---
title: "비전-언어 모델(VLM)이란? API로 호출하는 방법 | BroadRouter"
description: "비전-언어 모델은 이미지와 텍스트를 함께 읽고 텍스트로 답합니다. OpenAI 호환 API로 이미지를 보내는 방법, 비용, 주요 활용 사례를 정리했습니다."
url: https://broadrouter.com/ko/glossary/vision-language-model/
lang: ko
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

이 페이지는 영어 원문을 AI의 도움을 받아 번역했습니다. [영어 원문 읽기](https://broadrouter.com/glossary/vision-language-model/) (2026-11-14 업데이트).

# 비전-언어 모델(VLM)

업데이트 2026-11-14

비전-언어 모델(VLM)은 이미지와 텍스트를 함께 입력받아 텍스트를 출력하는 모델입니다. 그래서 그림을 설명하고, 그림에 관한 질문에 답하고, 문서, 차트, 스크린샷을 읽을 수 있습니다. VLM은 image-text-to-text 모델 또는 멀티모달 모델이라고도 합니다.

다른 이름: 비전-언어 모델, 비전 언어 모델, 시각-언어 모델, 비전 모델, 멀티모달 LLM, 이미지 인식 API, VLM, vision-language model, vision model, multimodal LLM, image-text-to-text model, vision API

비전-언어 모델을 쓰면 텍스트에 질문하듯 이미지에 대해 질문할 수 있습니다.

## 작동 방식

Hugging Face는 이 모델들을 간단히 이렇게 설명합니다. “take in an image and text prompt and output text.”(번역: 이미지와 텍스트 프롬프트를 받아 텍스트를 출력한다) 이미지-텍스트 쌍으로 학습하기 때문에, 눈에 보이는 것과 언어를 연결하는 법을 익힙니다.

OpenAI 호환 API에서는 이미지가 메시지 안에 콘텐츠 파트로 들어갑니다. 공개 URL이나 base64 데이터 URL을 쓸 수 있습니다.

```python
import base64, os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
b64 = base64.b64encode(open("receipt.jpg", "rb").read()).decode()

reply = client.chat.completions.create(
    model="broadnet/qwen3.8-27b",
    max_tokens=2000,
    messages=[{"role": "user", "content": [
        {"type": "text", "text": "Return the vendor and total as JSON."},
        {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{b64}"}},
    ]}],
)
print(reply.choices[0].message.content)
```

모델은 이미지를 입력 [토큰](https://broadrouter.com/ko/glossary/token/)으로 바꾸고, 텍스트와 함께 읽은 뒤 답을 작성합니다.

## 왜 중요한가

-   **문서.** 청구서, 영수증, 양식, 신분증을 모델에 바로 넘길 수 있고, 필드를 JSON으로 돌려받기 위해 [구조화된 출력](https://broadrouter.com/ko/glossary/structured-output/)과 함께 쓰는 경우가 많습니다.
-   **화면과 차트.** 에이전트는 스크린샷과 대시보드를 읽을 수 있고, 고객 지원 도구는 사용자가 보낸 사진을 읽을 수 있습니다.
-   **비용과 한도.** 이미지마다 입력 토큰이 늘고 [컨텍스트 윈도우](https://broadrouter.com/ko/glossary/context-window/)의 일부를 차지합니다. 한 요청에 이미지를 여러 장 넣으면 금세 불어납니다.

결과는 반드시 확인하세요. VLM은 작거나 흐릿한 글자를 잘못 읽을 수 있고, 틀린 숫자를 자신 있게 말하기도 합니다. 돈이 오가는 작업이라면 합계를 코드로 검증하세요.

## BroadNet Inference에서는

이미지를 받는 채팅 모델은 세 가지입니다.

| 모델 | 입력 | 컨텍스트 |
| --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/ko/models/deepseek-v4.1-flash/) | 텍스트와 이미지 | 1,048,576 토큰 |
| [Qwen3.8 27B](https://broadrouter.com/ko/models/qwen3.8-27b/) | 텍스트와 이미지 | 262,144 토큰 |
| [BroadNet Gemma 4 VL 26B](https://broadrouter.com/ko/models/gemma-4-vl-26b/) | 텍스트와 이미지 | 32,768 토큰 |

GLM 5.3은 텍스트 전용입니다. BroadNet Gemma 4 VL 26B는 입력 100만 토큰당 $0.10 요금이며, 무료 초기 크레딧($5)으로도 쓸 수 있습니다. Qwen3.8 27B는 BroadNet이 아랍어로 테스트했고 구조화된 출력도 지원합니다. 종량제에서는 이미지가 입력 토큰으로 계산되며, 이미지가 클수록 토큰을 더 씁니다.

[아랍어 청구서 가이드](https://broadrouter.com/ko/guides/read-arabic-invoices-with-vision/)에서 추출 전체 과정을 단계별로 볼 수 있습니다. 데이터 URL의 MIME 타입은 정확하게 지정하고, 추론 모델에서는 `max_tokens`에 여유를 두세요.

## 자주 묻는 질문

### 비전-언어 모델과 OCR은 같은 건가요?

아닙니다. OCR은 이미지 속 인쇄된 텍스트를 문자로 바꿉니다. VLM도 텍스트를 읽을 수 있지만 레이아웃과 내용까지 이해하므로, 어느 줄이 합계인지, 차트가 무엇을 보여 주는지 같은 질문에도 답할 수 있습니다.

### 이미지도 토큰으로 과금되나요?

네. 이미지는 입력 토큰으로 변환됩니다. 이미지가 클수록 보통 토큰을 더 쓰므로, 필요한 디테일이 유지되는 가장 작은 크기로 줄여서 보내세요.

### 이미지를 받는 BroadNet 모델은 무엇인가요?

DeepSeek V4.1 Flash, Qwen3.8 27B, BroadNet Gemma 4 VL 26B가 텍스트와 이미지 입력을 받습니다. GLM 5.3은 텍스트 전용입니다.

## 함께 보기

-   [구조화된 출력(Structured output)](https://broadrouter.com/ko/glossary/structured-output/) (용어)
-   [토큰(token)](https://broadrouter.com/ko/glossary/token/) (용어)
-   [오픈 웨이트 모델(open-weight model)](https://broadrouter.com/ko/glossary/open-weight-model/) (용어)
-   [컨텍스트 윈도우(context window)](https://broadrouter.com/ko/glossary/context-window/) (용어)
-   [멀티모달 AI(multimodal AI)](https://broadrouter.com/ko/glossary/multimodal/) (용어)
-   [광학 문자 인식(OCR)](https://broadrouter.com/ko/glossary/ocr/) (용어)
-   [이미지 토큰(image tokens)](https://broadrouter.com/ko/glossary/image-tokens/) (용어)
-   [비전 모델로 아랍어 인보이스와 영수증 읽기](https://broadrouter.com/ko/guides/read-arabic-invoices-with-vision/) (가이드)
-   [BroadNet Inference에서 OpenAI Python SDK 사용하기](https://broadrouter.com/ko/guides/openai-python-sdk/) (가이드)
-   [아랍어용 LLM API 선택: 무엇을 테스트해야 하나](https://broadrouter.com/ko/blog/choosing-an-llm-for-arabic/) (글)

실제 워크로드로 테스트해 보세요. 신규 계정에는 US$5 상당의 초기 크레딧이 제공되며 Gemma 및 음성 전사에 사용할 수 있습니다. DeepSeek, GLM 및 Qwen3.8 모델은 충전이 필요합니다.

[시작하기](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-glossary-vision-language-model&utm_content=page-cta) ·

**출처**

-   [Hugging Face Tasks, image-text-to-text(비전-언어 모델)](https://huggingface.co/tasks/image-text-to-text)
-   [OpenAI API 레퍼런스, chat completion 생성(이미지 콘텐츠 파트)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [BroadNet Inference API 레퍼런스, 모델 (영어)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-glossary-vision-language-model&utm_content=sources#models)
