TL;DR
GPT-Image-2.5 er OpenAIs nyeste generation af teknologi til billedskabelse og -redigering, lanceret den 8. september 2026 som efterfølger til ChatGPT Images 2.0 og GPT-Image-2 API-generationen.
For udviklere fås GPT-Image-2.5 som to modeller: Flare og Sunburst. Flare er designet som standardvalget til de fleste produktionsapplikationer og kombinerer højere billedkvalitet med væsentligt hurtigere generering. Sunburst er målrettet arbejdsgange, hvor redigeringspræcision og endelig billedtroskab vægtes højere end latens.
Opgraderingen handler ikke kun om skarpere billeder. GPT-Image-2.5 forbedrer bevarelse af referencebilleder, lokaliserede redigeringer, konsistens på tværs af flere redigeringsomgange, visuel realisme, efterlevelse af instruktioner, generering med transparent baggrund og højopløst output. OpenAI oplyser, at billedgenereringslatensen er reduceret med op til 50% sammenlignet med Images 2.0.
Tidlige human-preference-benchmarks er også stærke. I Arena-snapshot’et den 9. september rangerede Sunburst som nr. 1 for tekst-til-billede med 1421 ± 13 Elo, mens Flare var nr. 2 med 1399 ± 13, foran Image 2 med 1381 ± 4.
Udviklere kan få adgang til begge varianter via CometAPI: GPT-Image-2.5 Flare bruger gpt-image-2.5-flare til hurtigere, højvolumen-arbejde, mens GPT-Image-2.5 Sunburst bruger gpt-image-2.5-sunburst, når redigeringspræcision og endelig billedtroskab er vigtigst. Begge kan anvendes via de velkendte /v1/images/generations og /v1/images/edits ruter; transparent output bør bruge PNG eller WebP.
Nøglepointer
- GPT-Image-2.5 er en opgradering på generationsniveau, ikke blot en mindre billedkvalitetsforbedring.
- Udviklere får to varianter: Flare for hastighed og skala, og Sunburst for maksimal redigeringspræcision.
- Ifølge OpenAI leverer Flare højere kvalitet end Image 2 med 50% lavere latens.
- Begge varianter understøtter kvalitetstilstandene low, medium, high, xhigh, max og auto.
- Brugerdefinerede outputdimensioner kan nå 4K-klasse pixelantal, med individuelle kanter op til 3840 pixels.
- Nuværende Arena-resultater placerer Sunburst og Flare over Image 2 i både tekst-til-billede og enkeltbillede-redigering.
- Begge modeller bruger de samme officielle tokensatser: $5/M tekstinput-tokens, $8/M billedinput-tokens og $30/M billedoutput-tokens.
- Flare-API’en i CometAPI tilbyder aktuelt en lavere overordnet input/output-pris for udviklere, der bygger produktionsarbejdsgange til billeder.
Hvad er GPT-Image-2.5?
GPT-Image-2.5 er OpenAIs seneste familie af modeller til billedgenerering og billedredigering. I ChatGPT optræder teknologien som ChatGPT Images 2.5. På API-laget kan udviklere vælge mellem to distinkte modeller:
- gpt-image-2.5-flare
- gpt-image-2.5-sunburst
Denne sondring er vigtig, fordi “GPT-Image-2.5” bedst forstås som en modelgeneration eller familie frem for et enkelt API-model-ID.
GPT-Image-2.5 bygger videre på kapabiliteterne i Image 2 API i CometAPI og fokuserer langt mere på arbejdsgangen omkring billedskabelse. I stedet for at betragte hver generering som et stort set uafhængigt resultat, er den nye generation designet til at bevare motiver, kompositioner, stilarter og tidligere redigeringer, efterhånden som brugere itererer.
OpenAI fremhæver forbedringer i fidelitet til referencebilleder og præcis redigering, samt konsistens på tværs af flere redigeringsomgange, rigere teksturer og naturlig belysning. Det gør GPT Image 2.5 særligt relevant til kommercielt kreativt arbejde, hvor en enkelt forespurgt redigering ikke bør rekonstruere resten af asset’et uforudsigeligt.
En vigtig ændring er introduktionen af xhigh og max. Tidligere GPT Image-modeller understøttede kun kvalitet indtil high; GPT-Image-2.5 giver derfor udviklere mere kontrol over kompromiset mellem latens og troskab. Modellerne understøtter også brugerdefinerede dimensioner op til 8.294.400 samlede pixels, selvom OpenAI markerer opløsninger over 2560×1440 som eksperimentelle. Bredde og højde skal være multipla af 16.
Flare vs Sunburst
Flare og Sunburst deler de samme kernekapabiliteter i GPT-Image-2.5, men optimerer forskellige produktionshensyn.
| Beslutningsfaktor | Flare | Sunburst |
|---|---|---|
| Primært mål | Hurtig, højkvalitets generering i skala | Maksimal genererings- og redigeringspræcision |
| Relativ latens | Hurtigere; foretrukket til interaktive workflows | Langsommere; prioriterer troskab og kontrol |
| Bedste workloads | Sociale assets, prototyper, visuel søgning, højvolumen-apps | Kampagnekreativer, produktheltebilleder, svære lokaliserede edits |
| Redigeringsadfærd | Stærk referencefidelitet og konsistens over flere omgange | Stærkest valg når præcis detaljebevarelse er afgørende |
| Anbefalet routing | Standardmodel til rutineforespørgsler | Præcisionstier til krævende genereringer og endelige redigeringer |
For de fleste applikationer: start med Flare og diriger svære endelige redigeringer til Sunburst. Det bevarer responsivitet uden at opgive den mere præcise mulighed.
Hvad er nyt i GPT-Image-2.5?
Bedre fidelitet til referencebilleder
En af de vigtigste forbedringer i GPT-Image-2.5 er, hvor trofast den bevarer et kildebillede. Referencebaseret generering har traditionelt indebåret et ubehageligt kompromis: jo mere aggressivt en model transformerer et billede, desto større er sandsynligheden for, at den ændrer identitet, proportioner, produkter, baggrunde eller små visuelle karakteristika, som burde forblive uændrede.
GPT-Image-2.5 er designet til at bevare flere af disse detaljer. OpenAI oplyser, at motiver bør forblive mere genkendelige, mens belysning, miljøer, tøj, komposition eller stil transformeres. Det er vigtigt for produkt-baggrundsudskiftning, kampagnevariationer omkring samme karakter, tøjskift, der bevarer positur og identitet, og alternative kompositioner bygget fra samme kildeasset.
OpenAIs officielle “Remixed baby portrait”-eksempel viser en kildebevidst redigering, der ændrer outfittet og samtidig bevarer positur og den blå studie-baggrund.
Officielt inputbillede fra OpenAI.
Officielt redigeret output fra OpenAI.
Mere præcis billedredigering
En anden stor opgradering er redigeringslokalisering. Hvis et produktfoto indeholder en flaske, baggrund, overskrift, logo, skygger og supplerende props, bør en nyttig billededitor kunne udskifte kun overskriften uden uventet at ændre flaskens form, kameravinkel eller belysning. GPT-Image-2.5 er bedre til at skelne mellem, hvad der skal ændres, og hvad der skal forblive fast.
Mere pålidelig redigering over flere omgange
Den reelle værdi af billedredigering viser sig ofte efter den første redigering. Et typisk kreativt arbejdsflow kan generere en produktscene, ændre baggrunden, flytte produktet, udskifte overskriften, tilføje et kampagnemærke, justere belysningen og til sidst eksportere en transparent version.
Med svagere billedmodeller kan hvert efterfølgende trin gradvist forringe detaljer, der blev etableret tidligere i arbejdsgangen. GPT-Image-2.5 er specifikt designet til at gøre tidligere ændringer mere vedvarende på tværs af flere redigeringsomgange, hvilket bringer billedgenerering tættere på en interaktiv redigeringsproces frem for en sekvens af uvedkommende genereringer.
Mere naturlig belysning og tekstur
GPT-Image-2.5 adresserer også visuelle artefakter, der gør AI-genererede fotografier let genkendelige. OpenAI rapporterer forbedringer i naturlig belysning og rigere materialeteksturer. I praksis kan disse ændringer være vigtige for hud, stof, glas, metal, emballage, møbler, madfotografi og realistiske miljøscener.
Bedre efterlevelse af komplekse instruktioner
Moderne billedgenereringsprompter minder i stigende grad om designbriefs. En bruger kan angive flere objekter, præcise placeringer, en overskrift, produktemballage, kameraperspektiv, brandfarver, belysning, relationer mellem forgrund og baggrund, transparente områder og udelukkelser. GPT-Image-2.5 forbedrer sin evne til at omsætte disse strukturerede anmodninger til et sammenhængende billede.
Transparente baggrunde og fleksibelt output
Begge GPT-Image-2.5 API-modeller understøtter transparente baggrunde, når outputformatet er PNG eller WebP.
background="transparent"
output_format="png"
Den officielle specifikation for billedgenerering tillader også vilkårlige gyldige WIDTHxHEIGHT-dimensioner frem for kun at tvinge udviklere ind i få faste billedformater. Dette er nyttigt til e-handelsassets, overlays, præsentationsgrafik, UI-komponenter, klistermærker, isolerede objekter, thumbnails og annoncekreativer.
GPT-Image-2.5 benchmark-ydeevne
Billedgenererings-benchmarks kræver omhyggelig fortolkning. Der findes ikke ét enkelt mål, svarende til et sprogmodel-matematikbenchmark, der samtidig fanger æstetik, promptoverholdelse, redigeringspræcision, visuel realisme, tekstrendering og referencefidelitet. For GPT-Image-2.5 er tre typer kvantitativ evidens aktuelt nyttige: Arena-resultater for menneskelig præference, OpenAIs latensmålinger og OpenAIs evalueringer af sikkerhedsstakken.
Arena-benchmark for tekst-til-billede
Arena evaluerer modeller via blind menneskelig præference: brugere modtager output fra to anonyme modeller til samme opgave og vælger det resultat, de foretrækker. Snapshot’et viser følgende:
Arena foreløbigt snapshot
| Model | Tekst-til-billede Elo | Placering | Stemmer |
|---|---|---|---|
| Sunburst | 1421 ± 13 | 1 | 3.149 |
| Flare | 1399 ± 13 | 2 | 2.856 |
| Image 2 (medium) | 1381 ± 4 | 3 | 78.731 |
| MAI Image 2.6 | 1331 ± 7 | 4 | 11.213 |
| Grok Imagine Image 2.0 (low) | 1315 ± 12 | 5 | 2.681 |
Billedredigerings-benchmark
Det samme mønster ses på Arenas rangliste for enkeltbillede-redigering.
| Model | Enkeltbillede-redigering Elo | Forskel vs Image 2 |
|---|---|---|
| Sunburst | 1520 ± 9 | +59 |
| Flare | 1491 ± 9 | +30 |
| Image 2 | 1461 ± 3 | Baseline |
| Grok Imagine Image 2.0 | 1439 ± 8 | -22 |
| MAI Image 2.6 | 1434 | -27 |
Sunbursts fordel er særligt tydelig i redigering: dets føring over Image 2 er større her end i tekst-til-billede-generering, hvilket stemmer overens med dets positionering som den præcisionsorienterede model.
Genereringslatens
OpenAI oplyser, at GPT-Image-2.5 reducerer genereringslatens med op til 50% i forhold til Images 2.0. For API’en specifikt positionerer OpenAI Flare som leverende højere billedkvalitet end Image 2 med 50% lavere latens. Sunburst er bevidst designet til at bytte mere genereringstid for yderligere præcision.
Sikkerhedsevaluering
OpenAI har også offentliggjort en kvantitativ sikkerhedsevaluering ved hjælp af kontrære prompts, der bevidst er designet til at anmode om politik-krænkende billeder.
| Model | Sikkert genereret | Usikkert blokeret | Usikkert præsenteret |
|---|---|---|---|
| Sunburst | 77,0% | 21,9% | 1,09% |
| Flare | 79,4% | 19,2% | 1,41% |
| ChatGPT Images 2.0 baseline | 75,2% | 23,1% | 1,64% |
Kilde: OpenAI Images 2.5 sikkerhedsevalueringer. Sammenlignet med baseline på 1,64% falder den endelige andel af usikre udfald med 0,55 procentpoint for Sunburst og 0,23 procentpoint for Flare.
Disse tal er resultater fra sikkerhedsstresstests, ikke generelle billedkvalitetsscorer eller estimater for normal brugertrafik.
Flare vs Sunburst vs Image 2
For de fleste udviklere er det mere nyttigt ikke at spørge, om GPT-Image-2.5 er bedre i abstrakt forstand, men hvilken model der giver mening for en bestemt workload.
| Dimension | Flare | Sunburst | Image 2 |
|---|---|---|---|
| Hovedmål | Hastighed + høj kvalitet | Maksimal præcision | Forrige generations generel billedmodel |
| Tekst-til-billede | Fremragende | Bedste aktuelle Arena-resultat | Fremragende |
| Billedredigering | Fremragende | Bedst af de tre | Stærk |
| Arena T2I Elo | 1399 ± 13 | 1421 ± 13 | 1381 ± 4 |
| Arena image-edit Elo | 1491 ± 9 | 1520 ± 9 | 1461 ± 3 |
| Relativ latens | Hurtigste valg | Langsommere | Baseline |
| Referencefidelitet | Forbedret | Forbedret / præcisionsfokuseret | Stærk |
| Redigering over flere omgange | Forbedret | Forbedret | Mindre optimeret |
| Kvalitetsindstillinger | Op til max | Op til max | Op til high |
| Brugerdefinerede dimensioner | Ja | Ja | Ja |
| 4K-klasse output | Ja | Ja | Ja |
| Transparente baggrunde | Ja | Ja | Ja |
| Bedste brug | Apps, sociale, prototyping, batchgenerering | Kampagner, polerede produkter, svære edits | Eksisterende integrationer |
| Anbefalet til nye API-projekter | Ja, standard | Ja, når præcision er vigtig | Primært til vedligehold af eksisterende |
Hvilken model vinder på kvalitet?
Det nuværende svar er Sunburst. Den fører i begge større Arena-billedkategorier og er eksplicit positioneret af OpenAI som deres mest kapable model til billedgenerering og -redigering.
Hvilken model vinder på hastighed?
Svaret er Flare. Kombinationen af høje præferencescorer og væsentligt reduceret latens gør den til det mest attraktive allround-valg i familien.
Koster Flare mindre end Sunburst?
Ikke på det offentliggjorte enhedsprisniveau.
Begge modeller bruger aktuelt de samme offentliggjorte tokenpriser. Flares økonomiske fordel kommer primært fra latens og workflow-gennemløb, ikke en lavere tokenpris.
Prissætning for GPT-Image-2.5
OpenAI anvender aktuelt de samme tokensatser på Flare og Sunburst:
| Tokentype | Flare | Sunburst |
|---|---|---|
| Tekstinput | $5 / 1M tokens | $5 / 1M tokens |
| Cachet tekstinput | $1,25 / 1M tokens | $1,25 / 1M tokens |
| Billedinput | $8 / 1M tokens | $8 / 1M tokens |
| Cachet billedinput | $2 / 1M tokens | $2 / 1M tokens |
| Billedoutput | $30 / 1M tokens | $30 / 1M tokens |
De officielle tokensatser skaber derfor ikke en simpel “Flare er billig, Sunburst er dyr” sondring. I stedet kommer den økonomiske forskel fra arbejdsgangsadfærd. En hurtigere model kan reducere sluttid for brugere, applikationens samtidighedskrav, forladte genereringsforsøg, iterativ designtid og infrastruktur, der er optaget af langvarige forespørgsler.
Omkostning for billedinput
Eksempel: Omkostning ved referencebilled-redigering: Samlede anmodningsomkostning = tekstinput-tokens × $5/M + billedinput-tokens × $8/M + billedoutput-tokens × $30/M
GPT-Image-2.5 Flare og Sunburst-priser i CometAPI
Aktuelt præsenterer CometAPI en 20% rabat i forhold til de tilsvarende officielle input/output-satser. Da OpenAI offentliggør samme enhedssatser for Flare og Sunburst, er den viste sammenligning den samme for begge varianter.
| Model | Model ID | CometAPI input | CometAPI output | Officiel input/output |
|---|---|---|---|---|
| Flare | gpt-image-2.5-flare | $4 / 1M tokens | $24 / 1M tokens | $5 / $30 per 1M tokens |
| Sunburst | gpt-image-2.5-sunburst | $4 / 1M tokens | $24 / 1M tokens | $5 / $30 per 1M tokens |
Dette er forenklede overordnede input/output-tal. OpenAI prissætter separat tekstinput, billedinput, cachede inputs og billedoutput, så referencebillede- og redigeringsworkloads bør budgetteres ud fra de tokenkategorier, som returneres af faktiske forespørgsler. Bekræft det aktuelle modelkatalog før produktionsimplementering, da udbyderpriser kan ændre sig.
Bedste anvendelsesområder for GPT-Image-2.5
Produktfotografering
Bevarelse af reference og målrettet redigering er særligt værdifuldt i e-handel. En sælger kan bevare det samme produkt, mens baggrunden, belysningen, sæsonopsætningen, kampagneteksten, skygger, komposition eller regional kampagnebehandling ændres.
Annoncering og kampagnekreativer
Sunburst er særligt attraktiv, når én master-kreativ skal have flere nøje kontrollerede variationer. Et marketingteam kan bevare produktet og brandkompositionen, mens en overskrift, baggrundsscene, kampagne, sprog eller visuel behandling ændres.
Socialt indhold i skala
Flares latensfordel gør den mere velegnet til generatorer af sociale billeder, skaberværktøjer, personlige thumbnails, memes, profilassets og automatiserede indholdspipelines, hvor gennemløb og iterationshastighed ofte vægter højere end de sidste få point i præference.
Visuel prototyping
Designere kan bruge GPT-Image-2.5 til hurtig udforskning af appskærme, websidekoncepter, emballage, interiører, produktkoncepter, præsentationsvisuelt og annonce-layouts.
Billedredigeringsprodukter
For applikationer, hvor brugere uploader deres egne fotos, kan forbedret bevarelse være vigtigere end ren tekst-til-billede-kvalitet. Eksempler omfatter tøjskift, interiørdesign, baggrundsudskiftning, produktretouchering, headshot-variationer og personaliserede kreative assets.
Transparente assets
Native output med transparent baggrund gør modellerne mere praktiske til isolerede produktobjekter, klistermærker, UI-grafik, præsentationsassets og compositing-pipelines.
Begrænsninger i GPT-Image-2.5
Tekst kan stadig fejle
Tekstrendering er forbedret markant på tværs af de seneste GPT Image-generationer, men genereret tekst bør stadig verificeres manuelt til højtprofilerede annoncer, emballage, menuer, juridisk tekst og UI-screenshots.
Præcis layoutkontrol er ikke garanteret
En naturlig sprog-instruktion som “placer logoet præcis 40 pixels fra øverste venstre hjørne” er ikke ækvivalent med en deterministisk designværktøjsbegrænsning. Pixelkritiske layouts håndteres bedst ved først at generere det visuelle asset og derefter komponere præcis tekst eller elementer programmatiske eller i et designværktøj.
Konsistens for figurer og brands kan stadig drive
Konsistens over flere omgange er forbedret, men ikke perfekt. Lange billedsekvenser, gentagen figurgenerering og store brandkampagner bør stadig inkludere kvalitetskontrol.
Meget høje opløsninger er eksperimentelle
Selvom API’en tillader op til 8.294.400 samlede pixels og en maksimal kant på 3840 pixels, er opløsninger over 2560×1440 aktuelt eksperimentelle. Produktionssystemer bør teste højopløst output i stedet for at antage, at alle 4K-konfigurationer opfører sig identisk.
Komplekse prompts kan stadig tage tid
Vanskelige anmodninger kan stadig kræve betydelig behandlingstid. Applikationer bør implementere korrekte loading-tilstande, timeouts, retries ved forbigående fejl og asynkron håndtering til batchpipelines.
Flare eller Sunburst: Hvad skal du vælge?
Valget kan forenkles til ét spørgsmål: Er hastighed eller præcision i den endelige redigering vigtigst for arbejdsgangen?
Vælg Flare, når du bygger:
- forbrugerorienterede billedapplikationer
- højvolumen-generering
- værktøjer til socialt indhold
- hurtige prototyper
- generering af resultater til visuel søgning
- produktoplevelser
- interaktive editorer, hvor brugere forventer hurtig feedback
Vælg Sunburst, når du skaber:
- produktionsklare kampagneassets
- premium produktbilleder
- krævende referencebilled-redigeringer
- svære, flertrins revisioner
- visualer, hvor bevarelse af præcise detaljer er vigtigere end svartid
For de fleste nye applikationer bør Flare være udgangspunktet. Sunburst bør behandles som en præcisionstier frem for det automatiske valg til alle forespørgsler. Et sofistikeret produktionssystem kan dirigere rutineforespørgsler til Flare og reservere Sunburst til redigeringer, der kræver højere præcision.
Hvorfor bruge GPT-Image-2.5 via CometAPI?
CometAPI kan forenkle en produktionsstak til billeder på måder, der rækker ud over den annoncerede prisforskel:
- One API: brug samme autentificering og de velkendte
/v1/images/generationsog/v1/images/editsruter til understøttede genererings- og redigeringsworkflows. - Modelskift: ændr model-feltet for at dirigere fra
gpt-image-2.5-flaretilgpt-image-2.5-sunburst, eller falde tilbage tilgpt-image-2, uden at genopbygge den omgivende applikationsintegration. - Forenet fakturering: konsolider forbrug og fakturering for understøttede modeller i stedet for at vedligeholde separate konti og fakturaer for hver rute.
- Multimodel-eksperimenter: kør kontrollerede sammenligninger med samme prompts, referencebilleder, dimensioner og kvalitetsindstillinger, og mål derefter latens, tokenforbrug, redigeringsnøjagtighed og andel af accepteret output.
- Omkostningsoptimering: brug som standard Flare til responsivt højvolumen-arbejde, eskaler præcisionsfølsomme redigeringer til Sunburst, og behold Image 2 hvor en eksisterende arbejdsgang har brug for dets modne adfærd. Kombinér routing med reelle forbrugsdata i stedet for at vælge udelukkende ud fra overskriftspriser på tokens.
Den praktiske fordel er operationel konsistens: teams kan teste og dirigere modeller inden for én integration, mens de vælger den kvalitet, latens og omkostningsprofil, der passer til hver forespørgsel.
Konklusion
GPT-Image-2.5 repræsenterer OpenAIs seneste skridt fra generativ billedskabelse mod en mere kontrollerbar billedredigeringsplatform. Flare er den mest bredt anvendelige version: den kombinerer den nye families kvalitets- og redigeringsforbedringer med markant reduceret latens, hvilket gør den velegnet til interaktive applikationer og højvolumen-produktion.
Sunburst går længere mod præcision. Nuværende Arena-resultater placerer den foran Flare og Image 2 i både tekst-til-billede-generering og enkeltbillede-redigering, hvilket gør den til et stærkere valg til krævende professionelle kreative workflows.
Den mest meningsfulde ændring er dog arbejdsgangens pålidelighed. Bedre motivbevarelse, målrettet redigering, konsistens over flere omgange, brugerdefineret højopløst output og generering med transparent baggrund gør GPT-Image-2.5 mere praktisk til reelle kreative pipelines frem for isolerede demoer for billedgenerering.
FAQ
Hvad er GPT-Image-2.5?
GPT-Image-2.5 er OpenAIs nyeste model-familie til billedgenerering og -redigering, udgivet i september 2026. I API’et er den opdelt i Flare og Sunburst.
Hvad er forskellen mellem ChatGPT Images 2.5 og GPT-Image-2.5?
ChatGPT Images 2.5 henviser til billedgenereringsoplevelsen integreret i ChatGPT. Udviklere får adgang til den nye generation via API-modeller inklusive gpt-image-2.5-flare og gpt-image-2.5-sunburst.
Hvad er GPT-Image-2.5 Flare?
GPT-Image-2.5 Flare er den hastighedsorienterede GPT-Image-2.5-variant og OpenAIs anbefalede standard for de fleste API-applikationer. Den fokuserer på høj billedkvalitet, billedredigering og markant lavere genereringslatens.
Hvad er GPT-Image-2.5 Sunburst?
GPT-Image-2.5 Sunburst er OpenAIs mest kapable GPT-Image-2.5-variant til generering og redigering. Den er tiltænkt arbejdsgange, hvor præcision og kontrol vægter højere end genereringshastighed.
Er GPT-Image-2.5 bedre end Image 2?
Nuværende evidens peger på ja. I Arena-snapshot’et den 9. september scorede Sunburst 1421 ± 13 og Flare 1399 ± 13 i tekst-til-billede, sammenlignet med 1381 ± 4 for Image 2. Enkeltbillede-redigering viser en endnu større fordel for de to nye modeller.
Er GPT-Image-2.5 hurtigere end Image 2?
Flare er. OpenAI oplyser, at Flare leverer højere billedkvalitet end Image 2 med 50% lavere latens. Sunburst accepterer bevidst længere genereringstid i bytte for strammere redigeringskontrol.
Understøtter GPT-Image-2.5 4K-billeder?
Ja. Begge API-varianter understøtter brugerdefinerede dimensioner med op til 8.294.400 samlede pixels og en individuel kant på op til 3840 pixels. OpenAI betragter aktuelt opløsninger over 2560×1440 som eksperimentelle.
Hvor meget koster GPT-Image-2.5?
OpenAI opkræver aktuelt for både Flare og Sunburst $5 per million tekstinput-tokens, $8 per million billedinput-tokens og $30 per million billedoutput-tokens. Satser for cachet input er lavere.
Skal jeg bruge Flare eller Sunburst?
Brug Flare til de fleste interaktive, højvolumen-, forbruger-, sociale og hurtige prototyping-arbejdsgange. Brug Sunburst, når maksimal redigeringspræcision og endelig visuel troskab er vigtigere end latens.