OpenAI, GPT-5.4 mini 및 nano 출시: 76,000장의 사진 분석 비용이 단돈 52달러

섹션별 상세

OpenAI는 GPT-5.4 출시 2주 만에 경량화 모델인 mini와 nano를 공개하며 라인업을 확장했다. GPT-5.4 nano는 최대 추론 노력을 기울일 경우 이전 세대인 GPT-5 mini의 벤치마크 성능을 능가하며, mini 모델은 이전 버전 대비 2배 빠른 속도를 제공한다.

가격 정책 면에서 GPT-5.4 nano는 입력 토큰 100만 개당 0.20달러, 출력 토큰 100만 개당 1.25달러로 책정되어 구글의 Gemini 3.1 Flash-Lite보다 저렴하다. mini 모델 역시 입력 0.75달러, 출력 4.50달러로 경쟁력 있는 가격을 유지하며 고성능 모델인 GPT-5.4와 차별화된 선택지를 제공한다.

저자는 GPT-5.4 nano를 사용하여 박물관 내부 사진을 묘사하는 테스트를 진행했으며, 한 장당 약 0.069센트의 비용이 발생함을 확인했다. 이를 바탕으로 76,000장의 사진 전체를 분석하는 데 드는 총비용이 약 52.44달러에 불과하다는 계산을 도출하여 대규모 데이터 처리의 경제성을 확인했다.

bash

llm -m gpt-5.4-nano -a IMG_2324.jpeg 'describe image'

llm CLI 도구를 사용하여 특정 이미지 파일에 대한 설명을 GPT-5.4 nano 모델에 요청하는 명령이다.

존 M. 모스만 자물쇠 컬렉션 박물관 내부를 촬영한 사진이다. — Photo저자가 GPT-5.4 nano 모델의 시각 이해 능력을 테스트하기 위해 사용한 원본 사진이다. 모델은 이 사진을 바탕으로 벽면의 초상화, 목재 진열장, 바닥의 질감 등을 정확하게 묘사했으며, 이를 통해 실제 서비스 적용 시의 비용을 산출하는 근거가 되었다.

새로운 모델 출시와 동시에 저자는 자신의 CLI 도구인 llm을 0.29 버전으로 업데이트하여 GPT-5.4 mini 및 nano를 지원하기 시작했다. 또한 OpenAI Codex를 활용해 모델별, 추론 단계별 이미지 생성 능력을 비교하는 SVG 그리드를 제작하여 모델 간의 품질 차이를 시각적으로 대조했다.

모델 크기와 추론 노력 수준에 따른 펠리컨 이미지 생성 결과 비교 그리드이다. — DiagramGPT-5.4 제품군(nano, mini, standard)과 추론 노력 수준에 따른 이미지 생성 결과를 비교한 그리드이다. 모델 크기가 커지고 추론 노력이 증가할수록 자전거의 바퀴 살이나 펠리컨의 부리에 물린 물고기 등 세부 묘사의 정확도가 향상되는 과정을 시각적으로 대조했다.

용어 해설

토큰(Token): — 텍스트를 모델이 처리할 수 있는 작은 단위로 분절한 것으로, API 사용료를 계산하는 기본 단위로 활용된다.
추론 노력(Reasoning Effort): — 모델이 복잡한 문제를 해결하기 위해 더 많은 연산 자원을 사용하도록 유도하는 설정으로, 성능과 비용 사이의 균형을 조절한다.
스케일러블 벡터 그래픽스(SVG): — XML 기반의 벡터 이미지 형식으로, 해상도 손실 없이 확대가 가능하며 코드 형태로 이미지를 정의할 수 있어 AI 생성물 비교에 용이하다.

기술

GPT-5.4 nano
GPT-5.4 mini
llm CLI
OpenAI API

활용 사례

대규모 사진 라이브러리 자동 태깅
저비용 멀티모달 데이터 분석
추론 비용 최적화