한국어 ✓ English

AI 사진의 어느 부분이 가짜인지 찍어 준다 — Pangram Image 1.0·Flash 1.0, 장당 0.25달러 감지기의 자체 평가 99.96%와 그 시험지의 주인

기준일 2026-11-09 · Pangram 공식 블로그·가격 페이지·API 안내와 Sightengine 공식 가격 페이지를 직접 확인했다 개골 · 조회 -회

AI로 만든 사진과 영상이 실제와 구분이 안 될수록, 그걸 가려 내는 쪽의 숫자도 같이 커진다. 문제는 감지기가 내놓는 「99%」라는 숫자를 누가, 어떤 시험으로 쟀는가다. 11월 4일 Pangram이 정식 출시한 Image 1.0과 Image Flash 1.0은 그 질문을 정면으로 받는 제품이다. 성적표보다 먼저 읽어야 할 것은 따로 있다. 최고 점수 하나는 회사가 직접 설계한 시험에서 나왔고, 다른 하나는 학계 벤치마크에서 나왔지만 채점을 발표한 쪽이 회사이며, 나머지 학술 벤치마크의 종목별 점수는 아직 차트 이미지 안에만 있다는 점이다. 이 글에서는 공식 가격표로 확정되는 건당 값, 회사가 공개한 시험의 설계, 그리고 아직 남의 손으로 재측정되지 않은 자리를 갈라서 읽는다.

핵심만 먼저

Image 1.0은 판정 한 줄 대신 히트맵으로 이미지 안에서 AI가 나타나는 위치를 찍어 주고, Flash 1.0은 동영상을 프레임 단위로 분석한다 (공식 블로그 직접 대조)

값은 공식 가격표의 건당 단가다 — Image 1.0 장당 0.25달러, Flash 장당 0.05달러, 동영상 초당 0.05달러 (2026-11-09 발행 직전 재대조)

성능 수치는 시험지의 주인별로 갈라 읽어야 한다 — 99.96%는 회사가 설계한 자체 평가 셋, 98.7%는 학계 벤치마크 DF26에서의 회사 발표, 학술 벤치마크 종목별 점수는 차트에만 있다

Pangram Image 1.0 히트맵 예시 — 실제 사진 안에 포함된 AI 이미지의 위치를 히트맵으로 표시
Pangram 공식 블로그에 실린 Image 1.0의 히트맵 예시. 실제 사진 안에 들어 있는 AI 이미지의 위치를 히트맵으로 특정해 보여 준다. 이미지 출처: Pangram 공식 블로그 「Introducing Pangram Image 1.0 and Pangram Image Flash 1.0」

새로 생긴 것은 판정 한 줄이 아니라 위치와 프레임이다

Image 1.0의 본론은 정확도 수치가 아니라 출력의 형태다. 지금까지의 감지기가 「이 이미지는 AI다」라는 판정 한 줄을 돌려줬다면, 1.0은 히트맵으로 이미지 안에서 AI가 나타나는 위치를 찍어 준다. 실제 사진 속에 합성 요소가 박힌 경우 — 중고거래 사진의 일부를 지우개로 고쳤거나, 리스팅 사진의 배경만 갈아 끼운 경우 — 처럼 사진 전체가 아니라 일부가 문제인 장면에서, 판정만으로는 사람이 다음 행동을 정할 수 없기 때문이다. 편집과 압축, 저해상도 변환에 대한 강건성을 별도로 훈련했다는 설명도 같은 맥락이다. 소셜 플랫폼에 올라온 이미지는 원본이 아니라 압축과 축소를 거친 사본이라, 깨끗한 원본에서만 잘 맞는 감지기는 현장에서 힘을 잃는다.

동영상 쪽은 Flash 1.0이 맡는다. 더 작고 빠른 모델로, 동영상을 프레임 단위로 분석해 어느 구간이 AI로 감지되는지 돌려주고, 대시보드에서 동영상 파일을 네이티브로 바로 올릴 수 있게 됐다. 입력 문턱도 낮아졌다. 프리뷰 때 512×512였던 최소 이미지 크기가 256×256으로 내려갔다. 다만 512 미만에서는 결과에 신뢰도 저하 안내가 붙는다. 문턱을 낮춘 것과 그 아래 구간을 믿을 수 있다는 것은 다른 문장이라는 뜻이다.

값의 자리 — 장당 0.25달러, 동영상은 초당 0.05달러

가격은 공식 가격표에 건당 단가로 직접 실려 있다. 구독 요금제와 별개로, API 단가는 이렇게 확정된다.

항목 (Pangram 공식 가격표 직접 대조)단가비고
Image 1.0 (이미지 감지)장당 0.25달러히트맵 포함 플래그십
Image Flash 1.0 (이미지 감지)장당 0.05달러소형·고속 모델
동영상 감지초당 0.05달러60초 영상 1건 = 3.00달러로 환산
텍스트 감지 (Pangram 4.1)100단어당 0.05달러대량 API는 20% 할인

구독 쪽은 Individual 월 20달러(7일 무료 후 과금)에 월 10달러의 API 크레딧이, Professional 월 65달러에 월 200달러의 API 크레딧이 포함된다. 건당 단가로만 견주면 Image 1.0으로 사진 1,000장을 검사하는 값은 250달러, Flash로는 50달러다. 동영상은 초 단위 과금이라 길이가 곧 값이다. 10초짜리 클립 한 건은 0.50달러지만, 10분짜리 영상 한 건은 30달러가 된다. 짧은 소셜 클립을 대량으로 거르는 일과 긴 영상을 통째로 검사하는 일은, 이 가격표에서는 전혀 다른 예산의 일이다.

동급 서비스인 Sightengine과 나란히 놓으면 과금의 문법 자체가 다르다는 것이 먼저 보인다. Sightengine의 공식 가격 페이지가 직접 보여 주는 것은 기능 매트릭스다. AI 이미지 감지는 무료 티어부터 열려 있고 AI 동영상 감지는 Starter 이상에서 열리며, 동영상 파일은 Starter 최대 50MB·Pro 최대 500MB, 프레임 분석은 초당 0.5~2프레임 범위로 조정되고, 처리 용량은 무료·Starter 초당 1건, Pro 초당 10건이다. 이 페이지의 금액란은 2026-11-09 발행 직전 확인에서도 텍스트로 확정되지 않아, 이 글은 Sightengine의 금액을 싣지 않는다. Pangram이 「장」과 「초」로 세는 값을 Sightengine은 「오퍼레이션」으로 세니, 어느 쪽이 싼지는 검사 한 건이 몇 오퍼레이션으로 환산되는지를 확정하기 전에는 단정할 수 없다. 단가표의 숫자만으로 순위를 매기면 어긋나는 자리다.

Pangram 공식 블로그의 프런티어 이미지 감지 비교 차트 — 자체 제작 합성 미러 평가 셋 기준
Pangram 공식 블로그에 실린 프런티어 이미지 감지 비교 차트. 실제 사진 100장을 생성기 12종으로 복제한 합성 미러 1,200장으로 만든 자체 평가 셋이 기준이며, 비교 대상 감지기들의 이름과 점수는 이 차트 안에만 있다. 이미지 출처: Pangram 공식 블로그 「Introducing Pangram Image 1.0 and Pangram Image Flash 1.0」

성능 쪽 숫자는 이렇게 갈라 읽어야 한다. Image 1.0의 99.96%는 실제 사진 100장을 생성기 12종으로 복제한 합성 미러 1,200장으로 만든, 회사가 직접 설계한 평가 셋에서의 정확도다. 짝을 지어 비교하는 설계 자체는 공정하게 짜려는 흔적이 있다. 원본과 거의 같은 프롬프트로 미러를 만들었으니, 감지기가 장면이나 피사체의 편향에 기대는 지름길은 막혀 있다. 그래도 시험지를 만든 쪽과 응시한 쪽이 같다는 사실은 남는다. 회사가 X 출시 안내에서 밝혔다는 99.2% 식별·오탐률 0.27%라는 수치도, 이번 회차에는 보도가 전한 전언의 자리에 있다. 동영상 쪽의 98.7%는 결이 조금 다르다. 잰 시험장인 DF26은 Pangram이 아니라 학계가 만든 벤치마크(프리프린트 기준)이고, 그 시험에서 사람과 기존 감지기 모두 무작위 추측에 가까웠다는 것이 전제다. 다만 그 시험장에서 Flash가 98.7%를 찍었다는 채점 자체는 여전히 회사의 발표이며, 차순위와의 29%포인트 간격도 회사 표기다. 학술 벤치마크 종목들(X-AIGD·AIGenImages2026·AIGVDBench·Ivy-Fake 등)에서 최고 수준이라는 주장의 종목별 수치는 공식 블로그의 차트 이미지에만 있어, 이번 회차에는 숫자로 확정하지 않았다.

손에 잡히는 장면 — 피드에서 거르고, 검수 큐에 붙이는 자리

제공 경로는 세 갈래다. 첫째는 Chrome 확장 프로그램이다. 소셜 미디어 피드를 스크롤하는 동안, 그리고 쇼핑·임대 리스팅을 보는 동안 AI 생성 콘텐츠에 flag를 단다. Pangram이 스스로 지목한 이 자리는, 국내로 옮기면 중고거래와 숙소 리스팅의 가짜 사진을 구매 전에 한 번 거르는 장면과 그대로 겹친다. 둘째는 대시보드의 네이티브 동영상 업로드다. 파일을 올리면 Flash가 프레임 단위로 분석해 AI로 감지된 구간을 돌려주니, 숏폼 한 편이 통째로 합성인지, 일부 구간만 편집됐는지를 사람이 다시 전수 재생하지 않고 좁혀 볼 수 있다. 셋째는 API다. 공식 안내가 적는 사용처는 심사 큐와 콘텐츠 파이프라인, 교육 현장의 제출물(LMS) 검토 흐름이며, 기업용으로는 데이터 무보관 옵션과 SOC 2가 별도 트랙으로 붙는다. 감지 결과를 사람의 최종 판정이 아니라 검수 큐의 신호로 쓰는 설계라는 점이 이 제품의 실제 자리다.

회사 밖의 검증은 아직 텍스트 쪽이 먼저다. Pangram의 텍스트 감지기는 2025년 NBER 워킹페이퍼 34223(Jabarian·Imas)의 비교에서 Originality.ai·GPTZero·RoBERTa 분류기보다 앞섰다는 평가를 받았다는 전언이 있는데(Hack'celeration 리뷰 전사), 이것은 이미지 모델의 점수가 아니다. 이미지·동영상 1.0을 독립 기관이 자기 자료로 다시 재서 낸 결과나, 이름 있는 플랫폼이 이 모델로 걸러 낸 규모를 공개한 사례는 출시 사흘 차인 지금 확인 범위 밖에 있다. 사례 절이 얇은 것은 이 제품군 전체의 구조이기도 하다. 감지기는 도입 사실 자체를 고객이 공개하길 꺼리는 도구라, 검증의 무게는 결국 각자 자기 자료로 다시 재는 일에 실린다.

가려 읽을 자리 — 자체 시험지, 전언인 오탐률, 그리고 단위의 함정

첫째, 성적표의 설계자다. 99.96%라는 숫자는 표본이 실제 사진 100장에서 출발한 자체 평가 셋의 값이다. 미러 설계가 공정해도, 생성기 12종의 선택과 프롬프트 작성, 실제 사진 100장의 선정은 전부 회사 몫이었고, 비교 대상 감지기들의 이름과 점수는 차트 이미지에만 있다. 학술 벤치마크라는 외부 시험장이 존재한다는 것과, 그 시험장의 점수를 회사가 차트로만 공개했다는 것은 함께 읽어야 한다. 숫자로 다시 잴 수 있는 형태의 공개가 오기 전까지, 이 모델의 성능은 「회사 시험에서 매우 높고, 외부 시험의 세부 점수는 미확정」으로 두는 것이 정확하다.

둘째, 오탐률의 자리다. 감지기를 실무에 붙일 때 실제로 아픈 숫자는 정확도보다 오탐률이다. 실제 사진을 AI라고 잘못 찍는 비율이 높으면, 억울하게 flag가 달리는 판매자와 학생, 기자가 생긴다. 회사가 내세우는 오탐률 0.27%는 이번 회차에 X 원문을 직접 대조하지 못한 전언이고, 자체 평가 셋 기준인지도 확정하지 못했다. 도입을 검토하는 쪽에서는 자기 실제 사진 수백 장을 먼저 돌려 오탐이 몇 건으로 찍히는지를 재는 절차가, 어떤 발표 수치보다 먼저다.

셋째, 값의 단위다. 이미지 0.25달러와 동영상 초당 0.05달러는 확정된 단가지만, 경쟁 서비스의 오퍼레이션 단위와는 환산표 없이는 비교가 안 되고, Pangram 안에서도 동영상은 길이에 비례해 값이 뛰는 구조다. 여기에 요금제별 이미지 스캔 포함 횟수처럼 구독과 건당 과금이 겹치는 자리의 세부 한도는 이번 회차에 확정하지 못했다. 예산을 잡을 때는 구독료가 아니라 「한 달에 몇 장, 몇 초를 검사하는가」에서 출발해야 한다.

결론은 이렇게 갈라진다. 확인된 것은, 히트맵으로 AI가 있는 위치를 찍어 주는 이미지 감지기와 프레임 단위로 동영상을 읽는 소형 모델이 정식 출시됐고, 그 값이 장당 0.25달러·0.05달러, 동영상 초당 0.05달러로 공식 가격표에 실려 있으며, 입력 문턱이 256×256으로 낮아지는 대신 그 아래에는 신뢰도 단서가 붙는다는 사실이다. 아직 확인되지 않은 것은, 회사가 설계한 시험 바깥에서의 실제 정확도와 오탐률, 학술 벤치마크의 종목별 점수, 그리고 한국어 콘텐츠와 국내 플랫폼 이미지에서의 실제 품질이다. 검증법은 자기 자료 안에 있다. 실제 사진과 실제 영상, 그리고 자기가 쓰는 생성기로 만든 합성본을 섞은 평가 셋을 만들어, 정확도보다 오탐 건수를 먼저 세는 것이다. 감지기의 값은 남의 99.96%가 아니라 자기 자료에서의 오탐률로 정해진다.

출처

퍼즈 한 줄 정리

이 감지기는 성적표가 아니라 시험지의 주인으로 판단해야 한다. Pangram Image 1.0은 자기 자료에서의 오탐률로 값을 정해야 하는 도구이다 개골.