GPT Image 2(덕테이프) 대 Gemini 이미지(나노바나나) — 한국어 AI 이미지 생성의 새 왕좌
📺 원본 영상: 왕의 귀환! 방금 나온 덕테잎 vs 나노 바나나 심층 비교! 앙 🎙️ 채널: 코드팩토리 📅 정리 일자: 2026-04-22 ⚠️ Note: 본 리포트는 영상의 음성을 텍스트로 변환(STT)하여 정리한 것입니다. 화면에 표시된 생성 이미지 및 비교 자료는 포함되지 않으며, 원본 영상에서 직접 확인하시기 바랍니다.
개요
OpenAI가 차세대 이미지 생성 모델을 공개했다. 공개 이전에 LLM 아레나(Chatbot Arena)의 블라인드 테스트에서 “덕테이프(Duck Tape)“라는 코드명으로 알려졌던 이 모델은, 공식 명칭으로 GPT Image 2로 출시되었다. 코드팩토리 채널은 이 모델을 Google Gemini의 이미지 생성 모델인 “나노바나나(Nano Banana, Gemini 이미지 생성 Pro 모델)“와 직접 대결시켜 한국어 텍스트 렌더링, PPT 슬라이드 생성, 만화 연속성(Consistency), 스포츠 포토저널리즘, 룩북(Lookbook) 제작, 서체 스타일 이식에 이르기까지 여섯 가지 시나리오로 심층 비교했다. 영상의 결론은 명확하다. 특히 한국어가 포함된 이미지 생성이 필요한 개발자나 서비스 운영자라면, 현 시점에서 GPT Image 2로의 전환을 적극 검토해야 한다.
두 모델의 정체와 비교 조건
두 모델을 정확히 이해하기 위한 배경부터 짚어볼 필요가 있다. **덕테이프(GPT Image 2)**는 OpenAI가 출시한 차세대 이미지 생성 모델로, LLM 아레나의 블라인드 평가에서 일찍이 한국어 텍스트 생성 능력으로 큰 주목을 받았다. AI 이미지 생성에서 특정 언어의 글자를 정확하게 표현하는 것은 기존 모델들이 공통적으로 어려워하는 영역이었기 때문에, 이 점만으로도 사전에 상당한 화제를 모았다.
**나노바나나(Nano Banana)**는 Google Gemini의 이미지 생성 모델에 붙여진 LLM 아레나 코드명이다. 강연자는 공정한 비교를 위해 나노바나나(Gemini) 측은 Pro 모델을, 덕테이프(GPT Image 2) 측은 Thinking 모델을 사용했다. 즉, 양쪽 모두 각 플랫폼에서 제공 가능한 최상위 이미지 생성 옵션을 사용한 비교였으며, 이는 단순한 체리피킹이 아닌 현재 각 플랫폼의 실질적 최고 성능을 맞대결시킨 것이다.
강연자는 영상의 서두에서 이미 이미지 생성 기능을 서비스에 통합 중이라면 GPT Image 2로 전환하는 편이 낫다는 결론을 먼저 제시하고 비교를 시작했다. 이는 단순한 마케팅성 언급이 아니라 뒤이어 이어지는 실증 비교들을 통해 구체적으로 뒷받침되는 주장이다.
테스트 1 — 한국어 텍스트 렌더링: 덕테이프의 결정적 우위
AI 이미지 생성에서 특정 언어의 글자를 정확하게 표현하는 것은 단순히 “글씨를 그린다”는 것 이상의 난제다. 글자 하나하나의 획 구조와 음절 조합 방식을 모델이 근본적으로 이해하고 있어야 자연스러운 결과가 나오기 때문이다. 강연자가 첫 번째 테스트로 선택한 것은 바로 이 영역이었다. 프롬프트는 “펼쳐진 책의 양면에 한국어 본문 텍스트가 빼곡하게 채워진 이미지”였으며, 이미지 안에 작은 글씨로 많은 양의 한글이 등장해야 하는 고난이도 조건이었다.
💡 [영상 참조] 강연자는 이 시점에서 양쪽 모델이 생성한 책 페이지 이미지를 나란히 띄워 확대하며 획별로 비교합니다. 상세 이미지 비교는 원본 영상을 확인하세요.
01:23 - 덕테이프 vs 나노바나나 한국어 책 페이지 비교 확대 화면 — 복잡한 획의 한글 음절 렌더링 차이 확인
확대한 결과를 보면 차이가 극명했다. 덕테이프(GPT Image 2)는 ‘ㅝ’, ‘ㄹ’, ‘ㅎ’ 처럼 획이 복잡하게 조합되는 음절들을 정확하게 재현해냈다. 강연자에 따르면, 이런 글자들은 기존 이미지 생성 모델들이 가장 어려워하던 영역이었음에도 불구하고 덕테이프는 “마치 실제 책을 촬영한 것이 아닐까”라는 생각이 들 정도의 완성도를 보여줬다. 두 번째로 제시된 이미지 역시 AI가 생성했다고 믿기지 않을 수준이었다고 강연자는 평가했다.
반면 나노바나나(Gemini)는 고질적인 약점을 이 테스트에서도 드러냈다. ‘ㅎ’, ‘ㅡ’, ‘ㅣ’ 등이 복합적으로 조합된 음절, 즉 획이 많고 복잡한 글자들을 제대로 구현하지 못했고, 일부 글자는 어떻게 읽어야 할지조차 불분명한 형태로 출력됐다. 강연자의 표현을 빌리면 “절대로 타이핑한 것이라고 생각할 수 없는 요소”들이 다수 포함되어 있었다. 이러한 글자 부정확함은 텍스트의 밀도(Density)가 높아질수록 더욱 두드러지는 특성이 있다. 글자가 작아지고 촘촘해질수록 AI가 생성했다는 흔적이 더 강하게 남는다는 것이다.
덕테이프도 완벽하지는 않았다. 강연자는 매우 획이 많은 글자들이 한꺼번에 얽혀 있을 때는 픽셀이 약간 뭉개지는 현상이 발생한다는 점을 솔직하게 인정했다. 그럼에도 불구하고 전체적으로 한국어 이미지 생성 분야에서 덕테이프의 승리는 이견의 여지가 없다는 것이 강연자의 결론이었다.
테스트 2 — 컨설팅 스타일 PPT 슬라이드: 작은 글자에서 드러나는 격차
두 번째 테스트는 McKinsey, BCG, Bain 스타일의 고밀도(High-Density) 컨설팅 프레젠테이션 슬라이드를 이미지로 생성하는 것이었다. 이 테스트의 핵심은 첫 번째 테스트와 동일한 맥락에서, 텍스트가 더 작아지고 더 다양한 크기로 혼재될 때 각 모델이 얼마나 선명하게 한글을 유지하는가에 있었다.
💡 [영상 참조] 강연자는 생성된 PPT 슬라이드 이미지 두 개를 나란히 배치하고 특정 텍스트 영역을 확대하며 비교합니다. 원본 영상을 참조하세요.
03:27 - McKinsey/BCG/Bain 스타일 컨설팅 PPT 슬라이드 비교 — 좌(덕테이프) vs 우(나노바나나), 소형 텍스트 품질 차이
전체적인 슬라이드 구성력에서는 두 모델 모두 준수한 성과를 보였다. 그러나 글자 크기가 작아지는 구간에서 나노바나나는 픽셀이 뭉개지는 현상이 뚜렷하게 나타났다. 강연자가 구체적으로 언급한 사례는 “전략 기획팀”이라는 텍스트였다. 두 모델 모두 거의 동일한 크기로 해당 텍스트를 배치했음에도 나노바나나에서는 글자가 이미 무너지기 시작했다. 반면 덕테이프는 “획”처럼 획 수가 많은 글자조차 정확하게 구현해냈다.
이 결과가 시사하는 바는 단순한 모델 우열 비교를 넘어선다. 강연자는 AI 기반 프레젠테이션 생성 서비스나 슬라이드 덱(Slide Deck) 자동 생성 서비스들이 GPT Image 2를 도입함으로써 획기적인 품질 향상이 가능할 것이라고 전망했다. 특히 한국어 비즈니스 자료를 다루는 서비스들에게는 즉각적이고 실질적인 업그레이드 가능성이 열린 셈이다.
테스트 3 — 만화 연속성(Consistency) 테스트: 스토리를 이어가는 능력
세 번째 테스트는 하나의 이미지를 잘 만드는 것을 넘어, 연속된 스토리 안에서 캐릭터의 일관성(Consistency)을 유지할 수 있는가를 확인하는 것이었다. 강연자는 먼저 AI 기업들 간의 가상 배틀을 주제로 한 만화 첫 장면을 생성한 뒤, 이를 기반으로 4개의 연속 이미지를 추가 생성하는 방식으로 테스트를 진행했다.
💡 [영상 참조] 강연자는 초기 생성 이미지와 연속 생성된 4개의 이미지를 나란히 비교합니다. 캐릭터 얼굴, 헤어스타일, 컬러의 일관성 확인은 원본 영상에서 직접 하시기 바랍니다.
05:35 - AI 기업 배틀 만화 연속 이미지 — 원본 캐릭터 기반 4개 연속 생성 결과물 일관성 비교 화면
생성된 만화의 설정은 흥미로웠다. Anthropic(앤트로픽)과 OpenAI 진영이 대결하는 장면으로, Claude Opus(클로드 오퍼스)가 공격을 막아내는 AI 업계 테마의 가상 배틀 만화였다. 덕테이프(GPT Image 2)는 특히 다이나믹한 액션 이펙트와 할리우드 블록버스터 스타일의 화려한 연출을 선보였으며, 나노바나나(Gemini)도 전체적으로 잘 구성된 만화를 생성했다.
연속성 측면에서는 두 모델 모두 인상적인 결과를 보여줬다. 덕테이프와 나노바나나 모두 원본 캐릭터의 얼굴, 헤어스타일, 컬러, 전체적인 화풍을 연속 이미지 전반에 걸쳐 충실히 유지했다. 나노바나나 역시 “AGI Competition Arena”라는 배경 무대 문구를 다음 장면에서 동일하게 재현하는 등 텍스트 일관성도 어느 정도 보장했다는 점은 긍정적이었다.
그러나 한국어 처리에서 차이가 드러났다. 강연자는 분명히 한국어로 텍스트를 작성해달라고 요청했는데, 나노바나나가 생성한 이미지의 이펙트 구간에서 일본어처럼 보이는 글자가 섞여 들어가는 현상이 발생했다. 아마도 “만화”라는 장르 특성상 모델이 일본어 만가(漫画)와 연결 지어 처리했기 때문으로 추정된다. 덕테이프에서는 이런 현상이 전혀 없었다. 결과적으로 연속성 자체는 양쪽 모두 우수했지만, 한국어 콘텐츠라는 맥락에서는 덕테이프가 더 신뢰할 수 있는 결과를 보여줬다.
테스트 4 — 스포츠 포토저널리즘: 카메라의 광학적 특성 재현
네 번째 테스트는 이미지를 잘 만드는 것을 넘어, 실제 카메라의 광학적 특성(Optical Characteristics)을 이미지 안에 정확하게 재현할 수 있는가를 확인하는 것이었다. 강연자는 LA 다저스 유니폼을 입은 왼손 타자의 타격 순간을 묘사하되, 매우 구체적인 카메라 스펙을 프롬프트에 명시했다. 프로 스포츠 포토저널리즘 스타일의 1/2000초 고속 셔터 효과, 배트 끝에만 적용되는 모션 블러(Motion Blur), 가로형 비율 포맷, 고해상도가 요구 조건이었다.
💡 [영상 참조] 강연자는 두 모델의 스포츠 사진 결과물을 나란히 비교하며 모션 블러, 배경 날림, 모래 튀김 효과 등을 구체적으로 가리키며 설명합니다. 원본 영상을 참조하세요.
07:55 - LA 다저스 타자 스포츠 사진 비교 — 모션 블러, 배경 날림, 모래 튀김 효과의 현실감 차이 설명 구간
덕테이프(GPT Image 2)의 결과물은 강연자 기준으로 상당히 만족스러운 수준이었다. 지면에서 튀기는 모래, 배경의 아웃포커싱(Out-focusing), 배트 끝과 공의 모션 블러가 모두 자연스럽게 표현되었고, 전체적으로 역동적인 스포츠 순간을 포착한 사진처럼 느껴졌다. 강연자가 유일하게 언급한 아쉬운 점은 포커스 포인트가 다소 불명확하게 느껴진다는 것이었다. 전체 이미지가 너무 고르게 선명해서 실제 고속 셔터 사진 특유의 뎁스(Depth)가 약간 부족하다는 정도였다.
나노바나나(Gemini)의 결과물은 스포티한 느낌이 현저히 부족했다. 발끝에서 모래가 튀는 효과와 배트 끝의 블러 처리는 어느 정도 살아있었지만, 전체적인 역동성에서 덕테이프와 확연한 차이가 났다. 게다가 오른쪽 상단에 이유를 알 수 없는 빛 아티팩트(Artifact)가 삽입되는 현상도 발생해 완성도를 떨어뜨렸다. 강연자는 이 테스트에서도 덕테이프가 보다 현실에 가까운 결과물을 생성했다고 평가했으며, 고성능 카메라의 물리적 특성을 시뮬레이션하는 능력에서도 덕테이프가 앞선다고 정리했다.
테스트 5 — 룩북과 패션 시트: 그리드 구성과 디테일 재현력
다섯 번째 테스트는 두 단계로 구성되었다. 먼저 여성 캐릭터를 생성한 뒤 그 캐릭터를 기반으로 8가지 서로 다른 룩(Look)을 하나의 그리드 이미지로 만들고, 이어서 그 중 첫 번째 룩(“스마트 캐주얼”)을 별도로 추출해 패션 시트를 제작하는 것이었다. 이는 OpenAI의 공식 데모에서도 선보인 시나리오였다.
💡 [영상 참조] 강연자는 원본 캐릭터, 8개 룩 그리드, 패션 시트 결과물들을 화면에 순서대로 비교하며 설명합니다. 상세 이미지는 원본 영상에서 확인하세요.
09:22 - 8가지 룩 그리드 비교 — 좌(덕테이프) vs 우(나노바나나), 캐릭터 일관성 및 포즈 다양성
첫 번째 단계인 8개 룩 그리드 생성에서는 두 모델 모두 준수한 성과를 보였다. 얼굴의 일관성과 각기 다른 포즈 구성 모두 양쪽에서 만족스럽게 구현되었다. 그러나 특정 룩을 추출해 패션 시트를 만드는 두 번째 단계에서 차이가 드러났다. 덕테이프는 원본의 포즈, 블레이저, 셔츠, 슬랙스, 스니커즈, 악세서리까지 그대로 옮겨와 정확한 재현을 보여준 반면, 나노바나나는 포즈가 변경되고 얼굴도 미묘하게 달라지는 현상이 발생했다. 완전히 동일한 사람처럼 느껴지지 않는다는 것이다.
여기서도 추가적인 한국어 텍스트 테스트가 이어졌다. 동일한 룩북 이미지를 한국어 버전으로 만들어달라는 요청에서 덕테이프는 작은 크기의 글자에서도 높은 밀도로 정확한 한글을 표현해냈다. 나노바나나는 큰 글자에서도 여전히 AI가 만들었다는 어색함이 느껴지는 표현이 남아있었다. 강연자는 나노바나나가 처음 출시됐을 당시에는 한국어 이미지 생성에 있어 가장 강력한 모델 중 하나였지만, 지금은 그 차이가 확연히 역전되었다고 평가했다.
테스트 6 — 서체 스타일 이식: 영어의 폰트 개성을 한국어로 옮길 수 있는가
마지막 테스트는 강연자 개인적으로 가장 궁금했던 부분이라고 밝힌 실험이었다. 소셜미디어의 “덕테이프 / OpenAI” 관련 게시물과 밈(Meme)을 검색해 핵심 맥락을 파악한 뒤 포스터로 만들어달라는 프롬프트를 먼저 입력했다. 두 모델 모두 기울어진 이탤릭(Italics) 스타일의 텍스트를 사용한 포스터를 생성했다. 그다음 강연자는 동일한 이미지를 한국어 버전으로 만들어달라고 요청했다. 영어로 확립된 서체 스타일이 한국어로 넘어올 때도 그대로 이식되는지를 확인하는 것이 핵심이었다.
💡 [영상 참조] 강연자는 영어 포스터와 한국어 포스터를 나란히 비교하며 기울기 스타일의 유지 여부를 직접 가리키며 설명합니다. 원본 영상에서 확인하세요.
11:29 - 기울어진 이탤릭 스타일 포스터의 한국어 이식 비교 — 덕테이프는 스타일 유지, 나노바나나는 수직 글자로 전환
결과는 두 모델의 근본적인 차이를 가장 극명하게 드러낸 테스트였다. 덕테이프(GPT Image 2)는 영어 포스터에서 사용한 기울어진 이탤릭 스타일을 한국어로 옮겨올 때도 그대로 유지했다. 한글에서 이탤릭처럼 기울어진 형태는 일반적으로 흔하지 않은 표현이지만, 모델이 글자의 스타일 속성을 이해하고 언어가 달라져도 동일하게 적용한 것이다. 강연자는 “영어 버전과 한국어 버전을 번갈아가며 봐도 이질감이 전혀 없다”고 평가했다.
반면 나노바나나(Gemini)는 한국어로 전환하자마자 글자가 기울어짐 없이 수직으로 서버렸다. 영어에서는 완성도 높게 이탤릭 스타일이 구현되었지만, 언어가 한국어로 전환되는 순간 스타일 정보가 손실된 것이다. 강연자는 이를 “나노바나나는 한국어 폰트가 하나밖에 없는 것 같은 느낌”이라고 표현했는데, 한국어를 하나의 고정된 스타일로만 처리한다는 의미에서 매우 직관적인 비유였다. 덕테이프는 반대로 마치 사람이 글자 하나하나를 직접 써내려가듯 스타일의 자유도가 훨씬 높다는 것이 강연자의 결론이었다.
보너스 — 쌀 한 톨에 쓴 글자: 극한의 텍스트 렌더링 데모
강연자가 소개한 OpenAI 공식 데모 중 가장 인상적인 사례는 쌀 한 톨에 “GPT Image 2”라는 텍스트를 새겨 넣은 이미지였다. 극도로 확대하면 픽셀레이션(Pixelation)이 발생하는 것은 당연하지만, 그럼에도 불구하고 쌀 한 톨 위에서 해당 텍스트가 식별 가능한 형태로 표현되었다는 사실 자체가 이 모델의 텍스트 렌더링 능력이 이전 세대와 완전히 다른 수준에 도달했음을 상징적으로 보여준다.
12:52 - OpenAI 공식 데모 — 쌀 한 톨에 GPT Image 2 텍스트 새기기, 극한의 텍스트 렌더링 능력 시연
이 데모는 단순한 마케팅 퍼포먼스가 아니라, 이미지 생성 AI가 텍스트를 단순히 “그림처럼” 그리는 것이 아니라 글자의 구조를 이해하고 원하는 공간에 맞춰 정밀하게 배치할 수 있는 수준에 근접했음을 시사한다.
마무리 / 핵심 정리
이번 여섯 가지 비교 테스트 전반에서 드러난 핵심 메시지는 하나다. OpenAI의 GPT Image 2(덕테이프)는 AI 이미지 생성에서 텍스트 렌더링, 특히 한국어 텍스트 처리 능력에 있어 현재 시장에서 압도적인 우위를 점하고 있다. 나노바나나(Gemini)도 전체적인 이미지 품질과 캐릭터 일관성 측면에서 결코 낮은 수준이 아니지만, 한국어가 포함된 시나리오에서는 격차가 뚜렷하게 벌어진다.
강연자는 현재 이미지 생성 기능을 서비스에 통합하고 있다면 즉시 GPT Image 2로의 전환을 검토하라고 권고했다. 단순히 한 모델이 더 좋다는 수준을 넘어, 특히 한국어 텍스트 처리에 있어서는 현 시점 GPT Image 2가 실용적이고 명확한 선택지로 자리잡았다는 판단이다. 슬라이드 생성 서비스, 룩북 제작 플랫폼, 포토저널리즘 합성 도구, 만화 자동 생성 도구 등 이미지 기반 서비스 전반에서 이번 GPT Image 2 도입을 계기로 품질 혁신이 가속화될 것으로 전망된다. 동시에 강연자가 영상 말미에 언급했듯, 생성 AI의 현실 재현력이 이 수준에 이르면 우리가 어떤 콘텐츠를 접했을 때 “이게 진짜일까?”라는 질문을 먼저 떠올리게 되는 시대가 이미 도래했다는 점도 주목해야 할 변화다.
📚 출처 및 참고
| 구분 | 내용 |
|---|---|
| 원본 영상 | 왕의 귀환! 방금 나온 덕테잎 vs 나노 바나나 심층 비교! 앙 |
| 채널 | 코드팩토리 |
| 리포트 작성 | 2026-04-22 |
| 작성 방식 | YouTube 영상 STT 변환 후 에디팅 |
💬 본 리포트는 영상 내용을 바탕으로 재구성되었습니다. 정확한 내용은 원본 영상을 참조해 주세요.