12배 격차: 카탈로그 규모에서 AI 이미지 생성은 실제로 얼마가 드는가

리더보드는 청구서가 아니다

디자이너들이 모인 방에서 어떤 이미지 모델이 최고냐고 물으면 자신감 있는 답이 돌아온다. 대개 아레나 1위 모델이다. 같은 방에 그 회사가 대량 생산에서 실제로 돌려야 할 모델은 무엇이냐고 물으면 그 자신감은 사라진다. 이는 서로 다른 두 질문이고, 10월에 그 간극은 시장 실패로 보일 만큼 벌어졌다.

이달 발표된 가격 분석은 이 문제에 실제 숫자를 붙였다. 1K 해상도로 월 5만 장의 상품 이미지를 요청당 한 장씩 생성하는 팀을 기준으로, 스스로 합리적인 선택이라 여기는 모델들 사이에서 월 청구액은 약 $840에서 약 $10,550까지 이른다. 재시도를 전혀 고려하기 전의 12.5배 격차다. 같은 작업량, 같은 해상도, 같은 일이다.

요금표를 번역하면

격차는 장당으로 보면 가장 쉽게 드러난다. 저렴한 쪽에서는 빠른 배치 모델이 1K 이미지당 약 $0.007다. Nano Banana 2.1은 배치 모드에서 약 $0.0168, 표준 모드에서 약 $0.0336다. FLUX.2 [pro]는 약 $0.03부터, MAI-Image-2.6은 아레나 추정으로 약 $0.039, Grok Imagine Image 2.0은 약 $0.04, Seedream 5.0 Pro는 약 $0.045, FLUX 3 Image는 1K에서 약 $0.048다.

그다음 가격이 급격히 치솟는다. GPT-Image-2는 중간 effort에서 장당 약 $0.053, Nano Banana Pro는 약 $0.134, GPT-Image-2는 높은 effort에서 장당 약 $0.211에 이른다. 같은 5만 장 작업량에서 가장 저렴하면서 합리적인 선택과 가장 비싼 선택의 차이는 집 한 채 값, 어쩌면 여러 채 값이다.

가장 놀라운 점은 해상도가 순위를 얼마나 빠르게 뒤흔드는가다. 1K에서는 상위 몇 모델이 거의 붙어 있다. 4K에서는 같은 5만 장이 Nano Banana 2.1로 약 $3,780, FLUX 3 Image로 약 $30,350다. 카탈로그 해상도에서는 알뜰해 보이던 모델이, 인쇄 품질을 요구하는 순간 감당 불가능해질 수 있다.

왜 더 싼 쪽이 흔히 이기고, 때로는 지는가

어떤 모델이 “아레나에서 겨우 두 단계 아래”일 때, 그 차이를 잡음으로 여기는 것이 본능이다. 상품 카탈로그라면 그 본능은 대개 맞다. 합격 기준이 “깨끗하고, 브랜드에 맞고, 제품이 정확함”이라면, 더 싼 모델은 리더보드가 시사하는 것보다 자주 그 기준을 통과하며, 아낀 돈은 더 많은 각도를 촬영하거나 더 많은 시안을 시험하는 데로 돌아간다.

하지만 광고판에 들어갈 대표 이미지라면 계산이 뒤집힌다. 반려된 이미지의 비용은 생성 요금이 아니다. 디자이너의 시간, 재촬영, 놓친 마감이다. 판돈이 그렇게 크면 장당 네 배를 쓰는 것은 값싼 보험이고, 리더보드는 더 이상 허영 지표가 아니다.

대부분의 팀이 도달하는 실용적 답은 모델 하나만 고르는 것을 멈추라는 것이다. 싼 모델로 자사 제품 50개 배치를 돌리고, 같은 50개를 비싼 모델로도 돌린 뒤, 몇 장이 한 번에 통과하는지 세어 보라. 요금표를 정하는 것은 아레나 점수가 아니라 그 숫자다.

그 조언에는 유용한 비대칭이 숨어 있다. 싼 모델은 뻔한 방식으로 실패하고, 뻔한 실패는 잡아내는 비용이 싸다. 비싼 모델은 미묘한 방식으로 실패한다. 살짝 어긋난 로고, 엉뚱한 방향으로 진 그림자, 손가락이 하나 많은 손. 이런 실패는 첫눈을 통과하기에 잡아내는 데 더 많은 비용이 든다. 바로 그래서 팀이 애초에 비싼 모델에 돈을 낸다. 문제는 프리미엄이 추상적으로 값어치가 있느냐가 결코 아니다. 더 싼 모델이 저지르는 구체적인 실수가, 검수자가 어차피 놓쳤을 바로 그 실수인지가 문제다.

재시도라는 숨은 승수

AI 이미지 생성에서 가장 과소 계상되는 비용은 재시도다. 위의 가격 모델은 요청당 한 장을 가정한다. 실제 워크플로는 그렇지 않다. 합격 이미지 한 장당 평균 1.5회를 시도해야 한다면, 단가는 그대로인 채 청구액이 50퍼센트 오른다. 순식간에 두 번 시도해야 하는 싼 모델이 한 번에 끝나는 비싼 모델보다 더 많이 든다.

그래서 “합격률”은 어떤 비교표에서든 “장당 가격” 옆에 나란히 앉을 자격이 있다. 첫 시도 합격률이 60퍼센트인 모델은 실질적으로 정가의 1.67배다. 90퍼센트인 모델은 1.11배다. 두 모델의 실효 가격 차이는 정가 차이보다 더 클 수 있고, 방향도 다르다.

표의 양 끝을 계산하면 교훈은 더 선명해진다. 장당 $0.02에 합격률 50퍼센트인 모델은 합격 한 장당 $0.04다. 장당 $0.05에 합격률 85퍼센트인 모델은 합격 한 장당 약 $0.059다. 그 “비싼” 모델은 실제로는 1.5배밖에 더 들지 않고, 사람의 검수를 몇 바퀴 절약해 준다. 그 재시도에 들어가는 인건비까지 가격에 포함하면 차이는 완전히 사라질 수 있다. 정가는 출발점이지 답이 아니다.

지원 종료도 하나의 비용 항목이다

10월은 어떤 요금표에도 없는 두 번째 비용을 더했다. 강제 이전이다. Google은 이전 세대 Gemini 이미지 엔드포인트의 종료를 10월 말로 예정했고, 이는 여전히 이전 세대에 남은 이들을 원하든 원치 않든 이동하게 만든다. 위 워크플로라면 구 엔드포인트에서 Nano Banana 2.1로 옮기는 것만으로 월 청구액이 거의 절반으로 줄고, 순위가 더 높은 모델에 안착한다. 마감이 배달해 준 공짜 승리다.

이것은 지원 종료의 좋은 버전이다. 나쁜 버전은 계획하지 않은 이전, 고정할 수 없는 모델, 모델링하지 않은 가격이다. 이미지 파이프라인이 특정 엔드포인트에 의존한다면, 이제 달력도 요금표와 나란히 비용 구조의 일부다.

미학이 아니라 경제

여기까지의 논의는 싼 모델이 똑같이 예쁘다는 주장이 아니다. 흔히 그렇지 않다. 주장은 이렇다. 대량으로 이미지를 생산하는 누구에게든 “어떤 모델이 최고인가”는 잘못된 질문이다. 맞는 질문은 더 좁고 덜 낭만적이다. 내 합격 기준은 무엇인가, 재시도율은 얼마인가, 결과물이 실제로 필요한 해상도는 무엇인가, 그리고 그 해상도가 바뀌면 내 청구액은 어떻게 되는가.

12배 격차는 시장의 버그가 아니다. 이미지 생성이, 그보다 앞서 클라우드 스토리지와 동영상 인코딩이 그랬던 것처럼, 등급을 가질 만큼 성숙해졌다고 시장이 말해 주는 것이다. 이미지 생성을 합격률과 단위 경제를 갖춘 조달 문제로 다루는 팀은, 취향 문제로 다루는 팀의 몇 분의 일만 쓴다. 어느 사진이 더 예쁜지에 대해서는 둘 다 옳을 수 있다. 청구서를 설명할 수 있는 쪽은 하나뿐이다.