구글, 개발자 대상 제미나이 2.0 플래시 네이티브 이미지 생성 개방

지금까지 대규모 언어 모델로 이미지를 만들려면, 텍스트 프롬프트를 별도의 확산 모델로 전달하는 우회 방식을 거쳐야 했습니다. 이 과정에서 캐릭터의 얼굴이 매번 바뀌거나 세부적인 수정이 제대로 먹히지 않는 문제가 흔했습니다.

Google이 이 중간 연결 고리를 없앴습니다. Gemini 2.0 Flash의 네이티브 이미지 생성 기능을 지원 지역 내 모든 개발자에게 개방한다고 발표했습니다. 개발자들은 Google AI Studio와 Gemini API에서 실험용 모델인 gemini-2.0-flash-exp를 통해 바로 테스트할 수 있습니다.

이 기능은 지난해 12월 일부 신뢰할 수 있는 테스터들에게 먼저 공개되었던 기술입니다. API 호출 시 응답 형태로 텍스트와 이미지를 함께 지정하는 몇 줄의 코드만으로 연동이 가능합니다.

네이티브 생성이 달라진 점

핵심은 언어 이해와 추론, 멀티모달 처리를 하나의 기초 모델에서 직접 처리해 이미지를 출력한다는 점입니다.

가장 두드러진 변화는 시각적 일관성입니다. 동화나 스토리보드를 만들 때 여러 장의 이미지를 생성하더라도 등장인물의 생김새나 배경 설정을 일관되게 유지할 수 있습니다.

대화형 편집도 자연스러워졌습니다. 여러 차례 자연어로 피드백을 주고받으며 이미지를 수정할 수 있어, 이전 대화의 맥락을 살려 결과물을 다듬기에 적합합니다.

이미지 내 텍스트 렌더링 능력도 개선되었습니다. 기존 이미지 생성 모델들은 긴 글자를 그릴 때 철자가 뭉개지는 일이 잦았지만, Google은 내부 벤치마크 결과 경쟁 모델들보다 우수한 텍스트 결합 능력을 보였다고 밝혔습니다. 포스터나 소셜 미디어 게시물 제작에 바로 활용할 수 있는 수준입니다.

왜 중요한가

개발 파이프라인의 복잡도를 획기적으로 낮췄다는 점에서 의미가 큽니다. 지금까지 텍스트 모델과 이미지 모델을 따로 이어 붙이며 상태를 동기화해야 했던 수고를 덜고, 단일 모델로 글과 그림을 동시에 처리하는 시각적 에이전트나 인터랙티브 콘텐츠를 쉽게 구현할 수 있게 되었습니다.

업계 경쟁 구도에서도 기선을 제압하려는 의도가 엿보입니다. OpenAI는 2024년 5월 GPT-4o를 공개하며 네이티브 멀티모달 이미지 생성 기술을 시연했으나 아직 일반에 출시하지 않았습니다. 업계에서는 OpenAI가 2025년 3월 중 해당 기능을 선보일 것으로 내다보고 있었는데, Google이 먼저 전 세계 개발자에게 문을 열어젖혔습니다.

다만 이번 릴리스는 여전히 실험용 모델이라는 꼬리표를 달고 있습니다. 언어 모델의 직관적인 제어력이 전용 이미지 생성 모델 특유의 정교한 화질을 실제 제품 레벨에서 완전히 대체할 수 있을지는 향후 정식 상용화 버전에서 검증되어야 할 과제입니다.