GPT Image 2.6이 2.5보다 낮은 품질에서 토큰을 4.2배나 더 청구한다고? 가격 페이지엔 없는데 코드엔 있네.

어떻게 결과물이 눈에 띄게 더 나쁘다는 거죠? 혹시 실제 비교 이미지를 보여줄 수 있나요?

이 문제는 주로 프롬프트 이행 능력과 관련이 있습니다. 이건 단지 하나의 예시일 뿐이고, 더 큰 데이터셋을 정리해 볼게요. 저희는 12ui.com을 운영하고 있어서 대량의 이미지로 테스트를 진행합니다. 이미지 모델을 비교하기 위해 블라인드 평가자(및 인간 검토)를 활용하죠. 한 번 실행한 분석 결과는 다음과 같습니다;

레이아웃 초안 작성을 위한 Flare(저가형 티어)는 2.5 버전을 계속 사용하는 게 좋습니다. 브리핑과 참조 이미지를 바탕으로 한 초안에서, 2.6 Flare 미디엄 설정은 비용이 1.71배 더 들었지만 평가자들은 여전히 2.5를 25대 11로 선호했습니다. 반복되는 문제는 텍스트가 있어야 할 자리에 회색 자리표시자 막대가 생기는 것이었습니다. 또한 온보딩 흐름처럼 브리핑에서 요구한 기능들을 누락하기도 했죠. 비용을 맞추려고 2.6을 로우 설정으로 낮추면 더 엉망이 되었습니다. 2.5 미디엄이 30대 6으로 이겼고, 2.6 로우는 여전히 1.27배의 비용이 들었습니다. 이미지 3의 예시는 2.6 로우 설정인데, 미디엄 설정에서도 12개의 브리핑 중 3개에서 같은 현상이 발생했습니다.

아니 진짜로 그렇게 했다니까! 곱셈 계수를 추가한 거야! 말도 안 되는 소리 같겠지만 계산기 코드랑 토큰 사용량 증거를 보면 알 수 있어.

'모델이 더 많은 토큰을 생성하는' 게 아님. 그냥 고정된 곱셈 계수고, 직접 확인해 볼 수 있어. 2.6 버전에서 청구되는 output_tokens는 우리가 테스트한 모든 사이즈(29개 사이즈: 158 → 664, 343 → 1132, 439 → 1449, 129 → 426…)에서 2.5 버전의 토큰 수에 low는 4.2, medium은 3.3을 곱해서 올림한 값이랑 정확히 일치해. 실제 모델 토큰이 모든 화면 비율에서 다른 모델 토큰 수의 4.2배로 딱 떨어질 리가 없잖아. high 설정에서는 2.6의 토큰 수가 모양에 따라 2.5와 몇 퍼센트 정도 차이가 나는데, 이게 실제 모델 변화가 보여주는 모습이지. low랑 medium에서는 그냥 일정한 배수일 뿐이야.