오픈AI, GPT-Image-2 출시

GPT-Image-2는 OpenAI가 기존 GPT-Image-1(2025년 4월 공개)의 후속으로 내놓은 멀티모달 이미지 생성·편집 모델로, 텍스트-이미지 디퓨전 방식에 자기회귀(autoregressive) 토큰 예측을 결합한 하이브리드 아키텍처를 따른다. 특히 이번 버전은 GPT-4o 계열과 동일한 토큰 공간에서 이미지를 이해·생성하기 때문에, 입력 프롬프트의 문맥(코드 스니펫, UI 명세, 브랜드 가이드 등)을 더 세밀하게 반영한다. Inpainting·Outpainting·Reference image 기반 일관성 유지 기능이 강화되어, 동일 캐릭터/제품을 여러 컷에 걸쳐 유지하는 "persistent subject rendering"이 실무 수준에 근접했다는 평가다. API는 `gpt-image-2` 모델 ID로 노출되며, `response_format`과 `quality`, `size` 파라미터를 통해 해상도·품질을 제어할 수 있다.

개발자 관점에서 더 눈여겨볼 사건은 Cursor가 xAI와 100억 달러 규모의 컴퓨트/모델 공급 계약을 체결하고, xAI가 600억 달러에 Cursor를 인수할 수 있는 콜옵션을 확보했다는 점이다. 이는 "IDE가 곧 AI 플랫폼의 유통 채널"이라는 구조를 공식화한 사건으로, GitHub Copilot-MS, Cursor-xAI, Windsurf-OpenAI처럼 AI 코딩 도구가 특정 모델 벤더와 수직 통합되는 흐름이 가속화되고 있음을 보여준다. 한국 개발팀 입장에서는 Cursor를 중심으로 한 워크플로우가 장기적으로 Grok 계열 모델에 더 최적화될 가능성이 높아, 현재 Claude·GPT 기반으로 구축한 프롬프트·룰·MCP 설정의 벤더 종속성을 재점검할 필요가 있다.

실무적으로는 두 가지 액션을 권한다. 첫째, GPT-Image-2를 제품 파이프라인에 투입하려면 기존 DALL·E 3 / Midjourney 기반 스크립트의 프롬프트 포맷과 비용 구조를 재검토해야 한다. GPT-Image 계열은 토큰 기반 과금(입력 텍스트·이미지 + 출력 이미지 토큰)이라 대량 배치 생성 시 DALL·E 대비 비용이 2~3배까지 튀는 사례가 보고되고 있으므로, `quality=low` 프리뷰 → 승인 후 `high` 재생성하는 2단계 파이프라인이 비용 최적화에 효과적이다. 둘째, Cursor를 팀 표준으로 쓰는 조직이라면 `.cursor/rules`와 MCP 서버 설정을 Git에 커밋해 모델 교체(Claude→Grok 등)가 발생해도 팀 컨벤션이 유지되도록 추상화 계층을 만들어 두는 것이 안전하다.

저작권·데이터 거버넌스 이슈도 재확인이 필요하다. GPT-Image-2는 참조 이미지 업로드를 통한 스타일 모방 정확도가 크게 향상된 만큼, 사내 디자인 에셋·고객 사진을 레퍼런스로 쓸 때 OpenAI의 데이터 학습 옵트아웃(`Zero Data Retention` 또는 Enterprise 플랜) 적용 여부를 명시적으로 확인하고, 생성물에 대한 상업적 이용권과 C2PA 메타데이터 처리 방침을 사내 법무와 사전에 합의해 두는 것이 좋다. 특히 공공·금융 도메인에서는 생성 이미지의 출처 추적(provenance)이 컴플라이언스 요건으로 들어오기 시작했으므로, 워터마킹 제거나 메타데이터 스트립을 파이프라인에서 수행하지 않도록 주의해야 한다.