2026년 최고의 이미지-투-이미지 API: 동일한 편집, 세 가지 모델, 실제 결과

대부분의 '최고의 이미지-투-이미지 API' 정리 글은 파라미터 표만 비교합니다. 저희는 출력물을 비교했습니다. 저희는 소스 사진 한 장 — 어수선한 주방 조리대 위에 놓인 세이지 그린 세라믹 핸드드립 커피 드리퍼 — 을 사용해, 동일한 hiapi 작업 엔드포인트를 통해 완전히 동일한 편집 지시를 세 가지 이미지-투-이미지 모델에 전송한 뒤 결과를 나란히 배치했습니다. 꾸밈은 전혀 없습니다. 이 글은 모든 이미지, 정확한 프롬프트, 실시간 장당 가격, 그리고 실제로 호출해 보아야만 발견되는 API 스키마 차이를 보여줍니다.

테스트: 이미지 하나, 프롬프트 하나, 모델 세 개

참가자들은 모두 hiapi의 비동기 작업 API를 통해 호출되었습니다:

• gpt-image-2/image-to-image@ext — 확장판 GPT Image 2 편집 엔드포인트: 최대 16장의 참조 이미지, 4K 출력, 3단계 품질
• nano-banana-2 — 현재 Nano Banana의 주력 모델: 이미지 편집 및 생성, 4K 출력, 뛰어난 텍스트 렌더링
• nano-banana-pro — 같은 시리즈의 상위 등급으로, 키 비주얼 자산 품질을 겨냥

소스 이미지는 의도적으로 어수선하게 촬영되었습니다 — 조리대에는 부스러기, 리넨 천, 창가의 잡동사니가 있습니다 — 실제 '판매용으로 깔끔하게 정리해 주세요' 작업이 바로 이렇기 때문입니다. (이 이미지는 저희가 이전에 gpt-image-2/text-to-image로 생성한 것입니다; 이제 이것이 저희의 표준 i2i 테스트 입력입니다.)

각 모델은 아래 지시를 한 글자도 바꾸지 않고 받았습니다:

Replace the background: put this exact sage green ceramic pour-over coffee
dripper, unchanged - same shape, same matte glaze, same camera angle - on a
polished white marble countertop against a seamless pale warm-grey studio
backdrop. Remove the crumbs, cloth and clutter. Soft diffused studio lighting,
gentle realistic shadow under the product, professional e-commerce catalog
photography. No text.

전형적인 이커머스 배경 교체: 제품은 유지하고 환경을 바꾸는 것. 이것은 이미지-투-이미지 API의 가장 흔한 상업적 용도이며, 파라미터 표가 알려줄 수 없는 것 — 주체 충실도, 즉 모델이 당신의 제품을 돌려주는지 아니면 그럴듯하게 닮은 다른 물건을 돌려주는지 — 를 정확히 시험합니다.

각 모델의 반환 결과

gpt-image-2/image-to-image@ext

지시 준수도는 훌륭합니다: 대리석 조리대, 따뜻한 회색 심리스 배경, 잡동사니 사라짐, 부드러운 스튜디오 그림자, 카탈로그식 구도. 하지만 제품 자체를 보세요. 유약이 원래의 무광보다 더 윤이 나고 반점이 많으며, 컵 가장자리에는 원본에 없던 연한 갈색 장식선이 추가되었습니다. 형태, 골이 진 내벽, 손잡이는 정확하지만 — 재질이 어긋났습니다. 콘셉트 작업이나 무드보드에는 문제없습니다; 상품을 실제로 등록하는 입장에서는 운영 담당자가 한눈에 알아볼 수 있습니다.

이 실행은 quality: "medium", 1K를 사용했습니다 — 이미지 비용 $0.061.

nano-banana-2

바로 이 결과 때문에 파일을 혼동한 게 아닌지 다시 확인했습니다. 무광 유약, 골, 유약을 입히지 않은 컵 가장자리, 손잡이, 심지어 카메라 각도까지 거의 변하지 않았고, 조리대와 배경은 요구대로 대리석과 따뜻한 회색으로 바뀌었습니다. 작업이 '이 정확한 SKU를 새 장면에 배치하라'라면, 이 테스트에서 nano-banana-2의 주체 충실도가 셋 중 최고였습니다 — 1K 가격은 $0.085인데, 2K가 오히려 더 저렴합니다($0.076, 아래 가격 참조).

nano-banana-pro

같은 시리즈, 같은 충실도: 제품은 그대로 유지되고 무광 질감도 온전하며, 장면은 약간 더 따뜻하고 대리석 결이 더 두드러집니다 — 결과물 자체가 '잡지 화보' 느낌을 한층 더 줍니다. 이것이 nano-banana-2보다 거의 두 배 비싼 값어치(1K 또는 2K 모두 $0.17)가 있는지는 작업에 따라 다릅니다; Pro의 강점은 단일 제품 배경 교체 같은 작업보다는 복잡한 다중 요소 구도와 최상급 키 비주얼 자산에서 드러나는 경우가 많습니다.

평가표

모델	편집 지시 준수	제품 충실도 유지	참조 이미지	최대 출력	장당 가격
gpt-image-2/image-to-image@ext	완전	부분 — 유약과 컵 가장자리 어긋남	최대 16장	4K	$0.007–0.76
nano-banana-2	완전	거의 정확	여러 장	4K	$0.076–0.114
nano-banana-pro	완전	거의 정확	여러 장	4K	$0.17–0.2992

위 관찰은 2026년 7월 5일에 실행한 통제된 편집에서 나온 것입니다. 다른 피사체(얼굴, 직물, 타이포그래피)는 모델 순위를 바꿀 수 있습니다 — 이 글의 요지는 바로 당신이 자신의 이미지로 이 실험을 몇 분 만에 다시 실행할 수 있다는 것입니다.

가격, 실시간 가격 페이지와 대조 확인

아래 모든 가격은 2026년 7월 5일에 hiapi 가격 페이지와 대조하여 확인했습니다. 모두 이미지당 과금, 사용량 기반 과금이며 구독 등급이 필요 없습니다.

gpt-image-2/image-to-image@ext는 품질 × 해상도로 과금됩니다:

품질	1K	2K	4K
low	$0.007	$0.015	$0.022
medium	$0.061	$0.132	$0.217
high	$0.245	$0.535	$0.76

Nano Banana 시리즈 모델은 해상도로만 과금됩니다:

모델	1K	2K	4K
nano-banana-2	$0.085	$0.076	$0.114
nano-banana-pro	$0.17	$0.17	$0.2992

실용적인 팁 세 가지:

• 편집 프롬프트를 반복 개선하는 가장 저렴한 방법은 gpt-image-2의 low/1K입니다: 시도당 $0.007. 여기서 프로토타이핑하고, 선별된 프롬프트를 더 높은 품질이나 Nano Banana 모델에서 다시 실행하세요.
• nano-banana-2의 2K 등급이 1K 등급보다 더 저렴합니다($0.076 대 $0.085). 2K를 선택하지 않을 이유가 없습니다.
• 더 높은 품질 등급은 렌더링을 더 선명하게 만들 뿐; 주체 유지 동작을 바꾸지는 않습니다. 저희가 medium에서 본 재질 어긋남은 high에서도 더 선명한 재질 어긋남이 될 뿐입니다.

입력 스키마는 상호 교환 불가

세 모델 모두 같은 엔드포인트 뒤에 있습니다 — POST https://api.hiapi.ai/v1/tasks — 하지만 input 스키마는 모델 시리즈마다 다르며, 대부분의 첫 통합 버그가 여기서 발생합니다.

GPT Image 2 편집 엔드포인트는 image_urls를 받으며, quality와 resolution이 모두 필수입니다:

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2/image-to-image@ext",
    "input": {
      "prompt": "Replace the background: put this exact product on a marble countertop...",
      "image_urls": ["https://your-cdn.example.com/source.jpg"],
      "quality": "medium",
      "resolution": "1K"
    }
  }'

Nano Banana 시리즈 모델은 image_input과 함께 aspect_ratio 및 resolution을 받습니다:

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "nano-banana-2",
    "input": {
      "prompt": "Replace the background: put this exact product on a marble countertop...",
      "image_input": ["https://your-cdn.example.com/source.jpg"],
      "aspect_ratio": "1:1",
      "resolution": "1K"
    }
  }'

둘 다 data.taskId에 작업 ID를 반환합니다. status가 success가 될 때까지 작업 상세 엔드포인트를 폴링한 뒤, output[0].url을 가능한 한 빨리 다운로드하세요 — 출력 URL은 유효 기간이 있으므로 바이트를 즉시 자신의 스토리지에 저장해야 합니다. 저희 편집은 매번 비동기 큐에서 몇 분 안에 반환되었습니다.

친절한 세부 사항 하나: 필드 이름을 잘못 보내면 400 응답에 기대되는 스키마가 명시됩니다("image_urls: missing required field"). 그래서 잘못 추측해도 몇 초만 허비할 뿐, 디버깅 세션을 낭비하지 않습니다.

다중 참조 이미지 편집이 판도를 바꾸는 방식

단일 소스 이미지 편집은 기본 시나리오이지만, 두 시리즈 모두 한 장 이상의 입력 이미지를 받으며, 제품 및 캐릭터 일관성 작업이 바로 여기서 이루어집니다:

• gpt-image-2/image-to-image@ext의 image_urls는 최대 16장의 참조 이미지를 받습니다 — 브랜드 보드 전체(제품 이미지, 색상 참조, 레이아웃 참조)를 한 번의 편집에 넣기에 충분합니다.
• Nano Banana 시리즈 모델은 여러 개의 image_input 참조 이미지를 받으며, 장면 전반에서 주체를 안정적으로 유지하는 데 특히 뛰어납니다.

저희 자체 소재 라이브러리에서 가져온 두 장의 nano-banana-2 출력물이 실제 효과를 보여줍니다 — 둘 다 동일한 병과 동일한 인물의 참조 이미지로 구동되었습니다:

요령은 프롬프트에 있습니다: 바뀌면 안 되는 것을 명시하고('이 정확한 세럼 병, 변경 없음 — 같은 앰버색 유리, 같은 검은 스포이트 캡'), 나머지 전부를 모델이 재구성하게 하는 것입니다. 전체 튜토리얼은 저희 Nano Banana 제품 이미지 가이드에서 확인하세요.

선택 방법

• 자신의 제품이나 캐릭터를 편집하며 주체 충실도가 필수 조건 → nano-banana-2부터 시작하세요. 저희 테스트에서 가성비 충실도가 가장 좋았으며, 2K를 선택하세요 — 가장 저렴한 등급입니다.
• 대량의 비용 민감 반복 작업 → gpt-image-2/image-to-image@ext의 low/1K, 시도당 $0.007. 저렴하게 반복하고, 승리한 프롬프트를 상위 등급으로 올리세요.
• 다량의 참조 이미지를 동시에 입력하는 브랜드 보드 워크플로 → gpt-image-2/image-to-image@ext, 셋 중 16장의 참조 이미지를 받는 유일한 모델입니다.
• 하이엔드 4K 키 비주얼 자산 → nano-banana-pro, 다만 먼저 $0.114/4K의 nano-banana-2로 A/B 비교하세요 — 단일 주체 작업에서는 차이가 가격이 암시하는 것보다 작습니다.

각 모델 공급자를 별도로 통합할지 저울질하고 있다면, 프로덕션 환경에서 실제로 중요한 기준은: 공개 페이지에서 확인 가능한 장당 가격, 여러 개가 아닌 하나의 인증과 하나의 작업 폴링 루프, 그리고 파이프라인을 다시 작성하지 않고도 "model" 문자열을 교체할 수 있는 능력입니다. 이것이 통합 엔드포인트의 이유입니다; 기존 스택이 이미 제공하는 기능과 저울질해 비교하세요.

자주 묻는 질문

이미지-투-이미지 API와 텍스트-투-이미지 API의 차이는 무엇인가요? 텍스트-투-이미지는 설명만으로 이미지를 생성합니다. 이미지-투-이미지는 한 장 이상의 입력 이미지와 지시를 받아 수정된 이미지를 반환합니다 — 배경 교체, 스타일 변경, 객체 편집, 또는 여러 참조 이미지로 구성된 구도. 이 테스트의 모델은 모두 i2i를 할 수 있으며, 대부분 처음부터 생성도 가능합니다.

이 비교에서 가장 저렴한 이미지-투-이미지 API는 무엇인가요? 정가 기준으로 gpt-image-2/image-to-image@ext의 low 품질 + 1K: 장당 $0.007입니다. 반면 저희 제품의 정확한 모습을 유지하는 가장 저렴한 편집은 nano-banana-2의 2K: $0.076입니다.

참조 이미지를 몇 장까지 보낼 수 있나요? gpt-image-2/image-to-image@ext는 image_urls 배열을 통해 최대 16장까지 보낼 수 있습니다. Nano Banana 시리즈 모델은 image_input을 통해 여러 참조 이미지를 받습니다 — 위에서 보여드린 일관성 워크플로에 바로 쓰입니다.

이 모델들은 편집된 이미지에 텍스트를 렌더링할 수 있나요? nano-banana-2는 텍스트 렌더링을 핵심 강점으로 내세우며, 편집에 라벨이나 포장 문구가 포함될 때 더 안전한 선택입니다. 어떤 모델을 쓰든 게시 전에 렌더링된 텍스트를 교정하세요 — 모델이 생성한 타이포그래피는 여전히 사람의 검토가 필요합니다.

자신의 이미지로 테스트 실행하기

'어떤 이미지-투-이미지 모델이 내 콘텐츠에 맞는가'를 해결하는 가장 빠른 방법은 저희와 같습니다: 소스 이미지 하나를 고르고, 편집 프롬프트 하나를 작성한 뒤 gpt-image-2/image-to-image@ext, nano-banana-2, nano-banana-pro에서 실행하세요 — hiapi에서는 모델 문자열만 바꾼 동일한 POST 세 번입니다. 빠른 시작 가이드에서 API 키를 받고, 저희가 사용한 등급 기준으로 전체 3-모델 실험 비용은 약 $0.32입니다. 그 드리퍼로 내릴 수 있는 커피보다도 저렴합니다.