2026 AI 이미지 생성 모델 비교: Midjourney V8.2, GPT Image 2, Nano Banana 2, FLUX.2, Stable Diffusion 3.5

제품명 한 글자가 틀리면 그 이미지는 못 쓴다

포스터 속 제품명이 한 글자만 틀려도 그 이미지는 못 씁니다. 상품 사진에서 버튼 위치가 바뀌어도 마찬가지죠. 이런 작업에서는 첫인상보다 수정 횟수가 비용을 결정합니다.

“그래서 어떤 모델이 제일 좋은가?”라는 질문이 자꾸 어긋나는 이유도 여기에 있습니다. 공개 투표 순위는 프롬프트, 평가 시점, 모델 버전이 바뀌면 뒤집힙니다. 월 구독 서비스와 API, 로컬 모델을 장당 가격 하나로 줄 세울 수도 없고요.

직접 대조하지 않은 이미지 품질에는 별점을 매기지 않았습니다. 2026년 7월 26일에 확인한 공식 문서에서 아래 다섯 항목만 꺼냈습니다.

첫 생성: 텍스트 프롬프트만으로 원하는 구도와 분위기를 얻기 쉬운가
편집: 기존 이미지의 중요한 요소를 보존하면서 일부만 바꿀 수 있는가
텍스트·브랜드 요소: 글자, 색상, 로고 배치처럼 틀리면 바로 폐기되는 조건을 다룰 수 있는가
제어·운영: 참조 이미지, 로컬 실행, API, 자동화에 필요한 기능이 있는가
실제 비용: 생성 1회의 가격이 아니라 채택 가능한 결과 1장을 얻는 총비용이 얼마인가

예쁜 그림이 필요한 사람과 상품 모양을 지켜야 하는 사람에게 같은 1위는 별 의미가 없습니다. 아래 표는 화질 우승자가 아니라, 피하고 싶은 실패에 따라 첫 후보를 고르는 지도에 가깝습니다.

2026년 7월 현재 모델명부터 바로잡기

DALL·E: 검색어로는 여전히 익숙하지만, OpenAI의 현재 이미지 API 주력 모델은 gpt-image-2입니다. 공식 모델 목록은 GPT Image 2를 최신 이미지 모델로 표시하고 DALL·E 3·2를 deprecated로 분류합니다. 따라서 새 워크플로를 DALL·E 기준으로 설계할 이유는 적습니다. (OpenAI 모델 목록)
Midjourney: 현재 기본 버전은 V8.2입니다. 2026년 7월 24일 기본 버전으로 공개됐으며, V8.1은 더 이상 기본 모델이 아닙니다. (Midjourney 버전 문서)
Nano Banana: 하나의 고정 모델명이 아니라 Gemini 이미지 모델군의 별칭입니다. Google은 범용 기본 선택으로 **Nano Banana 2(Gemini 3.1 Flash Image)**를 권장하고, 복잡한 전문 제작에는 Nano Banana Pro(Gemini 3 Pro Image)를 구분해 안내합니다. (Gemini 이미지 생성 가이드)
FLUX: BFL은 2026년 7월 23일 멀티모달 기반 모델 FLUX 3를 Early Access로 발표했습니다. 그러나 공개 가격과 이미지 제작용 API를 기준으로 지금 비교할 수 있는 제품군은 FLUX.2입니다. [klein], [pro], [max], [flex], [dev]의 용도·가격·라이선스가 서로 다릅니다. (FLUX 3 발표, FLUX.2 개요)
Stable Diffusion: 이 비교에서 다루는 공식 코어 모델은 Stable Diffusion 3.5 Large입니다. 로컬 가중치를 받을 수 있지만, 라이선스 비용과 GPU·운영비는 별개의 문제입니다. (Stable Diffusion 3.5 Large 모델 카드)

한눈에 보는 선택 지도

선택지	먼저 검토할 상황	공식적으로 확인되는 강점	먼저 확인할 제약
Midjourney V8.2	콘셉트 아트, 무드보드, 스타일 탐색을 웹에서 빠르게 반복	스타일 레퍼런스, 개인화, 변형, 웹 생성 화면	API가 아닌 구독 중심이며, 현재 에디터는 V6.1을 사용
GPT Image 2	텍스트가 많은 광고·포스터, 대화형 수정, 앱 자동화	생성·편집 API, 고충실도 이미지 입력, 다양한 출력 크기	토큰 과금이라 참조 이미지와 품질에 따라 총비용이 달라짐
Nano Banana 2	여러 참조 이미지를 활용한 반복 편집, 1K~4K API 출력	생성과 편집, 다중 참조, 텍스트 렌더링, 4K 출력	API 입력·사고 토큰과 검색 그라운딩 비용은 이미지 출력비와 별도
FLUX.2	상품 이미지 대량 생산, 참조 기반 편집, 비용·속도별 모델 선택	최대 4MP, 다중 참조, 변형별 속도·제어·품질 선택	변형마다 라이선스가 다르며 `[dev]`를 상업용 무료 모델로 보면 안 됨
Stable Diffusion 3.5 Large	로컬 처리, 자체 파이프라인, LoRA·파인튜닝이 핵심	다운로드 가능한 가중치, 로컬 실행, 커스터마이징	설치·GPU·보안 운영을 직접 책임져야 하며 Community License 조건이 있음

이 표의 “강점”은 동일 프롬프트 실험 결과가 아니라 공식 지원 기능입니다. 미감과 한국어 정확도는 각자 쓰려는 데이터로 다시 확인해야 합니다. 문서에 기능이 적혀 있다는 사실과 원하는 결과가 잘 나온다는 평가는 다르니까요.

모델별로 무엇이 실제로 달라졌나

Midjourney V8.2: 스타일 탐색에 강한 구독형 작업대

Midjourney는 이제 Discord 전용 서비스가 아닙니다. 공식 웹 Create 화면에서 프롬프트, 이미지 프롬프트, 스타일 레퍼런스, 개인화 기능을 쓸 수 있습니다. V8.2는 미감과 이미지 품질, 개인화에 초점을 둔 업데이트입니다. 한 가지 걸리는 점이 있습니다. 공식 호환표상 V8.1·V8.2 이미지의 에디터, Pan, Zoom Out 일부 처리는 현재 V6.1을 사용합니다. 생성과 편집 모델의 버전이 같다고 생각하면 안 됩니다. (웹 생성 문서, 버전 호환표)

2026년 7월 26일 확인 가격은 월 $10 / $30 / $60 / $120입니다. Standard 이상은 이미지 Relax 모드가 무제한이고, 비공개 생성을 위한 Stealth Mode는 Pro와 Mega에만 제공됩니다. Basic의 “200장”처럼 장수로 단순 환산하기보다 Fast GPU 시간이 Basic 3.3시간, Standard 15시간이라는 식으로 읽는 편이 정확합니다. (Midjourney 요금제)

저라면 무드보드나 콘셉트 탐색부터 맡기겠습니다. 서버에서 자동 호출해야 하거나 원본 제품의 작은 디테일을 편집 전후에 지켜야 한다면 다른 후보부터 보겠습니다.

GPT Image 2: DALL·E의 현재 대안, 생성과 편집을 한 API에서

OpenAI는 GPT Image 2를 최신 이미지 생성·편집 모델로 안내합니다. Images API에서는 한 번의 생성·편집 요청을, Responses API에서는 대화 흐름 안의 반복 편집을 구성할 수 있습니다. 출력 크기·품질·형식·압축도 조절합니다. 편집 입력은 항상 고충실도로 처리되는데, 디테일 보존에는 유리해도 참조 이미지 입력 토큰 비용은 커질 수 있습니다. (GPT Image 2 모델 문서, 이미지 생성 가이드)

API 가격은 고정된 “장당 가격”이 아닙니다. 표준 요금 기준 이미지 입력은 100만 토큰당 $8, 이미지 출력은 $30, 텍스트 입력은 $5입니다. 공식 계산표의 1024×1024 출력 예시는 low $0.006, medium $0.053, high $0.211이며 프롬프트와 편집용 이미지 입력 비용은 추가됩니다. (OpenAI API 가격, 출력 비용 계산표)

포스터·인포그래픽의 글자와 레이아웃 지시, 앱 안의 후속 편집이 중요하다면 GPT Image 2부터 시험할 만합니다. 월 구독료만으로 비용을 고정하고 싶다면 맞지 않을 수 있어요. API와 ChatGPT 구독은 별도 과금 체계입니다.

Nano Banana 2: 범용 기본 모델과 Pro를 구분해서 선택

Google의 현재 범용 권장 모델은 gemini-3.1-flash-image, 즉 Nano Banana 2입니다. 공식 가이드는 최대 4K 생성, 다중 참조 이미지 처리, 일관성, 텍스트 렌더링을 주요 특성으로 설명합니다. 더 복잡한 브랜드 일관성·정밀 제어에는 gemini-3-pro-image인 Nano Banana Pro를 별도 선택하도록 안내합니다. 모든 생성 이미지에는 SynthID 워터마크가 포함됩니다. (Gemini 이미지 생성 가이드)

Nano Banana 2의 유료 API 이미지 출력비는 0.5K $0.045, 1K $0.067, 2K $0.101, 4K $0.151입니다. Nano Banana Pro는 1K·2K $0.134, 4K $0.24입니다. 출력 이미지에 붙는 금액만 그렇습니다. 입력과 사고 토큰, Google Search 그라운딩 호출 비용은 따로 생길 수 있습니다. (Gemini API 가격)

여러 제품·인물·스타일 참조를 조합하고 해상도별 비용을 미리 잡아야 한다면 Nano Banana 2가 먼저 눈에 들어옵니다. 무료 Gemini 앱 사용량과 유료 API 가격을 같은 상품처럼 비교하지는 마세요. 무료 한도와 기능은 앱 화면에서 다시 확인해야 합니다.

FLUX.2: ‘한 모델’이 아니라 속도·품질·제어의 제품군

FLUX 3는 이미지·비디오·오디오를 함께 다루는 새 기반 모델이지만 현재 Early Access입니다. 지금 운영에 넣을 제품을 고르는 글에서 발표만 된 세대를 기준으로 삼기는 이릅니다. 공개 사용 조건과 가격이 있는 FLUX.2를 비교한 이유입니다. (FLUX 3 발표)

FLUX.2는 생성과 편집을 통합하고 최대 4MP 출력과 다중 참조를 지원합니다. [klein]은 실시간·대량 처리, [pro]는 제작 규모의 균형, [max]는 최종 품질과 검색 그라운딩, [flex]는 타이포그래피와 세부 제어에 초점을 둡니다. 따라서 FLUX.2를 비교할 때는 제품군 전체가 아니라 실제 호출할 변형을 기록해야 합니다. (FLUX.2 공식 개요)

공식 API의 시작 가격은 [klein] 4B $0.014, 9B $0.015, [pro] $0.03/MP, [max] $0.07/MP입니다. 해상도와 참조 이미지 수에 따라 비용이 늘어납니다. 로컬 가중치도 모두 같은 조건이 아닙니다. [klein] 4B는 Apache 2.0이지만, 9B와 [dev]는 FLUX Non-Commercial License이며 상업적 자체 호스팅에는 별도 라이선스가 필요합니다. API 사용에는 상업적 사용 권리가 포함된다고 BFL이 안내합니다. (FLUX 가격, FLUX 라이선스 안내)

상품 이미지나 캠페인 변형을 대량 생산하면서 속도·품질·단가를 단계별로 나누고 싶다면 FLUX.2 제품군은 꽤 유연합니다. 대신 “오픈 웨이트니까 상업적으로 무료겠지”라고 넘기면 안 됩니다. 계약 검토에는 정확한 변형명과 배포 방식까지 남겨야 합니다.

Stable Diffusion 3.5 Large: 통제권을 얻는 대신 운영을 떠안는 선택

Stable Diffusion 3.5 Large는 8B 파라미터의 텍스트-이미지 모델이며 공식 모델 카드에서 로컬 Diffusers 실행 예시와 양자화 방법을 제공합니다. LoRA·파인튜닝, 사내망 처리, 재현 가능한 파이프라인이 중요한 팀에는 폐쇄형 서비스와 다른 통제권을 줍니다. 그러나 “RTX 3060 이상이면 된다” 같은 단일 GPU 권장은 정밀도, 양자화, 해상도, 속도 목표에 따라 달라지므로 이 글에서는 제시하지 않습니다. (공식 모델 카드)

로컬 실행의 API 사용료는 없지만 무료 운영은 아닙니다. GPU 구입·임대, 전력, 저장공간, 배포와 안전 필터 비용이 남습니다. Stability AI의 Community License는 연 매출 100만 달러 미만 개인·조직의 상업적 사용을 무료로 허용하지만, 상업적 사용자는 등록 의무를 확인해야 하며 기준을 넘으면 Enterprise License가 필요합니다. Stability API를 쓸 경우 SD 3.5 Large는 6.5크레딧, 즉 $0.065/회입니다. (Stability AI 라이선스, Stability API 가격)

데이터 처리 위치, 모델 커스터마이징, 배포 재현성이 생성 UI의 편의성보다 중요하다면 Stable Diffusion 3.5 Large가 맞을 수 있습니다.

모델 파일을 받았다고 운영비가 0원이 되는 건 아닙니다. 통제권과 함께 엔지니어링·GPU·안전 운영까지 떠안는 선택입니다.

가격을 공정하게 비교하는 법

구독료, 토큰, 메가픽셀, GPU 시간을 한 “장당 가격” 표에 넣으면 보기에는 깔끔합니다. 실제 비용은 오히려 흐려집니다. 채택 가능한 결과 1장당 비용을 계산해야 합니다.

채택 비용 = (구독료 배분 + API 출력비 + 입력·편집비 + GPU·인건비) ÷ 실제 채택 이미지 수

20장을 생성해 2장만 썼다면 표시된 생성 단가의 10배를 낸 셈입니다. 브랜드명 한 글자가 계속 틀리거나 제품 모양이 바뀌면 싼 모델도 금세 비싸집니다.

비교할 때는 다음 조건도 기록하세요.

정확한 모델 ID와 날짜
출력 크기·품질·종횡비
참조 이미지 수와 편집 횟수
생성 수, 수정 없이 채택한 수, 편집 후 채택한 수
사람이 교정한 시간
로컬 모델이면 GPU 종류, 정밀도, 스텝 수

직접 검증할 수 있는 30장 비교 방법

각 모델에서 아래 6개 과제를 같은 브리프와 같은 종횡비로 5회씩 생성하면 30장으로 작은 의사결정 실험을 만들 수 있습니다.

복합 구도: 사람 2명, 제품 3개, 위치 관계를 명시한다.
한국어 텍스트: 짧은 제목, 가격, 날짜를 정확히 넣게 한다.
제품 보존 편집: 제품은 그대로 두고 배경과 조명만 바꾼다.
인물·캐릭터 일관성: 같은 참조로 표정과 장면만 바꾼다.
브랜드 색상: HEX 색상과 여백, 로고 위치를 지정한다.
스타일 변형: 같은 내용으로 사진·편집 일러스트·3D 세 방향을 만든다.

모든 결과를 0점(실패), 1점(수정 후 사용), 2점(바로 사용)으로 채점하되, 미감 점수와 조건 준수 점수를 분리하세요. 제공사별 프롬프트 문법 최적화는 1차 비교가 끝난 뒤 2차 실험에서 적용해야 모델과 프롬프트 숙련도를 혼동하지 않습니다.

목적별 권장 가중치

목적	가장 크게 볼 항목	예시 가중치
브랜드 포스터	텍스트 정확도, 레이아웃, 수정 보존	텍스트 30% · 편집 25% · 레이아웃 20% · 스타일 15% · 비용 10%
상품 이미지	제품 보존, 참조 일관성, 대량 단가	제품 보존 35% · 편집 25% · 일관성 20% · 비용 10% · 속도 10%
콘셉트 아트	스타일 적합도, 아이디어 다양성	스타일 35% · 다양성 25% · 일관성 20% · 편집 10% · 비용 10%
사내 자동화	API 안정성, 비용 예측, 데이터 통제	운영 30% · 비용 25% · 조건 준수 20% · 편집 15% · 미감 10%

가중치 자체가 정답은 아닙니다. 팀이 무엇을 실패로 볼지 먼저 적어두는 장치에 가깝습니다. 이 표가 있으면 “어느 그림이 더 예쁜가”라는 취향 논쟁을 조금 빨리 끝낼 수 있습니다.

제가 고른다면 이렇게 나눕니다

가장 비싼 실패부터 정하면 후보가 꽤 빨리 줄어듭니다.

콘셉트와 스타일 후보를 많이 보고 싶다면: Midjourney V8.2부터 검토합니다. 단, 최종 편집 단계가 다른 모델 버전을 쓴다는 점을 샘플로 확인하세요.
텍스트가 많은 실무 이미지와 API 편집이 중요하다면: GPT Image 2를 우선 시험합니다. DALL·E 3를 새 기준으로 삼지 마세요.
다중 참조와 4K, 해상도별 API 비용이 중요하다면: Nano Banana 2를 기본 후보로, 복잡한 전문 자산에는 Nano Banana Pro를 비교합니다.
대량 생성에서 속도·품질·단가를 세분화하고 싶다면: FLUX.2 [klein]·[pro]·[max]를 같은 제품군 안에서 먼저 비교합니다.
로컬 실행과 파인튜닝이 핵심 요구사항이라면: Stable Diffusion 3.5 Large를 검토하되 GPU 운영비와 라이선스 조건을 함께 계산합니다.

하나의 모델로 전 과정을 통일할 필요는 없습니다. “Midjourney로 초안, 다른 모델로 편집” 같은 조합도 가능합니다. 모델을 건너갈 때 참조 보존 실패와 재작업 비용이 생긴다는 점만 기록해 두세요.

한 달 뒤에도 남겨볼 숫자는 모델 이름보다 채택률과 수정 시간입니다.

확인한 공식 자료

가격과 모델 기본값은 바뀔 수 있습니다. 이 글의 가격은 2026년 7월 26일 공식 페이지 확인값이며, 실제 결제 전에는 연결된 가격 페이지와 세금·환율·지역 조건을 다시 확인하세요.