H3 Max, Wan 3.0, GPT Image 2.5: 물웅덩이 하나로 다섯 가지 영상 모델을 비교했어요

영상 모델을 출시 글만 보고 비교해 봐야 별 도움이 안 돼요. 하나같이 “가장 사실적”이고 “동급 최고”라고 말하니까요. 그래서 더 단순하게 해봤습니다. 프롬프트 하나를 정해 ChatPlus의 다섯 가지 영상 모델에 모두 넣고, 얼마나 걸리는지와 어떤 결과가 나오는지 직접 확인했어요.

프롬프트는 이랬습니다. “비가 그친 뒤의 가을 거리, 골든아워. 노란 비옷을 입은 젊은 여성이 물웅덩이에 뛰어들고, 물이 튀며, 단풍잎이 주변을 빙글빙글 돈다. 그녀는 웃으며 ‘가을이 왔어요!’라고 말한다. 핸드헬드 카메라, 자연스러운 거리 소리.”

다섯 모델 중 두 개는 ChatPlus에 새로 추가된 모델입니다. H3 Max와 Wan 3.0이에요. 기본 이미지 모델도 업데이트해서, 이제 GPT Image 2가 있던 자리는 GPT Image 2.5가 대신합니다. 하나씩 살펴보고, 마지막에는 어떤 상황에 어떤 모델을 고르면 좋은지 정리해볼게요.

H3 Max: 커피가 식기 전에 클립 하나

이 모델을 써볼 만하게 만드는 숫자부터 보겠습니다. 11초. 버튼을 누른 순간부터 사운드가 포함된 5초짜리 클립 파일이 완성되기까지 걸린 시간이에요. 대기열과 파일 다운로드까지 포함해서요. GPU에서 실제 생성이 이뤄지는 시간은 몇 초에 불과합니다. 같은 프롬프트로 다른 모델들은 1분이 조금 안 되는 시간부터 거의 4분까지 걸렸어요.

이 속도는 어디서 나올까요. 기반은 중국 기업 MiniMax의 오픈 웨이트 영상 모델인 MiniMax H3입니다. 생성형 모델 실행 플랫폼 중 큰 곳인 fal 팀이 이 모델을 후처리 학습하고, 자사 서버에 맞게 다시 구축했어요. 그 결과물이 8월 말 공개된 H3 Max입니다. fal의 측정에 따르면 원래 H3와 비교해 처리량이 약 35배 늘었고, 어떤 모델이 만든 영상인지 모르는 상태에서 두 클립 중 더 나은 쪽을 고르는 블라인드 비교에서도 H3 Max가 10여 개 경쟁 모델을 앞섰습니다.

빠르기만 한 것도 아닙니다. H3 Max는 항상 사운드를 생성해요. 거리 소음, 발소리, 웃음소리, 짧은 대사까지요. 저희 테스트에서는 여성이 물웅덩이에 뛰어들고, 잎이 주변에서 돌고, 프롬프트에 넣은 대사도 또렷하게 들렸습니다. 사운드 스위치는 없고, 굳이 필요하지도 않아요. 오디오에 추가 비용이 붙지 않기 때문입니다.

H3 Max, 요청부터 파일까지 11초. 마지막 대사를 들으려면 소리를 켜보세요.

솔직한 한계도 있습니다. 해상도는 768p로 Full HD보다 낮아요. 스토리, 릴스, 초안용으로는 충분하지만 큰 화면용으로는 아쉽습니다. 빠른 움직임이 많은 복잡한 장면에서는 H3 Max가 비싼 모델들보다 단순하게 처리해요. 디테일은 조금 부드럽고, 물의 물리 표현도 더 소박합니다.

가격이 그 점을 상쇄합니다. 초당 40 media credits라서, 5초짜리 클립은 200 credits입니다. ChatPlus에서 가장 저렴한 영상이에요. 저희가 추천하는 사용법은 이렇습니다. 프롬프트를 다섯 개나 열 개 버전으로 빠르게 돌려보고, 잘 먹히는 아이디어를 찾은 뒤, 원한다면 최종 버전을 더 비싼 모델로 보내는 방식입니다.

Wan 3.0: 휴대폰으로 찍은 듯한 영상

Wan은 Alibaba의 영상 모델 제품군입니다. 3세대는 2026년 8월 초 베타에 들어갔고, 8월 24일 모두에게 공개됐습니다. Alibaba가 집중한 건 사람입니다. 다양한 인물의 살아 있는 듯한 얼굴, 자연스러운 표정, 많은 AI 모델에서 보이는 플라스틱 같은 느낌 없는 움직임이죠.

이 모델은 오늘 ChatPlus에서 쓰는 범위보다 더 많은 일을 할 수 있습니다. 기본적으로 최대 30초 길이의 클립을 생성하고, 텍스트, 이미지, 오디오, 심지어 영상까지 입력으로 받을 수 있어요. ChatPlus에서는 설명이나 직접 올린 사진을 바탕으로 720p의 5초, 10초, 15초 클립을 만들 수 있습니다.

저희 테스트에서 Wan은 다섯 모델 중 가장 일상적인 느낌의 클립을 만들었습니다. 광고 같은 번쩍임은 없어요. 평범한 거리, 장화, 렌즈 쪽으로 날아드는 잎들. 친구가 휴대폰으로 찍어 카카오톡에 보내준 영상처럼 보이는데, 사실 “핸드헬드 카메라”라는 요청에 가장 잘 맞는 결과이기도 합니다. 사운드와 말하는 대사도 모두 들어 있습니다.

Wan 3.0, 2분 37초. 다섯 모델 중 가장 휴대폰 영상 같은 결과입니다.

기다린 시간은 2분 30초가 넘었습니다. 이 수준의 영상 모델에서는 정상적인 편이지만, H3 Max를 본 뒤라면 꽤 길게 느껴져요.

가격은 중간대입니다. Wan 3.0은 초당 50 media credits이고, 사운드가 들어가도 비용은 달라지지 않습니다. 5초짜리 클립은 250 credits예요. Kling 3 Pro는 사운드 포함 420, Seedance Pro는 760입니다. 화면 속 인물이 그럴듯해야 하지만 과하게 비싸면 곤란하다면, Wan부터 시작해보세요.

프롬프트 하나, 모델 다섯 개

다섯 모델의 결과를 한눈에 보면 이렇습니다. 시간은 요청부터 완성된 파일까지, 가격은 해당 길이의 사운드 포함 클립 기준입니다.

Google의 Veo 3.1은 가장 영화적인 장면을 내놨습니다. 렌즈를 정면으로 때리는 햇빛, 보도블록 가장자리를 따라 깔린 붉은 단풍잎, 큼직한 물보라까지 광고 한 장면처럼 보였어요. Veo의 사운드는 이 중 가장 좋습니다. 단순히 소음을 얹은 느낌이 아니라 믹싱된 사운드트랙에 가깝습니다. 동시에 ChatPlus에서 초당 비용이 가장 비싼 모델이기도 해요. 초안용으로는 Veo 3.1 Fast가 있습니다. 더 빠르고 훨씬 저렴합니다.

Veo 3.1, 54초. 광고 같은 역광과 색감입니다.

Kling 3 Pro는 다른 방식으로 해석했습니다. 클립 내내 카메라는 발과 물보라에 머물렀고, 대사는 들렸지만 얼굴은 보이지 않았어요. 모델이 틀린 건 아닙니다. “물웅덩이에 뛰어든다”를 아주 문자 그대로 읽은 셈이죠. Kling의 진짜 강점은 다른 곳, 즉 사진에 생동감을 넣는 데 있습니다. 아래에서 더 이야기할게요.

Kling 3 Pro, 1분 46초. 장화, 물보라, 반사는 있지만 얼굴은 없습니다.

ByteDance의 Seedance Pro는 가장 오래 걸렸고, 움직임을 가장 세심하게 다뤘습니다. 물웅덩이에서 얇은 물막이 깨끗하게 튀어 오르고, 공중에 걸린 잎들이 보이며, 카메라는 와이드샷에서 시작해 웃는 얼굴의 클로즈업까지 다가갑니다. 마치 촬영감독이 옆에서 함께 달리며 찍은 듯해요.

Seedance Pro, 3분 54초. 와이드샷에서 클로즈업까지 한 테이크로 이어집니다.

결론은 이렇습니다. 하나의 “최고” 모델은 없어요. 각자 성격이 다르고, 어떤 일을 하느냐에 따라 맞는 모델이 달라집니다.

GPT Image 2.5가 GPT Image 2를 대체합니다

이제 이미지 이야기입니다. 9월 8일, OpenAI는 GPT Image 2.5를 두 가지 버전으로 공개했습니다. Sunburst는 정밀한 버전입니다. 프롬프트를 더 잘 따르고 기존 사진 편집에도 더 강해요. Flare는 더 빠르고 단순한 버전입니다. ChatPlus에서는 Sunburst를 사용합니다.

GPT Image 2는 이미 ChatPlus의 기본 모델이었습니다. 이미지 안의 텍스트를 워낙 잘 처리했기 때문이에요. 버전 2.5는 글자 표현이 더 깔끔해졌고, 디테일이 많이 들어간 긴 프롬프트도 더 잘 붙잡습니다. 같은 가을 테마로 테스트해봤습니다. 노란 비옷을 입은 여성이 카페 테이블에 앉아 코코아를 들고 있고, 창문에는 손글씨 문구가 적힌 장면이었어요. 30초 조금 넘게 지나자 이미지가 나왔고, 유리창의 손글씨 헤드라인과 그 아래 작은 가격 문구까지, 깨진 글자 하나 없이 완성됐습니다. 뒤쪽에는 메뉴판도 알아서 추가했는데, 그것도 깔끔하게 나왔어요.

GPT Image 2.5, 36초. 유리창의 두 줄 모두 첫 시도에서 제대로 나왔습니다.

편집도 더 안정적입니다. 사진을 올리고 바꿀 부분을 말하면, 요청한 부분만 바꾸고 나머지를 다시 그려버릴 가능성이 줄었습니다.

가격은 그대로입니다. 표준 품질은 이미지 한 장에 10 media credits, 고품질은 50입니다. GPT Image 2를 선택해두셨다면 따로 할 일은 없습니다. 생성기가 자동으로 2.5로 전환됐어요. GPT Image 2.5 써보기.

먼저 이미지를 만들고, 그다음 영상으로

이번 테스트에서 가장 흥미로운 결과는 우연히 나왔습니다. GPT Image 2.5로 만든 그 카페 이미지를 Kling 3 Pro에 넣어 움직이게 해봤어요. 코코아에서 김이 올라오고, 유리창에는 빗방울이 흘러내리고, 여성이 미소를 지었습니다. 그런데 창문의 글자가 단 한 프레임에서도 뒤틀리지 않았어요. 보통 영상 모델에서 텍스트는 가장 먼저 망가지는 요소인데도요.

이미지는 GPT Image 2.5, 움직임은 Kling 3 Pro가 만들었습니다.

이 조합은 커버, 카드, SNS용 짧은 클립을 만들 때 꽤 믿을 만한 방식입니다. 먼저 GPT Image 2.5에서 완벽한 한 프레임을 그립니다. 저렴하고, 텍스트도 제대로 나오니까요. 그런 다음 Kling 3 Pro나 Wan 3.0으로 생동감을 더합니다. 전체 장면을 글로만 설명한 뒤 영상 모델이 알아서 올바르게 배치해주길 바라는 것보다 훨씬 예측 가능합니다.

한 가지 주의할 점이 있습니다. Seedance Pro는 실제 사람 사진을 애니메이션으로 만들지 않습니다. ByteDance가 이를 차단하기 때문입니다. 인물 사진이나 가족사진에는 Kling 3 Pro를 쓰세요. 첫 장면부터 마지막 장면까지 얼굴을 알아볼 수 있게 유지해줍니다.

어떤 모델을 고르면 좋을까요

짧게 말하면, 작업에 따라 다릅니다.

빠르고 저렴하게 — 아이디어를 테스트하거나, 스토리를 만들거나, 프롬프트 변형을 시험할 때는 H3 Max입니다. 시도 한 번에 약 10초, 200 credits 수준이에요.

일상적인 장면 속 실제 같은 인물 — 광고 느낌이 아닌 자연스러운 컷이라면 Wan 3.0입니다. 사운드가 포함되고, 가격은 중간대입니다.

내 사진에 생동감 더하기 — Kling 3 Pro입니다. 얼굴, 옷, 글자가 원본 사진처럼 유지됩니다.

영화 같은 클립과 영화급 사운드 — Veo 3.1, 초안용으로는 Veo 3.1 Fast입니다.

복잡한 움직임 — 춤, 스포츠, 물, 샷 전환처럼 까다로운 장면은 Seedance Pro입니다. 기다릴 수 있고 더 지불해도 괜찮다면요.

영상 생성기에서 바로 모델을 바꿀 수 있습니다. 예를 들어 H3 Max로 시작할 수 있어요. 영상과 이미지는 같은 media credits를 사용하고, 클립 가격은 시작하기 전에 표시됩니다.

한눈에 정리

ChatPlus에 새 영상 모델 두 가지가 추가됐습니다. H3 Max는 fal이 MiniMax H3를 가속한 버전입니다. 약 10초 만에 사운드가 포함된 클립을 만들고, 5초 기준 200 media credits, 해상도는 768p입니다. Alibaba의 Wan 3.0은 실제 같은 인물과 자연스러운 움직임을 제공합니다. 사운드가 가격에 포함되며, 5초 기준 250 credits입니다. 기본 이미지 모델은 이제 OpenAI의 GPT Image 2.5입니다. 텍스트와 편집이 더 깔끔해졌고, 가격은 10 credits와 50 credits로 그대로입니다. 하나의 프롬프트로 비교한 테스트에서 H3 Max는 가장 빨랐고, Veo 3.1은 가장 영화적이었으며, Seedance Pro는 움직임을 가장 세심하게 처리했습니다.