나노바나나로 이미지 만들다가는 파산 각, 똑똑하게 이미지 생성하는 방법은?

6월 30일 구글이 이미지 생성 모델 Nano Banana 2 Lite를 공개하고 7월 초 API로 풀었어요. 가격은 1K 해상도(1024×1024) 이미지 1장에 표준 요금 $0.0336, 배치(비동기, 24시간 내 처리) 요금 $0.0168이에요. 원화로 환산하면 장당 약 47원, 배치는 약 24원이죠(원/달러 1,400원 기준).

저는 이게 단순히 "싸졌다"는 얘기로 끝날 게 아니라고 봐요. 소재 제작비를 아끼는 전략이 무의미해졌거든요. 장당 24~47원이면 A/B 테스트 소재를 3개가 아니라 30개 만드는 게 합리적이 되고, 그럼 병목은 제작비가 아니라 "뭘 테스트할지 정하는 사람의 판단"으로 옮겨가요.

1장 47원이 정확히 어떤 뜻인가요

Nano Banana 2 Lite 과금 방식은 출력 토큰 기준이에요. 1K 해상도 이미지 1장이 1,120토큰을 쓰고, 출력 요금이 100만 토큰당 $30이라 1,120 × $30 ÷ 1,000,000 = $0.0336, 즉 장당 약 3.36센트예요. 배치 요금은 그 절반 수준인 $0.0168이고요.

여기서 주의할 게 있어요. 여러 2차 매체가 이 가격을 "1,000장당 $0.034"로 잘못 옮겨 적고 있거든요. 이건 "per 1K image"에서 1K가 해상도(1024×1024)라는 걸 놓친 오독이에요. 실제 과금은 장당이 맞고, 1,000장으로 읽으면 1,000배 틀린 거예요.

해상도를 올리면 토큰이 늘어나니까 비용도 같이 올라가요. 그래서 1K 해상도가 고정인 Lite 모델은 "더 큰 해상도가 필요 없는 대량 생성"에 딱 맞는 구조예요.

상위 모델이랑 비교하면 어때요

상위 모델 Nano Banana 2는 장당 $0.067, 즉 Lite의 정확히 2배 가격이에요. 품질 차이는 arena.ai 편집 벤치마크 기준으로 약 80 Elo 이내, 생성 점수는 19점 이내 차이예요(Lite 단일이미지 편집 1308, 다중이미지 편집 1294). 대부분의 실사용에서 체감되지 않는 격차라는 평가예요.

속도 차이가 더 커요. 전체 모델이 20초 걸리는 이미지를 Lite는 약 4초에 뽑아내거든요. 가격은 절반, 속도는 5배 빠르니까 대량 생성 워크플로우에선 Lite가 압도적으로 유리한 거예요.

같은 날(7월 2일) 구글은 OmniFlash 영상 모델(최대 10초, 출력 초당 $0.10)도 함께 냈고, 7월 21일에는 Gemini 3.6 Flash 출력 요금을 100만 토큰당 $9.00에서 $7.50으로 내렸어요. 이 흐름을 보면 구글이 AI 모델 전반의 가격 구조를 아래로 조정하려는 의도가 분명해 보여요.

경쟁 모델이랑 비교하면 얼마나 싼가요

2026년 AI 이미지 생성 시장은 크게 세 가격대로 나뉘어요.

(출처: Digital Applied 2026 AI Image Generation API Pricing)

Nano Banana 2 Lite는 $0.034로 프리미엄과 호스팅 어그리게이터 사이 가격대예요. 품질은 프리미엄급에 가깝고, 속도는 호스팅 어그리게이터 수준이니까 "프리미엄 품질을 어그리게이터 가격에 가깝게" 놓은 거죠.

참고로 Midjourney는 월 $10~60 구독이라 장당 가격으로 환산하기 어렵지만, Relax 모드 무제한 생성(Standard+ 이상)을 쓰면 장당 단가는 확 내려가요. ChatGPT Plus는 월 $20에 3시간당 약 50장 제한이 있어요. 대량 생성엔 구독보다 API가 훨씬 유리하고, API 중에서도 Nano Banana 2 Lite가 가성비에서 앞서는 거예요.

장당 47원이면 실제로 뭐가 달라지나요

테스트 소재 개수가 비용 제약에서 벗어나요. 예전엔 이미지 생성비가 캠페인 예산의 상당 부분을 먹었기 때문에 A/B 테스트 소재를 3~5개로 제한하는 게 당연했어요. 이제는 30개를 만들어도 1,500원 미만이니까, 제작비를 아끼려고 소재 개수를 줄일 이유가 없어진 거죠.

그럼 병목이 옮겨가요. 제작비가 아니라 "뭘 테스트할지 정하는 사람의 판단"이 진짜 병목이 돼요. 소재 30개를 만들 수는 있는데, 그 30개가 각각 다른 가설을 검증하도록 설계할 수 있느냐가 성과를 가르는 거예요.

코워크메이커스에서 이전에 'AI로 광고 소재 10개 뽑아봤더니 달라진 것들' 글을 썼는데, 거기선 A/B 테스트 실행 방법을 다뤘어요. 이번 Nano Banana 2 Lite 가격 인하는 그 다음 단계, 즉 원가 구조가 바뀌면서 병목이 어디로 옮겨가는지를 보여주는 거예요.

언제 Lite를 쓰고 언제 상위 모델을 쓰면 되나요

화면에 보여지는 이미지면 Lite로 충분해요. 1K 해상도(1024×1024)는 소셜미디어 포스트, 블로그 썸네일, 광고 소재, UI 목업, 제품 이미지 프리뷰처럼 디지털 화면에서 볼 용도엔 전혀 부족하지 않거든요.

인쇄물이나 확대가 필요한 작업이면 상위 모델로 가야 해요. Nano Banana 2는 0.5K~4K 해상도를 지원하고, Pro는 4K에서 최대 구성 깊이를 제공해요. 포스터, 인쇄 광고, 소스 이미지로 쓸 고해상도 작업이면 Lite는 한계가 있어요.

정리하면 Lite는 빠르게 많이 만들어서 테스트하는 단계, 상위 모델은 최종 결과물을 뽑는 단계로 나눠 쓰는 게 합리적이에요. 소재 30개를 Lite로 만들어서 A/B 테스트 돌리고, 성과 좋은 1~2개를 상위 모델로 다시 만들어 고해상도로 쓰는 식이죠.

메이커님은 지금 뭘 해보면 되나요

첫 번째로, A/B 테스트 소재 개수를 늘려보세요. 지금까지 비용 때문에 3개로 제한했다면, 이제는 10개, 20개, 30개를 만들어 보세요. 제작비가 1,500원 미만이니까 비용 부담 없이 다양한 가설을 검증할 수 있어요.

두 번째로, 소재 생성을 자동화하세요. 장당 47원이면 API로 연결해서 프롬프트 템플릿만 넣으면 소재가 자동으로 나오는 워크플로우를 만들 가치가 생겨요. 예를 들어 Google AI Studio나 Gemini API에서 `gemini-3.1-flash-lite-image` 모델을 호출하면 돼요.

세 번째로, 테스트 가설을 정교하게 세우는 데 시간을 더 쓰세요. 소재 개수가 늘어나면 "이 소재는 무엇을 검증하려는가"가 더 중요해져요. 색상 대비를 테스트하는 소재, 메시지 톤을 테스트하는 소재, 레이아웃을 테스트하는 소재를 각각 준비하고, 결과를 보면서 다음 가설을 다듬는 사이클을 빠르게 돌릴 수 있어요.

지금까지 "소재 생성비가 아까워서 못 해봤던 실험"이 있다면, 이제 해볼 타이밍이에요.

한 번 더, 빠르게 짚고 갈게요

Q. Nano Banana 2 Lite는 지금 바로 쓸 수 있나요?

A. 네, Google AI Studio, Gemini API, Gemini Enterprise Agent Platform에서 바로 사용 가능해요. 모델 이름은 `gemini-3.1-flash-lite-image`예요. 6월 30일 정식 공개됐고 7월 초부터 API로 풀렸어요.

Q. 1,000장 만들면 비용이 얼마나 나오나요?

A. 표준 요금 기준으로 약 $33.60(약 47,000원), 배치 요금 기준으로 약 $16.80(약 24,000원)이에요. 1K 해상도(1024×1024) 기준이고, 해상도를 올리면 토큰이 늘어나서 비용도 올라가요.

Q. 품질이 상위 모델보다 많이 떨어지나요?

A. 벤치마크 기준으로 Nano Banana 2와 약 80 Elo 이내 차이예요. 대부분의 실사용에서 체감되지 않는 수준이고, 속도는 오히려 5배 빠르니까 대량 생성엔 Lite가 더 유리해요. 다만 인쇄물이나 4K 고해상도 작업이 필요하면 상위 모델로 가야 해요.

Q. Midjourney나 DALL-E랑 비교하면 어때요?

A. 가격은 Nano Banana 2 Lite가 더 저렴해요. Midjourney는 월 구독($10~60)이라 대량 생성엔 불리하고, DALL-E는 API 기준 장당 $0.02~0.19로 Lite보다 비싸요. 품질은 Midjourney가 예술적 스타일에서 여전히 앞서지만, 광고 소재나 UI 목업처럼 빠르게 많이 만들어야 하는 용도에선 Lite가 가성비에서 이겨요.

Q. 배치 요금이랑 표준 요금은 뭐가 다른가요?

A. 배치 요금은 비동기 처리로 24시간 내에 결과를 받는 방식이에요. 즉시 받아야 하는 작업이 아니면 배치로 넣으면 비용이 절반으로 줄어요. 소재를 미리 준비해두는 워크플로우라면 배치가 훨씬 유리해요.