이미지 한 장 0.9센트, 1만 장 뽑으면 얼마일까

이미지를 대량으로 뽑는다면 FLUX 3 Image Klein이 가장 쌉니다. 1K 이미지당 0.009달러부터라 1만 장이 90달러 수준입니다. 참조 이미지 14장을 넣고 정확한 편집이 필요하면 Nano Banana 2.1이 낫고, 장당 0.0336달러입니다.

장당 가격을 1만 장으로 환산하면

Nano Banana 2.1은 4K 한 장이 0.113달러입니다. 해상도를 올리면 장당 단가가 3배 이상 뛰므로, 대량 검수용 드래프트는 1K로 뽑고 최종본만 4K로 다시 뽑는 방식이 비용에 유리합니다.

배치로 돌리면 1K 기준 0.0168달러까지 내려갑니다. 다만 무료 티어는 없습니다. 테스트 단계에서도 요금이 붙는 구조라, 프롬프트를 다듬는 횟수까지 비용으로 잡아야 합니다.

가격표만 보면 FLUX가 압도적입니다. 실제 선택은 여기서 갈립니다. 같은 프롬프트를 다섯 번 돌려 마음에 드는 한 장을 고르는 작업이라면 장당 가격이 아니라 재생성 횟수가 총액을 정합니다.

싼 모델이 항상 유리하지는 않습니다

Nano Banana 2.1은 참조 이미지를 14장까지 넣습니다. 인물 사진 4장, 사물 10장을 동시에 참조해 같은 인물을 유지하는 작업에 강합니다. 캐릭터가 반복 등장하는 콘텐츠를 만들 때 재생성률을 크게 낮추는 부분입니다.

1:4나 1:8처럼 극단적으로 긴 비율에서 생기던 타일 이음매도 이번 버전에서 손봤다고 밝혔습니다. 배너와 세로형 썸네일을 한 모델로 뽑는 경우에 차이가 나는 지점입니다.

배포 범위도 넓습니다. Gemini 앱과 검색 AI 모드, Flow, Stitch, Google Ads에 같은 모델이 들어갔습니다. 별도 가입 없이 쓰던 도구 안에서 결과가 바뀐 셈입니다.

FLUX 3 Klein은 참조 10장에 바운딩 박스로 위치를 지정합니다. 지정한 영역 밖의 픽셀은 건드리지 않는 방식이라, 부분 수정이 잦은 작업에서 재생성 비용을 줄입니다.

로컬로 돌린다면 8GB가 출발선입니다

FLUX 3 Klein은 5.6B 모델이고 양자화 형식에 따라 요구 VRAM이 갈립니다. BF16이 11.2GB, FP8이 5.6GB, INT8이 8GB입니다. 1메가픽셀 한 장이 RTX 5090에서 약 4초, RTX 4070에서 9초 이내입니다.

ComfyUI와 Diffusers, TensorRT-LLM, vLLM-Omni에 첫날부터 올라간 것도 로컬 사용자에게는 실질적인 차이입니다. 별도 변환 작업 없이 기존 파이프라인에 끼워 넣을 수 있습니다.

Qwen-Image-2.1은 7B 생성 모델에 8B 비전 인코더를 붙입니다. 네이티브 2K와 알파 채널 출력을 지원하는 대신, BF16 가중치가 33GB 수준이라는 계산이 나옵니다. 24GB 카드 한 장으로는 여유가 없습니다.

장당 0.016달러짜리 API를 쓰는 것과 8GB 카드를 사는 것 중 어느 쪽이 먼저 회수되는지는 월 생성량이 가릅니다. 월 6,000장을 넘기면 카드 값이 API 요금과 비슷해지는 구간에 들어갑니다.

라이선스가 실제 비용을 바꿉니다

Qwen-Image-2.1의 가중치는 연구·평가 전용입니다. 회사 결과물에 쓰려면 상업 계약이 붙은 API로 가야 합니다. 무료 가중치만 보고 파이프라인을 짜면 나중에 비용이 다시 붙습니다.

FLUX 3 Klein은 연매출 5백만 달러 미만이면 상업 이용이 무료입니다. 그 이상은 자체 호스팅 라이선스나 API를 써야 합니다. 매출 기준이 붙는 라이선스는 규모가 커질 때 조건이 바뀐다는 점을 전제로 잡아야 합니다.

Nano Banana 2.1은 모델 카드가 공개되지 않는 독점 모델입니다. 로컬 실행이 원천적으로 불가능하고, 요금제별 제공량도 구독 조건을 따라갑니다. 외부로 보낼 수 없는 이미지를 다룬다면 이 모델은 선택지에서 빠집니다.

과금 단위가 모델마다 다릅니다

Nano Banana 2.1은 이미지를 토큰으로 환산해 과금합니다. 1K가 1,120토큰, 4K가 3,780토큰입니다. 같은 장수라도 해상도에 따라 청구서가 3배 이상 벌어지는 이유입니다.

추론 단계도 조절할 수 있습니다. Thinking을 3단계로 나눠 두고, 복잡한 프롬프트에만 높은 단계를 쓰는 방식입니다. 단순 배경 이미지에 상위 단계를 쓰면 돈만 더 나갑니다.

Qwen-Image-2.1의 Turbo는 디노이징 스텝을 40에서 8로 줄인 체크포인트입니다. Pro와 결과가 같지 않을 수 있으니, 최종 납품용은 Pro로 다시 뽑는 쪽이 안전합니다.

결국 장당 가격표만으로는 총비용을 알 수 없습니다. 해상도, 재생성 횟수, Thinking 단계, 배치 할인 네 가지를 자기 작업에 대입해야 실제 견적이 나옵니다. 월 1,000장 이하라면 이 차이는 커피값 수준입니다.

지역별 단가 차이도 확인해야 합니다. Qwen-Image-2.1 API는 싱가포르 리전 기준 Turbo 0.016달러, Pro 0.04달러이고 글로벌 리전은 0.014133달러와 0.035333달러입니다. 같은 모델을 어느 리전에서 호출하느냐로 10% 안팎이 갈립니다.

모델 카드 기준으로 Nano Banana 2.1의 기반은 Gemini 3.6 Flash입니다. 이미지 전용 모델이 아니라 범용 모델에 이미지 출력을 붙인 구조라, 텍스트 지시를 해석하는 능력이 함께 올라갑니다. 프롬프트를 길게 써야 하는 작업에서 차이가 나는 부분입니다.

한 줄 정리

대량 생성은 FLUX 3 Image Klein, 인물 일관성과 편집 정확도는 Nano Banana 2.1, 알파 채널이 필요하면 Qwen-Image-2.1입니다. 월 6,000장을 넘기면 8GB 카드 한 장이 API 요금보다 먼저 이익이 됩니다.

이 포스팅은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

이 포스팅은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.