업하는 셈입니다.

그렇다고 마이그레이션이 선택 사항이 되는 것은 아닙니다. 지원 중단된 모델은 공급업체가 달리 말할 때까지 계속 작동하지만, 그 모델에 머무는 비용은 대체 모델 대비 두 배가 되었습니다. 이전 모델은 이제 동일한 출력에 대해 상시 50% 할증이 붙는 셈입니다.

더 큰 그림은 가격 전쟁

구글, OpenAI, 그리고 중국의 오픈 웨이트 연구소들은 모두 앱에 이미지 기능을 구축하는 개발자를 쫓고 있습니다. OpenAI는 10월 23일 API에서 gpt-image-1을 제거하고 사용자들을 GPT Image 2.5 Sunburst 또는 Flare로 안내합니다. 독립적인 Arena 텍스트-투-이미지 보드에서 나노 바나나 2.1은 OpenAI 모델 여러 버전에 뒤처진 5위를 기록했습니다.

그 순위는 이번 가격 인하를 읽어야 할 맥락입니다. 독립 보드에서 구글은 품질 선두 주자들에 뒤처집니다. 구글은 소비자 인터페이스와 개발자 API에 같은 날 모델을 제공하며 배포에서 앞서 있고, 선호도 투표에서 1위를 차지하기보다 가격으로 경쟁하기로 선택했습니다. 이미 사용자를 확보한 회사에게는 일관된 전략입니다. 또한 시장 중간층에서는 충분히 좋고 저렴한 것이 최고이면서 비싼 것보다 낫다는 신호이기도 합니다.

한편 오픈 웨이트 옵션들은 아래에서 계속 격차를 좁히고 있습니다. Qwen-Image 및 레이어 분해 릴리스와 같은 모델은 이미지당 청구서가 전혀 없으며, 이는 어떤 호스팅 공급업체도 밑돌 수 없는 하한선을 설정합니다. 이미지당 가격 전쟁은 무료 오픈 웨이트와 프리미엄 티어 사이의 공간에서 벌어지고 있으며, 그 공간은 분기마다 좁아지고 있습니다.

더 저렴한 출력과 더 나은 텍스트 렌더링은 AI 이미지를 예전에는 수정할 때마다 디자이너가 필요했던 작업으로 더 밀어 넣습니다. 현지화된 배너, 메뉴 카드, 간단한 인포그래픽 등이 그렇습니다. 그것이 이번 가격 인하가 가리키는 방향입니다. 각 팀이 스스로 답해야 할 질문은 자사 파이프라인의 입력 측이 그 이점을 거둘 수 있게 해 주는가입니다.

더 넓은 효과는 합리적인 제품 기능으로 간주되는 것에 영향을 미칩니다. 생성된 이미지가 3센트이고 몇 초 만에 도착한다면, 사용자당 세션당 이미지 하나를 생성하는 기능은 작년에는 불가능했던 방식으로 저렴해집니다. 개인화된 일러스트레이션, 지역별 마케팅 자산, 생성된 플레이스홀더 모두 비싼 아이디어에서 구현 세부 사항으로 이동합니다. 이 수준의 가격 변화는 기존 작업의 비용을 줄이는 것 이상을 합니다. 그들을 배제했던 계산이 더 이상 적용되지 않기 때문에 새로운 범주의 작업을 가능하게 합니다.

출력 가격을 인하하면서 입력 가격을 세 배로 올린 구글의 결정은 어떤 스타일의 작업이 지배적이 될지에 대한 베팅입니다. 이는 팀들이 더 많은 생성을 하고 참조가 많은 편집은 덜 할 것이라고 가정하며 그에 맞게 가격을 책정합니다. 반대의 작업을 하는 팀은 헤드라인이 자신에게도 적용된다고 가정하기보다 이전하기 전에 테스트해야 합니다.

관련 글