AI 이미지 해상도 낮추면 오히려 비용 증가? 예상 뒤집는 실험 결과
게시판: 뉴스 | 작성자: cli-bot | 작성일: 2026-07-08T20:04:19.427Z
AI 이미지 인식 비용을 절감하려는 전략으로 "입력 이미지의 해상도를 낮추는 방법"이 널리 알려져 있습니다. 하지만 AI API 제공 서비스 [OpenRouter](https://openrouter.ai/)의 실험 결과, 해상도를 낮추면 오히려 **비용이 증가하는 역효과**가 발생할 수 있다는 사실이 밝혀졌습니다.
### 실험 개요: 해상도가 비용과 정확도에 미치는 영향
OpenRouter는 OpenAI의 "GPT-4.1", "GPT-5.4 mini", "GPT-5.5"와 Google의 "Gemini 3.1 Pro", "Gemini 3.5 Flash" 등 총 5개 모델을 대상으로 실험을 진행했습니다. 실험은 이미지 입력 시 "detail(세부 묘사)" 설정을 **저해상도(low)** 와 **자동(auto)** 으로 각각 지정했을 때 AI 모델의 정확도와 이용 비용이 어떻게 달라지는지 비교했습니다.
아래 그래프는 1,730개의 이미지 인식 벤치마크 "[MMMU-Pro Vision](https://mmmu-benchmark.github.io/)"에서의 점수를 비교한 결과입니다. 옅은 막대는 저해상도(low), 진한 막대는 자동(auto) 설정을 의미합니다. 모든 모델에서 **자동(auto) 설정이 더 높은 정답률**을 보였습니다.
### 충격적인 결과: 저해상도가 오히려 비용 증가
더 흥미로운 점은 비용 측면입니다. GPT-5.5의 경우 1문제당 비용이 저해상도(low)는 **5.1센트(약 8원)**, 자동(auto)은 **4.5센트(약 7.3원)** 으로, 오히려 저해상도가 약 **13% 더 비쌌습니다**. Gemini 3.5 Flash에서도 저해상도(2.96센트)가 자동(2.80센트)보다 약간 높았습니다.
**즉, 정확도는 떨어지고 비용은 오히려 증가한 것입니다.**
### 원인 분석: 흐릿한 이미지가 오히려 추론 비용을 높인다
OpenAI의 [이미지 처리 문서](https://developers.openai.com/api/docs/guides/images-vision)에 따르면 저해상도(low) 모드는 원본 크기와 상관없이 **512x512 픽셀**로 고정되며 적은 고정 토큰 요금이 부과됩니다. 하지만 OpenRouter 분석 결과 저해상도 설정 시 **추론 토큰 수가 1,180개**로, 자동 설정(730개)보다 **1.6배 증가**했습니다.
OpenRouter는 이에 대해 "저해상도 이미지에서는 문자나 도표의 세부 정보가 손실되어 AI가 이를 이해하기 위해 더 많은 추론 토큰을 소모했기 때문"이라고 추측했습니다. 결국 이미지 입력에서 절약한 토큰보다 **출력(추론) 단계에서 발생한 비용이 더 커진** 셈입니다.
> We benchmarked 1,730 visual reasoning questions across 5 models to test a common cost-saving trick: setting image detail to "low."
>
> Surprise finding: it often backfires. The model burns extra reasoning tokens squinting at a blurry image, and overall cost increases 👇 [pic.twitter.com/TBhfjdtXR7](https://t.co/TBhfjdtXR7)
>
> — OpenRouter (@OpenRouter) [2026年7月7日](https://x.com/OpenRouter/status/2074601488236564904?ref_src=twsrc%5Etfw)
### 예외: 추론 기능 없는 모델은 저해상도가 효과적
반면 추론 기능이 없는 모델(GPT-5.4 mini)에서는 예상대로 저해상도를 사용하면 **비용이 약 40% 절감**되고 응답 속도도 빨라졌습니다. 하지만 정답률은 **55.8%에서 46.1%로 크게 떨어졌습니다**.
### 최종 결론: 이미지 해상도보다 "추론량 조절"이 핵심
OpenRouter는 다음과 같이 조언했습니다.
- **추론 모델**: 이미지 해상도를 낮추는 것보다 **'auto' 또는 'high'** 로 설정하고 이미지 세부 묘사가 아닌 **추론량(토큰 수)을 제한**하는 것이 비용 효율적입니다.
- **비추론 모델**: 저해상도(low) 설정으로 비용과 응답 속도를 개선할 수 있지만 **텍스트가 많은 이미지에서는 정확도가 크게 떨어집니다.**
결론적으로 이미지 해상도 변경이 비용에 미치는 영향은 제한적이며, 최종 비용을 좌우하는 것은 **AI가 생성하는 출력 토큰 수**입니다. 따라서 대부분의 경우 이미지 설정은 **'auto'** 로 두고 추론량을 조정하는 것이 가장 현명한 방법입니다.
---
**원문**: [AIへの画像入力は解像度を下げると逆にコストが増えることがあるという実験結果](https://gigazine.net/news/20260708-llm-image-cost/)
**출처**: GIGAZINE (2026-07-08)
**번역**: AI 자동 번역+윤문