로컬 AI 인프라 노트 (14/15) — Nano Banana 2 실측 비용: Gemini 3.1 Flash Image

-

부제: 가격표 $0.067과 청구서 $0.08의 간극을 만드는 세 종류의 토큰

핵심 요약

  • 공식 가격표 기준 1K 이미지 = $0.067. 실측 청구서는 $0.08/장.
  • 차이의 주범은 thinking 토큰. 이미지 토큰만 카운트하면 약 17% 과소 추정.
  • 347장 배치 역산 시 $0.075/장. thinking 길이 편차로 $0.067 고정 가정보다 명백히 위.
  • 이 글은 Gemini 3.1 Flash Image의 토큰 과금 구조, 재설계한 예산식, 파이프라인 관점에서의 함정 3가지를 정리한다.

문제 정의 — 가격표와 청구서가 맞지 않는다

블로그 이미지 자동 생성 파이프라인은 Gemini 3.1 Flash Image (Nano Banana 2)를 사용한다. 한국어 블로그 121개 디렉터리, 총 347장 배치 생성 직후의 청구서는 36,400원(약 26달러).

흔히 인용되는 1K 이미지 단가 $0.067을 적용하면 347장은 약 23달러여야 한다. 실제 청구는 3달러 초과, 약 12% 차이. 단발 배치에선 무시할 수 있지만, 월 단위 누적·배치 확장 시 예측 오차로 직결된다.

원인은 가격표의 항목 누락이 아니라, 단일 단가로 요약된 요약식이 요청당 과금되는 세 종류의 토큰 중 두 가지를 감추고 있었기 때문이다.

작동 원리 — 요청당 과금되는 세 종류의 토큰

Gemini 3.1 Flash Image는 요청 한 건당 다음 세 채널에 토큰을 쓴다.

항목 단가 1K 이미지 1건 기준
Input (text/image) $0.50 / 1M ~200 토큰 → $0.0001
Output (text & thinking) $3.00 / 1M ~500 토큰 → $0.0015
Output (image) $60.00 / 1M ~1,300 토큰 → $0.078

핵심은 중간 행의 thinking 토큰이다. 모델은 이미지를 생성하기 전 내부 추론을 수행하며, 그 결과도 output 토큰으로 카운트된다. 평균 500 토큰 수준에서 단가 $3/1M이 곱해져 한 장당 약 $0.0015가 붙는다.

세 항목을 합산한 실측 단가는 이미지 토큰 $0.067~$0.078에 thinking과 input을 더해 약 $0.08/장. 청구서 역산치 $0.075/장은 이 범위 안에 들어오며, thinking 길이가 짧은 이미지가 섞였을 때의 하한에 가깝다.

재설계한 예산식

기존 식: 장수 × $0.067 수정 식: 장수 × $0.08

단일 계수 변경이지만 운영 파라미터가 연쇄 이동한다.

  • 단일 배치 상한선 $30 기준 → 약 375장 이하로 조정.
  • KR + EN 동시 발행 시 영문 포스트는 KR 이미지 재사용으로 추가 비용 $0 처리.
  • 주당 새 글 5편, 평균 30장/편 = 150장 → 약 12달러/주.

월 기준 $10(가격표 가정) → $12(실측 기준) 차이는 금액 자체보다는 예측 정확도의 문제다. 계수가 틀리면 청구서마다 편차가 재발생하고, 그 편차가 누적되면 배치 확장 결정이 왜곡된다.

파이프라인 관점 — 비용 외에 맞물리는 함정 셋

비용식과 함께 파이프라인 레벨에서 고정해야 할 운영 규칙 3가지.

1. 한국어 프롬프트는 이미지 내 텍스트가 깨진다

gemini-3.1-flash-image-preview에 한국어 프롬프트를 전달하면 생성 이미지 안의 렌더링 텍스트가 깨진 형태로 출력된다. 프롬프트 언어 전환(KR→EN) 단계가 파이프라인 상 필수 전처리로 들어가야 한다.

2. 이미지 생성 API는 generate_content — generate_images가 아니다

이미지 생성은 generate_content 경로를 사용한다. generate_images는 같은 Google 계열 API이지만 Imagen 대상이며, 잘못 호출해도 에러가 아니라 응답 모달리티가 달라진다. 추가로 response_modalities=['IMAGE']를 명시하지 않으면 이미지가 반환되지 않는다.

3. SynthID 워터마크는 비활성화 불가

생성 이미지에는 SynthID 워터마크가 자동 삽입되며 끌 수 없다. 시각적으로는 보이지 않지만 메타데이터에 잔존한다. 상업적 사용 자체는 허용되나, "AI 생성 흔적이 메타데이터에 남는다"는 조건은 유통 경로 결정 시 입력값에 포함해야 한다.

한계와 적용 범위

  • 단가 고정값: $0.08/장으로 운영 계수를 고정. $0.067은 1차 가격표 인용용으로만 보존.
  • 배치 상한: 단일 실행 375장. 초과 시 분할.
  • 의심 순서: 청구서가 예측과 어긋나면 ①계산식 → ②API 사용량(token usage 필드 출력) → ③청구서 순으로 검증. LLM 과금 영역에서 디폴트 의심 대상은 청구서가 아니라 계산식이다.
  • 적용 범위: 이 식은 Gemini 3.1 Flash Image에 한정된다. 다른 멀티모달 이미지 모델은 thinking 토큰 유무·단가 체계가 다르므로 토큰 사용량 필드 실측이 선행되어야 한다.

열린 질문

  • thinking 토큰 길이를 프롬프트 설계로 축소할 수 있는가? (프롬프트 단순화 대비 품질 트레이드오프 실측 필요)
  • 이미지 재사용 비율을 높이는 캐싱 레이어가 비용 곡선을 어디까지 낮추는가?
  • SynthID 메타데이터 잔존이 배포 채널별 정책에 어떤 제약으로 돌아오는가?

LLM 기반 이미지 생성의 단가는 단일 숫자로 요약되기 어렵다. 요청당 토큰 채널을 모두 드러내고, 실측으로 역산하는 과정이 최소 비용이다.

시리즈 전체 안내: 시리즈 목차

댓글

댓글 쓰기

이 블로그의 인기 게시물

"LLM 핵심 학습 (1/6) — 기본: 토큰화·임베딩·어텐션·위치 인코딩"

-
이미지
(시리즈 시작) 📚 시리즈 목차 2/6 파인튜닝 → 트랜스포머 한 블록의 데이터 흐름을 문자열 → 토큰 → 임베딩 → 어텐션 → 출력 표현 까지 손으로 풀어 본다. 이번 편이 끝나면 "왜 \(\sqrt{d_k}\)로 나누는가", "RoPE는 무엇을 회전시키는가", "한국어가 영어보다 토큰이 많은 까닭은 무엇인가"가 한 줄로 설명될 수 있다. 0. 학습 목표 이 편을 마치면 다음을 직접 할 수 있다. BPE 토크나이저 가 어휘를 어떻게 학습하고 새 문자열을 어떻게 자르는지 종이 위에서 시뮬레이션한다. 임베딩 행렬 의 모양과 초기화, weight tying의 의미를 한 줄로 설명한다. Scaled Dot-Product Attention 의 식을 차원 단위로 추적하고 PyTorch 30줄로 재현한다. Multi-Head Attention 이 한 헤드와 비교해 무엇이 다른지, 헤드 수가 늘면 어디가 비싸지는지 답한다. Sinusoidal·RoPE·ALiBi 세 위치 인코딩의 식과 외삽 성질을 구분한다. 컨텍스트 확장이 왜 \(O(N^2)\)인지, "Lost in the Middle"이 왜 발생하는지 설명한다. 1. 핵심 요약 트랜스포머의 입력은 문자열 이 아니라 정수 ID 시퀀스 다. 토크나이저가 문자열 → ID로 자른다. 임베딩은 정수 ID를 \(d\)차원 벡터로 lookup하는 학습 가능한 테이블이다. Self-Attention은 \(\text{softmax}(QK^\top / \sqrt{d_k}) V\) 한 줄이 핵심이고, 멀티헤드는 같은 연산을 여러 부분 공간에서 병렬화한 것이다. 위치 정보는 임베딩에 직접 더하거나(Sinusoidal), Q·K에 회전을 가하거나(RoPE), 어텐션 스코어에 거리 패널티를 더해서(ALiBi) 주입한다. 컨텍스트 길이 \(N\)에 대해 표준 어텐션은 \(O(N^2)\) 비용을 갖고, 긴 컨텍스트에서는 중간 위...
Read more »

"LLM 핵심 학습 (2/6) — 파인튜닝: LoRA·QLoRA·증류·Adapter"

-
이미지
← 1/6 기본 📚 시리즈 목차 3/6 디코딩과 생성 → 사전학습된 LLM을 내 데이터 에 적응시키는 방법을 비용·메모리·일반화 관점에서 정리한다. Full FT의 한계 → Adapter → LoRA → QLoRA → Distillation 순으로 같은 그림을 점점 확대해 본다. 0. 학습 목표 Full fine-tuning의 메모리 병목을 옵티마이저 상태·그래디언트·가중치·활성화 의 4분할로 설명한다. Adapter(Houlsby 2019)와 LoRA(Hu 2021)의 식 차이를 한 줄로 적는다. LoRA의 \(A, B\) 행렬이 왜 저랭크 이고, rank \(r\) 선택이 무엇을 결정하는지 답한다. QLoRA(Dettmers 2023)의 NF4·double-quant·paged optimizer를 분리해서 설명한다. Catastrophic Forgetting을 분포 시프트 관점에서 정의하고 완화 기법을 두 개 이상 든다. Hinton 2015의 Knowledge Distillation 식을 손으로 유도한다. 1. 핵심 요약 Full FT는 메모리/디스크/시간 모두 비싸다. 7B 모델 full FT는 V100 8장 + A100 1장으로도 큰 부담이다. PEFT(파라미터 효율 파인튜닝) 일가족은 극히 일부 파라미터만 학습 해 같은 효과를 얻는다. LoRA: \(\Delta W = BA\) (rank \(r \ll \min(d_{\text{in}}, d_{\text{out}})\))로 가중치 업데이트를 저랭크 분해. QLoRA: 베이스 모델을 4-bit(NF4)로 양자화한 채 LoRA만 풀-정밀(BF16)으로 학습. Catastrophic Forgetting: 새 분포에 적응하느라 이전 능력이 무너지는 현상. PEFT 자체가 부분 완화책. Distillation: 큰 교사 모델의 soft target 을 학습 신호로 써서 작은 학생 모델 을 만든다. 2. 직관: 왜 사전학습만으로는 부족한가 사전학습은 일반...
Read more »

"ML 기초 학습 (1/9) — 머신러닝과 sklearn: 학습의 좌표계"

-
이미지
(시리즈 시작) 📚 시리즈 목차 2/9 이웃 알고리즘 → 이 시리즈는 신경망과 로컬 LLM으로 가기 전에 손에 익혀 둬야 할 머신러닝 기초 9편이다. 1편은 모든 ML 코드가 공유하는 공통 문법 을 잡는 데 쓴다. sklearn은 그 문법을 가장 일관되게 보여주는 도구다. 이번 편이 끝나면 어떤 모델을 만나도 fit → predict → score → 평가 흐름이 같다는 것이 손에 잡힌다. 0. 학습 목표 이 편을 마치면 다음을 할 수 있어야 한다. 지도학습·비지도학습·강화학습을 한 문장씩 구분해 설명한다. sklearn의 estimator 인터페이스 ( fit , predict , score , transform )를 코드 한 화면 안에서 쓸 수 있다. train/validation/test 분할을 왜 하는지, 어디서 데이터 누수가 생기는지 식과 그림으로 설명한다. 분류·회귀의 핵심 평가 지표(accuracy, precision, recall, F1, MSE, R²)를 정의에서 직접 계산할 수 있다. k-fold 교차검증 을 코드 한 줄로 돌리고, 결과의 평균과 표준편차를 함께 보고할 수 있다. Pipeline 으로 전처리와 모델을 묶어 데이터 누수를 구조적으로 막는 방법을 설명한다. 1. 핵심 요약 머신러닝은 데이터에서 함수 \(f: X \to Y\)를 찾는 작업 이다. 어떤 모델이든 이 본질은 같다. sklearn은 모든 모델을 같은 인터페이스( fit , predict , score )로 통일해, 모델을 바꿀 때 한 줄만 바꾸면 되게 한다. train/val/test 세 분할이 표준이다. 검증으로 하이퍼파라미터를 고르고, 테스트는 마지막에 한 번만 본다. 데이터 누수 (test 정보가 train에 새는 현상)는 ML 입문자가 가장 자주 만드는 실수이며, Pipeline + cross_val_score 조합으로 구조적으로 막을 수 있다. 평가 지표는 문제 유형 (분류/회귀) 과 클래스 불균형...
Read more »