Qu'est-ce que GPT-Image-2.5 ? Flare vs Sunburst, benchmarks et tarifs

TL;DR

GPT-Image-2.5 est la toute dernière génération de technologie de création et d’édition d’images d’OpenAI, lancée le 8 septembre 2026 en tant que successeur de ChatGPT Images 2.0 et de la génération d’API GPT-Image-2.

Pour les développeurs, GPT-Image-2.5 est proposé en deux modèles : Flare et Sunburst. Flare est conçu comme l’option par défaut pour la plupart des applications en production, combinant une qualité d’image supérieure avec une génération nettement plus rapide. Sunburst vise les workflows où la précision des retouches et la fidélité de l’image finale priment sur la latence.

Cette mise à niveau ne concerne pas uniquement des images plus nettes. GPT-Image-2.5 améliore la préservation des images de référence, les retouches localisées, la cohérence des retouches multi-étapes, le réalisme visuel, le respect des instructions, la génération de fonds transparents et la sortie en haute résolution. OpenAI annonce une réduction de la latence de génération jusqu’à 50 % par rapport à Images 2.0.

Les premiers benchmarks de préférence humaine sont également solides. Dans le snapshot Arena du 9 septembre, Sunburst s’est classé premier pour la génération texte-vers-image avec 1421 ± 13 Elo, tandis que Flare s’est classé deuxième avec 1399 ± 13, devant Image 2 à 1381 ± 4.

Les développeurs peuvent accéder aux deux variantes via CometAPI : GPT-Image-2.5 Flare utilise gpt-image-2.5-flare pour un travail plus rapide et à grand volume, tandis que GPT-Image-2.5 Sunburst utilise gpt-image-2.5-sunburst lorsque la précision des retouches et la fidélité de l’image finale sont prioritaires. Les deux peuvent être utilisés via les routes familières /v1/images/generations et /v1/images/edits ; pour une sortie transparente, utilisez PNG ou WebP.

Points clés

• GPT-Image-2.5 est une mise à niveau de génération, pas seulement une légère amélioration de la qualité d’image.
• Les développeurs bénéficient de deux variantes : Flare pour la vitesse et l’échelle, Sunburst pour une précision maximale des retouches.
• Flare offre une qualité supérieure à Image 2 avec une latence réduite de 50 %, selon OpenAI.
• Les deux variantes prennent en charge les modes de qualité low, medium, high, xhigh, max et auto.
• Les dimensions de sortie personnalisées peuvent atteindre une classe de pixels 4K, avec des bords individuels jusqu’à 3840 pixels.
• Les résultats actuels d’Arena placent Sunburst et Flare au-dessus d’Image 2 en génération texte-vers-image et en retouche d’une seule image.
• Les deux modèles utilisent les mêmes tarifs officiels par jeton : 5 $/M de jetons texte en entrée, 8 $/M de jetons image en entrée et 30 $/M de jetons image en sortie.
• L’API Flare dans CometAPI propose actuellement un prix d’entrée/sortie indicatif inférieur pour les développeurs construisant des workflows d’images en production.

Qu’est-ce que GPT-Image-2.5 ?

GPT-Image-2.5 est la dernière famille de modèles d’OpenAI pour la génération et la retouche d’images. Dans ChatGPT, la technologie apparaît sous le nom ChatGPT Images 2.5. Au niveau de l’API, les développeurs peuvent choisir entre deux modèles distincts :

• gpt-image-2.5-flare
• gpt-image-2.5-sunburst

Cette distinction est importante car “GPT-Image-2.5” doit être compris comme la génération ou la famille de modèles, plutôt qu’un seul identifiant de modèle d’API.

GPT-Image-2.5 s’appuie sur les capacités de l’API Image 2 dans CometAPI tout en se concentrant beaucoup plus sur le workflow autour de la création d’images. Au lieu de traiter chaque génération comme un résultat largement indépendant, la nouvelle génération est conçue pour préserver les sujets, compositions, styles et retouches précédentes au fil des itérations.

OpenAI met en avant des améliorations de la fidélité aux images de référence et de la retouche de précision, ainsi qu’une meilleure cohérence multi-étapes, des textures plus riches et un éclairage naturel. Cela rend GPT Image 2.5 particulièrement pertinent pour le travail créatif commercial, où une seule retouche demandée ne devrait pas reconstruire de manière imprévisible le reste de l’asset.

Un changement important est l’introduction de xhigh et max. Les précédents modèles GPT Image ne prenaient en charge que des réglages de qualité jusqu’à high ; GPT-Image-2.5 offre donc aux développeurs davantage de contrôle sur le compromis latence/fidélité. Les modèles prennent également en charge des dimensions personnalisées jusqu’à 8,294,400 pixels au total, bien qu’OpenAI considère les résolutions supérieures à 2560×1440 comme expérimentales. La largeur et la hauteur doivent être des multiples de 16.

Flare vs Sunburst

Flare et Sunburst partagent le même noyau de capacités GPT-Image-2.5, mais optimisent des contraintes de production différentes.

Pour la plupart des applications, commencez avec Flare et orientez les retouches finales difficiles vers Sunburst. Cela préserve la réactivité sans renoncer à l’option de plus haute précision.

Quoi de neuf dans GPT-Image-2.5 ?

Meilleure fidélité aux images de référence

L’une des améliorations les plus importantes de GPT-Image-2.5 est la manière dont il préserve fidèlement une image source. La génération basée sur référence a traditionnellement comporté un compromis inconfortable : plus un modèle transforme agressivement une image, plus il est susceptible de modifier l’identité, les proportions, les produits, les arrière-plans ou de petits détails visuels qui étaient censés rester inchangés.

GPT-Image-2.5 est conçu pour conserver davantage de ces détails. OpenAI affirme que les sujets devraient rester plus reconnaissables tandis que l’éclairage, l’environnement, les vêtements, la composition ou le style sont transformés. Cela compte pour le remplacement d’arrière-plan produit, les variations de campagne autour d’un même personnage, les changements de tenue qui préservent la pose et l’identité, et les compositions alternatives construites à partir du même asset source.

L’exemple officiel “Remixed baby portrait” d’OpenAI montre une retouche consciente de la source qui change la tenue tout en préservant la pose et le fond bleu de studio.

Image d’entrée officielle d’OpenAI.

Sortie retouchée officielle d’OpenAI.

Retouche d’image plus précise

Une deuxième amélioration majeure concerne la localisation des retouches. Si une photo produit contient une bouteille, un arrière-plan, un titre, un logo, des ombres et des accessoires, un éditeur d’images utile devrait pouvoir remplacer uniquement le titre sans changer de manière inattendue la forme de la bouteille, l’angle de la caméra ou l’éclairage. GPT-Image-2.5 distingue mieux ce qui doit changer de ce qui doit rester fixe.

Retouches multi-étapes plus fiables

La vraie valeur de la retouche d’images apparaît souvent après la première retouche. Un workflow créatif typique peut générer une scène produit, changer l’arrière-plan, déplacer le produit, remplacer le titre, ajouter un badge promotionnel, ajuster l’éclairage, puis exporter une version transparente.

Avec des modèles d’image plus faibles, chaque étape successive peut progressivement dégrader des détails établis plus tôt dans le workflow. GPT-Image-2.5 est spécifiquement conçu pour rendre les changements précédents plus persistants au fil de multiples retouches, rapprochant la génération d’images d’un processus de retouche interactif plutôt que d’une suite de générations indépendantes.

Éclairage et texture plus naturels

GPT-Image-2.5 cible également les artefacts visuels qui rendent les photos générées par IA faciles à reconnaître. OpenAI rapporte des améliorations de l’éclairage naturel et des textures de matériaux plus riches. En pratique, ces changements peuvent être importants pour la peau, les tissus, le verre, le métal, les emballages, les meubles, la photographie culinaire et les scènes environnementales réalistes.

Meilleur suivi d’instructions complexes

Les prompts de génération d’images modernes ressemblent de plus en plus à des briefs de design. Un utilisateur peut spécifier plusieurs objets, des emplacements exacts, un titre, un packaging produit, une perspective de caméra, des couleurs de marque, un éclairage, des relations avant-plan/arrière-plan, des zones transparentes et des exclusions. GPT-Image-2.5 améliore sa capacité à traduire ces demandes structurées en une image cohérente.

Fonds transparents et sortie flexible

Les deux modèles d’API GPT-Image-2.5 prennent en charge les fonds transparents lorsque le format de sortie est PNG ou WebP.

background="transparent"
output_format="png"

La spécification officielle de génération d’images autorise également des dimensions WIDTHxHEIGHT arbitraires valides plutôt que de limiter les développeurs à quelques rapports d’aspect fixes. C’est utile pour les assets e‑commerce, les overlays, les visuels de présentation, les composants d’interface, les stickers, les objets isolés, les vignettes et les créations publicitaires.

Performances de benchmark de GPT-Image-2.5

Les benchmarks de génération d’images nécessitent une interprétation prudente. Il n’existe pas un seul indicateur, équivalent à un benchmark de mathématiques pour les modèles de langage, qui capture simultanément l’esthétique, l’adhérence au prompt, la précision des retouches, le réalisme visuel, le rendu de texte et la fidélité de référence. Pour GPT-Image-2.5, trois types d’éléments quantitatifs sont actuellement utiles : les résultats de préférence humaine d’Arena, les mesures de latence d’OpenAI et les évaluations de sécurité d’OpenAI.

Benchmark texte-vers-image d’Arena

Arena évalue les modèles via la préférence humaine à l’aveugle : les utilisateurs reçoivent des sorties de deux modèles anonymes pour la même tâche et sélectionnent le résultat qu’ils préfèrent. Le snapshot montre ce qui suit :

Snapshot préliminaire Arena

Benchmark de retouche d’image

Le même schéma est visible dans le classement d’Arena pour la retouche d’une seule image.

L’avantage de Sunburst est particulièrement visible en retouche : son avance sur Image 2 est plus importante ici qu’en génération texte-vers-image, ce qui correspond à son positionnement de modèle axé sur la précision.

Latence de génération

OpenAI indique que GPT-Image-2.5 réduit la latence de génération jusqu’à 50 % par rapport à Images 2.0. Pour l’API en particulier, OpenAI présente Flare comme offrant des images de meilleure qualité qu’Image 2 avec une latence inférieure de 50 %. Sunburst est délibérément conçu pour échanger plus de temps de génération contre une précision supplémentaire.

Évaluation de sécurité

OpenAI a également publié une évaluation quantitative de sécurité à l’aide de prompts adversariaux conçus intentionnellement pour demander des images violant les politiques.

Source : Évaluations de sécurité OpenAI Images 2.5. Par rapport à la référence de 1.64 %, le taux final de résultats non sûrs diminue de 0.55 point de pourcentage pour Sunburst et de 0.23 point pour Flare.

Ces chiffres sont des résultats de tests de résistance de sécurité, pas des scores généraux de qualité d’image ni des estimations du trafic utilisateur normal.

Flare vs Sunburst vs Image 2

Pour la plupart des développeurs, la question la plus utile n’est pas de savoir si GPT-Image-2.5 est meilleur en soi. C’est de savoir quel modèle convient à un workload particulier.

Quel modèle gagne en qualité ?

La réponse actuelle est Sunburst. Il est en tête des deux principales catégories d’images d’Arena et est explicitement présenté par OpenAI comme son modèle le plus performant pour la génération et la retouche d’images.

Quel modèle gagne en vitesse ?

La réponse est Flare. Sa combinaison de scores de préférence élevés et de latence nettement réduite en fait l’option généraliste la plus attirante de la famille.

Flare coûte-t-il moins cher que Sunburst ?

Pas selon les tarifs unitaires publiés.

Les deux modèles utilisent actuellement les mêmes prix au jeton publiés. L’avantage économique de Flare provient principalement de la latence et du débit de workflow, pas d’un prix au jeton inférieur.

Tarifs de GPT-Image-2.5

OpenAI applique actuellement les mêmes tarifs par jeton pour Flare et Sunburst :

Les tarifs officiels par jeton ne créent donc pas une distinction simple “Flare est bon marché, Sunburst est cher”. La différence économique provient plutôt du comportement du workflow. Un modèle plus rapide peut réduire le temps d’attente des utilisateurs finaux, les exigences de concurrence de l’application, les abandons de tentatives de génération, le temps de conception itérative et l’infrastructure occupée par des requêtes longues.

Coût d’entrée image

Exemple : Coût d’une retouche basée sur image de référence : Coût total de la requête = jetons d’entrée texte × 5 $/M + jetons d’entrée image × 8 $/M + jetons de sortie image × 30 $/M

Tarification de GPT-Image-2.5 Flare et Sunburst dans CometAPI

Actuellement, CometAPI présente une réduction indicative de 20 % par rapport aux tarifs officiels d’entrée/sortie correspondants. Étant donné qu’OpenAI publie les mêmes tarifs unitaires pour Flare et Sunburst, la comparaison affichée est la même pour les deux variantes.

Ce sont des chiffres d’entrée/sortie simplifiés. OpenAI tarifie séparément l’entrée texte, l’entrée image, les entrées en cache et la sortie image ; les workloads de référence et de retouche doivent donc être budgétés à partir des catégories de jetons renvoyées par les requêtes réelles. Confirmez le catalogue de modèles en direct avant le déploiement en production, car les tarifs des fournisseurs peuvent évoluer.

Meilleurs cas d’usage pour GPT-Image-2.5

Photographie produit

La préservation de la référence et les retouches ciblées sont particulièrement utiles en e‑commerce. Un vendeur peut conserver le même produit tout en changeant l’arrière-plan, l’éclairage, le décor saisonnier, le texte promotionnel, les ombres, la composition ou le traitement de campagne régional.

Publicité et création de campagnes

Sunburst est particulièrement attractif lorsqu’un master créatif nécessite plusieurs variations soigneusement contrôlées. Une équipe marketing peut préserver le produit et la composition de marque tout en changeant un titre, la scène d’arrière-plan, la promotion, la langue ou le traitement visuel.

Contenu social à grande échelle

L’avantage de latence de Flare en fait un meilleur choix pour les générateurs d’images sociales, les outils pour créateurs, les vignettes personnalisées, les mèmes, les assets de profil et les pipelines de contenu automatisés, où le débit et la vitesse d’itération comptent souvent davantage que les tout derniers points de préférence.

Prototypage visuel

Les designers peuvent utiliser GPT-Image-2.5 pour l’exploration rapide d’écrans d’app, de concepts de sites web, de packaging, d’intérieurs, de concepts produits, de visuels de présentation et de layouts publicitaires.

Produits de retouche d’images

Pour les applications où les utilisateurs téléversent leurs propres photos, l’amélioration de la préservation peut être plus importante que la qualité pure texte-vers-image. Exemples : changements de tenue, réaménagement intérieur, remplacement d’arrière-plan, retouche produit, variations de headshots, et assets créatifs personnalisés.

Assets transparents

La sortie native avec fond transparent rend les modèles plus pratiques pour les objets produits isolés, stickers, graphiques d’interface, assets de présentation et pipelines de compositing.

Limites de GPT-Image-2.5

Le texte peut encore échouer

Le rendu de texte s’est considérablement amélioré au fil des récentes générations GPT Image, mais le texte généré devrait encore être vérifié manuellement pour des publicités à forts enjeux, des emballages, des menus, des mentions légales et des captures d’écran d’interface.

Le contrôle de mise en page exacte n’est pas garanti

Une instruction en langage naturel telle que “placez le logo exactement à 40 pixels du coin supérieur gauche” n’est pas équivalente à une contrainte déterministe d’un outil de design. Les mises en page au pixel près sont mieux gérées en générant d’abord l’asset visuel, puis en composant exactement le texte ou les éléments d’interface par programmation ou dans un outil de design.

La cohérence des personnages et des marques peut encore dériver

La cohérence multi-étapes est améliorée, pas parfaite. Les longues séquences d’images, la génération répétée d’un personnage et les grandes campagnes de marque devraient toujours inclure des contrôles qualité.

Les très hautes résolutions sont expérimentales

Bien que l’API autorise jusqu’à 8,294,400 pixels au total et un bord maximal de 3840 pixels, les résolutions au-dessus de 2560×1440 sont actuellement expérimentales. Les systèmes en production devraient tester la sortie haute résolution plutôt que de supposer que toutes les configurations 4K se comportent de manière identique.

Les prompts complexes peuvent encore prendre du temps

Les demandes difficiles peuvent encore nécessiter un temps de traitement substantiel. Les applications devraient implémenter des états de chargement appropriés, des timeouts, des retries pour les défaillances transitoires et une gestion asynchrone pour les pipelines batch.

Flare ou Sunburst : lequel choisir ?

Le choix peut se résumer à une question : la vitesse ou la précision des retouches finales est-elle la plus importante pour le workflow ?

Choisissez Flare lorsque vous construisez :

• des applications d’images grand public
• de la génération à grand volume
• des outils de contenu social
• des prototypes rapides
• de la génération de résultats de recherche visuelle
• des expériences produit
• des éditeurs interactifs où les utilisateurs attendent un feedback rapide

Choisissez Sunburst lorsque vous créez :

• des assets de campagne prêts pour la production
• des visuels produit premium
• des retouches exigeantes à partir d’images de référence
• des révisions difficiles en plusieurs étapes
• des visuels où la préservation de détails exacts prime sur le temps de réponse

Pour la plupart des nouvelles applications, Flare devrait être le point de départ. Sunburst est mieux traité comme un niveau de précision plutôt que comme le choix automatique pour chaque requête. Un système de production sophistiqué pourrait router les requêtes de routine vers Flare et réserver Sunburst aux retouches nécessitant une précision plus élevée.

Pourquoi utiliser GPT-Image-2.5 via CometAPI ?

CometAPI peut simplifier une stack d’images de production au‑delà de la simple différence de prix annoncée :

• One API : utilisez la même authentification et les routes familières /v1/images/generations et /v1/images/edits pour les workflows pris en charge de génération et de retouche.
• Changement de modèle : modifiez le champ model pour router de gpt-image-2.5-flare vers gpt-image-2.5-sunburst, ou revenir à gpt-image-2, sans reconstruire l’intégration applicative environnante.
• Facturation unifiée : consolidez l’usage et la facturation pour les modèles pris en charge au lieu de maintenir un compte et une facture séparés pour chaque route.
• Expérimentation multi-modèles : exécutez des comparaisons contrôlées avec les mêmes prompts, images de référence, dimensions et réglages de qualité, puis mesurez la latence, l’utilisation des jetons, la précision des retouches et le taux d’acceptation des sorties.
• Optimisation des coûts : utilisez par défaut Flare pour un travail réactif et à grand volume, montez en précision avec Sunburst pour les retouches sensibles, et conservez Image 2 là où un workflow existant a besoin de son comportement mature. Combinez le routage avec des données d’usage réelles plutôt que de choisir uniquement à partir des prix indicatifs par jeton.

L’avantage pratique est la cohérence opérationnelle : les équipes peuvent tester et router les modèles au sein d’une seule intégration tout en sélectionnant le profil de qualité, de latence et de coût adapté à chaque requête.

Conclusion

GPT-Image-2.5 représente la dernière avancée d’OpenAI, de la création d’images génératives vers une plateforme de retouche d’images plus contrôlable. Flare est la version la plus utile de manière générale : elle combine la qualité et les améliorations de retouche de la nouvelle famille avec une latence significativement réduite, ce qui la rend adaptée aux applications interactives et à la production à grand volume.

Sunburst pousse plus loin la précision. Les résultats actuels d’Arena le placent devant Flare et Image 2 en génération texte-vers-image et en retouche d’une seule image, ce qui en fait le meilleur choix pour des workflows créatifs professionnels exigeants.

Le changement le plus significatif, toutefois, est la fiabilité du workflow. Une meilleure préservation du sujet, des retouches ciblées, une cohérence améliorée sur plusieurs étapes, une sortie haute résolution personnalisée et la génération de fonds transparents rendent GPT-Image-2.5 plus pratique pour de vrais pipelines créatifs plutôt que pour des démonstrations isolées de génération d’images.

FAQ

Qu’est-ce que GPT-Image-2.5 ?

GPT-Image-2.5 est la toute dernière famille de modèles de génération et de retouche d’images d’OpenAI, sortie en septembre 2026. Dans l’API, elle est divisée en Flare et Sunburst.

Quelle est la différence entre ChatGPT Images 2.5 et GPT-Image-2.5 ?

ChatGPT Images 2.5 désigne l’expérience de génération d’images intégrée à ChatGPT. Les développeurs accèdent à la nouvelle génération via des modèles d’API incluant gpt-image-2.5-flare et gpt-image-2.5-sunburst.

Qu’est-ce que GPT-Image-2.5 Flare ?

GPT-Image-2.5 Flare est la variante orientée vitesse de GPT-Image-2.5 et la recommandation par défaut d’OpenAI pour la plupart des applications API. Elle se concentre sur une haute qualité d’image, la retouche et une latence de génération significativement plus faible.

Qu’est-ce que GPT-Image-2.5 Sunburst ?

GPT-Image-2.5 Sunburst est la variante la plus performante de GPT-Image-2.5 pour la génération et la retouche. Elle est destinée aux workflows où la précision et le contrôle priment sur la vitesse de génération.

GPT-Image-2.5 est-il meilleur qu’Image 2 ?

Les éléments actuels indiquent que oui. Dans le snapshot Arena du 9 septembre, Sunburst a obtenu 1421 ± 13 et Flare 1399 ± 13 en texte-vers-image, contre 1381 ± 4 pour Image 2. La retouche d’une seule image montre un avantage encore plus important pour les deux nouveaux modèles.

GPT-Image-2.5 est-il plus rapide qu’Image 2 ?

Flare l’est. OpenAI affirme que Flare produit des images de meilleure qualité qu’Image 2 avec une latence inférieure de 50 %. Sunburst accepte intentionnellement des temps de génération plus longs en échange d’un contrôle de retouche plus serré.

GPT-Image-2.5 prend-il en charge les images 4K ?

Oui. Les deux variantes d’API prennent en charge des dimensions personnalisées jusqu’à 8,294,400 pixels au total et un bord individuel jusqu’à 3840 pixels. OpenAI considère actuellement les résolutions supérieures à 2560×1440 comme expérimentales.

Combien coûte GPT-Image-2.5 ?

OpenAI facture actuellement Flare et Sunburst 5 $ par million de jetons d’entrée texte, 8 $ par million de jetons d’entrée image et 30 $ par million de jetons de sortie image. Les tarifs pour les entrées mises en cache sont plus bas.

Dois-je utiliser Flare ou Sunburst ?

Utilisez Flare pour la plupart des workloads interactifs, à grand volume, grand public, sociaux et de prototypage rapide. Utilisez Sunburst lorsque la précision maximale des retouches et la fidélité visuelle finale sont plus importantes que la latence.