모델은 픽셀을 직접 읽지 못합니다. 이미지를 토큰의 연속으로 읽으며, 대부분의 API에서는 그 토큰 하나하나에 비용을 냅니다.
작동 방식
제공업체는 이미지를 제한에 맞게 리사이즈한 뒤 작은 정사각형으로 잘라 그 수를 셉니다. 규칙은 업체마다 다릅니다.
Anthropic. Claude 문서에 따르면 28×28픽셀 패치 하나가 “visual token”(시각 토큰) 하나이므로, 이미지 비용은 ⌈width / 28⌉ × ⌈height / 28⌉ 토큰입니다. 긴 변이나 토큰 수가 최대치를 넘는 이미지는 축소됩니다. 표준 티어의 상한은 1,568px, 1,568토큰이고, 고해상도 티어(Claude 4.7 이후)는 2,576px, 4,784토큰입니다.
| 이미지 | 표준 티어 | 고해상도 티어 |
|---|---|---|
| 200×200 | 64 | 64 |
| 1000×1000 | 1,296 | 1,296 |
| 1920×1080 | 1,560(1456×819로 리사이즈) | 2,691 |
OpenAI. 최신 모델은 32픽셀 패치를 ceil(width/32) × ceil(height/32)로 세고, 모델별 패치 예산을 적용한 다음, 모델 계수를 곱합니다. OpenAI가 한 모델에 대해 든 예시에서 1024×1024 이미지는 패치 1,024개이고, 1,024 × 1.2를 올림하면 1,229토큰입니다. GPT-4o 같은 이전 모델은 512픽셀 타일을 씁니다. 기본 85토큰에 타일당 170토큰을 더하며, detail: low에서는 기본 토큰만 듭니다.
그래서 같은 사진이라도 모델에 따라 토큰 수가 크게 달라질 수 있습니다. 이미지 토큰 계산기로 비교해 보세요.
왜 중요한가
- 비용. Anthropic의 표에 따르면 1000×1000 이미지는 Claude에서 1,296토큰입니다. 규모가 커지면 보내기 전에 이미지를 리사이즈하는 것만으로도 입력 비용을 눈에 띄게 줄일 수 있습니다.
- 정확도와의 트레이드오프. 이미지를 줄이면 토큰은 아끼지만 작은 글씨를 읽지 못하게 될 수 있습니다. 송장이나 서식의 OCR이라면, 여전히 올바르게 읽히는 가장 작은 크기를 테스트로 찾으세요.
- 컨텍스트. 이미지 토큰도 텍스트처럼 컨텍스트 윈도를 채웁니다. 멀티턴 대화에서는 다시 보낸 이미지마다 다시 청구됩니다.
BroadNet Inference에서는
이미지 입력은 DeepSeek V4.1 Flash, Qwen3.8 27B, Gemma 4 VL 26B에서 쓸 수 있으며, 메시지 콘텐츠에 base64 data: URL로 보냅니다. BroadNet API 레퍼런스는 이렇게 말합니다. “On a pay-as-you-go key an image counts as input tokens at the model’s input price, and a larger image uses more tokens. On a plan, images are part of the plan’s unlimited use.”(번역: 종량제 키에서는 이미지가 모델의 입력 가격으로 입력 토큰에 포함되며, 큰 이미지일수록 토큰을 더 씁니다. 플랜에서는 이미지가 플랜의 무제한 사용에 포함됩니다.) 예를 들어 Gemma 4 VL 26B의 이미지 토큰은 입력 100만 토큰당 $0.10 요금으로 청구됩니다. BroadNet은 이미지당 토큰 공식을 공개하지 않으므로, 이미지 비용은 응답의 usage.prompt_tokens에서 확인하세요. 전체 예시는 아랍어 송장 가이드에, 가격 비교는 가장 저렴한 비전 LLM API에 있습니다.