GPT Image 2(2026): OpenAI 공식 현황과 도입 전략

1. 2026년 4월 22일 현재, OpenAI는 gpt-image-2의 공식 모델 페이지를 이미 공개했습니다.
2. EvoLink에서는 gpt-image-2를 기본 라우트로 바로 연동할 수 있으며, gpt-image-2-beta도 보조 테스트 라우트로 제공됩니다.
3. 개발자에게 진짜 중요한 것은: 어떤 정보가 OpenAI 공식 확인 사항인지, provider가 현재 모델을 어떻게 노출하는지, 그리고 시스템을 어떻게 설계해야 향후 마이그레이션이 막히지 않는지입니다.

따라서 이 글에서는 마케팅 이야기부터 시작하지 않습니다. 먼저 OpenAI 공식 현황을 명확히 정리한 후, EvoLink에서 가장 안정적으로 연동하는 방법을 다룹니다.

이 가이드는 실제로 이미지 관련 업무를 진행하는 팀을 위해 작성되었습니다: 상품 이미지 생성, 이미지 편집 파이프라인, 크리에이티브 자동화, 프로토타입 이미지 출력, 멀티스텝 AI 인터랙션 등. 이 글에서는 세 가지를 명확히 설명합니다:

• OpenAI가 공식적으로 확인한 것은 무엇인가?
• GPT Image 2 관련 논의 중 아직 불명확하거나, 명시되지 않았거나, provider별 구현에 해당하는 것은 무엇인가?
• 지금 이미지 생성 워크플로를 구축한다면, 가장 안정적인 도입 및 마이그레이션 전략은 무엇인가?

핵심 요약

• 2026년 4월 22일 현재, OpenAI는 gpt-image-2의 공식 모델 페이지를 이미 공개했습니다.
• OpenAI 공식 모델 페이지가 개발자에게 명확한 기준점을 제공합니다: gpt-image-2는 공식 공개 모델명입니다.
• 단일 생성 또는 편집 작업에는 OpenAI가 Image API 사용을 권장합니다.
• 대화형 멀티턴 이미지 편집 경험에는 OpenAI가 Responses API 사용을 권장합니다.
• EvoLink는 현재 **gpt-image-2**와 **gpt-image-2-beta**를 모두 제공하며, 전자가 기본 연동 라우트로 더 적합합니다.
• "GPT Image 2에 대비하고 싶다"면 가장 확실한 방법은: 벤더 모델명과 채널 라우트명을 분리 관리하고, 아키텍처 수준에서 모델 라우팅을 추상화해두는 것입니다.

"GPT Image 2"를 검색할 때 실제로 궁금한 것

이제 문제는 "이 이름이 아직 마케팅 용어인지"가 아닙니다. 같은 키워드 뒤에 전혀 다른 니즈가 섞여 있다는 것이 핵심입니다.

실제로 "GPT Image 2"는 최소 네 가지 검색 의도가 혼재되어 있습니다:

1. "OpenAI가 GPT Image 1.5 이후 새 모델을 출시했나?"
2. "ChatGPT의 이미지 기능이 또 업그레이드되었나?"
3. "내 API 연동을 새 모델 ID로 바꿔야 하나?"
4. "지금 아키텍처를 어떻게 설계해야 나중에 마이그레이션이 수월할까?"

OpenAI가 공식적으로 확인한 내용

1. gpt-image-2는 이미 공식 모델 페이지가 있습니다

이것이 중요한 이유는, 개발자에게 새로운 명확한 경계선을 제공하기 때문입니다: 무엇이 OpenAI 공식 확인 사항이고, 무엇이 여전히 채널별 구현 세부사항이나 외부 표현에 불과한지를 구분할 수 있습니다.

2. OpenAI는 두 가지 주요 이미지 API 연동 경로를 제공

현재 문서에서는 이미지 관련 API를 두 가지 스타일로 구분합니다:

• Image API - 이미지를 한 번 생성하거나 한 번 편집하는 데 적합합니다.
• Responses API - 대화형, 멀티스텝, 반복 수정이 가능한 이미지 경험에 적합합니다.

이 선택은 시스템 설계에 직접적인 영향을 미칩니다. 많은 팀이 모델명에 집착하면서, 더 근본적인 아키텍처 문제를 간과하고 있습니다: 일회성 이미지 생성 도구를 만들 것인지, 반복 편집이 가능한 워크플로를 만들 것인지.

3. 백그라운드 모드(Background Mode) 문서화 완료

OpenAI Responses API 문서에는 **백그라운드 모드(background mode)**가 포함되어 있으며, 이는 장시간 작업 처리에 대한 공식 권장 방식입니다.

4. 편집 및 고충실도 이미지 입력은 이미 공개 기능

현재 문서에서는 많은 이들이 "차세대 모델"이 나와야 가능하다고 생각하는 기능을 이미 지원하고 있습니다:

• 이미지 생성과 이미지 편집
• Responses API를 통한 멀티턴 편집
• 입력 이미지의 고충실도 보존
• 편집 워크플로에서의 마스크(mask) 지원

즉, "차세대 이미지 워크플로"의 대부분의 기능은 현재 기술 스택에서 이미 사용 가능합니다.

Thinking Mode: 생성 전에 추론하는 GPT Image 2

GPT Image 2에서 잘 알려지지 않았지만 아키텍처적으로 중요한 변화 중 하나는 추론(reasoning) 기능과의 통합입니다.

• 복잡한 프롬프트를 하위 작업으로 분해 — 레이아웃, 오브젝트 배치, 텍스트 렌더링을 각각 분리하여 처리
• 오브젝트 수를 카운트하고 공간적 제약 조건을 검증한 후 컴포지션을 확정
• 모호함 해소 — 프롬프트에 상충하는 요구사항이 있을 때, 임의로 타협하는 대신 처리 방법을 계획

이전 모델이 일상적으로 실패하던 프롬프트에서 차이가 가장 두드러집니다: 여러 텍스트 블록이 포함된 인포그래픽, 특정 위치에 10개 이상의 오브젝트가 있는 장면, 팩트 정확성이 필요한 이미지(지도나 라벨이 달린 다이어그램 등).

프롬프트가 단순하다면("소파 위의 고양이") Thinking Mode의 체감 차이는 크지 않습니다. 프롬프트가 구조적이고 정밀하다면("5행 3열 비교표, 특정 헤더, 브랜드 푸터 포함") 개선 효과가 확연합니다.

• Thinking Mode는 ChatGPT 제품 경험의 일부입니다. raw API와 ChatGPT 인터페이스에서 노출되는 추론 수준이 다를 수 있습니다.
• OpenAI는 Image API에서 별도의 "thinking mode" 토글을 공개하지 않았습니다. 추론 동작은 모델 자체에 내장되어 있습니다.
• 모든 provider 라우트가 동일한 수준의 추론 동작을 노출한다고 가정하지 마세요. 실제 프롬프트로 직접 테스트하세요.

해상도와 텍스트 렌더링

GPT Image 2는 프로덕션 출력 품질에 영향을 미치는 두 가지 개선 사항을 제공합니다.

실제로 가장 많이 사용되는 사이즈는 다음과 같습니다:

대부분의 팀이 즉시 체감하는 개선 사항입니다. GPT Image 2는 다음을 처리합니다:

• 라틴 문자 — 작은 폰트 사이즈에서도 거의 완벽한 정확도
• CJK 스크립트 (중국어, 일본어, 한국어) — 네이티브 렌더링, 더 이상 깨지지 않음
• 밀집 컴포지션 — 패키징 목업, 인포그래픽, 읽을 수 있는 텍스트가 포함된 UI 스크린샷
• 곡선 및 원근 텍스트 — 병, 간판, 기울어진 표면 위의 텍스트

이전 모델은 단어 철자 오류, 글자 병합, 작은 텍스트 판독 불가가 일상적이었습니다. GPT Image 2는 이 부분에서 상당한 진전을 보여줍니다.

OpenAI가 아직 명확하게 기술하지 않은 내용

이 부분이 지금 가장 혼동되기 쉬운 지점입니다.

• 모든 서드파티 플랫폼이 동일한 요청 모델명으로 노출하는지 여부
• gpt-image-2-beta라는 라우트명이 OpenAI 공식 명명 체계에서 gpt-image-2와 동일한 의미인지 여부
• gpt-image-1.5에서 gpt-image-2로의 공식 마이그레이션 가이드
• GPT Image 2의 공식 레이턴시 벤치마크
• "텍스트 렌더링 40% 향상" 또는 "성공률 95%" 등의 공식 성능 비교

이러한 차이를 그냥 넘어가는 서술은 글의 신뢰도를 떨어뜨립니다.

대부분의 팀에게 현실적인 접근법은: OpenAI 공식 문서로 벤더 레벨의 팩트를 먼저 확인하고, EvoLink 베타 버전 문서는 현재 라우트 연동 레이어의 구현 설명으로 읽는 것입니다.

EvoLink 연동: GPT Image 2를 기본으로, 베타 버전은 보조

현재 이용 가능한 내용:

• GPT Image 2 제품 페이지 - 모델 성능 및 활용 시나리오 확인
• Playground 온라인 체험 - 코드 없이 프롬프트와 워크플로 테스트
• 완전한 API 문서 - 현재 GPT Image 2 라우트의 연동 가이드
• 텍스트-이미지, 이미지-이미지, 이미지 편집 지원
• 비동기 작업 처리 - 장시간 생성 작업 대응

연동 방식은 익숙한 OpenAI 호환 형식과 동일합니다:

• 기본 요청 모델명: gpt-image-2
• 생성 엔드포인트: /v1/images/generations
• 작업 상태 스트림으로 비동기 결과 수신
• 선택적 image_urls 파라미터로 참조 이미지 편집 또는 이미지-이미지 지원
• 선택적 callback_url 파라미터로 HTTPS 작업 완료 콜백
• 지원되는 종횡비: 1:1, 3:2, 2:3, auto
• 반환된 이미지 링크는 기본 24시간 유효
• 보조 테스트 라우트: gpt-image-2-beta

EvoLink에서 GPT Image 2를 호출하는 방법

curl --request POST \
  --url https://api.evolink.ai/v1/images/generations \
  --header "Authorization: Bearer $EVOLINK_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{
    "model": "gpt-image-2",
    "prompt": "A premium product photo of a ceramic coffee mug on a marble countertop, soft window light, clean e-commerce composition",
    "size": "1:1"
  }'

import requests

response = requests.post(
    "https://api.evolink.ai/v1/images/generations",
    headers={
        "Authorization": f"Bearer {EVOLINK_API_KEY}",
        "Content-Type": "application/json",
    },
    json={
        "model": "gpt-image-2",
        "prompt": "A premium product photo of a ceramic coffee mug on a marble counter, soft window light, clean ecommerce composition",
        "size": "1:1",
    },
)

task = response.json()
task_id = task["data"]["task_id"]
# task_id로 완료 상태를 폴링한 후, 반환된 이미지 URL을 저장

const response = await fetch("https://api.evolink.ai/v1/images/generations", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${EVOLINK_API_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    model: "gpt-image-2",
    prompt:
      "A premium product photo of a ceramic coffee mug on a marble counter, soft window light, clean ecommerce composition",
    size: "1:1",
  }),
});

const task = await response.json();
const taskId = task.data?.task_id;
// taskId로 완료 상태를 폴링한 후, 반환된 이미지 URL을 저장

개발 프로세스는 간단합니다:

1. GPT Image 2 Playground에서 프롬프트 테스트
2. API 호출로 전환, model: "gpt-image-2" 지정
3. 비동기 작업 결과 폴링
4. 24시간 유효 기간 내에 이미지 링크 저장

마이그레이션에 강한 아키텍처 설계법

gpt-image-1.5는 여전히 중요한 비교 기준선

• 텍스트-이미지 생성
• 이미지 편집
• Responses API를 통한 대화형 이미지 워크플로
• 이전 세대 대비 향상된 텍스트 렌더링
• 더 높은 충실도의 입력 이미지 보존

첫날부터 모델 라우팅을 추상화할 것

이것이 진정한 "GPT Image 2 대비" 전략입니다 - 코드 곳곳에 모델명을 하드코딩하지 말고, 라우팅 결정을 서비스 레이어에 집중시키세요.

type ImageJobType =
  | "hero_image"
  | "text_heavy_mockup"
  | "product_edit"
  | "creative_iteration";

function selectImageModel(jobType: ImageJobType): string {
  switch (jobType) {
    case "text_heavy_mockup":
      return "gpt-image-1.5"; // 기존 문서 기준 정렬이 필요할 때의 보수적 선택
    case "hero_image":
    case "product_edit":
    case "creative_iteration":
    default:
      return "gpt-image-2";  // 기본은 최신 모델
  }
}

모델을 전환하거나 다른 provider의 라우트명에 맞춰야 할 때, 수정할 것은 라우팅 테이블뿐이지 전체 저장소를 검색-치환하는 것이 아닙니다.

비동기 아키텍처는 필수

어떤 모델을 사용하든, 이미지 생성의 레이턴시 변동은 상당합니다. OpenAI 문서에서 복잡한 프롬프트는 최대 2분이 소요될 수 있다고 명시하고 있으며, 백그라운드 모드가 공식 권장 처리 방식입니다.

프로덕션 수준의 아키텍처는 다음과 같아야 합니다:

1. 이미지 요청 제출
2. 즉시 작업 ID 반환
3. 백그라운드 폴링
4. 완료 후 결과 저장
5. 최종 에셋 준비 후 UI 갱신

Responses API를 사용한 최소 폴링 예제:

import OpenAI from "openai";

const client = new OpenAI({ apiKey: process.env.OPENAI_API_KEY });

export async function submitImageJob(prompt: string) {
  const response = await client.responses.create({
    model: "gpt-4o",
    input: prompt,
    tools: [{ type: "image_generation" }],
    background: true,
  });

  return response.id;
}

export async function waitForImage(responseId: string) {
  let resp = await client.responses.retrieve(responseId);

  while (resp.status === "queued" || resp.status === "in_progress") {
    await new Promise((resolve) => setTimeout(resolve, 2000));
    resp = await client.responses.retrieve(responseId);
  }

  return resp;
}

이 패턴은 향후 모델명이 무엇이 되든 그대로 사용할 수 있습니다.

GPT Image 2의 편집 기능은 어디까지 가능한가

단일 이미지 생성이나 편집이라면 Image API를 우선 사용하고, 멀티턴 대화형 이미지 워크플로라면 Responses API를 고려하세요.

OpenAI 현재 문서에서 이미 다루고 있는 편집 기능:

• 이미지 편집과 멀티턴 편집
• 고충실도 입력과 마스크 편집 워크플로

따라서 배경 교체, 작은 오브젝트 편집, 반복적 비주얼 정밀 편집, 브랜드 요소 보존(로고, 얼굴 등)을 하고 싶다면 지금 바로 시작할 수 있습니다 - 기다릴 필요가 없습니다.

가격: 어디를 봐야 하는가

전체 가격 분석과 품질 등급별 비교는 아래를 참고하세요:

• GPT Image 2 vs GPT Image 1.5 - 각 품질 등급별 가격을 나란히 비교
• GPT Image 2 제품 페이지 - EvoLink 라우트 가격과 비용 계산기

예산을 편성할 때는 세 가지 가격 관점을 분리해서 관리하세요:

1. OpenAI 공식 기준 가격 — 공개적으로 검증 가능한 정보
2. Provider 라우트 가격 — EvoLink 또는 다른 provider를 통해 실제로 지불하는 금액
3. 내부 예산 관점 — 재시도 비용, 실패율, 품질 믹스를 포함하여 팀이 예측에 사용하는 수치

콘텐츠 모더레이션: moderation_blocked 에러 처리법

1. 입력 필터링 — 생성 시작 전에 안전 모델이 프롬프트와 입력 이미지를 검사
2. 출력 필터링 — 생성된 이미지가 반환되기 전에 검사

• 사실적 폭력, 노출, 또는 공인을 오해의 소지가 있는 맥락에서 묘사하는 프롬프트
• 정책 위반 콘텐츠가 포함된 참조 이미지
• 안전 모델이 보수적으로 해석하는 모호한 설명

async function generateWithModerationHandling(prompt: string) {
  const result = await generateImage(prompt);

  if (result.error?.type === "moderation_blocked") {
    // 리뷰를 위해 로깅 — 같은 프롬프트로 자동 재시도하지 않음
    logModerationBlock(prompt, result.error);
    return { status: "blocked", reason: result.error.message };
  }

  return { status: "ok", data: result.data };
}

• 모더레이션 차단 시 같은 프롬프트로 자동 재시도하지 마세요. 동일한 프롬프트는 다시 차단됩니다.
• 사용자가 제출한 프롬프트를 처리하는 경우, gpt-image-2에 보내기 전에 OpenAI의 무료 omni-moderation-latest 엔드포인트로 사전 필터링하세요. 생성 비용을 지불하기 전에 대부분의 위반을 걸러낼 수 있습니다.
• GPT Image 모델은 moderation 파라미터를 지원하며, "auto"(표준 필터)와 "low"(덜 엄격) 값을 사용할 수 있습니다. 기본값은 "auto"입니다.
• 예상치 못한 모더레이션 차단이 발생하면, 원하는 시각적 콘텐츠를 더 구체적으로 표현하되 안전 필터를 자주 트리거하는 용어는 피해서 프롬프트를 다시 작성하세요.

Batch API: 대량 생성 비용 50% 절감

• 즉시 결과가 필요하지 않은 야간 배치 작업
• 템플릿 기반으로 수백 개의 상품 이미지 생성
• 다양한 프롬프트 변형을 대규모로 A/B 테스트
• 24시간 이내 결과 반환이 허용되는 모든 워크플로

• 사용자 대면 실시간 생성 (Playground, 라이브 편집)
• 초 또는 분 단위로 결과가 필요한 워크플로
• 인터랙티브 프롬프트 반복 작업

실용적인 비용 전략

전략 1: 한 번 생성, 반복 편집

• gpt-image-1.5로 기본 이미지 생성
• 편집과 멀티턴 워크플로로 정밀 수정
• 특정 영역만 수정이 필요할 때 전체 재생성 방지

전략 2: 작업 유형별 라우팅

• 일반 상품 이미지 -> gpt-image-2
• 상품 편집 -> gpt-image-2
• 텍스트 중심 디자인 시안(기존 문서 기준 정렬 필요) -> gpt-image-1.5
• 향후 실험 모델 -> 별도 격리된 테스트 버킷

핵심은 다음 모델의 이름을 맞추는 것이 아니라, 향후 모델 전환 비용을 최소화하는 것입니다.

전형적인 비즈니스 시나리오별 적용 방법

이 글을 실제로 활용하고 싶다면, 모델명을 계속 쫓는 것보다 일반적인 비즈니스 시나리오와 권장 라우트를 매칭하는 것이 더 유용합니다.

비즈니스 시스템을 구축하는 것이지 한 번 체험이 아니라면, 진짜 먼저 해야 할 것은:

• 작업 비동기화
• 라우팅 추상화
• 이미지 결과 저장
• 정식 라우트와 테스트 라우트 분리

지금 무엇을 해야 하는가

여기까지 왔다면, 대부분의 팀에게 부족한 것은 "더 많은 소식"이 아니라 명확한 실행 순서입니다.

오늘 당장 프로젝트를 추진해야 한다면, 실용적인 경로는 이렇습니다:

• 지금 바로 체험 - GPT Image 2가 비즈니스 시나리오에 적합한지 평가
• 지금 바로 연동 - 개발 또는 테스트 환경에 적용
• 향후 공식 문서와 provider 라우트가 더 안정화되면 - 라우팅 설정만 조정하여 원활하게 전환

현재 GPT Image 기술 스택만으로도 다음을 구축하기에 충분합니다:

• 이미지 생성 파이프라인
• 편집 워크플로
• 반복 정밀 편집 루프
• 비동기 작업 스케줄링
• 비용 인식 라우팅

앞으로 주시할 포인트

• 새로운 GPT Image 시리즈 멤버가 포함된 업데이트된 이미지 생성 문서
• 새 모델의 공식 가격표
• 변경 로그 또는 릴리스 노트
• 현재 GPT Image 모델로부터의 공식 마이그레이션 가이드

프로덕션 투입 전 체크리스트

GPT Image 2를 실제로 비즈니스에 연동하려는 것이지 문서만 훑어보는 것이 아니라면, 투입 전에 최소한 아래 항목을 확인하세요:

• 코드에서 모델명이 여러 곳에 하드코딩되어 있지 않고, 통합 라우팅 설정으로 관리되고 있는가
• 프로덕션 기본 라우트가 gpt-image-2인지, 베타 버전 라우트를 실수로 기본으로 사용하고 있지 않은지
• gpt-image-2-beta에 별도 스위치가 있어서 테스트 라우트가 프로덕션에 잘못 진입하지 않도록 되어 있는가
• 비동기 작업 상태 처리가 구현되어 있는가, 요청이 즉시 최종 이미지를 반환한다고 가정하고 있지 않은가
• 24시간 유효 기간 내에 이미지 결과를 저장하도록 되어 있는가, 임시 링크에 의존하고 있지 않은가
• "OpenAI 공식 모델 정보"와 "EvoLink 현재 provider 라우트 구현"을 구분하고 있는가
• 장시간 생성 작업에 대비한 콜백 또는 폴링 메커니즘이 준비되어 있는가

자주 묻는 질문

GPT Image 2가 이미 공개된 상태에서도 비동기 아키텍처가 필요한가요?

네. OpenAI 문서에서 이미 복잡한 프롬프트의 경우 최대 2분이 소요될 수 있다고 명시하고 있으며, 백그라운드 모드가 권장 처리 방식입니다.

지금 반복적 이미지 편집이 가능한가요?

네. OpenAI 현재 문서에서 이미지 편집, 멀티턴 편집, 마스크, 고충실도 이미지 입력을 다루고 있습니다.

향후 모델명이나 provider 라우트가 변경되면 앱을 다시 작성해야 하나요?

지금 모델 라우팅을 추상화해두면 그럴 필요가 없습니다. 향후 모델 전환은 라우팅 테이블 수정이어야 하며, 앱 전체를 재구축하는 것이 아닙니다.

EvoLink에서 gpt-image-2와 gpt-image-2-beta는 어떻게 이해하면 되나요?

지금 연동하려면 가장 실용적인 기본 선택은 무엇인가요?

GPT Image 2에 "thinking mode"가 있나요?

네. GPT Image 2는 복잡한 프롬프트를 생성 전에 추론할 수 있습니다 — 하위 작업 분해, 공간 제약 검증, 모호함 해소 등을 수행합니다. 별도 토글이 아닌 모델 아키텍처에 내장된 기능입니다. 구조적 프롬프트(인포그래픽, 다수 오브젝트 장면, 텍스트가 많은 컴포지션)에서 가장 큰 차이를 보입니다.

GPT Image 2가 지원하는 해상도는?

OpenAI 공식 문서에 따르면 GPT Image 2는 "수천 가지 유효한 해상도"를 지원하며, 1024x1024와 1536x1024 같은 대표적인 예시가 나열되어 있습니다. 실제로 사용 가능한 해상도 범위는 provider에 따라 다릅니다. 프로덕션에서 특정 해상도를 확정하기 전에 provider 문서를 확인하세요.

모더레이션 에러는 어떻게 처리하나요?

GPT Image 2에서 Batch API를 사용할 수 있나요?

OpenAI의 Batch API는 24시간 이내 처리 조건으로 비동기 작업에 50% 비용 절감을 제공합니다. provider별로 사용 가능 여부가 다를 수 있으니 확인이 필요합니다.

GPT Image 전체 라인업을 빠르게 비교하려면?

시작하기

관련 글

• GPT Image Family
• ChatGPT Image 2: 공식 현황과 시작하기
• GPT Image 2 vs GPT Image 1.5
• GPT Image 2 vs Nano Banana 2
• GPT Image 1.5 API 프로덕션 환경 가이드
• GPT Image 1.5 완벽 가이드: 기능, 비교, 도입 방법

참고 출처

• OpenAI 모델 개요: https://platform.openai.com/docs/models
• OpenAI GPT Image 2 모델 페이지: https://developers.openai.com/api/docs/models/gpt-image-2
• OpenAI 이미지 생성 가이드: https://developers.openai.com/api/docs/guides/image-generation
• OpenAI Images and vision 가이드: https://developers.openai.com/api/docs/guides/images-vision
• OpenAI GPT Image 프롬프팅 가이드: https://developers.openai.com/cookbook/examples/multimodal/image-gen-models-prompting-guide
• OpenAI ChatGPT Images 2.0 발표: https://openai.com/index/introducing-chatgpt-images-2-0/
• OpenAI ChatGPT Images 2.0 시스템 카드: https://deploymentsafety.openai.com/chatgpt-images-2-0/
• OpenAI GPT Image 1.5 모델 페이지: https://platform.openai.com/docs/models/gpt-image-1.5
• OpenAI API 가격: https://platform.openai.com/docs/pricing
• OpenAI Batch API 가이드: https://platform.openai.com/docs/guides/batch
• OpenAI 백그라운드 모드 가이드: https://developers.openai.com/api/docs/guides/background