GPT Image 2.6 Flare API: 생성, 편집 및 가격 책정

Flare의 설계 목적

Flare는 빠른 초안 작성, 빈번한 미리보기 및 대화형 수정에 최적화되어 있습니다. 제품 사진 배경 탐색, 캠페인 구성 테스트, 최종 결과물을 선택하기 전 여러 시각적 방향 생성 등의 실무에 활용할 수 있습니다. GPT Image 2.6 Sunburst는 동일 제품군 내에서 디테일과 일관성에 중점을 둔 대안입니다. 단순히 '일러스트레이션 모드'가 아니며, Flare 또한 사실적인 사진 묘사에만 국한되지 않습니다. 승인 여부를 결정짓는 세부 사항(라벨 충실도, 레이아웃, 승인된 피사체 보존 상태, 필요한 수정 횟수 등)을 기준으로 두 모델을 비교해 보세요. 모델 카탈로그를 사용하여 현재 사용 가능 여부를 확인하세요. 공유 계정이라고 해서 모든 모델의 입력값, 작업 경로 또는 출력 설정이 동일한 것은 아닙니다.

API 키 설정

GPT Proto API 키 대시보드에서 키를 생성한 다음, 서버 측 애플리케이션에서 사용할 수 있도록 설정하세요:

export GPTPROTO_API_KEY="your_api_key_here"

키가 브라우저 코드나 버전 관리 시스템에 노출되지 않도록 하세요. 환경 변수나 배포 환경의 보안 저장소에서 로드해야 합니다. 로컬 .env 파일을 사용하는 경우, 해당 파일을 커밋에서 제외하세요. 이 가이드에서 API 오리진은 https://gptproto.com입니다. 아래의 생성 및 편집 경로에는 이미 /api/v3가 포함되어 있으므로, 앞에 /v1을 추가하거나 채팅 완료(chat-completions) 기본 URL로 대체하지 마세요. 모델 목록 요청이 성공했다고 해서 이미지 경로가 작업을 완료할 수 있다는 보장은 없습니다. 배치 처리를 추가하기 전에 작은 요청으로 전체 제출 및 결과 흐름을 확인하세요.

이미지 생성

Flare 텍스트-이미지 경로는 다음 엔드포인트를 게시합니다:

POST https://gptproto.com/api/v3/openai/gpt-image-2.6-flare/text-to-image

요청을 쉽게 검사할 수 있도록 하나의 이미지와 명시적인 설정으로 시작하세요:

curl --request POST \
  "https://gptproto.com/api/v3/openai/gpt-image-2.6-flare/text-to-image" \
  --header "Authorization: Bearer $GPTPROTO_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{
    "prompt": "A square studio product photo of a matte navy insulated bottle on a pale gray plinth. Soft side lighting, warm off-white background, room for copy on the left. No text.",
    "n": 1,
    "quality": "medium",
    "size": "1024x1024",
    "enable_sync_mode": false,
    "response_format": "url"
  }'

모델은 URL을 통해 선택됩니다. 이 게시된 경로에는 별도의 model 필드가 필요하지 않으며, size는 필수 세 번째 필드가 아닌 선택 사항입니다.

요청 필드

결과 검색

제출 및 결과 검색은 code, message, 그리고 data를 포함하는 봉투(envelope) 형식을 사용합니다. HTTP 성공이 곧 생성이 완료되었음을 의미하지는 않습니다. 비즈니스 수준의 code와 예측 상태를 함께 확인하세요.

GET https://gptproto.com/api/v3/predictions/{result_id}/result

폴링 시 동일한 Bearer 인증을 사용하세요. response_format: "url"의 경우, 완료된 출력은 파일 URL입니다. b64_json의 경우, 문서화된 출력 배열에 Base64 문자열이 포함될 수 있습니다. 어떤 경우에도 이 GPT Proto 경로에 대해 네이티브 OpenAI 가정인 data[0].b64_json을 사용하지 않습니다. 보관해야 할 자산은 저장하고, 실제 미디어 유형을 유지하며, 문서화되지 않은 호스팅 URL의 수명에 의존하지 마세요.

Python: 제출 및 폴링

애플리케이션 환경에 requests를 설치하세요. 다음 예제는 1회 제출 후 반환된 결과 URL을 폴링하여 완료된 출력 URL을 출력합니다. 5분 기한은 이 예제에서 사용된 애플리케이션 타임아웃이며, 서비스 보장 시간은 아닙니다.

import os
import time
from urllib.parse import urlparse
import requests
ORIGIN = "https://gptproto.com"
API_KEY = os.environ["GPTPROTO_API_KEY"]
HEADERS = {"Authorization": f"Bearer {API_KEY}"}
def read_envelope(response):
    response.raise_for_status()
    body = response.json()
    if body.get("code") != 200:
        raise RuntimeError(f"GPT Proto 요청 실패: {body.get('message')}")
    data = body.get("data")
    if not isinstance(data, dict):
        raise RuntimeError("예측 데이터를 찾을 수 없습니다")
    return data
def submit_and_poll(scene, payload, timeout_seconds=300):
    if scene not in {"text-to-image", "image-edit"}:
        raise ValueError("지원되지 않는 장면입니다")
    endpoint = f"{ORIGIN}/api/v3/openai/gpt-image-2.6-flare/{scene}"
    response = requests.post(
        endpoint,
        headers={**HEADERS, "Content-Type": "application/json"},
        json=payload,
        timeout=(10, 120),
    )
    prediction = read_envelope(response)
    prediction_id = prediction.get("id")
    deadline = time.monotonic() + timeout_seconds
    while True:
        status = prediction.get("status")
        if status == "completed":
            outputs = prediction.get("outputs")
            if not isinstance(outputs, list) or not outputs:
                raise RuntimeError("완료된 예측에 출력이 없습니다")
            return outputs
        if status == "failed":
            raise RuntimeError(
                f"예측 {prediction_id} 실패: {prediction.get('error')}"
            )
        if status not in {"created", "running"}:
            raise RuntimeError(f"예상치 못한 예측 상태: {status}")
        if time.monotonic() >= deadline:
            raise TimeoutError(f"재제출 전 예측 {prediction_id} 확인")
        result_url = prediction.get("urls", {}).get("get")
        parsed = urlparse(result_url or "")
        if (
            parsed.scheme != "https"
            or parsed.netloc != "gptproto.com"
            or not parsed.path.startswith("/api/v3/predictions/")
        ):
            raise RuntimeError("예상치 못한 결과 URL입니다. 경로 문서를 확인하세요")
        time.sleep(2)
        prediction = read_envelope(
            requests.get(result_url, headers=HEADERS, timeout=(10, 60))
        )
if __name__ == "__main__":
    outputs = submit_and_poll(
        "text-to-image",
        {
            "prompt": "A square product photo of a navy bottle on a pale plinth, soft side lighting, no text",
            "n": 1,
            "quality": "medium",
            "size": "1024x1024",
            "enable_sync_mode": False,
            "response_format": "url",
        },
    )
    for output_url in outputs:
        print(output_url)

아래 편집 예제에서 헬퍼를 재사용하려면 스크립트를 flare_example.py(으)로 저장하세요. 이 스크립트는 잠재적으로 과금될 수 있는 생성을 자동으로 재제출하는 대신 요청 오류 발생 시 중단되도록 설계되었습니다. 원래 예측이 존재하는지 확인한 후 적절한 작업에 대해 프로덕션 수준의 재시도 처리를 추가하세요.

Node.js: 생성 제출

fetch 및 AbortSignal.timeout를 지원하는 최신 Node.js 런타임이 있다면, SDK 전용 이미지 래퍼 없이도 동일한 JSON을 제출할 수 있습니다. 이 예제를 .mjs 파일로 저장하세요:

const apiKey = process.env.GPTPROTO_API_KEY;
if (!apiKey) throw new Error("Set GPTPROTO_API_KEY first");
const response = await fetch(
  "https://gptproto.com/api/v3/openai/gpt-image-2.6-flare/text-to-image",
  {
    method: "POST",
    headers: {
      Authorization: `Bearer ${apiKey}`,
      "Content-Type": "application/json",
    },
    body: JSON.stringify({
      prompt: "A square product photo of a navy bottle, soft side lighting, no text",
      n: 1,
      quality: "medium",
      size: "1024x1024",
      enable_sync_mode: false,
      response_format: "url",
    }),
    signal: AbortSignal.timeout(120000),
  },
);
if (!response.ok) throw new Error(`HTTP ${response.status}`);
const body = await response.json();
if (body.code !== 200 || !body.data) {
  throw new Error(body.message || "Prediction submission failed");
}
console.log(JSON.stringify(body.data, null, 2));

이 코드는 완성된 이미지 파일이 아닌 예측 결과를 출력합니다. 인증된 폴링을 위해 urls.get 값을 사용하고, 위 워크플로우에 따라 상태가 completed가 된 후에만 outputs를 읽으세요.

참조 이미지 편집

Flare 이미지 편집 경로는 생성 경로와 별개입니다:

POST https://gptproto.com/api/v3/openai/gpt-image-2.6-flare/image-edit

이 경로는 필수 images 및 prompt 필드가 포함된 JSON을 허용합니다. GPT Proto는 images를 문자열 배열로 정의하며 최대 16개의 참조 이미지를 허용합니다. 생성 경로와 동일한 품질, 크기, 동기화 및 전달 설정을 나열합니다. 지원되는 업로드 흐름을 통해 참조 이미지를 준비하고 생성된 요청을 검사하세요. 해당 참조 문자열을 images에 사용하세요. 예상되는 입력 형식을 확인하지 않은 채 로컬 파일 경로, 임의의 Base64 인코딩 또는 image라는 이름의 멀티파트 필드를 대체하지 마세요. 예를 들어, 해당 흐름에서 얻은 참조 문자열을 GPTPROTO_REFERENCE_IMAGES에 JSON 배열로 저장한 다음, Python 헬퍼를 재사용하세요:

import json
import os
from flare_example import submit_and_poll
references = json.loads(os.environ["GPTPROTO_REFERENCE_IMAGES"])
if (
    not isinstance(references, list)
    or not 1 <= len(references) <= 16
    or not all(isinstance(item, str) and item for item in references)
):
    raise ValueError("Provide 1–16 valid reference strings from the upload flow")
outputs = submit_and_poll(
    "image-edit",
    {
        "images": references,
        "prompt": "Replace only the tabletop with light oak. Preserve the bottle shape, printed label, camera angle, reflections, and shadow direction.",
        "n": 1,
        "quality": "medium",
        "size": "1024x1024",
        "enable_sync_mode": False,
        "response_format": "url",
    },
)
print(outputs)

마스크와 마크업은 상호 교환할 수 없습니다

현재 GPT Proto 편집 스키마에는 mask 또는 markup 필드가 나열되어 있지 않습니다. 흑백 마스크나 투명 주석 레이어를 전송하고 이것이 편집 경계로 해석될 것이라고 가정하지 마십시오. OpenAI는 이미지 생성 가이드에서 마크업 기반 편집을 문서화하고 있지만, 업스트림 지원이 GPT Proto의 JSON 경로가 동일한 제어 기능을 제공한다는 것을 의미하지는 않습니다. 이 경로의 경우, 지원되는 참조 입력과 정확한 편집 지침으로 시작하십시오. 변경되지 않아야 할 영역을 포함하여 원본과 결과물을 비교해 보십시오.

품질, 크기, 전달 방식을 별도로 선택하십시오

요구 사항을 충족하는 저렴한 초안을 만들 때는 low를 사용하고, 최종 에셋을 위해서는 medium 이상의 설정을 비교하십시오. 이는 워크플로우 권장 사항이며, 더 높은 설정이 항상 최고의 이미지나 특정 지연 시간을 보장한다는 의미는 아닙.

게시된 크기 선택기에는 정사각형, 가로형, 세로형 옵션이 포함되어 있습니다. 치수 지침에 따르면 가장자리는 16으로 나누어떨어져야 하며, 최대 가장자리는 3,840픽셀, 가로세로 비율은 3:1을 넘지 않아야 하고, 총 픽셀 수는 655,360에서 8,294,400 사이여야 합니다. 임의의 사용자 지정 너비와 높이가 허용될 것이라고 가정하기보다는 나열된 사전 설정을 사용하십시오.

response_format은 전달 방식을 제어합니다: url 또는 b64_json. 이는 PNG, JPEG, WebP, GIF 또는 SVG를 선택하는 것이 아닙니다. 현재 GPT Proto 요청 스키마에는 output_format, frame_count, frame_duration_ms, complexity 또는 negative_prompt가 나열되어 있지 않습니다.

OpenAI는 SVG 및 애니메이션 GIF 출력을 포함한 추가 기능을 문서화하고 있습니다. 사용 중인 GPT Proto 경로에서 해당 기능을 명시적으로 제공하기 전까지는 이를 업스트림 기능으로 간주하십시오. 요청에 문서화되지 않은 필드를 추가하거나 이러한 형식을 이 경로의 확인된 출력으로 설명하지 마십시오.

승인된 이미지당 가격 및 비용

요금은 2026년 11월 8일 태평양 표준시 기준으로 확인되었습니다. GPT Proto의 현재 모델 참조에는 이러한 이미지 토큰 요금이 나열되어 있으며, 가격은 변경될 수 있습니다.

텍스트 입력은 별도로 청구됩니다. 전체 작업을 추정하기 전에 실시간 요금과 표시된 정밀도를 확인하십시오. 현재 모델 페이지는 정가보다 5% 낮은 요금을 광고하고 있습니다. 이는 모델별 가격 책정 진술이며, 모든 모델에 대한 보장된 할인이나 모든 생성 이미지에 대한 고정된 절감액을 의미하지 않습니다. 예를 들어, 100만 토큰당 $28.50인 청구 가능한 이미지 출력 토큰 1,000개의 비용은 $0.0285입니다. 이는 출력에만 해당하는 산술적 예시일 뿐, 특정 이미지가 얼마나 많은 토큰을 사용할지에 대한 예측이 아닙니다. 텍스트 입력, 참조 이미지 처리 및 반복 생성은 총 비용을 증가시킵니다.

현재 경로 참조에는 예측 엔벨로프 내에 usage 필드가 문서화되어 있지 않습니다. 계정에서 사용 가능한 청구 정보를 사용하십시오. 확인되지 않은 응답 필드를 기반으로 비용 보고서를 작성하지 마십시오. 더 높은 품질, 더 큰 출력 및 추가 참조는 소비량을 변경할 수 있지만, 여기에는 고정된 승수나 단계별 이미지 가격이 설정되어 있지 않습니다.

워크플로를 비교하려면 승인된 자산으로 나눈 총 지출을 추적하십시오. 여러 번의 수정이 필요한 저렴한 초안이 고품질의 첫 번째 결과물보다 비용이 더 많이 들 수 있습니다. n: 1으로 시작하고, 배치에 필요한 치수를 사용하며, 출력 품질과 청구 내역을 모두 확인한 후에만 볼륨을 늘리십시오. 현재 계정 수준의 결제 조건은 GPT Proto 가격 책정에서 확인하십시오.

평가 가능한 프롬프트 작성

자산, 피사체, 구성, 조명, 스타일 및 제약 조건을 평이한 언어로 설명하십시오. 편집의 경우, 변경을 요청하는 부분과 변경되지 않아야 할 세부 사항을 구분하십시오. 고정된 단어 순서가 문서화된 토큰 가중치 이점을 가진다고 가정하지 마십시오.

제품 캠페인: “무광 네이비 절연 병을 위한 정사각형 스튜디오 광고를 만드세요. 연한 회색 받침대 위 오른쪽 3분의 1 지점에 배치하세요. 왼쪽 절반은 복사본을 위해 비워두세요. 부드러운 측면 조명과 따뜻한 오프 화이트 배경을 사용하세요. 이미지에 텍스트가 없도록 하세요.”

집중 수정: “테이블 상판만 밝은 오크색으로 변경하세요. 카메라 각도, 병 모양, 인쇄된 라벨, 반사 및 그림자 방향은 변경하지 마세요. 기존 조명과 일치시키세요.”

정확한 텍스트: “헤드라인 ‘NIGHT MARKET’이 정확히 적힌 세로형 이벤트 포스터를 만드세요. 상단에 큰 헤드라인 하나, 중앙에 제품 사진 하나를 배치하고, 하단에는 나중에 날짜를 추가할 수 있도록 빈 공간을 두세요.”

전체 크기에서 글자를 검토하고 최종 크롭을 확인하십시오. 시각적으로 설득력 있는 출력물이라도 잘못된 라벨이나 사용할 수 없는 복사 영역이 포함될 수 있습니다. GPT Image 2.5 프롬프트 가이드는 관련 프롬프트 연습을 제공하지만, 해당 예시는 Flare 2.6에 대한 벤치마크가 아닙니다.

중복 작업 생성 없이 오류 처리하기

HTTP 응답과 예측 엔벨로프를 모두 확인하세요. 요청 수락, 생성 완료, 자산 검색은 각각 별도의 단계입니다.

재시도 가능한 작업에는 지터(jitter)를 포함한 제한된 재시도 정책을 사용하세요. 지연 시간, 시도 횟수, 애플리케이션 마감 시간은 사용자가 선택하는 구성이며 GPT Proto에서 보장하는 기본값이 아닙니다. 모든 응답에 특정 속도 제한 헤더 세트가 포함되어 있다고 가정하지 마세요.

예측 ID, 응답 상태, 타이밍 및 정리된 오류 세부 정보를 기록하세요. API 키, 전체 참조 이미지 또는 전체 요청 페이로드를 기록하지 마세요. 네트워크 타임아웃 후에는 가능한 경우 알려진 예측을 복구한 다음 다시 제출하세요. 중복 생성 시 추가 비용이 발생할 수 있습니다.

기존 워크플로우를 Flare 2.6으로 이전하기

업그레이드는 단순히 모델 문자열을 교체하는 것 이상입니다. GPT Proto는 경로를 통해 이 모델과 작업을 선택합니다. 새로운 생성 또는 편집 경로를 대표적인 프롬프트와 참조로 테스트하는 동안 기존 통합을 계속 사용할 수 있도록 유지하세요.

명시적인 크기, 품질, 이미지 수 및 전달 설정을 사용하세요. 텍스트 정확도, 제품 세부 정보 보존, 승인된 결과까지 걸리는 시간, 수정본 전체 비용을 비교하세요. 반복적인 프로덕션 트래픽을 이동하기 전에 응답 파싱 및 폴링 동작을 다시 확인하세요.

OpenAI 네이티브 이미지 클라이언트에서 마이그레이션하는 경우, 페이로드 및 결과 처리를 GPT Proto의 data.status 및 data.outputs 엔벨로프에 맞게 조정하세요. client.images.generate() 또는 client.images.edit()가 이러한 네이티브 GPT Proto 경로를 변경 없이 호출할 수 있다고 가정하지 마세요.