TL;DR
GPT-Image-2.5 hat keinen einzigen festen „Preis pro Bild“. OpenAI berechnet die API-Nutzung nach Tokens. Sowohl GPT-Image-2.5 Flare als auch GPT-Image-2.5 Sunburst verwenden dieselben offiziellen Token-Sätze: $5 pro Million Text-Eingabetokens, $8 pro Million Bild-Eingabetokens und $30 pro Million Bild-Ausgabetokens. Zwischengespeicherte Text- und Bildeingaben kosten jeweils $1.25 bzw. $2 pro Million Tokens.
Für ein 1024×1024-Bild deuten Beobachtungen mit Drittanbieter-Rechnern darauf hin, dass reine Ausgabegenerierung von etwa $0.006 bei niedriger Qualität bis etwa $0.211 bei max-Qualität reichen kann. High-Qualität liegt in diesem Planungsmodell bei rund $0.053. Die tatsächlichen Kosten hängen von Prompt-Tokens, Referenzbildern, Wiederholungen, Bearbeitungseingaben und der realen Ausgabetoken-Nutzung ab.
Key Takeaways
- OpenAI berechnet die GPT-Image-2.5 API nach Tokens statt mit einem universellen Fixpreis pro Bild.
- Flare und Sunburst haben dieselben Token-Sätze; Sunburst ist pro Token nicht teurer.
- Offizielle Sätze sind $5/M Textinput, $8/M Bildinput und $30/M Bildoutput.
- GPT-Image-2.5 führt die Qualitätsmodi low, medium, high, xhigh, max und auto ein.
- Eine Planungsabschätzung für ein 1024×1024-Bild liegt ungefähr bei $0.0059 auf low, $0.0527 auf high und $0.2107 auf max, vor Input-Tokenkosten.
- Flare ist die bessere Standardeinstellung für hohes Volumen und latenzkritische Generierung, während Sunburst sich auf präzise Bearbeitung und Premium-Creative-Workflows richtet.
- CometAPI wirbt mit 20% Rabatt auf seine GPT-Image-2.5-Modell-APIs, mit Schlagzeilenpreisen von $4/M Input und $24/M Output gegenüber den entsprechenden offiziellen $5/M und $30/M.
What Is GPT-Image-2.5 and What Are You Paying For?
OpenAI veröffentlichte ChatGPT Images 2.5 am 8. September 2026. Das Update konzentriert sich auf schärfere Details, natürlichere Beleuchtung und Texturen, stärkere Beibehaltung von Referenzmotiven, verlässlichere mehrstufige Bearbeitung und geringere Generierungslatenz. OpenAI sagt, die Generierungslatenz könne gegenüber Images 2.0 um bis zu 50% niedriger sein.
Die API-Familie hat zwei Varianten. GPT-Image-2.5 Flare ist für schnelle, hochwertige Alltagsgenerierung optimiert und OpenAIs empfohlener Standard für die meisten Anwendungen. GPT-Image-2.5 Sunburst betont Bearbeitungspräzision und Premium-Creative-Workflows, bei denen die Bewahrung eines bestehenden Motivs oder einer Komposition wichtiger ist als minimale Latenz.
| Specification | GPT-Image-2.5 Flare | GPT-Image-2.5 Sunburst |
|---|---|---|
| API model ID | gpt-image-2.5-flare | gpt-image-2.5-sunburst |
| Positioning | Schnelle Alltagsgenerierung | Präzisionsgenerierung und -bearbeitung |
| Input | Text und Bilder | Text und Bilder |
| Output | Bilder | Bilder |
| Image generation | Ja | Ja |
| Image editing | Ja | Ja |
| Quality settings | low, medium, high, xhigh, max, auto | low, medium, high, xhigh, max, auto |
| Recommended square size | 1024×1024 | 1024×1024 |
| Recommended landscape size | 1536×1024 | 1536×1024 |
| Recommended portrait size | 1024×1536 | 1024×1536 |
| Transparent output | PNG / WebP | PNG / WebP |
| Best fit | Hochvolumengenerierung, schnelle Iteration | Produktbilder, Kampagnenkreation, präzise Edits |
| Official image-output rate | $30/M tokens | $30/M tokens |
Die Kerndokumentation des Modells bestätigt, dass beide Varianten Text- und Bildeingaben akzeptieren und Bildausgaben erzeugen, während Function Calling, strukturierte Ausgaben und Fine-Tuning nicht Teil der Bildmodell-Schnittstelle sind.
Offizielles GPT-Image-2.5-Beispiel für präzises Editieren von OpenAI; das bearbeitete Porträt bewahrt Pose und Hintergrund, während die Kleidung des Kindes geändert wird.
GPT-Image-2.5 Flare is available as
gpt-image-2.5-flare, while its dated snapshot is
gpt-image-2.5-flare-2026-09-08. Sunburst similarly provides
gpt-image-2.5-sunburstand
gpt-image-2.5-sunburst-2026-09-08. Developers who require more predictable model behavior across deployments should consider whether pinning a dated snapshot is appropriate for their workflow.
How Much Does the GPT-Image-2.5 API Cost?
Der einfachste Weg, die GPT-Image-2.5-Preise zu verstehen, ist die Trennung von Eingangskosten und generierten Bildkosten.
OpenAIs offizielle Modelldokumentation gibt für Flare und Sunburst die folgenden Token-Sätze an.
| Token type | Standard price per 1M tokens | Cached price per 1M tokens |
|---|---|---|
| Text input | $5.00 | $1.25 |
| Image input | $8.00 | $2.00 |
| Image output | $30.00 | — |
| Text output | Not billed | — |
Die wichtigste Zahl für die meisten Text-zu-Bild-Workloads ist $30 pro Million Bild-Ausgabetokens. Ein kurzer Textprompt trägt im Normalfall relativ wenig im Vergleich zum generierten Bild selbst bei. Bearbeitungs-Workflows können mehr kosten, weil Referenzbilder ebenfalls Bild-Eingabetokens verbrauchen.
Total API cost = text-input cost + image-input cost + image-output cost.
Bei einem einfachen Text-zu-Bild-Aufruf ohne Referenzbild dominiert normalerweise die Bildausgabekomponente. Bei einem Bildbearbeitungs-Workflow mit mehreren hochauflösenden Referenzassets werden die Eingangskosten relevanter.
How Much Does One GPT-Image-2.5 Image Cost?
Hier wird die Preisgestaltung weniger geradlinig.
Sowohl die Flare-Dokumentation als auch die Sunburst-Dokumentation geben an, dass der GPT Image 2-Rechner den Tokenverbrauch von GPT Image 2.5 nicht schätzt. Separat hat APIdog am 9. September 2026 einen gemeinsamen GPT Image 2.5-Rechner-Eintrag mit geschätzten Ausgabetoken-Budgets für Flare und Sunburst aufgezeichnet. Diese Werte sind Budgetschätzungen und keine garantierten offiziellen Preise pro Bild.
| Quality | 1024×1024 output tokens | Estimated output cost | 1536×1024 output tokens | Estimated output cost |
|---|---|---|---|---|
| low | 196 | $0.00588 | 158 | $0.00474 |
| medium | 439 | $0.01317 | 343 | $0.01029 |
| high | 1,756 | $0.05268 | 1,372 | $0.04116 |
| xhigh | 3,122 | $0.09366 | 2,459 | $0.07377 |
| max | 7,024 | $0.21072 | 5,488 | $0.16464 |
Diese Zahlen decken nur die Bildausgabe ab. Ihre tatsächliche Anfrage kann außerdem Text-Eingabetokens, Bild-Eingabetokens, Wiederholungen, Varianten, Bearbeitungsschritte oder andere Nutzung enthalten.
Eine zutreffendere Aussage als „GPT-Image-2.5 kostet $0.053 pro Bild“ ist: Eine 1024×1024-Generierung in high-Qualität kann unter der beobachteten Tokenabschätzung mit rund $0.053 an Ausgabetokenkosten veranschlagt werden, vor Input- und Retry-Kosten.
Is GPT-Image-2.5 High Quality Four Times Cheaper Than GPT Image 2 High?
Auf den ersten Blick ja: Die Bezeichnungen lassen eine drastische Reduktion vermuten.
APIdogs aufgezeichnete Tokenbudgets zeigen GPT-Image-2.5 high bei etwa 1,756 Ausgabetokens, also ungefähr $0.05268 für ein 1024×1024-Bild. GPT Image 2 high lag für dieselbe Quadratgröße bei etwa $0.211.
Dies ist jedoch kein „Äpfel mit Äpfeln“-Vergleich im Sinne von „gleiche Qualität für ein Viertel des Preises“. Die Qualitätsleiter hat sich geändert.
| GPT-Image-2.5 setting | Approx. 1024×1024 output cost | Rough GPT Image 2 token-budget equivalent |
|---|---|---|
| low | $0.00588 | altes low |
| medium | $0.01317 | unter altem medium |
| high | $0.05268 | altes medium |
| xhigh | $0.09366 | zwischen altem medium und high |
| max | $0.21072 | altes high |
Entwickler, die eine bestehende Pipeline migrieren, sollten nicht einfach die high-Einstellung wiederverwenden und daraus schließen, dass das neue Modell viermal günstiger ist. Wenn das Ziel ungefähr dasselbe Ausgabetoken-Budget wie die vorherige GPT Image 2-Einstellung high ist, ist max bei GPT-Image-2.5 die passendere Entsprechung, nicht high.
Does GPT-Image-2.5 Sunburst Cost More Than Flare?
Nein — nicht pro Token. Beide Varianten verwenden dieselbe offizielle Preistafel. Sunburst hat keinen höheren $/Token-Satz, nur weil es als präziseres Modell positioniert ist.
| Cost factor | Flare | Sunburst |
|---|---|---|
| Text input | $5/M | $5/M |
| Cached text input | $1.25/M | $1.25/M |
| Image input | $8/M | $8/M |
| Cached image input | $2/M | $2/M |
| Image output | $30/M | $30/M |
| Primary trade-off | Geringere Latenz | Mehr Bearbeitungspräzision |
Der Unterschied betrifft hauptsächlich Zeit und Workflow-Passung, nicht den Tokenpreis. OpenAI positioniert Flare als Standard für die meisten Anwendungen und sagt, es liefere höherwertige Bilder als GPT Image 2 bei bis zu 50% geringerer Latenz. Sunburst ist für kontrolliertere Bearbeitung und produktionsreife Visuals gedacht und kann länger für die Generierung benötigen.
Wenn Sunburst in einem Versuch ein verwendbares Kampagnenasset erzeugt, während Flare zwei oder drei Versuche braucht, kann Sunburst tatsächlich die niedrigeren Kosten pro akzeptiertem Bild haben, trotz des gleichen nominellen Tokenpreises.
How Good Is GPT-Image-2.5 for Its Price?
Preis zählt nur, wenn die Ausgabequalität konkurrenzfähig ist.
Das aktuelle Arena-Menschpräferenz-Leaderboard platziert beide GPT-Image-2.5-Varianten vor GPT Image 2 in Text-zu-Bild-Generierung und Einzelbildbearbeitung. Dies sind Drittanbieter-Präferenzwerte und keine von OpenAI kontrollierten Qualitätsbenchmarks, und die GPT-Image-2.5-Ergebnisse sind als vorläufig markiert.
| Model | Text-to-Image Arena score | Single-Image Edit score |
|---|---|---|
| GPT-Image-2.5 Sunburst | 1421 ± 13 | 1520 ± 9 |
| GPT-Image-2.5 Flare | 1399 ± 13 | 1491 ± 9 |
| GPT Image 2 (medium) | 1381 ± 4 | 1461 ± 3 |
| Grok Imagine Image 2.0 (low) | 1315 ± 12 | 1439 ± 8 |
Der Benchmark umfasst auch die Grok Imagine Image 2.0 API in CometAPI.
Das bemerkenswerteste Ergebnis ist der Editier-Score. Sunburst liegt beim Single-Image-Edit-Leaderboard um etwa 29 Punkte vor Flare, während beide vor GPT Image 2 bleiben. Das deckt sich mit OpenAIs Positionierung von Sunburst als präzisionsorientierte Option. Zum Image-Edit-Leaderboard.
OpenAIs eigene Evaluationsmaterialien sind stärker auf Sicherheit als auf ästhetische Präferenz fokussiert. Im Systemkartenbericht meldet das Unternehmen endgültige Raten präsentierter unsicherer Generierungen von 1.09% für Sunburst, 1.41% für Flare und 1.64% für die Images-2.0-Baseline auf seinem adversarialen Sicherheitsevaluations-Set. Dies sind Sicherheitsmessungen, keine Bildqualitätswerte.
What Does GPT-Image-2.5 Cost in CometAPI?
Für Entwickler, die das Modell über ein Multi-Model-API-Gateway möchten, sind beide Varianten über CometAPI verfügbar. Die GPT-Image-2.5 Flare API in CometAPI zeigt $4 pro Million Input-Tokens und $24 pro Million Output-Tokens, verglichen mit den entsprechenden offiziellen Listenpreisen von $5/M bzw. $30/M, was einem Rabatt von 20% entspricht. Die GPT-Image-2.5 Sunburst API in CometAPI veröffentlicht denselben Headline-Vergleich.
| Pricing route | Input headline | Image-output headline | Discount shown |
|---|---|---|---|
| OpenAI official | $5/M text input | $30/M image output | — |
| CometAPI | $4/M input | $24/M output | 20% |
Preisdetail zur Verifizierung vor der Produktionsplanung: OpenAI unterscheidet Textinput mit $5/M von Bildinput mit $8/M, während CometAPI die Preise mit einem allgemeinen Input/Output-Paar zusammenfasst. Workflows mit vielen Referenzbildern sollten das Live-Abrechnungsdashboard prüfen, bevor angenommen wird, dass jedes Bild-Eingabetoken den angezeigten Input-Satz erhält.
| Quality | Approx. OpenAI output cost | Approx. CometAPI output cost |
|---|---|---|
| low | $0.00588 | $0.00470 |
| medium | $0.01317 | $0.01054 |
| high | $0.05268 | $0.04214 |
| xhigh | $0.09366 | $0.07493 |
| max | $0.21072 | $0.16858 |
Auch dies sind geschätzte Ausgabekosten, nicht allumfassende Anfragepreise.
How Much Would 10,000 GPT-Image-2.5 Images Cost?
In der Großvolumen-Betrachtung wird der Unterschied deutlicher. Angenommen, eine Content-Plattform generiert 10,000 quadratische Bilder und jede Ausgabe verbraucht ungefähr das beobachtete Tokenbudget für ihre gewählte Qualitätsstufe.
| Quality | Approx. OpenAI output spend for 10,000 images | Approx. CometAPI output spend |
|---|---|---|
| low | $58.80 | $47.04 |
| medium | $131.70 | $105.36 |
| high | $526.80 | $421.44 |
| xhigh | $936.60 | $749.28 |
| max | $2,107.20 | $1,685.76 |
Die Tabelle ist nützlich für Infrastruktur-Budgetierung, aber ein echtes Produktionsteam sollte etwas Sinnvolleres als Kosten pro generiertem Bild verfolgen: Kosten pro akzeptiertem Bild.
Unter Verwendung der high-Qualitätsabschätzung 1024×1024 aus der Tabelle kosten zehn Generierungen etwa $0.5268 an Ausgabetokens. Wenn sechs akzeptiert werden, liegen die effektiven Ausgabetokenkosten bei $0.5268 ÷ 6 = $0.0878 pro akzeptiertem Asset.
Ein leistungsfähigeres Modell, das Wiederholungen reduziert, kann wirtschaftlich also besser sein, selbst wenn eine einzelne Anfrage etwas mehr Tokens verbraucht.
Which GPT-Image-2.5 Quality Setting Gives the Best Value?
Für die meisten Produktionsanwendungen ist high ein sinnvoller Ausgangspunkt statt max. low eignet sich am besten für Vorschauen und günstiges Experimentieren. medium funktioniert gut, wenn viele Konzepte generiert werden, die später gefiltert werden. high bietet ein stärkeres Produktionsqualitäts-Gleichgewicht und bleibt dabei deutlich unter dem maximalen Tokenbudget. xhigh wird attraktiv, wenn Assets zusätzlichen Feinschliff brauchen, aber nicht das volle max-Budget rechtfertigen. max sollte im Allgemeinen finalen Assets vorbehalten bleiben, bei denen die Wiedergabetreue wichtiger ist als die Generierungskosten.
Der zugrunde liegende wirtschaftliche Vorteil der sechsstufigen Leiter ist, dass Sie nicht in jeder Phase eines kreativen Workflows Maximalqualitäts-Preise zahlen müssen. Eine praktikable Pipeline kann Konzepte auf medium erzeugen, Kandidaten auswählen, die verbleibenden auf high verfeinern und nur die finalen Hero-Assets auf xhigh oder max erzeugen.
How Can You Calculate GPT-Image-2.5 Cost From API Usage?
Am sichersten ist es, die tatsächliche Tokennutzung aufzuzeichnen, statt dauerhaft auf eine statische Pro-Bild-Tabelle zu vertrauen. Für OpenAIs offizielle Sätze ist die Berechnung unkompliziert:
Schätzen Sie jede Anfrage in Worten: multiplizieren Sie Text-Eingabetokens mit $5 pro Million, Bild-Eingabetokens mit $8 pro Million und Bild-Ausgabetokens mit $30 pro Million, und addieren Sie die drei Beträge. Beispiel: 120 Text-Eingabetokens plus 1,756 Bild-Ausgabetokens kosten etwa $0.0006 + $0.05268 = $0.05328 vor etwaigen Bild-Eingabekosten. Für Bearbeitungsanfragen fügen Sie die vom API gemeldeten Bild-Eingabetokens hinzu, insbesondere wenn mehrere Referenzbilder verwendet werden.
Bei einer einfachen Generierung mit 120 Text-Eingabetokens und 1,756 Bild-Ausgabetokens beträgt der Output-Anteil etwa $0.05268, während der kurze Textprompt nur einen sehr kleinen Betrag hinzufügt. Für Bearbeitungen fügen Sie die Bild-Eingabetokens hinzu, die Ihre tatsächliche Anfrage zurückmeldet. Das ist besonders wichtig, wenn mehrere Referenzbilder verwendet werden.
Is GPT-Image-2.5 Worth the Price?
Für die meisten neuen OpenAI-Bildintegrationen ist Flare der naheliegende Ausgangspunkt. Es teilt sich denselben Token-Satz wie GPT Image 2, während OpenAI höhere Bildqualität und bis zu 50% geringere Latenz berichtet. Die erweiterte Qualitätsleiter ermöglicht es Entwicklern außerdem, weniger für Entwürfe auszugeben, ohne auf die Option eines deutlich größeren Tokenbudgets für finale Bilder zu verzichten.
Sunburst ergibt mehr Sinn, wenn fehlgeschlagene Edits teuer sind. E‑Commerce-Fotografie, Markenkampagnen, wiederholte Bildrevisionen, Subjekt-Erhaltungs-Workflows und andere Produktions-Creatives können längere Generierungszeit rechtfertigen, weil das eigentliche Ziel nicht minimale Anforderungskosten sind — sondern minimale Kosten pro freigegebenem Asset.
Für preissensitive Hochvolumen-Workloads ist die stärkste Strategie daher nicht „immer die günstigste Qualität verwenden“. Es ist eine intelligente Aufgabenverteilung: Flare für Generierung und Exploration, Sunburst dort, wo Bearbeitungspräzision Nacharbeit materiell reduziert, und höhere Qualitätsstufen erst, nachdem ein Asset sich das zusätzliche Tokenbudget „verdient“ hat.
FAQ
Sind bei einem ChatGPT-Abonnement GPT-Image-2.5 API-Guthaben enthalten?
Nein. ChatGPT-Zugang und Entwickler-API-Abrechnung sind getrennt. Die API-Nutzung wird dem API-Konto entsprechend den verarbeiteten Tokens berechnet.
Welche Nutzungsdaten sollte ein Team für Kostenprüfungen aufbewahren?
Speichern Sie Modell, Qualitätsstufe, Bildabmessungen, Text-Eingabetokens, Bild-Eingabetokens, Bild-Ausgabetokens, Wiederholungsanzahl und ob das Ergebnis akzeptiert wurde. Diese Felder ermöglichen die Abstimmung von Rechnungen und die Berechnung der Kosten pro akzeptiertem Asset.
Wie sollten Teams die Produktionskosten vor dem Skalieren abschätzen?
Führen Sie einen repräsentativen Batch in der vorgesehenen Qualität und Größe aus, zeichnen Sie die tatsächliche Tokennutzung auf und teilen Sie die Gesamtkosten des Batches durch die Anzahl der akzeptierten Assets. So werden Wiederholungen und Ablehnungsraten erfasst, die eine statische Pro-Bild-Schätzung nicht abbilden kann.