Google Gemini는 384 × 384 px 이하의 모든 이미지에 대해 258토큰을 부과합니다. 이미지가 이 크기를 초과하면, Gemini는 768 × 768 px 타일 하나당 258토큰을 추가로 부과합니다. 따라서 500 × 500 px 이미지는 384 × 384 px 이미지와 비용이 동일하지만, 1920 × 1080 px 프레임은 6개의 타일에 걸쳐 1,548토큰을 사용합니다. 토큰당 비용을 지불하는 개발자에게 768픽셀 경계를 넘는 것은 비용을 75%까지 변동시킬 수 있습니다.

Gemini의 이미지 가격 책정 방식

Gemini는 이미지를 시각적 패치(patch) 그리드로 취급합니다. 384픽셀 정사각형은 256개의 패치로 나뉘며, 시각적 시퀀스의 시작과 끝을 나타내는 2개의 추가 토큰이 더해져 총 258토큰의 고정 가격이 책정됩니다. 이보다 큰 이미지는 타일링 단계가 실행됩니다. 시스템은 이미지를 768픽셀 타일로 자르고, 각 타일을 독립적으로 평가하며, 각 타일당 258토큰을 부과합니다.

토큰 수는 원본 픽셀 수가 아니라 타일 수에 따라 늘어납니다. 1280 × 720 px 사진은 2개의 타일을 차지하며(258 × 2 = 516토큰), 3840 × 2160 px 4K 프레임은 15개의 타일을 차지하여 3,870토큰이 소요됩니다. 규칙은 간단합니다. 이미지가 차지하는 768픽셀 정사각형의 개수를 세고, 여기에 258을 곱하면 토큰 비용이 나옵니다.

이 규칙이 중요한 이유

Gemini의 토큰 모델은 API 비용으로 직결됩니다.

비용을 줄이는 실질적인 방법

  • 타일 제한 미만으로 유지하세요. 800 × 800 px 이미지는 4개의 768픽셀 타일로 나뉘어 1,032토큰이 소요되는데, 이는 768 × 768 px 이미지 가격의 4배입니다. 타일 경계에 맞춰 크기를 조정하면 75%를 절약할 수 있습니다.
  • 여백을 제거하세요. 넓은 흰색 여백도 토큰 총계에 포함되는 패치를 생성합니다. 이러한 여백을 크롭(crop)하면 비용을 3분의 2까지 줄일 수 있습니다.
  • OCR 가독성에 유의하세요. Gemini는 글자 높이가 약 15~20px일 때만 텍스트를 읽을 수 있습니다. 문서 크기를 이 임계값 미만으로 줄이면 모델이 단어를 인식하지 못해, 더 비용이 많이 들 수 있는 텍스트 입력 방식으로 전환해야 할 수도 있습니다.
  • 줄당 높이 규칙을 적용하세요. 일반 텍스트 문서의 경우, 전체 이미지 높이를 (줄 수 × 25px)로 맞추는 것을 목표로 하세요. 이 "황금 공식"을 사용하면 단일 타일 내에 머물면서도 줄 간격을 읽기 쉽게 유지할 수 있습니다.
  • 밀도가 높은 데이터는 이미지를 선호하세요. 대규모 스프레드시트 스크린샷이나 LaTeX 수식은 동일한 데이터를 직접 입력하는 것보다 토큰당 더 많은 정보를 담는 경우가 많습니다. 데이터 밀도가 높을 때는 이미지의 258토큰 비용이 동일한 텍스트 페이로드보다 더 저렴할 수 있습니다.

이미지가 텍스트보다 유리한 경우

토큰 경제성은 다음과 같은 몇 가지 콘텐츠 유형에서 이미지에 유리하게 바뀝니다.

  • 비라틴 문자. 힌디어, 중국어, 아랍어 및 이와 유사한 문자는 짧은 아이디어를 전달하는 데 많은 문자가 필요합니다. 텍스트 모드에서는 각 문자가 여전히 토큰이 되지만, 동일한 시각적 정보를 단일 이미지 타일에 담을 수 있습니다.
  • 복잡한 수학 표기법. LaTeX 수식은 토큰 수가 급격히 늘어납니다. 수식을 렌더링한 이미지는 하나의 타일 내에 유지되므로, 원본 LaTeX 문자열보다 비용이 적게 드는 경우가 많습니다.
  • 대규모 UI 레이아웃 또는 표. 전체 화면 UI 목업이나 여러 페이지에 걸친 표를 이미지로 렌더링하면 각 요소를 글로 설명할 필요 없이 정보를 몇 개의 타일로 압축할 수 있습니다.

트레이드오프

무분별하게 이미지 크기를 줄이는 것은 역효과를 낼 수 있습니다. 글자가 최소 기준인 15픽셀 미만으로 작아지면 Gemini의 OCR 기능이 실패하여 개발자가 원본 텍스트를 보내는 방식으로 돌아가야 하며, 이는 잠재적으로 토큰 비용을 증가시킵니다. 또한 너무 공격적인 크롭은 모델이 정확하게 답변하는 데 필요한 문맥을 잘라낼 수도 있습니다. 가장 적절한 방법은 가독성을 유지하면서 타일 경계를 존중하는 적당한 크기 조정입니다.

요약

Gemini의 이미지 토큰 산출 방식을 이해하면 숨겨진 비용을 통제 가능한 변수로 바꿀 수 있습니다. 이미지를 768px 이하로 유지하고, 불필요한 여백을 제거하며, 텍스트 가독성을 확보하여 요청당 수십 또는 수백 개의 토큰을 절약하세요. 비라틴 문자, 수학, 표와 같이 데이터 밀도가 높은 콘텐츠의 경우, 이미지는 종종 훨씬 적은 토큰 비용으로 동일한 통찰을 제공합니다. 맹목적인 크기 축소가 아닌 스마트한 전처리가 효율적인 Gemini 통합의 핵심입니다.

출처: dev.to/kushaagr