최종 업데이트: 2026-06-22

멀티모달 이미지 토큰

멀티모달 이미지 토큰은 비전 모델이 이미지를 읽을 때 그 이미지를 변환한 토큰의 수이며, 텍스트와 같은 단가로 청구됩니다. 모델은 고정 요금을 매기지 않고 이미지를 토큰 수로 바꾸어 계산하며, 이 수는 이미지의 픽셀 크기와 요청한 디테일 수준에 따라 결정되어 문서화된 리사이즈 및 타일 절차를 따릅니다. 이 계산기는 그 절차를 재현하여 이미지를 전송하기 전에 토큰 비용을 산정할 수 있게 합니다. 고해상도 이미지 한 장이 텍스트 한 문단보다 더 많은 토큰을 소모할 수 있기 때문에 이러한 산정은 의미가 있습니다.

토큰 수가 구성되는 방식

고디테일 모드에서 모델은 이미지를 두 단계로 리사이즈한 뒤 정사각형 타일로 덮습니다. 먼저 어느 한 변이라도 한계를 넘으면, 종횡비를 유지한 채 2048픽셀 정사각형 안에 들어가도록 축소합니다.

그다음 짧은 변이 768픽셀이 되도록 다시 조정합니다.

크기가 $w_2 \times h_2$ 인 리사이즈된 이미지는 512픽셀 타일 격자로 나뉘며, 부분 타일도 포함되도록 각 축에서 올림 처리합니다.

각 타일은 고정된 토큰 수의 비용을 가지며, 모델이 항상 받는 저해상도 개요를 충당하는 고정 기본 비용이 더해집니다.

저디테일 모드에서는 타일링이 완전히 생략되고 이미지는 기본 비용만으로 청구됩니다. 즉 $t_{img} = t_0$ 입니다.

계산 예시

1024×1024 이미지를 고디테일로, 기본 비용 85 토큰과 타일당 170 토큰으로 가정합니다. 어느 변도 2048을 넘지 않으므로 첫 번째 축소는 이미지를 그대로 두고, 두 번째 조정이 짧은 변을 768픽셀로 만듭니다.

타일 격자는 다음과 같습니다.

총합은 다음과 같습니다.

입력 단가가 백만 토큰당 3달러인 중간 수준 모델이라면, 이 이미지 한 장은 약 0.0023달러가 듭니다. 한 장만 보면 적은 금액이지만, 수천 장의 이미지를 묶어 처리하면 텍스트 위주의 예산을 금세 압도합니다.

참고와 변형

짧은 변이 타일링 전에 768픽셀로 고정되기 때문에, 이미 그 크기 이상인 이미지는 동일한 격자를 만들어냅니다. 4096×4096 사진은 위의 1024×1024 예시와 같은 765 토큰으로 청구됩니다. 상한을 넘는 고해상도 전송은 추가 디테일도, 추가 비용도 가져오지 않습니다. 기본 비용, 타일 크기, 2048 및 768 임계값 같은 정확한 상수는 제공자와 모델 버전에 따라 다르므로, 여기의 기본값은 보편적인 규칙이 아니라 문서화된 한 가지 방식으로 다루어야 합니다.

활용

이미지 토큰은 호출당 가격에 그대로 반영됩니다. 프롬프트의 텍스트 토큰에 더한 뒤 토큰 비용 계산기로 전체 금액을 산정합니다. 이미지를 읽는 것이 아니라 생성하는 경우, 그 비용은 이미지 생성 비용 계산기로 별도로 산정합니다.