핵심 요약. 2026년 6월 30일, Google은 두 가지 모델인 Nano Banana 2 Lite와 Gemini Omni Flash를 출시했습니다 (2026년 6월 30일 Google 블로그 데이터 기준). 첫 번째 모델은 약 4초 만에 이미지를 생성하며, 이미지 1,000장당 비용은 약 $0.034입니다. 두 번째 모델은 음성 명령에 따라 최대 10초 길이의 짧은 비디오를 제작 및 편집하며, 영상 1초당 비용은 $0.10입니다. 두 모델 모두 Google AI Studio, Gemini API 및 Gemini Enterprise Agent Platform을 통해 사용할 수 있습니다. 이는 최고 품질보다는 대량 처리와 저렴한 가격에 초점을 맞춘 전략입니다.

만약 당신이 "google gemini nano banana ai"와 같은 검색어로 검색하여 이름에 '바나나'가 들어간 별도의 신경망 모델을 기대했다면, 혼란을 바로 바로잡아 드리겠습니다. Nano Banana는 이미지 작업을 위한 Gemini 모델 라인업의 내부 명칭입니다. 새로운 Nano Banana 2 Lite의 기술적 명칭은 Gemini 3.1 Flash Lite Image이며, 기존의 Nano Banana를 대체하기 위해 설계되었습니다 (2026년 6월 30일 Google 블로그 데이터 기준). "Banana AI"라는 별도의 제품은 존재하지 않으며, 이는 Gemini 제품군의 일부입니다.

6월 30일에 정확히 무엇이 바뀌었나

Google은 6월 30일에 출시를 발표했지만, 실질적인 가이드와 논의의 주요 흐름은 AI Engineer World's Fair 기간인 7월 1~2일에 집중되었습니다 (TestingCatalog, AI Weekly 및 Google Cloud Blog 자료 기준). 이 점을 유념하세요: 커뮤니티의 초기 게시물에 담긴 일부 수치들은 독립적으로 검증된 벤치마크(Benchmark)가 아닌 초기 인상일 뿐입니다. 아래에서는 Google이 직접 발표한 내용과 현재까지 "사용자들이 직접 사용해보고 작성한" 내용을 구분하여 정리했습니다.

공식 발표 내용:

• Nano Banana 2 Lite = 기존 Nano Banana를 대체하는 Gemini 3.1 Flash Lite Image.
• 이미지 한 장 생성에 약 4초 소요.
• 이미지 생성 비용 - 1,000장당 약 $0.034.
• Gemini Omni Flash는 음성으로 비디오를 제작 및 수정하며, 영상 길이는 최대 10초.
• 비디오 비용은 생성된 콘텐츠 1초당 $0.10.
• 액세스 방법 - Google AI Studio, Gemini API 및 Gemini Enterprise Agent Platform을 통해 이용 가능.

이상입니다. 소스에 더 이상의 숫자는 없으며, 제가 임의로 만들어내지도 않을 것입니다. 만약 어디선가 "기본 제공 4K 해상도"나 "비디오 무제한" 같은 문구를 보게 된다면, 그것은 Google의 블로그 내용이 아니니 원문을 확인하십시오.

실질적인 의미는 다른 데 있습니다. Google은 명확하게 라인업을 "헤비(heavy)"한 부분과 "라이트(light)"한 부분으로 나누고 있습니다. Lite 모델은 저렴하고 빠르며, 그 임무는 잡지 표지에 들어갈 단 하나의 걸작을 만드는 것이 아니라, 상품 카드용 프리뷰 천 개를 생성해야 하는 대중적인 시나리오를 해결하는 것입니다. 그렇기 때문에 앞으로 저는 "와, 이 그림 좀 봐"가 아니라, 볼륨, 파이프라인(pipelines), 그리고 규모에 따른 비용에 대해 이야기할 것입니다.

Nano Banana 2 Lite - 실무에서는 무엇을 위한 것인가?

핵심. 이것은 Gemini API를 통한 빠르고 저렴한 이미지 생성입니다. 강점은 대량 처리 시의 가격과 속도입니다. 약점은 상위 Gemini 모델들과 비교했을 때 품질을 대가로 지불해야 한다는 점입니다.

실제 시나리오로 분석해 보겠습니다. 예를 들어, 5,000개의 SKU(Stock Keeping Unit)를 보유한 온라인 쇼핑몰이 있고, 상품 카드에 사용할 통일된 배경 일러스트가 필요하다고 가정해 봅시다. 당신에게 필요한 것은 정점의 사진 실사주의(photorealism)가 아니라, 합리적인 비용으로 일주일 동안 대기할 필요 없이 얻을 수 있는 5,000개의 괜찮은 이미지입니다.

공식 가격으로 계산해 보겠습니다. 이미지 1,000장당 $0.034(2026년 6월 30일자 Google 블로그 데이터 기준)일 때, 5,000장의 이미지는 생성 비용으로 약 $0.17가 소요됩니다. 이는 인프라에 대한 기타 잠재적 비용을 제외한 금액이며, 5,000장 모두가 첫 시도에 만족스러운 결과로 나올 것이라는 보장도 없습니다. 일부는 다시 생성해야 할 수도 있습니다. 하지만 수치의 규모는 명확합니다. 여기서 생성은 예산의 병목 현상(bottleneck)이 되지 않습니다.

이미지당 4초의 속도는 5,000개를 순차적으로 실행할 경우 단일 스레드(single thread) 기준 약 5~6시간의 머신 타임(machine time)이 소요됨을 의미합니다. 실제로는 요청을 병렬로 보낼 것이므로, 실제 소요 시간은 모델 자체가 아니라 API 제한(limits)에 부딪힐 것입니다. 소스에 Google의 제한 수치에 대한 정보는 없으므로, 약속보다는 테스트를 바탕으로 계획을 세우십시오.

만약 당신이 이제 막 이러한 파이프라인 (pipeline)을 구축하고 있으며, 생성형 모델 (generative models)들을 서로 비교할 지점을 미리 가늠해보고 싶다면, 이것이 바로 여러 모델 제품군을 한 곳에서 편리하게 관리할 수 있는 경우입니다.

어떻게 액세스하고 첫 번째 요청을 작성하나요?

핵심 사항. 모델에 접근하는 세 가지 경로가 있습니다: 수동 테스트를 위한 Google AI Studio, 코드 구현을 위한 Gemini API, 그리고 기업용 에이전트를 위한 Gemini Enterprise Agent Platform (2026년 6월 30일 Google Cloud Blog 데이터 기준)입니다. 개발자에게 첫 번째 단계는 키 (key)를 받기 위해 AI Studio를 방문하는 것이며, 그다음은 Gemini API입니다.

시행착오를 줄이기 위한 단계별 절차:

1. Google AI Studio에 접속하여 본인의 Google 계정으로 로그인합니다.
2. 키 관리 섹션에서 API 키 (API key)를 생성합니다.
3. Studio 인터페이스에서 직접 테스트 프롬프트 (prompt)를 실행하여 모델이 응답하는지, 그리고 생성된 이미지가 원하는 스타일인지 확인합니다.
4. 그 이후에만 요청을 코드로 옮깁니다.
5. 키는 소스 코드에 직접 넣지 말고 환경 변수 (environment variable)에 저장하십시오.

⚠️ API 키를 저장소 (repository)에 커밋하거나 예제 코드에 직접 삽입하지 마십시오. 유출된 키는 당신의 잔액으로 타인이 비용을 지불하게 만드는 결과를 초래합니다. 아래 예제에서 키는 항상 환경 변수에서 읽어오며 플레이스홀더 (placeholder)로 표시되어 있습니다.

Python을 사용한 Gemini API 요청의 간결한 예시입니다. 모델과 정확한 응답 형식은 Gemini API의 최신 문서를 통해 확인하십시오. 여기서는 시그니처 (signature)를 보장하는 것이 아니라 구조를 제공합니다:

import os
from google import genai

...

왜 제가 모델 이름에 대해 이토록 신중한 것일까요? 마케팅 명칭(Nano Banana 2 Lite)과 기술적 명칭(Gemini 3.1 Flash Lite Image)이 서로 다른 문자열이며, API에서는 바로 그 기술적 식별자(identifier)를 호출해야 하기 때문입니다. Google은 블로그에서 그 대응 관계를 명시적으로 밝혔지만, 호출을 위한 정확한 모델 문자열은 한 달 전의 기사가 아니라 이 글을 읽는 시점의 문서를 통해 확인하십시오.

러시아에서의 접속에 대해 별도로 말씀드리자면, Gemini API는 Google의 서비스이므로 결제 가능 여부와 지역 제한은 직접 확인하셔야 합니다. 본문에는 해당 정보가 없습니다. 만약 목적이 동일한 텍스트 프롬프트(prompt)를 서로 다른 모델 제품군(families)이 어떻게 처리하는지 비교하는 것이라면, 호환 가능한 API를 통한 우회 방법이 있습니다.

provod.ai는 Claude, GPT, Gemini, DeepSeek 및 Qwen을 하나의 채팅에 모아 OpenAI 및 Anthropic SDK와 호환되는 단일 API를 제공하며, 키(key)와 base_url을 변경하는 것만으로 전환이 가능합니다. 결제는 러시아 카드를 통한 루블 잔액, SBP(Fast Payment System) 또는 계좌 이체로 가능하며, VPN이나 해외 카드 없이 작동합니다. 기업을 위한 계약, 청구서 및 증빙 서류도 제공됩니다. 한계점에 대해 솔직히 말씀드리자면, 이는 모델 제품군 간의 비교 및 라우팅(routing)을 위한 텍스트 및 멀티모달(multimodal) 모델에 대한 접근이지, Nano Banana 2 Lite 및 Omni Flash의 최신 프리뷰 모델을 직접 공급하는 것은 아닙니다. Google의 가장 최신 이미지 및 비디오 모델을 사용하려면 여전히 Gemini API를 이용해야 합니다. OpenAI 호환 클라이언트에서 base_url을 변경하는 예시는 다음과 같습니다:

from openai import OpenAI

client = OpenAI(
...

비용은 얼마이며 어떤 모델을 선택해야 할까요?

핵심 요약. Lite 모델은 볼륨(Volume)에 최적화되어 있습니다. 저렴한 비용으로 대량의 결과물이 필요하다면 Lite를 선택하세요. 단일 결과물에 대한 최고의 품질이 필요하다면 Lite는 적합하지 않으며, 상위 모델인 Gemini를 살펴보아야 합니다.

가격과 용도를 하나의 표로 정리했습니다. 모든 수치는 2026년 6월 30일자 Google 블로그를 기준으로 합니다:

비용 측면에서 해석해 보겠습니다. Omni Flash로 생성하는 최대 길이(10초)의 영상 한 편의 생성 비용은 $1.00입니다. 이러한 영상 1,000편은 $1,000가 됩니다. 반면 Nano Banana 2 Lite 이미지 1,000장은 약 3~4센트 수준입니다. 이 두 자릿수(two orders of magnitude)의 차이는 비디오가 근본적으로 훨씬 더 무거운 콘텐츠이기 때문입니다. 따라서 "이미지는 거의 공짜다"라는 직관을 비디오에 그대로 적용하지 마세요. 영상 1초의 비용은 이미지 약 3,000장의 비용과 맞먹습니다.

Lite 모델과 상위 모델 사이의 간단한 선택 규칙:

• 동일한 유형의 결과물이 대량으로 필요하고 가끔 재생성(Regeneration)해도 괜찮다면 — Lite.
• 고객용 결과물이나 표지(Cover)처럼 단일 결과물의 품질이 중요하다면 — 이는 Lite가 아닌 Gemini 상위 모델의 역할입니다.
• 프로토타이핑 (Prototyping) 단계이며 저렴하게 아이디어를 검증하고 싶다면 — Lite.
• 텍스트와 음성을 통한 10초 이내의 비디오가 필요하다면 — Omni Flash를 선택하되, 초당 $0.10의 예산을 미리 계산해 두세요.

품질에 대한 솔직한 주의 사항입니다. Google은 이 모델들을 품질과 비용 사이의 균형을 맞춘 모델로 포지셔닝하고 있으며, 비용 쪽에 더 무게를 두고 있습니다. 이는 벤더(Vendor)의 주장입니다. 상위 모델과 Nano Banana 2 Lite의 품질을 비교한 독립적인 검증 벤치마크 (Benchmark) 데이터는 출처에 존재하지 않으며, AI Engineer World's Fair의 초기 커뮤니티 인상만이 있을 뿐입니다. 따라서 "Lite 모델이 상위 모델보다 X% 성능이 낮다"라고 말씀드릴 수는 없습니다. 저에게는 그러한 검증된 수치가 없기 때문입니다. 여러분의 프롬프트 (Prompt)로 직접 확인해 보세요.

Omni Flash: "음성 명령 기반 비디오"의 실제 의미는 무엇인가?

핵심 요약. Omni Flash는 최대 10초 길이의 영상을 생성 및 편집하며, 이를 음성으로 제어할 수 있습니다 (2026년 6월 30일자 Google 블로그 데이터 기준). 핵심적인 제한 사항은 바로 길이입니다. 완전한 클립이 아닌 10초 분량이라는 점입니다.

여기서 음성 제어는 문자 그대로 이해해야 합니다. 복잡한 텍스트 프롬프트 (Text Prompt)를 직접 작성하는 대신, 영상에 무엇을 할지 말로 명령할 수 있다는 뜻입니다. 이는 "노을을 더 따뜻하게 만들어줘", "왼쪽의 사람을 제거해줘"와 같이 빠른 반복 작업 (Iteration)을 수행할 때 매우 편리합니다. 하지만 이를 통해 전문 편집 스튜디오 수준의 결과물을 기대해서는 안 됩니다. 10초는 스토리(Stories), 짧은 광고 삽입 영상, 또는 단일 동작을 보여주기에 적합한 포맷입니다. 이보다 긴 영상을 만들려면 모델을 여러 번 호출하여 조각별로 생성한 뒤 이어 붙여야 하며, Google은 이 연결 부위의 매끄러움 (Seamlessness)을 보장하지 않았습니다.

오해하기 쉬운 부분들:

• 이것은 긴 콘텐츠를 위한 비디오 편집기 (Video Editor)의 대체재가 아닙니다.
• 음성은 명령을 전달하는 수단일 뿐, 모델이 복잡한 연출적 과제를 단번에 이해할 것이라는 보장이 아닙니다.
• 초당 $0.10는 콘텐츠 생성 비용입니다. 만족스러운 결과물을 얻기 위해 몇 번의 시도가 필요할지에 대한 비용은 포함되어 있지 않습니다.

실질적인 조언: 비디오를 대량으로 생성하기 전에, AI Studio에서 5~10번 정도 수동 테스트를 진행하여 실제로 사용할 수 있는 결과물의 비율을 측정하세요. 예산을 이 계수(coefficient)에 곱하여 산출해야 합니다. 만약 5번의 시도 중 1번만 쓸만하다면, 당신의 실제 초당 비용은 $0.10이 아니라 $0.50이 됩니다.

어디서 문제가 발생하는가: 전형적인 오류와 n8n과의 연동

핵심. 주요 문제는 모델 자체보다는 주변 환경(wrapper)에 있습니다: API 키, 제한 사항(limits), 응답 형식(format), 그리고 자동화 과정에서의 생성 실패 처리 방식 등입니다.

프로덕션(production) 환경으로 이전할 때 마주하게 될 빈번한 실패 모드들을 정리했습니다: