GPT Image 2

E2X의 GPT Image 2 이미지 편집 및 inpainting API

GPT Image 2 edit-image는 이미 보유하고 계신 이미지를 겨냥한 OpenAI의 gpt-image-2-2026-04-21입니다. 리터칭, 합성, mask 기반 inpainting, outpainting, 그리고 레이아웃에 박힌 활자를 다시 쓰는 일까지 다룹니다. 저희는 이를 openai/gpt-image-2/edit-image로 운영하며 기본값인 resolution=1K에서 출력 이미지 한 장당 $0.0525를 청구합니다. fal.ai의 동급 high 티어 request는 $0.211입니다.

작업할 소스 이미지가 없으신가요? 그렇다면 GPT Image 2 text-to-image 쪽입니다. 같은 모델, 같은 요금표, prompt만 있으면 됩니다.

여기서 편집 한 건의 값

저희 가격은 곱셈식이고, 두 배수 중 하나는 함정입니다. quality는 모든 값에서 ×7로 적용됩니다. low, medium, high가 동일하게 청구되므로, 낮은 티어는 이미지 품질만 깎고 아무것도 절약해 주지 않습니다. 저희 설정이 이 파라미터를 매핑하는 방식에서 오는 특이점이며, 저희는 이를 각주에 숨기지 않습니다. high를 보내십시오.

돈을 움직이는 배수는 resolution입니다. 1K에서 ×1, 2K에서 ×2, 4K에서 ×3. "GPT Image 2 가격"으로 돌아다니는 $0.0075라는 수치는 배수 적용 전의 저희 기본 요율이며, quality 값을 아예 보내지 않는 request로만 도달할 수 있습니다. 그런데 이 endpoint에서 quality는 필수이므로, 여기서는 실수로도 그 값에 닿으실 수 없습니다. 2026년 8월 26일 기준 요율입니다.

두 열을 서로 견주어 읽으십시오. fal의 가격은 1K와 2K 사이에서 거의 움직이지 않는 반면 저희는 두 배가 되므로, 1K에서 엄청나 보이던 격차가 2K에서는 대략 절반으로 줄어듭니다. 저희가 확인한 모든 티어에서 여전히 저희 쪽이 유리합니다. 실제로 납품하실 티어를 기준으로 예산을 잡으십시오.

OpenAI는 그 표에 아예 등장할 수 없습니다. 이 모델을 token으로 계량하기 때문입니다(텍스트 입력 100만당 $5.00, 이미지 입력 100만당 $8.00, 이미지 출력 100만당 $30.00, Batch는 절반 요율). 그래서 "편집당 가격"은 이미지 크기와 prompt 길이를 가정해야만 존재합니다. 저희는 request 단위로 청구합니다.

가격과 제품 조건은 시간이 지나면서 변경될 수 있습니다. 구매를 결정하기 전에 각 프로바이더의 현재 가격을 확인하시기 바랍니다. Google의 Batch 또는 Flex 가격은 스케줄링, 가용성, 처리 조건이 다르기 때문에 표준 온디맨드 API request와 직접 동등하지 않으며, 따라서 이 비교에서는 제외했습니다. 이는 특정 범위에 한정된 비교이며, E2X가 모든 구성에서 세계에서 가장 저렴하다는 주장은 아닙니다.

편집을 돌리는 데 비용이 더 드는 구조적인 이유

OpenAI는 이 세대에서 input_fidelity 파라미터를 없앴습니다. 첨부하시는 모든 소스 이미지가 이제 고충실도로 처리되며, 물러설 더 저렴한 설정이 없습니다. 첨부마다, 매번, 더 많은 입력 token이 듭니다. 시장이 그것을 보여 줍니다. fal.ai에서 편집 endpoint는 low 티어에서 text-to-image 요율의 대략 두 배로 돌아갑니다. 편집 파이프라인과 맨바닥 생성 파이프라인이 안쪽에서 같은 비용이라고 가정하지 마십시오.

이 endpoint가 잘하는 일

기존 아트워크 안의 텍스트를 다시 쓰기. 이미지를 Google 모델이 아니라 이곳으로 가져오실 가장 강력한 이유입니다. 완성된 영어 인포그래픽을 건네고 독일어 버전을 요청하시면, 활자는 읽히는 상태로 돌아오고 레이아웃은 제자리에 남습니다. 제품 라벨, 패키지 문구, 메뉴판, UI 스크린샷도 마찬가지입니다.

여러 소스에서의 합성. request당 참조 이미지 최대 16장, 반환 출력 최대 10장입니다. 왕복 없이 고를 수 있는 변형들이죠.

mask 기반 inpainting. 알파 채널 mask를 첨부하시면 흰 영역이 모델이 바꿔도 되는 곳을 표시합니다. mask는 선택 사항이고, 없으면 여러분의 prompt가 편집 범위를 정합니다. OpenAI 자신의 표현은 바꿔 말하기보다 인용할 값어치가 있습니다. "모델은 mask를 안내로 사용하지만, 그 정확한 형태를 완벽하게 따르지 않을 수 있습니다." 강한 힌트이지 클리핑 패스가 아닙니다. Outpainting도 같은 방식으로 작동합니다.

투명도. background: "transparent"는 알파 채널을 돌려줍니다. PNG 또는 WebP이며 JPEG는 절대 아닙니다.

크기 규칙은 입력에도 적용됩니다. 긴 변 최대 3840px, 양변 모두 16의 배수, aspect ratio는 3:1보다 넓지 않을 것, 총 픽셀 655,360에서 8,294,400 사이.

API request: 소스, prompt, 선택적 mask

여기서 필수 필드는 셋입니다. prompt, image_urls, 그리고 quality.

curl -X POST https://api.e2x.ai/v1/jobs/submit \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openai/gpt-image-2/edit-image",
    "input": {
      "prompt": "패키지의 헤드라인을 같은 서체와 굵기로 \"CAFÉ NOIR — GRAND CRU\"로 바꿔 주세요. 일러스트와 바코드, 배경은 손대지 마세요.",
      "image_urls": ["https://example.com/coffee-box.png"],
      "aspect_ratio": "4:5",
      "resolution": "2K",
      "quality": "high"
    }
  }'

job ID가 돌아옵니다. polling하시거나, webhookUrl을 등록하시고 저희가 부르게 두십시오.

const headers = {
  Authorization: `Bearer ${process.env.E2X_API_KEY}`,
  "Content-Type": "application/json",
};

const submitted = await fetch("https://api.e2x.ai/v1/jobs/submit", {
  method: "POST",
  headers,
  body: JSON.stringify({
    model: "openai/gpt-image-2/edit-image",
    input: {
      prompt: "이미지 1의 시계를 이미지 2의 대리석 표면 위에 합성해 주세요. 이미지 2의 조명 방향에 맞추세요. 다이얼 각인은 읽히게 유지하세요.",
      image_urls: [
        "https://example.com/watch-cutout.png",
        "https://example.com/marble-scene.jpg",
      ],
      aspect_ratio: "1:1",
      resolution: "1K",
      quality: "high",
    },
  }),
}).then((r) => r.json());

const { jobId } = submitted.data;

for (;;) {
  const job = await fetch(`https://api.e2x.ai/v1/jobs/${jobId}`, { headers })
    .then((r) => r.json());
  if (job.data.status === "completed") {
    job.data.outputs.forEach((o) => console.log(o.url));
    break;
  }
  if (job.data.status === "failed") {
    throw new Error(job.data.error?.message || "Edit failed");
  }
  await new Promise((r) => setTimeout(r, 3000));
}

job은 pending → processing → completed로 움직이거나 failed 또는 cancelled에서 멈춥니다. resolution 값은 대문자 — 1K, 2K, 4K — 이고 저희 aspect ratio 기본값은 1:1입니다. 이 모델은 렌더링에 앞서 계획하고 스스로 점검하므로, 저희는 flash 티어식 약속 대신 60초 ETA를 게시합니다. schema와 가격은 기계 판독용 명세에 있습니다.

저희 이미지 편집 모델 중 고르기

편집기 다섯, 결정 하나이며, 결국 글자가 중요한지 아닌지로 귀결됩니다.

단도직입적으로 말씀드리면, 편집이 활자를 건드리지 않는다면 여기 계실 이유가 아마 없습니다. Nano Banana 2가 평범한 리터치를 — 오브젝트 제거, 배경 교체, 그레이딩 온도 조정 — 더 싸게, 더 빠르게 해냅니다. 인물 사진을 편집하시거나 참조들에 걸쳐 한 사람을 알아볼 수 있게 유지하시나요? Nano Banana Pro가 값이 더 나가더라도 더 나은 도구입니다.

Google 제품군이 그만큼 잘하지 못하는 일을 위해 이곳으로 오십시오. 기존 디자인 안의 문구를 다시 쓰기, mask로 범위를 잡은 inpainting, 투명 출력입니다. 나머지는 image-to-image 카테고리와 저희 모델 카탈로그에 있습니다.

이 endpoint에서의 작업 노트

도착지가 아니라 델타를 묘사하십시오. 장면 전체를 다시 묘사하는 prompt는 소스와 경쟁하고, 편집 대신 표류하는 재생성이 돌아옵니다. 무엇이 바뀌는지 지목하고, 그다음 무엇이 살아남아야 하는지 지목하십시오. "크롭과 그림자, 라벨 위치는 동일하게 유지"는 제 자리값을 합니다.

이미지 여럿이 들어갈 때는 번호로 라벨을 붙이십시오. 이미지 1은 피사체, 이미지 2는 환경, 이미지 3은 그레이딩 참조 전용. 어느 첨부가 팔레트로 의도되었는지 모델에 알려 줄 다른 방법은 없습니다.

텍스트 편집에서는 정확한 대체 문자열을 인용부호에 붙여 넣고 기존 것이 어떻게 되어야 하는지 말씀하십시오. 바꿔 말하기는 재해석을 부르고, 제품 라벨에서의 재해석은 재인쇄입니다. mask 안쪽에서는 소중한 것 주위에 픽셀 몇 개의 여백을 남기십시오. 경계는 안내이지 클립이 아닙니다.

편집한 자산을 출시하기 전에

모든 출력에 모든 quality 티어에서 watermark 계층 둘이 실리며, 이 부분만큼은 저희도 부드럽게 표현하지 않겠습니다. C2PA 출처 메타데이터가 이 파일을 ChatGPT Images로 생성된 것으로 식별합니다. X, Meta, LinkedIn, TikTok이 이를 파싱해 "Made with AI" 라벨을 자동으로 붙입니다. 그 아래에는 이미지 데이터에 심긴 감지되지 않는 픽셀 수준 watermark가 있고, 메타데이터가 사라져도 이것은 사라지지 않습니다.

어느 계층에도 끄는 스위치가 없습니다. 저희에게도, 이 모델을 재판매하는 다른 누구에게도요. 저희는 이 모델에서 화이트라벨 출력을 약속드릴 수 없습니다. AI 라벨이 붙은 자료를 금지하는 계약 아래에서 고객 자산을 편집하고 계신가요? 그 대화를 지금 하십시오.

비용에 관한 메모 하나. 여기서는 본능이 틀리기 때문입니다. 저렴한 초안 작업은 quality에서 나오지 않습니다. low 스무 번은 high 스무 번과 정확히 같은 값이 청구됩니다. 저렴한 검토 루프를 원하시면 1K로 초안을 잡고 2K나 4K는 실제로 나갈 버전에 쓰십시오.

자주 묻는 질문

E2X에서 GPT Image 2 편집 한 건은 얼마입니까?

저희 기본값인 quality=high와 resolution=1K에서 출력 이미지 한 장당 $0.0525입니다. 해상도가 2배, 3배로 곱해지므로 2K는 $0.105, 4K는 $0.1575가 됩니다. quality 티어는 이 숫자들 중 어느 것도 바꾸지 않습니다. 2026년 8월 26일 확인에서 나온 수치입니다.

편집 request 하나에 참조 이미지를 몇 장까지 넣을 수 있습니까?

OpenAI가 문서화한 범위 기준으로 최대 16장이며, request 하나가 최대 10장의 출력을 돌려줄 수 있습니다. 첨부가 많을수록 입력 token이 늘어나므로, 참조 16장 합성은 단일 이미지 리터치와 같은 워크로드가 아닙니다.

low quality 편집이 high보다 쌉니까?

아니요. 어떤 값을 보내시든 저희 배수는 ×7이라, low, medium, high 모두 1K에서 $0.0525가 청구됩니다. 이 필드는 여기서 필수이고, 어떻게 설정하셔도 비용이 낮아지지 않습니다. 지출은 resolution으로 통제하십시오.

편집이 단순 생성보다 실행 비용이 더 드는 이유는 무엇입니까?

input_fidelity가 제거되었기 때문입니다. 첨부된 모든 이미지가 더 저렴한 선택지 없이 고충실도로 처리되므로, 편집은 prompt만 쓰는 request보다 입력 token을 더 태웁니다. 시장 전반에 드러납니다. fal.ai의 편집 endpoint는 low 티어에서 자사 text-to-image 요율의 약 두 배로 돌아갑니다.

이미 가지고 있는 이미지 안의 글자를 바꿀 수 있습니까?

네, 그리고 Google 대안 대신 이 모델을 고를 주된 이유가 그것입니다. 정확한 대체 문자열을 인용하시고 원래 것이 어떻게 되어야 하는지 말씀하십시오. CJK를 포함한 다국어 교체도 되며, 주변 레이아웃을 다시 그리지 않습니다.

편집된 이미지에 watermark가 붙어 나옵니까?

네. 모든 출력에 플랫폼이 "Made with AI" 라벨을 붙이려고 읽는 C2PA 메타데이터와, 이미지 데이터에 심긴 감지되지 않는 픽셀 watermark가 실립니다. 둘 다 모든 quality 티어에 적용되고, 어떤 프로바이더도 이를 비활성화할 수 없습니다.

대신 Nano Banana Pro 편집을 써야 할 때는 언제입니까?

편집의 중심이 사람일 때입니다. 인물 사실감과 참조들에 걸친 캐릭터 일관성이 Google의 Pro 티어가 더 강한 지점입니다. 일상적인 배경과 색 작업이라면 $0.04의 Nano Banana 2로 충분하며, 거기서는 저희의 텍스트 우위가 아무것도 사 주지 않습니다.