AI Image Editing API 선택 가이드: 엔드포인트, 입력값 및 비용 단위

최고의 AI 이미지 편집 API는 데모가 가장 뛰어난 것이 아니라, 제품이 실제로 수행하는 편집 작업과 엔드포인트, 입력 형태, 과금 단위가 일치하는 것입니다. 마스크 편집, 참조 가이드 기반의 이미지-투-이미지(image-to-image), 모델별 편집 작업은 하나의 계약을 공유하지 않습니다. 저희는 2026년 10월 3일에 TokenLab의 편집 문서와 라이브 모델 페이지를 검토했으며, 아래의 모든 내용은 해당 페이지를 기반으로 합니다. 이미지 엔드포인트는 기본 모델을 자동으로 선택하지 않으므로, 항상 model을 명시적으로 전송하십시오.

핵심 요약

• 마스크 기반 편집은 POST /v1/images/edits로 보냅니다. Nano Banana 참조 편집은 operation: "image-to-image"와 함께 POST /v1/images/generations로 보냅니다.
• 과금 단위는 서로 다릅니다. gpt-image-2와 Gemini 이미지 모델은 토큰당 가격이 책정되는 반면, flux-kontext-pro는 요청당 $0.04의 가격이 책정됩니다.
• 제공된 정보에는 인페인팅 품질, 텍스트 렌더링, 스타일 보존 또는 제품 사진 충실도에 대한 벤치마크가 포함되어 있지 않습니다. 직접 자신의 이미지로 테스트하십시오.
• 긴 작업이나 다중 이미지 편집의 경우 모델이 지원한다면 async: true를 사용하십시오. 작업 ID를 저장하고 Usage에서 최종 청구 금액을 확인하십시오.
• API가 실시간으로 변경되므로, 사용하기 전에 각 모델 페이지에서 가격과 단위를 확인하십시오.

사용 사례별 추천 모델

이 추천 모델들은 문서화된 계약 및 나열된 가격을 따릅니다. 편집 품질 벤치마크가 없으므로 품질 순위가 아닙니다. 각 모델을 자체 테스트 세트에 포함할 첫 번째 모델로 고려하십시오.

필요한 기능	추천 모델	이유	출처
마스크 기반 인페인팅	gpt-image-2	마스크 계약이 명시된 유일한 모델: PNG, 동일한 치수, 투명 영역이 편집됨.	Edit Image 참조, 2026-10-03
한 번의 편집에 여러 소스 이미지 사용	gpt-image-2	문서화된 소스 이미지 제한 16개. Grok Imagine 편집 모델은 3개로 제한됨.	Edit Image 참조, 2026-10-03
가장 저렴한 고정 가격 참조 편집	grok-imagine-image	요청당 $0.02로 표에서 가장 낮은 고정 가격.	라이브 모델 API, 2026-10-03
제품 형태 유지, 배경 변경	nano-banana-pro	문서화된 참조 예시가 정확히 이 작업을 수행하며, 이미지당 $0.067임.	Create Image 참조, 2026-10-03
편집된 이미지 내 텍스트	추천 없음	어떤 편집 모델도 텍스트 렌더링 데이터가 없음.	n/a

최고의 AI 이미지 편집 API 후보: 모델, 단위 및 가격

이 표에는 편집 기능이 있다고 명시되었거나 편집 문서에서 편집 모델로 언급된 모든 모델이 나열되어 있습니다. 모든 가격은 USD 기준 TokenLab 공개 가격입니다. 라이브 API 보고 가격은 2026-10-02T16:53:30.068Z에 업데이트되었으며, 각 페이지는 2026-10-03에 확인했습니다.

모델 ID	라이브 API에 나열된 기능	과금 단위	TokenLab 가격 (USD)	출처	확인 일자
gpt-image-2	text-to-image (/v1/images/edits에서 편집 문서화됨)	per_token	텍스트 입력 1M당 $3.50, 이미지 입력 1M당 $5.60, 이미지 출력 1M당 $21; 캐시된 텍스트 입력 1M당 $0.875	라이브 모델 API	2026-10-03
flux-kontext-pro	image-edit, image-to-image, text-to-image	per_request	$0.04	라이브 모델 API	2026-10-03
flux-pro-1.0-fill	image-to-image	per_image	$0.035	라이브 모델 API	2026-10-03
flux-2-pro	image-to-image, text-to-image	per_image	$0.03	라이브 모델 API	2026-10-03
nano-banana-pro	image-edit, image-to-image, text-to-image	per_image	$0.067 (가격 범위 요약 최대 $0.12)	라이브 모델 API	2026-10-03
gemini-3-pro-image	image-to-image, text-to-image, vision	per_token	입력 1M당 $1, 텍스트 출력 1M당 $6, 이미지 출력 1M당 $60	라이브 모델 API	2026-10-03
gemini-3.1-flash-image	image-to-image, text-to-image, vision	per_token	입력 1M당 $0.25, 텍스트 출력 1M당 $1.50, 이미지 출력 1M당 $30	라이브 모델 API	2026-10-03
grok-imagine-image	image-to-image, text-to-image	per_request	$0.02	라이브 모델 API	2026-10-03

페이지들을 대조해 본 결과 세 가지 불일치를 발견했습니다. 라이브 API는 gpt-image-2를 text-to-image 전용으로 나열하지만, Edit Image 참조는 /v1/images/edits에서 지원된다고 명시합니다. flux-pro-1.0-fill과 flux-2-pro의 라이브 페이지는 image-to-image를 나열하지만, 저희 카탈로그 스냅샷은 둘 다 image-edit으로 표시합니다. 또한 nano-banana-pro는 image-edit을 나열하지만, 문서는 /v1/images/generations를 통해 라우팅합니다. 저희는 라우팅에 대해서는 문서를, 가격에 대해서는 라이브 API를 권위 있는 정보로 간주합니다.

고정 가격 모델의 경우, 대략적인 추정치는 단순 곱셈입니다. 이는 견적이 아닌 추정치이며, 완료된 요청당 1회 청구를 가정합니다:

• grok-imagine-image에서 100회 편집: 100 × $0.02 = $2.00.
• flux-2-pro에서 100회 편집: 100 × $0.03 = $3.00.
• flux-pro-1.0-fill에서 100회 편집: 100 × $0.035 = $3.50.
• flux-kontext-pro에서 100회 편집: 100 × $0.04 = $4.00.

토큰 가격 모델에 대한 편집당 추정치는 제공되지 않습니다. gpt-image-2는 텍스트 입력, 이미지 입력, 보고된 캐시 입력 및 이미지 출력 토큰을 청구하므로 고정된 이미지당 모델이 아닙니다. 일반적인 편집에 대한 토큰 수는 정보에 포함되어 있지 않습니다. Billing 가이드에 설명된 대로 실제 편집을 몇 번 수행하고 Usage에서 비용을 확인하십시오. nano-banana-pro의 가격 범위는 해상도 계층을 의미하지만, 정보에는 계층과 가격이 매핑되어 있지 않습니다.

편집 엔드포인트가 허용하는 것과 문서화되지 않은 것

Edit Image 참조(2026-10-03 확인)는 OpenAI 호환 멀티파트 흐름과 JSON 요청을 지원합니다. gpt-image-2에 대해 명시된 내용은 다음과 같습니다:

• 입력 이미지. 멀티파트 image, JSON image_url / image_urls 또는 공식 images[] 객체를 전송하십시오. 각 images[] 객체는 image_url 또는 file_id 중 하나를 정확히 포함해야 합니다. file_id 값은 /v1/files를 통해 먼저 생성하십시오.
• 다중 참조. 최대 16개의 소스 이미지(각각 PNG, JPEG 또는 WebP, 최대 50 MiB). 멀티파트 요청에서 image 필드를 반복하십시오. JSON에서는 image_url, image_urls 또는 images 중 하나만 제공하십시오.
• 마스크. 소스 이미지와 동일한 치수의 50 MiB 미만 PNG. 완전히 투명한 영역이 편집이 적용될 위치를 표시합니다. JSON에서 mask는 image_url 또는 file_id 중 하나만 포함하는 객체일 수 있습니다.
• 출력. size는 auto 또는 WIDTHxHEIGHT를 허용합니다. 치수는 16의 배수여야 하며, 가장 긴 변은 최대 3840px, 긴 변과 짧은 변의 비율은 최대 3:1, 총 픽셀 수는 655,360에서 8,294,400 사이여야 합니다. resolution을 보내지 마십시오. background는 auto 또는 opaque를 허용하며 transparent는 허용하지 않습니다.
• 거부된 필드. input_fidelity는 gpt-image-2에서 지원되지 않으며, 전송 시 400 unsupported_parameter를 반환합니다.
• 원격 URL. 포함된 자격 증명이나 프래그먼트가 없는 공개 http/https여야 합니다. localhost, 사설 또는 예약된 범위로 확인되어서는 안 됩니다. 제한 사항은 이미지당 50 MiB, 요청당 총 200 MiB(마스크 포함), 30초 가져오기 타임아웃 및 최대 3회의 리디렉션입니다. 가져온 페이로드는 실제 PNG, JPEG 또는 WebP여야 합니다.

Grok Imagine 편집 모델(grok-imagine-image, grok-imagine-image-quality)은 동일한 입력 필드를 사용하지만 소스 이미지를 3개로 제한합니다. 더 많은 이미지를 포함한 요청은 400 too_many_images로 실패합니다.

Nano Banana는 다릅니다. 문서는 nano-banana-2와 nano-banana-pro가 operation: "image-to-image" 및 image_urls와 함께 /v1/images/generations에서 참조 이미지 요청을 처리한다고 명시합니다. 이들은 /v1/images/edits에 속하지 않습니다. 최상위 images[] 및 file_id는 편집 흐름 형태이며 generations 엔드포인트에서 거부됩니다. 다음은 resolution을 허용하는 nano-banana-pro의 문서화된 예시입니다:

{
  "model": "nano-banana-pro",
  "prompt": "Keep the product shape, change the background to a bright studio setup",
  "operation": "image-to-image",
  "image_urls": ["https://example.com/input/product.png"],
  "aspect_ratio": "1:1",
  "resolution": "2k"
}

Google 이미지 제품군의 경우, Create Image 참조는 aspect_ratio를 선호하고 모델이 지원하는 경우에만 resolution(1k, 2k, 4k)을 전송하라고 명시합니다. nano-banana-2에 대한 모델 세부 정보는 여기에 링크되어 있지만, 정보 세트에는 가격이 포함되어 있지 않습니다.

정보에 문서화되지 않은 내용:

• gpt-image-2 외의 모델이 /v1/images/edits에서 mask를 허용하는지 여부 (flux-pro-1.0-fill 및 stability-inpaint 포함).
• 여러 소스 이미지를 보낼 때 단일 마스크가 적용되는 방식.
• FLUX 및 Nano Banana 모델에 대한 소스 이미지 제한.
• 다중 이미지 요청에서 이미지 순서가 결과에 영향을 미치는지 여부.

이 모델들을 기반으로 구축하기 전에 모델의 세부 페이지를 읽어보십시오.

완전한 편집 요청 하나

이 요청은 gpt-image-2에 대해 문서화된 필드인 소스 이미지, 마스크, 프롬프트, size 및 async만 사용합니다. Edit Image 참조의 멀티파트 예시를 따릅니다.

curl -X POST "https://api.tokenlab.sh/v1/images/edits" \
  -H "Authorization: Bearer $TOKENLAB_API_KEY" \
  -F "model=gpt-image-2" \
  -F "image=@source.png" \
  -F "mask=@mask.png" \
  -F "prompt=A sunlit indoor lounge area with a pool" \
  -F "n=1" \
  -F "size=1024x1024" \
  -F "async=true"

async=true를 사용하면 응답에 status: "pending", task_id 및 poll_url이 포함되며 data는 비어 있습니다. 동기식 호출을 위해서는 async 줄을 제거하십시오. 동기식 호출은 기본적으로 data[].url을 반환하거나, response_format을 설정하면 data[].b64_json을 반환합니다. 다음과 같이 작업을 폴링하십시오:

curl "https://api.tokenlab.sh/v1/tasks/$TASK_ID" \
  -H "Authorization: Bearer $TOKENLAB_API_KEY"

gpt-image-2에 대한 모델 세부 정보는 해당 모델 페이지에 있습니다. 동기식 호출의 경우, 고해상도 요청은 1분 이상 걸릴 수 있으므로 HTTP 클라이언트 타임아웃을 최소 120초로 설정하십시오.

작업별 최고의 AI 이미지 편집 API 선택

정보에는 라우팅, 입력 및 가격이 명시되어 있습니다. 편집 품질에 대한 벤치마크는 포함되어 있지 않으므로, 아래의 모든 "어떤 것이 더 나은가"라는 질문은 자체 테스트 세트가 필요합니다.

인페인팅. gpt-image-2는 문서에 마스크 계약이 명시된 유일한 모델입니다. 카탈로그에는 전용 영역 및 구조 도구인 stability-inpaint, stability-control-structure 및 stability-control-sketch도 나열되어 있습니다. 채우기 및 문맥 내 편집의 경우, 이미지당 $0.035인 flux-pro-1.0-fill과 요청당 $0.04인 flux-kontext-pro가 있습니다. 정보에는 어느 것이 더 깔끔한 이음새를 만드는지 명시되어 있지 않습니다.

스타일 보존 편집. 문서화된 참조 예시는 제품의 형태를 유지하고 주변 환경을 변경합니다. 이것이 /v1/images/generations에서의 nano-banana-pro 패턴입니다. flux-kontext-pro는 image-edit 기능을 나열합니다. 두 주장 모두 정체성이나 스타일 유지에 대해 여기에서 벤치마크되지 않았습니다.

이미지 내 텍스트. 정보에는 어떤 편집 모델에 대해서도 텍스트 렌더링에 대한 정보가 없습니다. ideogram-edit-v3 및 ideogram-reframe-v3가 카탈로그에 존재하지만, 텍스트 품질 데이터는 찾지 못했습니다. 직접 복사본, 폰트 및 언어로 테스트하십시오.

제품 사진. 수천 개의 팩샷 배경을 교체하는 카탈로그 팀을 상상해 보십시오. 유틸리티 도구가 자연스러운 첫 번째 고려 대상입니다: image-background-remover, image-upscaler 및 stability-upscale-fast. 이들의 가격 및 입력 규칙은 정보에 없으므로 각 모델 페이지를 읽어보십시오. 생성형 배경 교체의 경우, 고정된 요청당 가격으로 배치 비용을 쉽게 예측할 수 있습니다. 토큰 가격은 이미지 크기와 출력에 따라 달라집니다.

입력 요구 사항은 제공자가 아닌 모델별로 다릅니다. 일부 모델은 소스 이미지와 프롬프트를, 일부는 마스크를, 일부는 구조적 입력을 취합니다. 각 모델의 지원되는 작업과 요청 필드를 세부 페이지에서 확인하십시오. 모델 디렉토리에서 현재 옵션을 탐색할 수 있습니다.

비동기 처리 및 편집 비용 확인

이미지 생성 가이드와 비동기 작업 가이드(둘 다 2026-10-03 확인)는 흐름을 설명합니다. async: true는 gpt-image-2 및 공식 FLUX/BFL 편집 모델에 대해 문서화되어 있습니다. 생성 응답은 status: "pending", task_id 및 poll_url을 반환합니다. poll_url이 있을 때 폴링하거나, 고정 URL의 경우 GET /v1/tasks/{id}를 사용하십시오. 상태는 pending, processing, completed 및 failed입니다. 문서는 긴 미디어 작업의 경우 5~10초마다 확인하고 터미널 상태에서 중지할 것을 제안합니다.

네 가지 세부 사항이 대부분의 버그를 유발합니다:

• 상태 읽기는 작업이 실패했을 때도 HTTP 200을 반환합니다. status를 기준으로 분기하고, 실패 시 error_details.code 및 type을 확인하십시오.
• 완료된 비동기 편집은 response_format에 관계없이 URL을 반환합니다. b64_json이 필요하면 동기식 요청을 사용하십시오.
• 클라이언트 타임아웃 후, 생성 호출을 재시도하기 전에 작업이 존재하는지 확인하십시오. 실패한 생성을 재시도하면 새 작업이 생성되고 새로운 비용이 발생할 수 있습니다.
• 결과 URL은 30일 동안 미디어 복사본으로 보관될 수 있습니다. 각 항목의 상태와 expires_at에 대해 media_retention.items를 확인하십시오.

비용의 경우, Billing 가이드에 따르면 콘솔은 유료 생성을 확인하기 전에 최대 추정치를 표시하고, Usage는 최종 청구 금액을 표시합니다. 비동기 작업은 수락될 때 추정 비용을 예약할 수 있습니다. 완료된 작업은 한 번 청구되며, 실패하거나 타임아웃된 작업은 보류 중인 금액을 해제하거나 환불합니다. 전달 옵션도 중요합니다. TokenLab Verified는 TokenLab 공개 가격을 사용하고, Official은 공식 가격 계층을 사용하며, Auto는 Verified를 먼저 시도한 후 Official을 시도합니다. 모델 페이지 가격 열의 대시는 Verified 제안을 사용할 수 없음을 의미하며, 모델이 무료라는 뜻은 아닙니다. API 키의 지출 한도에 도달하면 402 Payment Required가 반환됩니다.

request_id, task_id, poll_url, billing_transaction_id(있을 경우), 모델, 엔드포인트 및 자체 작업 ID를 함께 저장하십시오. 실제로는 그 기록이 대부분의 청구 불일치 질문을 해결합니다. 정보는 Seedance 비디오 작업에 대해서만 작업 취소를 문서화합니다. 이미지 편집에 대한 취소는 문서화되어 있지 않으므로 취소 없이 흐름을 설계하십시오.

FAQ

모든 이미지 편집 모델에 마스크를 보낼 수 있나요?

정보는 /v1/images/edits에서 gpt-image-2에 대한 마스크만 문서화합니다. 마스크는 소스 이미지와 동일한 치수의 50 MiB 미만 PNG여야 하며, 투명 영역이 편집됩니다. flux-pro-1.0-fill을 포함한 다른 모델의 경우, 마스크 지원을 가정하기 전에 모델 세부 페이지를 확인하십시오.

Nano Banana 편집은 어떤 엔드포인트를 사용하나요?

operation: "image-to-image" 및 image_urls와 함께 POST /v1/images/generations를 사용하십시오. Nano Banana 참조 요청을 /v1/images/edits로 보내는 것은 지원되지 않습니다. 또한 최상위 images[]나 file_id를 generations 엔드포인트로 보내지 마십시오.

왜 gpt-image-2 편집이 400 unsupported_parameter를 반환하나요?

가장 문서화된 원인은 gpt-image-2에서 지원되지 않는 필드인 input_fidelity입니다. 또한 resolution과 background: "transparent" 값을 제거하십시오. 일반 오류 표는 모델이 문서화하지 않은 필드를 제거할 것을 권장합니다.

비동기 편집 작업이 실패하면 요금이 청구되나요?

Billing 가이드에 따르면 실패한 작업은 청구되지 않으며, 예약된 금액은 해제되거나 환불됩니다. 완료된 작업은 한 번 청구되며, 최종 금액은 billing_transaction_id와 함께 Usage에 표시됩니다. 작업이 종료된 후에도 Usage에 아무것도 표시되지 않으면 요청 ID와 작업 ID를 포함하여 support@tokenlab.sh로 문의하십시오.

위의 요청을 실행하려면 콘솔 → API 키에서 API 키를 생성하고(키 제한은 Billing 가이드에 설명됨), TOKENLAB_API_KEY로 내보낸 다음, 샘플 편집을 Usage의 최종 비용과 비교하십시오.