# GPT Image 1 Mini 가격 2026: 이미지 1장당 비용과 Mini가 유리한 경우

> 2026년 3월 27일 기준 GPT Image 1 Mini는 이미지 1장당 $0.005부터 시작합니다. GPT Image 1.5, GPT Image 1과 비교하고 token 과금, tier access, Batch 할인까지 정리합니다.

- Source: https://www.aifreeapi.com/ko/posts/gpt-image-1-mini-pricing
- Language: ko
- Published: 2026-03-27
- Updated: 2026-03-27
- Publisher: AI Free API (https://www.aifreeapi.com)

**2026년 3월 27일 기준 `gpt-image-1-mini` 가격은 1024x1024 low / medium / high 에서 $0.005 / $0.011 / $0.036, 1024x1536 과 1536x1024 에서 $0.006 / $0.015 / $0.052 입니다.** 지금 OpenAI 공식 이미지 API에서 가장 싼 루트가 무엇이냐고 묻는다면 답은 Mini입니다.

하지만 이 키워드의 실제 decision은 여기서 끝나지 않습니다. OpenAI의 현재 model catalog 는 **GPT Image 1.5** 를 flagship image model 로, **GPT Image 1** 을 previous model 로, **`gpt-image-1-mini`** 를 GPT Image 1 의 cost-efficient route 로 둡니다. 그래서 진짜 질문은 "Mini가 얼마인가"보다 **언제 Mini가 맞는 default이고, 언제 싼 sticker price만 보고 결정하면 틀리느냐** 입니다.

실무 규칙을 먼저 말하면, **output image 비용이 가장 중요하고 workflow가 generation-heavy 라면 Mini부터 시작** 하는 것이 맞습니다. 반대로 edit-heavy 작업, retry 비용, premium output 가치, prompt following 안정성이 더 중요하면 GPT Image 1.5를 가격표만 보고 지우면 안 됩니다.

![GPT Image 1 Mini, GPT Image 1.5, GPT Image 1의 가격 비교 이미지](https://www.aifreeapi.com/posts/ko/gpt-image-1-mini-pricing/img/cover.png)

## 핵심 요약

- **Square pricing:** 1024x1024 low / medium / high 가 **$0.005 / $0.011 / $0.036**
- **Portrait / landscape pricing:** **$0.006 / $0.015 / $0.052**
- **Mini token rates:** text input $2.00, cached text input $0.20, image input $2.50, cached image input $0.25, image output $8.00 / 1M tokens
- **현재 접근 조건:** Free 미지원, Tier 1 은 100,000 TPM 과 5 IPM 부터
- **잘 맞는 경우:** prototype, 대량 draft, 비용 우선 이미지 생성
- **핵심 주의점:** 가장 싼 이미지 라인이 항상 가장 싼 workflow는 아니다

## GPT Image 1 Mini 가격을 먼저 한눈에 보기

이 주제를 가장 깔끔하게 읽는 방법은 **보이는 output image 가격** 과 **그 아래 token billing** 을 분리해서 보는 것입니다. 전자가 먼저 궁금한 숫자이고, 현재 [`gpt-image-1-mini` 모델 페이지](https://developers.openai.com/api/docs/models/gpt-image-1-mini) 가 그 부분을 가장 직접적으로 보여 줍니다.

| 품질 | 1024x1024 | 1024x1536 | 1536x1024 |
|---|---:|---:|---:|
| Low | **$0.005** | **$0.006** | **$0.006** |
| Medium | **$0.011** | **$0.015** | **$0.015** |
| High | **$0.036** | **$0.052** | **$0.052** |

동시에 OpenAI는 다음 token rates 도 보여 줍니다.

- **Text input:** $2.00 / 1M tokens
- **Cached text input:** $0.20 / 1M
- **Image input:** $2.50 / 1M
- **Cached image input:** $0.25 / 1M
- **Image output:** $8.00 / 1M

왜 이것이 중요할까요? page one 의 많은 가격 페이지가 output image 표에서 설명을 끝내기 때문입니다. 단순 generation 에서는 그런 shortcut 이 rough estimate 로 쓸 만합니다. 하지만 text 와 image input price 가 따로 있다는 사실 자체가 이 query 가 단순 price lookup 이 아니라 **budget routing** 문제라는 뜻입니다.

OpenAI image family 전체의 더 넓은 가격 구조가 필요하면 [OpenAI 이미지 생성 API 가격](/ko/posts/openai-image-generation-api-pricing) 이 더 적절한 다음 글입니다. 이 글은 Mini 자체와 선택 기준에만 집중합니다.

## 언제 Mini를 고르고, 언제 GPT Image 1.5나 GPT Image 1을 봐야 하나

![GPT Image 1 Mini, GPT Image 1.5, GPT Image 1의 역할과 추천 시나리오를 비교한 이미지.](https://www.aifreeapi.com/posts/ko/gpt-image-1-mini-pricing/img/model-routing-board.png)

가격표는 모델 선택으로 바뀌어야 비로소 쓸모가 있습니다. Mini 는 현재 OpenAI 공식 image lane 중 가장 싸지만, **가장 싼 lane** 과 **가장 싼 workflow** 는 같은 말이 아닙니다.

| 모델 | 현재 위치 | 1024x1024 low | 1024x1024 medium | 1024x1024 high | 더 맞는 경우 |
|---|---|---:|---:|---:|---|
| **`gpt-image-1-mini`** | 현재 budget lane | **$0.005** | **$0.011** | **$0.036** | 비용이 첫 번째 제약일 때 |
| **GPT Image 1.5** | 현재 flagship | **$0.009** | **$0.034** | **$0.133** | 품질, 편집, 안정성이 더 중요할 때 |
| **GPT Image 1** | previous model | **$0.011** | **$0.042** | **$0.167** | legacy reference |

Mini 가 특히 강한 경우는 세 가지입니다.

첫째, **flagship 이 정말 필요한지 싸게 검증할 때**. 내부 concept image, 대량 rough draft, low-risk visual variation 이라면 먼저 Mini 를 돌려 보는 편이 맞습니다.

둘째, **volume-first workload** 입니다. medium square 기준으로 **$0.011** 과 **$0.034** 의 차이는 10장에서는 작아 보이지만, 1만 장에서는 전혀 다르게 보입니다.

셋째, **지금 OpenAI 공식 가격 바닥을 찾고 있을 때** 입니다. 현재 catalog 관점에서 GPT Image 1 을 새로운 budget default 로 읽는 것은 이미 시점이 지난 해석입니다.

반대로 GPT Image 1.5 가 이기는 순간은 premium output, edit-heavy workflow, 혹은 retry 비용이 높은 경우입니다. 이런 상황에서는 list price 보다 **성공하는 workflow의 총비용** 이 더 중요합니다.

GPT Image 1 은 지금은 거의 legacy baseline 역할입니다. 여전히 오래된 가격 스크린샷이 검색에 남아 있기 때문에 혼란을 만들지만, 새로운 build 의 기본 출발점으로 보기에는 맞지 않습니다. 이 부분이 궁금하면 [GPT Image 1 vs GPT Image 1.5](/ko/posts/gpt-image-1-vs-gpt-image-1-5) 를 먼저 보는 편이 좋습니다.

여기서 놓치기 쉬운 포인트는, **싼 모델을 고르는 것** 과 **싸게 성공하는 운영을 만드는 것** 이 같지 않다는 점입니다. 내부 콘셉트 시안, 대량 rough draft, low-risk variation 처럼 일단 많이 돌려 보는 일이면 Mini 의 가격 우위가 매우 분명합니다. 하지만 실패 한 번이 디자이너 검토, 승인 지연, 추가 수정으로 이어지는 workflow 라면 이미지 1장 가격 차이보다 retry 감소가 더 큰 효과를 낼 수 있습니다.

그래서 Mini 를 default 로 둘지 말지는 가격표만으로 정하면 위험합니다. 실무에서는 같은 prompt 묶음으로 Mini 와 GPT Image 1.5 를 나란히 돌려 보고, 채택률과 재작업 비용이 어느 쪽에서 낮아지는지 확인하는 편이 가장 빠릅니다. OpenAI 가 current catalog 에서 Mini 를 budget lane, 1.5 를 flagship 으로 구분하는 것도 결국 이런 운영 차이를 전제로 읽는 것이 자연스럽습니다.

SERP 가 아직 정리되지 않아 보이는 이유도 같습니다. 어떤 글은 exact price table 만 보여 주고 끝나고, 어떤 글은 model-family 설명만 하고, 또 어떤 글은 오래된 GPT Image 1 전제를 그대로 끌고 옵니다. 그래서 이 키워드에서는 단순 가격 나열보다 **어떤 조건에서 Mini 를 표준 route 로 써도 되는지** 를 분명히 말해 주는 글이 더 실무적입니다.

alias 와 stable model ID 차이가 더 궁금하다면 다음 글은 [chatgpt-image-latest vs gpt-image-1.5](/ko/topics/gpt-image) 입니다.

## “이미지 한 장 가격” 외에 실제 청구를 바꾸는 것들

![prompt text, image input, output image price, retry가 실제 청구를 구성하는 구조를 보여주는 이미지.](https://www.aifreeapi.com/posts/ko/gpt-image-1-mini-pricing/img/billing-components-map.png)

여기가 빠른 pricing 페이지가 가장 약해지는 지점입니다.

앞의 ladder 는 headline answer 로 반드시 필요합니다. 하지만 Mini model page 가 text 와 image input token rates 도 공개하고 있다는 사실은, **모든 GPT Image invoice 가 output image 숫자 하나로 끝나지 않는다** 는 뜻입니다.

실무에서는 대략 이렇게 생각하는 편이 안전합니다.

- prompt text
- image inputs (edit / reference)
- output image
- retries

짧은 prompt 의 simple generation 에서는 output image 가 비용의 대부분인 경우가 많습니다. 그래서 “이미지 1장 가격” 사고가 완전히 틀린 것은 아닙니다. 하지만 edit-heavy, reference-heavy, retry-sensitive 상황에서는 그 shortcut 이 점점 약해집니다.

그래서 올바른 budgeting question 은 **어느 모델이 제일 싼가** 가 아니라 **어느 모델이 제일 싼 성공 workflow 를 만드는가** 입니다.

page one 이 약한 부분이 바로 여기입니다. **$0.011 vs $0.034** 는 보여 주지만, 그것이 retry 와 edit 현실에서 어떻게 뒤집힐 수 있는지까지는 잘 설명하지 않습니다. 그래서 가장 안전한 rule 은 다음과 같습니다.

1. per-image ladder 로 first-pass budgeting 을 한다.
2. edit 와 reference 가 있으면 token billing 을 추가한다.
3. production 에서는 retry cost 와 downstream cleanup 까지 같이 본다.

API surface 자체를 아직 선택하지 않았다면 먼저 [OpenAI image API tutorial](/ko/posts/openai-image-api-tutorial) 이 더 실용적입니다.

조금 더 실무적으로 보면, Mini 의 장점은 단순히 싸다는 것만이 아니라 **실험 비용이 낮다** 는 점에도 있습니다. prompt 방향성이 아직 불안정한 단계에서는 더 많은 시도를 저비용으로 확보할 수 있다는 것 자체가 가치가 됩니다. prototype 단계에서는 최고 품질보다도 가설을 빨리 여러 번 검증할 수 있는지가 더 중요할 때가 많습니다.

반대로 production 에 가까워질수록 청구를 보는 방식이 달라집니다. reference image 가 늘어나고, 편집 루프가 길어지고, 여러 팀의 검수가 붙고, 실패 출력의 비용이 커집니다. 이런 조건에서는 싼 lane 으로 여러 번 시도하는 전략보다, 한 번에 통과할 확률이 높은 lane 이 총비용에서 유리해질 수 있습니다. Mini 의 가격표는 출발점으로는 좋지만 최종 판단을 자동으로 대신해 주지는 않습니다.

이 키워드에서 진짜 필요한 답은 "이미지 한 장이 얼마인가"가 아니라, **어떤 청구 요소가 커질 때 Mini 의 우위가 약해지는가** 입니다. 짧은 text prompt 의 단순 generation 에서는 per-image number 가 꽤 잘 맞습니다. 하지만 image inputs, cached tokens, retries, 리뷰 인건비까지 들어오면 flat price 만으로 budget 을 짜는 것은 금방 부정확해집니다.

## Rate limits, tier access, Batch discount

싼 가격만으로 usable route 인지는 결정되지 않습니다. tier access 와 throughput 도 가격표만큼 중요합니다.

현재 mini model page 는 다음을 보여 줍니다.

- **Free:** not supported
- **Tier 1:** 100,000 TPM, 5 IPM
- **Tier 2:** 250,000 TPM, 20 IPM
- **Tier 3:** 800,000 TPM, 50 IPM
- **Tier 4:** 3,000,000 TPM, 150 IPM
- **Tier 5:** 8,000,000 TPM, 250 IPM

그리고 model availability help page 는 **GPT-image-1 과 GPT-image-1-mini 가 tiers 1 through 5 에서 사용 가능하지만 일부 access 는 organization verification 에 의존한다** 고 말합니다.

실무 해석은 단순합니다. **Mini 를 truly free route 로 생각하고 있다면 이미 프레임이 틀린 것** 입니다. 또 throughput 이 중요하면 IPM 표가 가격표만큼 중요해집니다.

Batch 는 또 다른 큰 변수입니다. 현재 [OpenAI pricing page](https://openai.com/api/pricing/) 는 **Batch API 가 inputs 와 outputs 에서 50% 절감** 된다고 적고 있습니다. offline jobs 라면 Mini 와 GPT Image 1.5 사이 경제성이 상당히 다시 계산됩니다.

중요한 결론은 “Batch 가 있으면 Mini 가 의미 없다”가 아니라 **workflow 가 asynchronous 라면 sticker price 만으로 판단하면 안 된다** 는 것입니다.

access 나 verification 이 blocker 라면 [OpenAI image generation API verification](/ko/posts/openai-image-generation-api-verification) 이 더 먼저입니다.

## 실제 workload 기준 월간 예산 예시

![prototype, production, Batch-friendly jobs별로 추천 모델을 보여주는 예산 시나리오 이미지.](https://www.aifreeapi.com/posts/ko/gpt-image-1-mini-pricing/img/budget-scenarios-board.png)

가격을 workload math 로 바꾸면 모델 선택이 훨씬 쉬워집니다.

**1,000장의 square output** 기준 현재 공식 숫자는 대략 다음과 같습니다.

- **Mini low:** **$5**
- **Mini medium:** **$11**
- **Mini high:** **$36**
- **GPT Image 1.5 low:** **$9**
- **GPT Image 1.5 medium:** **$34**
- **GPT Image 1.5 high:** **$133**

**10,000장** 이면 단순히 10배입니다.

- **Mini low:** **$50**
- **Mini medium:** **$110**
- **Mini high:** **$360**
- **GPT Image 1.5 low:** **$90**
- **GPT Image 1.5 medium:** **$340**
- **GPT Image 1.5 high:** **$1,330**

여기서 세 가지 operator rule 이 나옵니다.

**prototype / internal exploration** 이면 Mini 가 보통 첫 선택입니다.  
**steady production** 이면 실패 1회의 비용을 포함해야 합니다.  
**Batch-friendly jobs** 이면 flagship 을 표면 가격만 보고 지우면 안 됩니다.

또 하나 중요한 점은, **Batch discount 를 넣느냐에 따라 의사결정 경계가 꽤 달라진다** 는 것입니다. OpenAI pricing page 는 현재 Batch API 가 inputs 와 outputs 에서 50% 절감된다고 안내합니다. 즉 야간 처리나 비동기 job 이라면, 표준 가격에서 넓어 보였던 차이가 상당히 줄어들 수 있습니다. Mini 가 여전히 강력하더라도 GPT Image 1.5 를 "비싸니까 제외"라고 초기에 지우는 것은 지나치게 단순한 판단이 될 수 있습니다.

그리고 calculator 식 시각만으로는 routing judgment 가 부족합니다. 1,000장이나 10,000장 계산은 분명 유용하지만, 실제 운영에서는 "사내 드래프트는 Mini", "대외 공개 후보는 1.5", "야간 배치는 다시 비교" 같은 규칙으로 바꿔야 합니다. 가격 숫자를 routing policy 로 전환해야 비로소 이 키워드가 현장에서 작동합니다.

결국 Mini 의 listed price 가 매력적이라는 사실과, Mini 가 모든 workflow 의 영구 default 라는 결론은 다릅니다. **어디까지 Mini 로 밀고 가고, 어디서 upgrade 할지를 미리 정하는 것** 이 뒤늦게 더 비싼 시행착오를 줄여 줍니다.

## FAQ

**지금 OpenAI 공식 기준 가장 싼 image price 는 무엇인가요?**  
2026년 3월 27일 기준으로 **`gpt-image-1-mini` low $0.005** 가 가장 낮습니다.

**Mini는 항상 GPT Image 1.5보다 유리한가요?**  
list price 는 더 싸지만, workflow total cost 는 항상 그렇지 않습니다.

**Mini는 GPT Image 1.5의 작은 버전인가요?**  
아닙니다. 현재 catalog 에서는 Mini 는 GPT Image 1 의 cost-efficient route, GPT Image 1.5 는 flagship 입니다.

**이미지 한 장 가격이 곧 최종 청구인가요?**  
simple generation 에서는 좋은 first-pass estimate 지만, edit, references, retry 가 들어오면 달라집니다.

**Mini를 쓰려면 유료 tier 가 필요한가요?**  
네. Free 는 미지원이고 현재 access 는 Tier 1 에서 Tier 5 를 전제로 합니다.

**Mini 는 prototype 전용이고, production 에서는 피해야 하나요?**  
그렇지 않습니다. prototype 에 특히 잘 맞는 것은 사실이지만, production 이어도 generation-heavy 하고 retry cost 가 낮다면 충분히 합리적입니다. 핵심은 production 여부가 아니라 실패 1회의 비용과 필요한 품질 수준입니다.

**비교를 가장 빨리 끝내려면 무엇을 재야 하나요?**  
같은 prompt 세트로 Mini 와 GPT Image 1.5 의 채택률, retry 횟수, 검토 시간을 같이 보면 됩니다. list price 와 성공률을 함께 봐야 routing 판단이 안정됩니다.

## 마지막 판단

**`gpt-image-1-mini` 는 현재 budget answer 이지 universal answer 는 아닙니다.** generation-heavy 이고 cost-first 라면 Mini 부터 시작하는 것이 맞습니다. premium, edit-heavy, retry-sensitive workload 라면 GPT Image 1.5 가 여전히 더 나은 choice 일 수 있습니다.