TL;DR
GPT-Image-2.5 n’a pas un « prix par image » unique et fixe. OpenAI facture l’utilisation de l’API en fonction des jetons. GPT-Image-2.5 Flare et GPT-Image-2.5 Sunburst appliquent les mêmes tarifs officiels : 5 $ par million de jetons d’entrée texte, 8 $ par million de jetons d’entrée image et 30 $ par million de jetons de sortie d’image. Les entrées texte et image mises en cache coûtent respectivement 1,25 $ et 2 $ par million de jetons.
Pour une image 1024×1024, des observations de calculateurs tiers suggèrent qu’une génération « sortie seule » peut varier d’environ 0,006 $ à faible qualité à environ 0,211 $ à qualité maximale. La haute qualité est autour de 0,053 $ dans ce modèle de planification. La facture réelle dépend des jetons de prompt, des images de référence, des reprises, des entrées d’édition et de l’usage réel de jetons de sortie.
Points clés
- OpenAI facture l’API GPT-Image-2.5 à la consommation de jetons plutôt qu’un prix fixe par image.
- Flare et Sunburst ont les mêmes tarifs par jeton ; Sunburst n’est pas plus cher par jeton.
- Les tarifs officiels sont 5 $/M pour l’entrée texte, 8 $/M pour l’entrée image et 30 $/M pour la sortie d’image.
- GPT-Image-2.5 introduit des modes de qualité low, medium, high, xhigh, max et auto.
- Une estimation de planification pour une image 1024×1024 est d’environ 0,0059 $ en low, 0,0527 $ en high et 0,2107 $ en max, avant les coûts de jetons d’entrée.
- Flare est le meilleur défaut pour la génération à grand volume et sensible à la latence, tandis que Sunburst vise l’édition de précision et les workflows créatifs premium.
- CometAPI annonce une remise de 20 % sur ses API de modèles GPT-Image-2.5, avec des prix affichés de 4 $/M en entrée et 24 $/M en sortie contre les 5 $/M et 30 $/M officiels correspondants.
Qu’est-ce que GPT-Image-2.5 et pour quoi payez-vous ?
OpenAI a publié ChatGPT Images 2.5 le 8 septembre 2026. La mise à jour se concentre sur des détails plus nets, une lumière et des textures plus naturelles, une meilleure préservation des sujets de référence, une édition multi-tours plus fiable et une latence de génération plus faible. OpenAI indique que la latence de génération peut être jusqu’à 50 % inférieure à Images 2.0.
La famille d’API comprend deux variantes. GPT-Image-2.5 Flare est optimisé pour une génération rapide et de haute qualité au quotidien et constitue le défaut recommandé par OpenAI pour la plupart des applications. GPT-Image-2.5 Sunburst met l’accent sur la précision de l’édition et les workflows créatifs premium où la préservation d’un sujet ou d’une composition existants importe davantage que la latence minimale.
| Spécification | GPT-Image-2.5 Flare | GPT-Image-2.5 Sunburst |
|---|---|---|
| ID du modèle API | gpt-image-2.5-flare | gpt-image-2.5-sunburst |
| Positionnement | Génération rapide au quotidien | Génération et édition de précision |
| Entrée | Texte et images | Texte et images |
| Sortie | Images | Images |
| Génération d’images | Oui | Oui |
| Édition d’images | Oui | Oui |
| Réglages de qualité | low, medium, high, xhigh, max, auto | low, medium, high, xhigh, max, auto |
| Taille carrée recommandée | 1024×1024 | 1024×1024 |
| Taille paysage recommandée | 1536×1024 | 1536×1024 |
| Taille portrait recommandée | 1024×1536 | 1024×1536 |
| Sortie transparente | PNG / WebP | PNG / WebP |
| Meilleure adéquation | Génération à fort volume, itération rapide | Visuels produits, créations de campagne, retouches précises |
| Tarif officiel de sortie d’image | $30/M jetons | $30/M jetons |
La documentation principale du modèle confirme que les deux variantes acceptent des entrées texte et image et produisent des sorties image, tandis que l’appel de fonctions, les sorties structurées et l’affinage ne font pas partie de l’interface des modèles d’image.
Exemple officiel d’édition de précision avec GPT-Image-2.5 ; le portrait édité conserve la pose et l’arrière-plan tout en changeant les vêtements de l’enfant.
GPT-Image-2.5 Flare est disponible en
gpt-image-2.5-flare, tandis que son snapshot daté est
gpt-image-2.5-flare-2026-09-08. Sunburst propose de manière similaire
gpt-image-2.5-sunburstet
gpt-image-2.5-sunburst-2026-09-08. Les développeurs qui exigent un comportement de modèle plus prévisible entre déploiements devraient envisager si l’épingle d’un snapshot daté convient à leur workflow.
Combien coûte l’API GPT-Image-2.5 ?
La manière la plus simple de comprendre la tarification de GPT-Image-2.5 est de séparer le coût d’entrée du coût de l’image générée.
La documentation officielle des modèles d’OpenAI donne les tarifs par jeton suivants pour Flare et Sunburst.
| Type de jeton | Prix standard par 1 M de jetons | Prix en cache par 1 M de jetons |
|---|---|---|
| Entrée texte | $5.00 | $1.25 |
| Entrée image | $8.00 | $2.00 |
| Sortie d’image | $30.00 | — |
| Sortie texte | Non facturé | — |
Le chiffre important pour la plupart des charges de travail texte-vers-image est 30 $ par million de jetons de sortie d’image. Un prompt texte court contribue généralement relativement peu par rapport à l’image générée elle-même. Les workflows d’édition peuvent coûter davantage car les images de référence consomment aussi des jetons d’entrée image.
Coût total de l’API = coût d’entrée texte + coût d’entrée image + coût de sortie d’image.
Pour un simple appel texte-vers-image sans image de référence, la composante de sortie d’image dominera généralement. Pour un workflow d’édition d’image avec plusieurs ressources de référence haute résolution, le coût d’entrée devient plus pertinent.
Combien coûte une image GPT-Image-2.5 ?
C’est là que la tarification devient moins directe.
La documentation Flare et la documentation Sunburst indiquent toutes deux que le calculateur GPT Image 2 n’estime pas la consommation de jetons de GPT Image 2.5. Par ailleurs, APIdog a enregistré le 9 septembre 2026 une entrée de calculateur partagée pour GPT Image 2.5 avec des budgets de jetons de sortie estimés pour Flare et Sunburst. Ces chiffres sont des estimations de budget plutôt que des prix officiels garantis par image.
| Qualité | Jetons de sortie 1024×1024 | Coût de sortie estimé | Jetons de sortie 1536×1024 | Coût de sortie estimé |
|---|---|---|---|---|
| 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 |
Ces chiffres couvrent uniquement la sortie image. Votre requête réelle peut aussi inclure des jetons d’entrée texte, des jetons d’entrée image, des reprises, des variations, des passes d’édition ou d’autres usages.
Une formulation plus précise que « GPT-Image-2.5 coûte 0,053 $ par image » est : une génération 1024×1024 de haute qualité peut être budgétée à environ 0,053 $ en coût de jetons de sortie selon l’estimation observée, avant les coûts d’entrée et de reprise.
La qualité « high » de GPT-Image-2.5 est-elle quatre fois moins chère que « high » de GPT Image 2 ?
À première vue, oui : les libellés suggèrent une réduction spectaculaire.
Les budgets de jetons enregistrés par APIdog montrent GPT-Image-2.5 en high autour de 1,756 jetons de sortie, soit environ 0,05268 $ pour une image 1024×1024. GPT Image 2 en high était autour de 0,211 $ pour le même format carré.
Cependant, ce n’est pas une comparaison « même qualité pour un quart du prix » à strictement parler. L’échelle de qualité a changé.
| Réglage GPT-Image-2.5 | Coût de sortie approx. 1024×1024 | Équivalent approximatif du budget de jetons GPT Image 2 |
|---|---|---|
| low | $0.00588 | ancien low |
| medium | $0.01317 | en dessous de l’ancien medium |
| high | $0.05268 | ancien medium |
| xhigh | $0.09366 | entre ancien medium et high |
| max | $0.21072 | ancien high |
Les développeurs migrant un pipeline existant ne devraient pas simplement réutiliser le réglage high et conclure que le nouveau modèle est quatre fois moins cher. Si l’objectif est un budget de jetons de sortie approximativement égal à l’ancien réglage high de GPT Image 2, le réglage GPT-Image-2.5 le plus proche est max, pas high.
GPT-Image-2.5 Sunburst coûte-t-il plus que Flare ?
Non — pas par jeton. Les deux variantes utilisent la même grille tarifaire officielle. Sunburst n’applique pas un tarif $/jeton plus élevé simplement parce qu’il est positionné comme le modèle à plus grande précision.
| Facteur de coût | Flare | Sunburst |
|---|---|---|
| Entrée texte | $5/M | $5/M |
| Entrée texte en cache | $1.25/M | $1.25/M |
| Entrée image | $8/M | $8/M |
| Entrée image en cache | $2/M | $2/M |
| Sortie d’image | $30/M | $30/M |
| Compromis principal | Latence plus faible | Plus de précision d’édition |
La différence tient principalement au temps et à l’adéquation au workflow, pas au prix par jeton. OpenAI positionne Flare comme le défaut pour la plupart des applications et affirme qu’il délivre des images de meilleure qualité que GPT Image 2 avec une latence jusqu’à 50 % plus faible. Sunburst est destiné à une édition plus contrôlée et un travail visuel de production, et peut prendre plus longtemps à générer.
Si Sunburst produit une ressource de campagne exploitable en une tentative alors que Flare nécessite deux ou trois reprises, Sunburst peut en fait avoir un coût inférieur par image acceptée, malgré le même prix nominal par jeton.
Quelle est la qualité de GPT-Image-2.5 pour son prix ?
Le prix importe seulement si la qualité de sortie est compétitive.
Le classement actuel Arena des préférences humaines place les deux variantes GPT-Image-2.5 devant GPT Image 2 en génération texte-vers-image et en édition sur une image. Il s’agit de scores de préférence tiers plutôt que de benchmarks de qualité contrôlés par OpenAI, et les résultats GPT-Image-2.5 sont indiqués comme préliminaires.
| Modèle | Score Arena texte-vers-image | Score d’édition d’image unique |
|---|---|---|
| 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 |
L’ensemble de benchmark inclut également l’API Grok Imagine Image 2.0 dans CometAPI.
Le résultat le plus notable est le score d’édition. Sunburst devance Flare d’environ 29 points sur le classement d’édition d’image unique, tandis que les deux restent devant GPT Image 2. Cela concorde avec le positionnement d’OpenAI de Sunburst comme option orientée précision. Voir le classement d’édition d’image.
Le matériel d’évaluation propre à OpenAI est davantage axé sur la sécurité que sur la préférence esthétique. Dans sa carte du système, l’entreprise indique des taux finaux de génération non sûre présentée de 1,09 % pour Sunburst, 1,41 % pour Flare et 1,64 % pour la référence Images 2.0 sur son ensemble d’évaluation de sécurité adversarial. Ce sont des mesures de sécurité, pas des scores de qualité d’image.
Quel est le coût de GPT-Image-2.5 dans CometAPI ?
Pour les développeurs souhaitant accéder au modèle via une passerelle API multi-modèles, les deux variantes sont disponibles via CometAPI. L’API GPT-Image-2.5 Flare dans CometAPI affiche 4 $ par million de jetons d’entrée et 24 $ par million de jetons de sortie, contre les 5 $/M et 30 $/M officiels correspondants, ce qui représente une remise de 20 %. L’API GPT-Image-2.5 Sunburst dans CometAPI publie la même comparaison de prix affichés.
| Voie de tarification | Tarif d’entrée affiché | Tarif de sortie d’image affiché | Remise affichée |
|---|---|---|---|
| OpenAI officiel | $5/M entrée texte | $30/M sortie d’image | — |
| CometAPI | $4/M entrée | $24/M sortie | 20% |
Détail de tarification à vérifier avant la budgétisation de production : OpenAI distingue l’entrée texte à 5 $/M de l’entrée image à 8 $/M, tandis que CometAPI résume la tarification avec une paire entrée/sortie générale. Les workflows riches en images de référence devraient confirmer le tableau de bord de facturation en direct avant de supposer que chaque jeton d’entrée image bénéficie du tarif d’entrée affiché.
| Qualité | Coût de sortie approx. OpenAI | Coût de sortie approx. CometAPI |
|---|---|---|
| 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 |
Encore une fois, il s’agit de coûts de sortie estimés, pas de prix de requête tout inclus.
Combien coûteraient 10,000 images GPT-Image-2.5 ?
La tarification à grand volume rend la différence plus visible. Supposons qu’une plateforme de contenu génère 10,000 images carrées et que chaque sortie consomme approximativement le budget de jetons observé pour son niveau de qualité sélectionné.
| Qualité | Dépense de sortie approx. OpenAI pour 10,000 images | Dépense de sortie approx. CometAPI |
|---|---|---|
| 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 |
Le tableau est utile pour la budgétisation d’infrastructure, mais une vraie équipe de production devrait suivre quelque chose de plus parlant que le coût par image générée : le coût par image acceptée.
En utilisant l’estimation high 1024×1024 du tableau, dix générations coûtent environ 0,5268 $ en jetons de sortie. Si six sont acceptées, le coût effectif des jetons de sortie est 0,5268 $ ÷ 6 = 0,0878 $ par ressource acceptée.
Un modèle plus performant qui réduit les reprises peut donc être économiquement meilleur même si une seule requête consomme légèrement plus de jetons.
Quel réglage de qualité GPT-Image-2.5 offre le meilleur rapport qualité-prix ?
Pour la plupart des applications de production, high est un point de départ judicieux plutôt que max. Low convient aux aperçus et à l’expérimentation à moindre coût. Medium fonctionne bien lorsqu’il s’agit de générer de nombreux concepts qui seront ensuite filtrés. High offre un meilleur équilibre de qualité de production tout en restant largement en dessous du budget maximal de jetons. Xhigh devient intéressant quand les ressources ont besoin d’un supplément de finition sans justifier le budget max complet. Max devrait généralement être réservé aux ressources finales où la fidélité prime sur le coût de génération.
L’avantage économique sous-jacent de l’échelle à six niveaux est que vous n’avez pas à payer le prix de qualité maximale à chaque étape d’un workflow créatif. Un pipeline pratique peut générer des concepts en medium, sélectionner des candidats, affiner les survivants en high, et ne porter les assets « héros » finaux qu’en xhigh ou max.
Comment calculer le coût de GPT-Image-2.5 à partir de l’utilisation de l’API ?
La manière la plus sûre d’estimer la dépense en production est d’enregistrer l’usage réel des jetons plutôt que de s’appuyer durablement sur un tableau statique par image. Pour les tarifs officiels d’OpenAI, le calcul est simple :
Estimez chaque requête en mots : multipliez les jetons d’entrée texte par 5 $ par million, les jetons d’entrée image par 8 $ par million, et les jetons de sortie d’image par 30 $ par million, puis additionnez les trois montants. Par exemple, 120 jetons d’entrée texte plus 1,756 jetons de sortie d’image coûtent environ 0,0006 $ + 0,05268 $ = $0.05328 avant toute charge d’entrée image. Pour les requêtes d’édition, ajoutez les jetons d’entrée image rapportés par l’API, en particulier lorsque plusieurs images de référence sont fournies.
Pour une génération simple avec 120 jetons d’entrée texte et 1,756 jetons de sortie d’image, la partie sortie est d’environ 0,05268 $, tandis que le prompt texte court n’ajoute qu’un très petit montant. Pour l’édition, ajoutez les jetons d’entrée image retournés par votre requête réelle. C’est particulièrement important lorsque plusieurs images de référence sont fournies.
GPT-Image-2.5 en vaut-il le prix ?
Pour la plupart des nouvelles intégrations d’images OpenAI, Flare est l’évidence comme point de départ. Il partage le même tarif par jeton que GPT Image 2, tandis qu’OpenAI rapporte une qualité d’image supérieure et une latence jusqu’à 50 % plus faible. L’échelle de qualité élargie permet également aux développeurs de dépenser moins pour les brouillons sans renoncer à l’option d’un budget de jetons bien plus grand pour les images finales.
Sunburst a plus de sens lorsque les échecs d’édition coûtent cher. La photographie e-commerce, les campagnes de marque, les révisions répétées d’images, les workflows de préservation du sujet et autres créations de production peuvent justifier un temps de génération plus long car l’objectif réel n’est pas le coût minimal par requête — c’est le coût minimal par ressource approuvée.
Pour des charges à grand volume sensibles au prix, la stratégie la plus solide n’est donc pas « utiliser toujours la qualité la moins chère ». C’est de router intelligemment : Flare pour la génération et l’exploration, Sunburst lorsque la précision d’édition réduit matériellement les retouches, et des niveaux de qualité plus élevés seulement après qu’une ressource a « gagné » le budget de jetons supplémentaire.
FAQ
Un abonnement ChatGPT inclut-il des crédits API GPT-Image-2.5 ?
Non. L’accès ChatGPT et la facturation API développeur sont séparés. L’utilisation de l’API est facturée au compte API selon les jetons traités.
Quelles données d’usage une équipe devrait-elle conserver pour les audits de coûts ?
Enregistrez le modèle, le réglage de qualité, les dimensions de l’image, les jetons d’entrée texte, les jetons d’entrée image, les jetons de sortie d’image, le nombre de reprises, et si le résultat a été accepté. Ces champs permettent de rapprocher les factures et de calculer le coût par ressource acceptée.
Comment les équipes doivent-elles estimer le coût de production avant la montée en charge ?
Exécutez un lot représentatif au niveau de qualité et aux dimensions prévues, enregistrez l’usage réel des jetons, puis divisez le coût total du lot par le nombre de ressources acceptées. Cela capture les reprises et les taux de rejet qu’une estimation statique « par image » ne peut pas mesurer.