블로그로 돌아가기

GPT Image 2.5 프롬프트 작성 가이드: 타이포그래피, 여백 확보, high·xhigh·max 품질 선택법

E2X Team··12분 소요
gpt-image-2.5gpt-image-2.5-sunburstgpt-image-2.5-flareopenaiprompt-engineeringimage-generationimage-editingtext-to-image

GPT Image 2.5 text-to-image로 전송되는 실패한 프롬프트의 대부분은 동일한 원인을 가지고 있습니다. 2026년의 언어 조건화(language-conditioned) 아키텍처가 아니라 2022년 시절의 디퓨전 모델 방식으로 작성되었다는 점입니다. 최대 32,000자의 자연스러운 문장을 수용하는 엔드포인트에 쉼표로 구분된 유행어("coffee dripper, 8k, hyperrealistic, octane render, studio lighting, award winning")를 입력하면 프레임 내 공간적 의사결정의 90%를 통계적 우연에 맡기게 됩니다.

GPT Image 2.5에는 추상적인 품질 형용사가 필요하지 않습니다. 필요한 것은 완전한 평서문으로 작성된 명확한 공간 연출 기획안과 올바른 스키마 설정(aspect_ratio, resolution, 그리고 quality: high, xhigh, 또는 max)의 조합입니다. 또한 /models/openai/gpt-image-2.5-sunburst/text-to-image에서 /models/openai/gpt-image-2.5-sunburst/edit-image로 전환할 때는 규칙이 정반대로 바뀝니다. 편집 호출에서 전체 장면을 처음부터 다시 묘사하면 원치 않는 변형(drift)이 발생하는 반면, 간결한 델타(변경점) 프롬프트는 참조 이미지를 흔들림 없이 고정해 줍니다.

아래에서는 E2X의 프로덕션 파이프라인 전반에서 사용하는 정확한 4단계 프롬프트 구조를 전후 비교 리라이팅 사례, 타이포그래피 포맷 규칙, 네거티브 스페이스(여백) 예약 방법, 그리고 다섯 가지 품질 티어가 모두 1K에서 $0.0525로 동일할 때 high, xhigh, max 중 무엇을 선택할지에 대한 실전 가이드와 함께 소개합니다.

황동 비례 컴퍼스, 팬톤 컬러 스와치, 기하학적 잉크 도면이 놓인 건축가의 제도판

GPT Image 2.5가 가장 잘 따르는 4단계 문장 구조

GPT Image 2.5 text-to-image의 32,000자 제한과 GPT Image 2.5 edit-image의 50,000자 제한 덕분에 지시사항을 짧은 단편으로 축약할 필요가 전혀 없습니다. 캔버스가 구성되기를 원하는 정확한 순서대로 완전한 문장을 작성하세요. 앞부분의 절은 카메라 기하학 구조와 주요 피사체를 고정하고, 뒷부분의 절은 조명, 타이포그래피 및 빈 여백을 다듬습니다.

다음의 4단계 순서를 따르세요.

  1. 피사체 + 재질 + 위치: 표현 매체와 주요 오브젝트, 촉각적인 표면 마감, 그리고 프레임 내 위치를 명시합니다("Matte ceramic pour-over coffee dripper centered on a brushed steel digital scale on a pale ash wood counter").
  2. 물리적 광원 + 방향: 무엇이 빛을 만들어내는지, 어느 각도에서 들어오는지, 그림자가 어떻게 드리우는지 설명합니다("afternoon sunlight from camera left casting sharp shadows across the brackets").
  3. 따옴표로 묶인 텍스트 + 폰트/표면 처리: 프레임에 간판, 라벨 또는 UI 요소가 포함될 때는 정확한 글자를 큰따옴표("")로 감싸고 서체 스타일과 바탕 재질을 묘사합니다("crisp white sans-serif lettering reading \"PLATFORM 4 — EXPRESS TO GENEVA\" on deep Prussian blue enamel").
  4. 명시적인 네거티브 스페이스(여백) 예약: 디자인 팀이 나중에 HTML이나 Figma 카피를 얹을 수 있도록 캔버스의 어느 3분의 1 또는 절반을 비워두어야 하는지 모델에 알려줍니다("Keep the right third of the frame an uncluttered warm plaster wall for headline copy").

전후 비교: 키워드 나열 vs 평서문 기반 공간 기획안

세 가지 일반적인 상업용 작업에서 흔한 태그 나열을 4단계 문장 구조로 바꾸었을 때 어떤 차이가 발생하는지 비교해 보세요.

작업 1: 카피 공간이 있는 이커머스 히어로 배너

Weak prompt (keyword soup):
pour-over coffee maker, digital scale, minimalist kitchen, copy space on right,
product photography, 8k, photorealistic, soft lighting, clean background
Strong prompt (declarative brief):
Matte ceramic pour-over coffee dripper centered on a brushed steel digital scale on a pale ash wood counter. Keep the right third of the frame an uncluttered warm plaster wall for headline copy.

리라이팅이 효과적인 이유: 쉼표 목록에 들어간 "copy space on right"는 이미지 모델이 그 구석에 선반, 화분 또는 창틀을 배치하는 것을 거의 막지 못합니다. 비워둘 영역의 정확한 재질("an uncluttered warm plaster wall", 정돈된 따뜻한 회벽)을 지정하면 모델에 캔버스 우측 3분의 1에 걸쳐 렌더링해야 할 구체적인 표면을 제공할 수 있습니다.

작업 2: 텍스트가 삽입된 건축 간판

Weak prompt (unquoted text and vague style):
vintage blue train station sign that says platform 4 express to geneva,
retro typography, brass brackets, sunny day, ultra detailed
Strong prompt (exact quotes and surface physics):
Vintage enamel railway station platform sign in deep Prussian blue with crisp white sans-serif lettering reading "PLATFORM 4 — EXPRESS TO GENEVA", weathered brass mounting brackets, afternoon sunlight.

리라이팅이 효과적인 이유: 대상 단어를 소문자로 따옴표 없이 남겨두면(says platform 4 express to geneva) 모델이 문구를 임의로 바꾸거나, 문장 부호를 생략하거나, 엉뚱한 역 이름을 지어내기 쉽습니다. "PLATFORM 4 — EXPRESS TO GENEVA"를 큰따옴표로 감싸고 "crisp white sans-serif lettering"을 명시하면 대소문자 표기와 글자 형태를 모두 고정할 수 있습니다.

작업 3: 다중 오브젝트 테이블탑 레이아웃

Weak prompt (flat inventory list):
desk flatlay with anodized keyboard, walnut desk, orange escape key,
notebook, brass pen, daylight, sharp legends
Strong prompt (spatial hierarchy):
Overhead editorial photograph of an anodized aluminum mechanical keyboard centered on a dark walnut desk. Keycaps in matte charcoal with a single signal-orange Esc key at the top left corner of the board. Closed cream linen notebook resting parallel to the right edge of the keyboard, brass fountain pen centered on the cover. Soft north-window daylight from the upper left, crisp key legends, no other props.

리라이팅이 효과적인 이유: 모든 보조 오브젝트가 주요 피사체를 기준으로 상대적인 위치("at the top left corner of the board", "parallel to the right edge")에 고정되어 있어 오브젝트가 서로 겹치는 기하학적 오류를 방지합니다.

헤드라인 및 UI 오버레이를 위한 네거티브 스페이스 예약하기

자동화된 광고 및 랜딩 페이지 파이프라인에서 가장 비용이 많이 드는 실수 중 하나는 16:9 비율에서 중앙 집중형 구도를 생성한 뒤 프론트엔드 개발자가 좌우 여백 위에 흰색 텍스트를 띄울 수 있기를 바라는 것입니다. 프롬프트에서 빈 공간을 명시적으로 확보하지 않는 한, GPT Image 2.5는 프레임의 전체 너비를 보조 소품, 아웃포커싱된 배경 잡동사니, 또는 텍스트 대비를 망치는 극적인 그림자 그라데이션으로 채워버립니다.

다음은 프레임의 우측 3분의 1에 벽면을 명시적으로 할당했을 때 모델이 어떻게 반응하는지 보여주는 GPT Image 2.5의 핸드드립 커피 드리퍼 렌더링 결과입니다.

Matte ceramic pour-over coffee dripper centered on a brushed steel digital scale on a pale ash wood counter. Keep the right third of the frame an uncluttered warm plaster wall for headline copy.

우측에 네거티브 스페이스가 확보된 브러시드 스틸 저울 위의 무광 세라믹 커피 드리퍼

수평축을 따라 장면이 어떻게 분할되는지 살펴보세요.

  • 드리퍼의 무광 세라믹 골과 브러시드 스틸 계량 플랫폼이 프레임 가장자리에서 잘리지 않고 좌측 및 중앙 좌측 구역을 차지합니다.
  • 옅은 애쉬 원목 카운터가 우측 끝까지 깔끔하게 이어져 장면에 안정감을 주므로 인위적으로 이어 붙인 분할 화면 콜라주처럼 보이지 않습니다.
  • 우측 상단 구역은 부드러운 톤 변화를 가진 균일하고 따뜻한 회벽 표면으로 유지되어, 글자 뒤에 반투명한 어두운 배경 상자(scrim box)를 깔지 않고도 어두운 색상의 세리프 또는 산세리프 HTML 타이포그래피를 바로 얹을 수 있습니다.

네거티브 스페이스 지시문을 작성할 때는 항상 공간 비율("the right third", "the upper quarter", "the left half")과 그 공간을 채워야 할 구체적인 배경 재질("uncluttered warm plaster wall", "clear pale overcast sky", "seamless slate-gray studio sweep")을 함께 짝지어 지정하세요. 단순히 "leave empty space"라고 말하는 것보다 빈 공간에 무엇이 있는지를 모델에 알려주는 것이 훨씬 더 확실하게 작동합니다.

정확한 텍스트 따옴표 표기와 표면 타이포그래피 제어

GPT Image 2.5는 여러 단어로 된 간판, 패키지 라벨, 책 표지 및 UI 카드를 렌더링하는 데 있어 E2X 카탈로그에서 가장 강력한 모델입니다. 첫 번째 시도에서 깔끔한 레터링을 얻으려면 프롬프트에 텍스트가 포함될 때마다 네 가지 기계적 규칙을 따르세요.

  1. 정확한 문자를 항상 큰따옴표로 감싸기: 렌더링하려는 정확한 대문자 또는 대소문자 혼합 형태 그대로 "PLATFORM 4 — EXPRESS TO GENEVA"를 작성합니다.
  2. 독점 폰트 파일명이 아닌 시각적 계열과 두께(weight)로 서체 묘사하기: "condensed bold grotesque sans-serif", "high-contrast editorial Didone serif", 또는 "hand-painted gold leaf sign-painter capitals"와 같은 표현을 사용합니다.
  3. 텍스트가 물리적 재질에 부착되는 방식 명시하기: 글자가 "screen-printed in matte black ink"(무광 검정 잉크로 실크스크린 인쇄됨), "stamped in recessed gold foil"(음각 금박 스탬핑), "enameled white on Prussian blue steel"(프러시안 블루 스틸 위의 흰색 에나멜), 또는 "backlit acrylic channel letters"(백라이트 아크릴 채널 문자)인지 구체적으로 밝힙니다.
  4. 배경의 깨진 글자(gibberish) 방지하기: 장면에 무작위로 지어낸 단어가 들어가선 안 되는 배경 상점, 병 또는 책이 포함되어 있다면 프롬프트 끝을 "no other text or logos in the frame"으로 마무리합니다.

다음은 이러한 규칙을 정확히 적용하여 GPT Image 2.5에서 생성한 철도역 간판 프롬프트입니다.

Vintage enamel railway station platform sign in deep Prussian blue with crisp white sans-serif lettering reading "PLATFORM 4 — EXPRESS TO GENEVA", weathered brass mounting brackets, afternoon sunlight.

GPT Image 2.5로 생성된 프러시안 블루 색상의 빈티지 에나멜 철도역 간판

이 출력물에서 모델은 PLATFORM 4와 EXPRESS TO GENEVA 사이의 문장 부호 주변 간격을 정확히 유지하고, 전체 수평 명판에 걸쳐 흰색 산세리프 획 두께를 균일하게 보존하며, 파란색 에나멜 유약과 흰색 페인트 글자 모두에 오후 햇살의 미묘한 반사 하이라이트를 렌더링합니다. 한편 모서리에 있는 풍화된 황동 장착 브래킷은 간판의 내부 테두리를 침범하지 않으면서도 산화 흔적과 볼트 디테일을 보여줍니다.

E2X에서 high, xhigh, max 품질 선택하기

/models/openai/gpt-image-2.5-sunburst/text-to-image 및 /models/openai/gpt-image-2.5-sunburst/edit-image에서 quality 파라미터는 다섯 가지 값을 허용합니다: low, medium, high(생략 시 스키마 기본값), xhigh, 그리고 max. E2X에서 GPT Image 2.5는 두 가지 변형으로 제공됩니다. 1K/2K/4K 해상도와 low, medium, high, xhigh, max 품질 티어를 지원하는 GPT Image 2.5 Sunburst(openai/gpt-image-2.5-sunburst)와, 1K/2K/4K 해상도 및 low, medium, high 품질 티어로 /models/openai/gpt-image-2.5-flare/text-to-image 및 /models/openai/gpt-image-2.5-flare/edit-image를 지원하는 GPT Image 2.5 Flare(openai/gpt-image-2.5-flare)입니다.

어떤 설정을 전달할지 결정하기 전에 E2X가 이 파라미터에 어떻게 요금을 부과하는지 이해해야 합니다. 모든 호출은 $0.03의 정가 기본 요금에서 시작하며, 당사의 상시 75% 할인을 통해 $0.0075로 낮아집니다. 여기서 다음 계산이 적용됩니다.

  • 모든 quality 설정(low, medium, high, xhigh, max)은 정확히 동일한 ×7 배수를 적용합니다.
  • resolution은 1K에서 ×1($0.0525), 2K에서 ×2($0.1050), 4K에서 ×3($0.1575) 배수를 적용합니다.

가격 및 제품 약관은 변경될 수 있습니다. 구매 결정을 내리기 전에 각 제공업체의 최신 요금을 확인하시기 바랍니다. Google Batch 또는 Flex 요금은 스케줄링, 가용성 및 처리 조건이 다르기 때문에 표준 온디맨드 API 요청과 직접 비교할 수 없으므로 이 비교에서 제외되었습니다. 본 문서는 특정 조건에서의 비교이며, E2X가 모든 구성에서 세계에서 가장 저렴한 옵션이라는 주장이 아닙니다.

low, high, xhigh, max 모두 1K에서 정확히 동일한 $0.0525(2K $0.105, 4K $0.1575)이므로 금전적인 이유로 low나 medium을 전송할 이유가 전혀 없습니다. high, xhigh, max 사이의 실질적인 엔지니어링 트레이드오프는 추론 지연 시간(latency) 대 미세 디테일 정교화입니다.

품질(Quality) 설정E2X 1K 가격E2X 4K 가격최적의 사용 사례
high (기본값)$0.0525$0.1575빠른 인터랙티브 미리보기, 단일 피사체 제품 샷, 깔끔한 여백 중심 배경
xhigh$0.0525$0.1575매장 간판, 화장품 병 라벨, 다중 오브젝트 테이블탑 구도, 미세한 피부/직물 짜임이 있는 인물 사진
max$0.0525$0.1575고밀도 다중 행 포스터, 정밀한 기계/건축 단면도, 최종 2K/4K 마스터 렌더링

실무에서는 사용자가 UI 캔버스에서 실시간으로 기다리고 있고 프롬프트에 작은 포인트의 텍스트가 없을 때 resolution: "1K"와 함께 quality: "high"를 사용하세요. 프롬프트에 따옴표로 묶인 타이포그래피나 상호작용하는 여러 오브젝트가 포함될 때마다 1K($0.0525)에서 quality: "xhigh"를 사용하세요. 그리고 백그라운드 워커 큐에서 최종 프로덕션 마스터를 렌더링할 때는 2K($0.105) 또는 4K($0.1575)에서 quality: "max"로 전환하세요.

edit-image를 위한 델타 프롬프팅 vs text-to-image를 위한 전체 장면 프롬프팅

GPT Image 2.5 edit-image에 프롬프트를 작성할 때는 text-to-image와는 다른 멘탈 모델이 필요합니다. image_urls에 하나 이상의 원본 이미지를 전달할 때는 시각적 장면이 이미 존재합니다. 만약 프롬프트에서 방 전체, 조명, 카메라 렌즈를 처음부터 다시 묘사하면 모델은 해당 문장을 그 영역들을 새로 재생성하라는 지시로 받아들여 얼굴, 질감 또는 원근감에 미묘한 변형(drift)을 일으킵니다.

edit-image 프롬프트는 다음 세 가지 구성 요소를 갖춘 엄격한 델타(변경점) 형태로 작성하세요.

  1. 원본 이미지를 명시적으로 인덱싱하기: image_urls에 여러 URL을 전달할 때는 "image 1", "image 2", "image 3"으로 지칭합니다.
  2. 정확한 수정 사항만 기술하기: 간판이나 라벨을 업데이트하는 경우 따옴표로 묶인 대체 텍스트를 포함하여 변경되는 요소만 설명합니다.
  3. 나머지 모든 요소 고정하기: 그대로 유지되어야 하는 주변 요소들을 명시적으로 나열합니다.

전체 장면 text-to-image 프롬프트와 이에 대응하는 edit-image 델타 프롬프트를 비교해 보세요.

Full-scene prompt (for openai/gpt-image-2.5-sunburst/text-to-image):
Vintage enamel railway station platform sign in deep Prussian blue with crisp white sans-serif lettering reading "PLATFORM 4 — EXPRESS TO GENEVA", weathered brass mounting brackets, afternoon sunlight.
Delta edit prompt (for openai/gpt-image-2.5-sunburst/edit-image):
In image 1, change the white sans-serif lettering on the Prussian blue enamel sign to read "PLATFORM 9 — NIGHT TRAIN TO MILAN" in the exact same font weight, kerning, and enamel surface gloss. Keep the weathered brass mounting brackets, afternoon sunlight angle, and background masonry completely unchanged.

출력물이 입력 이미지의 치수와 일치하도록 aspect_ratio: "auto"를 유지하면서 POST https://api.e2x.ai/v1/jobs/submit을 통해 이 델타 편집 호출을 제출합니다.

curl -X POST https://api.e2x.ai/v1/jobs/submit \
  -H "Authorization: Bearer $E2X_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openai/gpt-image-2.5-sunburst/edit-image",
    "input": {
      "prompt": "In image 1, change the white sans-serif lettering on the Prussian blue enamel sign to read \"PLATFORM 9 — NIGHT TRAIN TO MILAN\" in the exact same font weight, kerning, and enamel surface gloss. Keep the weathered brass mounting brackets, afternoon sunlight angle, and background masonry completely unchanged.",
      "image_urls": [
        "https://assets.e2x.ai/assets/posts/gpt-image-2-5-prompting-guide/example-2.jpg"
      ],
      "aspect_ratio": "auto",
      "resolution": "2K",
      "quality": "max"
    }
  }'

E2X에서 생성과 편집을 오갈 때 두 가지 스키마 규칙을 기억하세요.

  • openai/gpt-image-2.5-sunburst/edit-image는 최대 50,000자의 프롬프트를 허용하므로(text-to-image는 32,000자), 자동화된 현지화(localization) 스크립트에서 잘림 없이 전체 레이아웃 규칙을 전달할 수 있습니다.
  • 두 GPT Image 2.5 엔드포인트 모두 background: "transparent"를 포함하지 않습니다. 누끼 제품 샷에 단일 API 호출로 알파 채널이 필요한 경우, 동일한 $0.0525(1K) 가격의 GPT Image 2 text-to-image 또는 GPT Image 2 edit-image로 해당 작업을 라우팅하세요.

모델 간 일대일 벤치마크를 보려면 GPT Image 2.5 vs Nano Banana 2.1 및 GPT Image 2.5 vs FLUX.2 Pro 및 Max 비교 글을 읽거나 Nano Banana 프롬프트 가이드를 확인하세요. 또한 text-to-image llms.txt 사양과 edit-image llms.txt 사양에서 원본 파라미터 스키마를 살펴보거나 E2X 카탈로그에서 모든 모델을 둘러볼 수 있습니다.

자주 묻는 질문 (FAQ)

GPT Image 2.5 프롬프트에 가장 좋은 문장 순서는 무엇인가요?

주요 피사체, 재질 마감, 프레임 내 위치로 시작하세요. 그다음 물리적 광원과 그림자 방향을 이어서 작성하고, 이미지 내에 들어갈 정확한 텍스트를 큰따옴표로 감싸 폰트 및 표면 처리와 함께 지정한 뒤, 마지막으로 명시적인 네거티브 스페이스(프레임 영역과 정돈된 배경 표면을 모두 지칭)를 예약하며 마무리합니다.

따옴표를 사용하지 않으면 왜 GPT Image 2.5가 단어 철자를 틀리나요?

대상 단어가 따옴표 없이 문장 내에 인라인으로 작성되면 언어 조건화 레이어가 이를 문자 그대로의 문자열이 아닌 주제에 대한 설명으로 취급할 수 있습니다. 정확한 문자열을 큰따옴표로 감싸고(reading "PLATFORM 4 — EXPRESS TO GENEVA"), 폰트 스타일을 지정("crisp white sans-serif lettering")하며, quality를 xhigh 또는 max로 설정하면 모델에 해당 글자 형태를 정확히 렌더링하라고 지시할 수 있습니다.

GPT Image 2.5에서 max 품질은 high와 비용이 같은데 항상 max를 사용해야 하나요?

E2X에서는 low, medium, high, xhigh, max 모두 동일한 ×7 배수(1K $0.0525, 2K $0.105, 4K $0.1575)가 적용됩니다. 프롬프트에 텍스트 타이포그래피, 미세한 피부나 직물 질감, 또는 다중 오브젝트 공간 제약이 포함될 때는 언제나 xhigh 또는 max를 사용하세요. 단순한 단일 피사체 초안이나 깔끔한 배경 플레이트에서 더 빠른 응답 속도를 원할 때는 high를 유지하는 것이 좋습니다.

HTML 텍스트 오버레이를 위한 깔끔한 카피 공간은 어떻게 확보하나요?

"Keep the right third of the frame an uncluttered warm plaster wall for headline copy" 또는 "Keep the upper half a clear pale overcast sky with no clouds or objects"처럼 프레임의 비율과 그 빈 구역을 채워야 할 구체적인 물리적 표면을 모두 명시하세요. 표면을 구체적으로 지정하면 모델이 빈 공간을 무작위 배경 소품으로 채우는 것을 방지할 수 있습니다.

edit-image 프롬프트는 text-to-image 프롬프트와 어떻게 달라야 하나요?

/models/openai/gpt-image-2.5-sunburst/text-to-image의 경우 전체 장면을 처음부터 묘사하세요(최대 32,000자). /models/openai/gpt-image-2.5-sunburst/edit-image(최대 50,000자)의 경우 변경점(델타)만 작성하세요: 입력 파일을 번호로 참조("In image 1...")하고, 변경되는 정확한 요소나 따옴표 텍스트를 명시한 뒤, 다른 모든 오브젝트, 조명 및 카메라 각도는 변경하지 말라고 모델에 명시적으로 지시합니다.