GPT Image 2.5 Sunburst는 10회 편집 과정 동안 주요 객체와 색상 변경 사항을 유지했지만, 원본 이미지의 텍스처는 보존하지 못했습니다. 최종 수정 단계에서는 영화관 벽, 좌석, 투영된 바다가 눈에 띄는 물결무늬의 모자이크 같은 형태로 변했습니다. 공간 자체는 여전히 알아볼 수 있었지만, 원본 사진의 마감 표현은 그대로 유지되지 않았습니다.
이 차이는 고객이 “작은 변경 하나만 더 해주세요”라고 요청할 때 중요합니다. 커튼을 정확하게 변경했다고 해서 커튼 밖의 모든 요소가 변하지 않았다는 의미는 아닙니다.
이 글은 성능 저하 과정까지 포함한 하나의 완전한 연속 테스트를 보여줍니다. 이는 사례 연구이며, 여러 장면에 대한 평균값이나 측정된 실패율이 아닙니다.
원본과 규칙
기존 PoYo 예시 이미지로 시작했습니다. 버건디 좌석, 어두운 목재 패널, 두 개의 출입문 커튼, 중앙 통로, 빈 흰색 스크린이 있는 오래된 빈 영화관 이미지입니다.
각 요청은 gpt-image-2.5-sunburst, size: "16:9", resolution: "2K", quality: "medium"를 사용했습니다. 바로 이전 출력 결과만 다음 요청의 유일한 이미지 입력으로 전달했습니다. 원본에서 다시 시작하거나, 더 나은 대안을 선택하거나, 결과물을 수정하거나, 마스크를 사용하지 않았습니다.
소스 이미지는 1672 × 941 픽셀이었습니다. 반환된 10개의 이미지는 모두 2048 × 1152였습니다. 이 최초 크기 변경 역시 이 테스트를 픽셀 불변성 테스트로 해석해서는 안 되는 또 다른 이유입니다.
모든 지침은 동일한 보존 문구로 끝났습니다:
Preserve every other existing detail and all earlier edits: cinema architecture, screen frame, wood panels, wall sconces, seating layout, seat shapes, burgundy seat upholstery, camera position, crop, perspective and exposure. Do not add people, rearrange seats, zoom or add text. This is a local edit of the previous image, not a redesign.
해당 문구는 우리가 요청한 내용을 설명합니다. 이미지는 실제로 발생한 결과를 보여줍니다.
10번의 모든 수정 과정
왼쪽에서 오른쪽으로, 그다음 아래 방향으로 읽으세요. 콘택트 시트 전체 크기로 열기.
| 라운드 | 요청한 변경 사항 | 확인 가능한 결과 |
|---|---|---|
| 1 | 스크린 안에 석양의 바다와 흰 돛을 단 보트를 추가 | 기존 프레임 안에 바다와 보트가 나타남; 돛은 선명한 흰색이 아니라 석양을 배경으로 어둡게 보임 |
| 2 | 왼쪽 커튼을 차분한 틸 색상으로 변경 | 틸색 커튼이 나타남; 석양 장면은 유지됨 |
| 3 | 오른쪽 커튼을 네이비로 변경 | 네이비 커튼이 나타남; 왼쪽은 틸색으로 유지됨 |
| 4 | 앞쪽 왼편에 크림색 화분의 양치식물 추가 | 스크린 왼쪽에 화분 식물이 나타남; 좌석에 일부 가려짐 |
| 5 | 앞쪽 오른편에 작은 황동 랜턴 추가 | 통로 오른쪽 근처에 따뜻한 색감의 랜턴이 나타남 |
| 6 | 통로 카펫을 크림색 테두리가 있는 인디고 색상으로 변경 | 파란 카펫과 밝은 테두리가 나타남; 누적된 표면 변화가 더 쉽게 보이기 시작함 |
| 7 | 오른쪽 가까운 좌석 쿠션 위에 접힌 아이보리색 프로그램 추가 | 오른쪽 좌석 영역에 작은 종이 물체가 나타났으며 이후 편집에서도 유지됨 |
| 8 | 보트의 돛을 빨간색으로 변경 | 눈에 띄는 빨간 돛이 나타남; 주변 바다도 다시 렌더링됨 |
| 9 | 식물 화분을 테라코타 색상으로 변경 | 화분이 주황색으로 변함; 식물은 유지됨 |
| 10 | 오른쪽 커튼을 네이비에서 오커 색상으로 변경 | 오른쪽 커튼은 오커 색상으로 변함; 왼쪽은 틸색 유지, 하지만 장면 전체의 텍스처 저하가 강하게 나타남 |
표는 눈에 보이는 결과를 기록한 것이며, 10번의 완벽한 성공 사례를 의미하지 않습니다. 작은 객체의 형태, 정확한 위치, 1라운드의 돛 색상, 대상 외 영역의 보존 여부는 “요청한 객체가 존재하는가?”보다 더 엄격한 검토가 필요합니다.
무엇이 유지되었고, 무엇이 변했는가
최종 이미지는 여전히 동일한 큰 구도를 유지합니다. 중앙 스크린과 통로, 두 개의 커튼이 있는 출입구, 줄지어 있는 버건디 좌석, 사람이 없는 구성입니다. 이전에 추가한 요소들도 식별 가능합니다: 식물, 랜턴, 프로그램, 파란 카펫, 빨간 돛입니다.
중요한 실패는 표면 전반에 걸쳐 나타납니다. 벽의 미세한 텍스처는 훨씬 거칠어집니다. 좌석 소재와 팔걸이는 원본의 깨끗한 재질 표현을 잃습니다. 이후 지시가 커튼이나 화분에 관한 것일 때도 바다와 하늘에는 불규칙한 띠와 얼룩이 생깁니다. 전체적인 마감은 더욱 스타일화되고 광택감 있는 형태가 됩니다.
이 연속 과정에서 이러한 저하를 관찰할 수 있습니다. 하나의 장면만으로 원인을 분리할 수는 없습니다. 반복적인 이미지 조건화, 크기 조정, 생성 설정, 모델 자체를 독립적으로 변경하지 않았기 때문입니다. 또한 Flare 또는 GPT Image 2에서 동일한 과정을 실행하지 않았으므로, 이 글은 비교 편집 성능의 승자를 입증하지 않습니다.
고객 수정 작업을 위한 더 나은 워크플로
이와 같은 연속 작업에서는 원본과 승인된 모든 체크포인트를 보관하세요. 요청한 객체와 나머지 프레임을 별도로 검토하세요. 지역적인 지시가 성공적으로 적용되면서도 전체 이미지 품질은 더 나빠질 수 있습니다.
여러 변경 사항이 이미 정해져 있다면, 10세대 이미지를 자동으로 다시 입력하는 대신 깨끗한 소스에서 통합 요청을 시도하세요. 텍스처가 이미 드리프트되었다면 깨끗한 체크포인트로 돌아가 승인된 변경 사항을 함께 설명하세요. 이는 워크플로 권장 사항이며, 이 실험에서는 통합 요청 대조 테스트를 실행하지 않았습니다.
선택한 인터페이스가 마스크를 지원한다면 대상 영역 주변에 마스크를 적용해 테스트하세요. OpenAI 이미지 생성 가이드는 편집 워크플로를 설명하지만, 보존 지침이나 마스크 역시 반환된 이미지와 비교해 확인해야 합니다. OpenAI의 네이티브 API에 존재하는 필드가 서드파티 래퍼에서도 같은 이름으로 존재한다고 가정하지 마세요.
제작 작업에서는 가능한 경우 정확한 타이포그래피, 로고, 최종 색상 보정을 편집 가능한 레이어로 유지하세요. 그러면 이후 수정이 전체 에셋 재생성에 덜 의존하게 됩니다.
PoYo를 통해 테스트 재현하기
PoYo bearer token을 사용해 POST https://api.poyo.ai/api/generate/submit로 제출하세요. 첫 번째 편집의 요청 본문은 다음 구조를 따릅니다:
{
"model": "gpt-image-2.5-sunburst",
"input": {
"prompt": "Edit this exact image. Change only the blank screen to a calm ocean sunset with one tiny white-sailed boat. Preserve all other details, composition, seating, lighting and materials.",
"image_urls": ["YOUR_PUBLIC_SOURCE_IMAGE_URL"],
"size": "16:9",
"resolution": "2K",
"quality": "medium",
"output_format": "png"
}
}
이 스니펫은 가독성을 위해 축약되었습니다. 정확한 10개 요청 다운로드에서 전체 보존 문구와 각 단계에 사용된 원본 입력 URL을 확인할 수 있습니다. 작업이 완료될 때까지 GET /api/generate/status/{task_id}를 폴링하세요. 반환된 파일 URL을 다음 편집의 이미지 입력으로 사용하고, 작업이 실패하면 체인을 중단하세요.
비용과 대기 시간
각 편집에는 5.99 PoYo credits가 청구되었으며, 총 59.9 credits입니다. 이는 크레딧당 $0.005 기준으로 $0.2995에 해당합니다. 관찰된 10회의 요청-결과 대기 시간은 42.99초에서 54.95초 범위였습니다. 여기에는 대기열, 네트워크 시간, 8초의 폴링 간격이 포함되며 순수 추론 시간만을 의미하지 않습니다.
소스 이미지는 이미 존재했으므로 해당 생성 비용은 제외됩니다. 테스트한 등급과 기타 설정은 GPT Image 2.5 가격 분석에서 확인하세요.
자주 묻는 질문
Sunburst는 10번의 편집 과정에서 이미지를 보존하나요?
이 하나의 체인에서는 알아볼 수 있는 구도와 누적된 많은 변경 사항을 유지했지만, 텍스처와 재질 표현은 눈에 띄게 변경되었습니다. 답변은 “보존”을 무엇으로 정의하느냐에 따라 달라집니다.
높은 품질 또는 최대 품질이 드리프트를 방지하나요?
해당 테스트는 진행하지 않았습니다. 10회의 편집 모두 medium quality를 사용했습니다. 더 높은 설정은 테스트 가능한 선택지일 뿐이며, 이 결과만으로 검증된 해결책은 아닙니다.
편집에는 Flare보다 Sunburst를 선택해야 하나요?
OpenAI는 정밀한 편집을 중심으로 Sunburst를 소개합니다. Flare vs Sunburst 비교는 생성 샘플, 속도, 비용을 다루지만, 동일 조건의 편집 비교는 포함하지 않습니다. PoYo의 GPT Image 2.5 도구에서 자신의 이미지로 워크플로를 테스트하고 각 수정 후 주변 세부 사항을 확인하세요.