OpenAI Images 2.0 이미지 생성 모델 분석: 추론·인포그래픽·다국어 텍스트

핵심 메시지

• Images 2.0은 한 번 웃고 마는 바이럴 밈에서 창작자·기업이 매일 쓰는 실무 도구로 옮겨가는 것을 목표로 한다.
• 이미지 모델이 이제 스스로 '추론'하고 검색·메모리·업로드 파일 같은 도구를 활용해 결과를 만든 뒤 자기 교정까지 한다.
• 한국·일본 등 동아시아에서는 슬라이드 대신 인포그래픽을 만드는 용도가, 소상공인 사이에서는 광고·메뉴 제작이 대표 사용 사례로 자리 잡았다.
• 다국어 텍스트 렌더링과 사진 사실성이 크게 개선됐고, API에서는 사실상 임의의 종횡비를 지원한다.
• 팀은 다음 단계로 'Codex처럼 스스로 디자인하는 에이전트형 이미지 생성'을 지향한다.

쉽게 이해하기

채널 운영자 Aishwarya Srinivasan이 OpenAI 사무실에서 이미지 제품을 이끄는 Abi와 이미지팀 연구자 Alex를 만나 새 이미지 모델 'Images 2.0'을 짚었다. 첫 이미지 모델이 나왔을 때 폭발한 지브리풍 같은 밈 열풍은 몇 주 단위로 바뀌며 빠르게 식었는데, 이들은 잠깐 즐기는 트렌드와 사용자에게 오래 남는 도구의 차이에 주목했다고 말한다.

Abi는 Images 2.0이 노린 변화를 친구와 공유하는 재미있는 사진에서, 창작자·기업이 꾸준히 신뢰하고 쓸 수 있는 고품질 출력 도구로의 이동이라고 설명한다. 대표적으로 동아시아(일본·한국)에서 슬라이드 대신 인포그래픽을 만드는 업무 흐름, 대행사를 쓰기 어려운 소상공인의 광고·메뉴 제작, 개인 사진 편집과 미니미·나이 변환 같은 창작형 사용이 꾸준히 남았다.

기술적으로 가장 큰 변화는 모델이 '생각'할 수 있게 된 점이다. Alex는 과거 모델이 프롬프트를 받아 곧장 이미지를 냈다면, 이제는 추론이 필요한지 판단하고 검색·메모리·업로드한 파일을 활용하며 여러 이미지를 만들고 필요하면 스스로 고친다고 말한다. 모델 규모를 키우면서 조밀한 텍스트 렌더링과 다이어그램 같은 능력이 함께 좋아졌고, 평가 점수도 큰 폭으로 뛰었다고 덧붙인다.

진행자는 창작자 관점의 마찰점도 짚는다. 브랜딩을 LinkedIn·Substack·인스타그램·유튜브에 일관되게 유지하려면 Figma 같은 협업 워크스페이스가 필요하고, 작은 부분만 고치려는데 매번 토큰을 들여 전체 이미지를 다시 생성하는 점이 불편하다는 것이다. 팀은 휴대폰에서 특정 영역을 선택해 편집하거나 종횡비를 지정하는 정밀 조정 기능을 보여주며 이런 피드백을 반영 중이라고 답한다.

인터뷰는 일자리·창작 직군에 대한 영향(비용이 줄면 오히려 수요가 는다는 제번스 역설)과 인도·중남미·동아시아의 지역별 사용 패턴, 다국어 텍스트와 사진 사실성 개선, V1의 세 가지 종횡비에서 API의 임의 픽셀 비율로의 확장까지 다룬다. 팀이 그리는 다음 단계는 코딩의 Codex처럼 스스로 디자인하는 에이전트형 이미지 생성이다.

주요 인사이트

• 모델의 가치는 바이럴 순간이 아니라 일상 업무에 들어와 반복적으로 쓰일 때 나온다는 관점이 제품 방향을 이끈다.
• 추론하는 이미지 모델은 프롬프트에서 즉시 생성으로 가던 경로를, 프롬프트에서 추론·도구·메모리 활용을 거쳐 생성으로 바꾼다.
• 인포그래픽처럼 기술적 정확성이 중요한 작업은 픽셀 수준 창의성과는 다른 축의 능력(정확도·맥락 이해)을 요구한다.
• 편집할 때마다 새 이미지가 복제되어 쌓이는 문제는 '생성'과 '편집'을 구분하는 제품 설계가 필요함을 보여준다.
• 다국어 텍스트 렌더링과 지역 현실을 반영한 사진 사실성은 비영어권 사용자 유입을 키운 핵심 개선점이다.

자주 묻는 질문

관련 AI 소식