Prezzo di GPT-Image-2.5: costi API, costo per immagine, Flare vs Sunburst, e risparmi con CometAPI

TL;DR

GPT-Image-2.5 non ha un unico “prezzo per immagine” fisso. OpenAI addebita l’uso dell’API a token. Sia GPT-Image-2.5 Flare sia GPT-Image-2.5 Sunburst utilizzano le stesse tariffe ufficiali per token: $5 per milione di token di input testuale, $8 per milione di token di input immagine e $30 per milione di token di output immagine. Gli input testuali e immagine in cache costano rispettivamente $1.25 e $2 per milione di token.

Per un’immagine 1024×1024, osservazioni da calcolatori di terze parti suggeriscono che la sola generazione dell’output può variare da circa $0.006 a bassa qualità fino a circa $0.211 alla qualità massima. La qualità alta si aggira intorno a $0.053 in quel modello di pianificazione. Le spese effettive dipendono dai token del prompt, dalle immagini di riferimento, dai tentativi, dagli input di editing e dal reale consumo di token di output.

Key Takeaways

• OpenAI addebita l’API GPT-Image-2.5 a token, non con un prezzo fisso per immagine.
• Flare e Sunburst hanno le stesse tariffe per token; Sunburst non è un modello più costoso per token.
• Le tariffe ufficiali sono $5/M per input testuale, $8/M per input immagine e $30/M per output immagine.
• GPT-Image-2.5 introduce le modalità di qualità low, medium, high, xhigh, max e auto.
• Una stima di pianificazione per un 1024×1024 è circa $0.0059 a low, $0.0527 a high e $0.2107 a max, prima dei costi di token di input.
• Flare è la scelta predefinita migliore per generazione ad alto volume e sensibile alla latenza, mentre Sunburst punta a editing di precisione e flussi creativi premium.
• CometAPI pubblicizza uno sconto del 20% sulle sue API del modello GPT-Image-2.5, con prezzi di riferimento $4/M per input e $24/M per output rispetto ai $5/M e $30/M ufficiali.

What Is GPT-Image-2.5 and What Are You Paying For?

OpenAI ha rilasciato ChatGPT Images 2.5 l’8 settembre 2026. L’aggiornamento si concentra su dettagli più nitidi, illuminazione e texture più naturali, migliore preservazione dei soggetti di riferimento, editing multi-turno più affidabile e minore latenza di generazione. OpenAI afferma che la latenza di generazione può essere fino al 50% inferiore rispetto a Images 2.0.

La famiglia di API ha due varianti. GPT-Image-2.5 Flare è ottimizzato per una generazione quotidiana veloce e di alta qualità ed è il default consigliato da OpenAI per la maggior parte delle applicazioni. GPT-Image-2.5 Sunburst enfatizza la precisione nell’editing e i flussi creativi premium, dove preservare un soggetto o una composizione esistente è più importante della latenza minima.

La documentazione del modello principale conferma che entrambe le varianti accettano input testuali e immagine e producono output immagine, mentre function calling, structured outputs e fine-tuning non fanno parte dell’interfaccia del modello di immagini.

Esempio ufficiale di precision-editing di GPT-Image-2.5 pubblicato da OpenAI; il ritratto modificato preserva posa e sfondo cambiando l’abbigliamento del bambino.

GPT-Image-2.5 Flare è disponibile come

gpt-image-2.5-flare

, mentre lo snapshot con data è

gpt-image-2.5-flare-2026-09-08

. Sunburst offre in modo analogo

gpt-image-2.5-sunburst

e

gpt-image-2.5-sunburst-2026-09-08

. Gli sviluppatori che necessitano di un comportamento del modello più prevedibile tra deployment dovrebbero valutare se fissare uno snapshot datato sia appropriato per il proprio workflow.

How Much Does the GPT-Image-2.5 API Cost?

Il modo più semplice per comprendere il pricing di GPT-Image-2.5 è separare il costo di input dal costo dell’immagine generata.

La documentazione ufficiale del modello di OpenAI riporta le seguenti tariffe per token sia per Flare che per Sunburst.

Il numero importante per la maggior parte dei carichi di lavoro testo→immagine è $30 per milione di token di output immagine. Un prompt testuale breve contribuisce normalmente relativamente poco rispetto all’immagine generata. I flussi di lavoro di editing possono costare di più perché le immagini di riferimento consumano anche token di input immagine.

Total API cost = text-input cost + image-input cost + image-output cost.

Per una semplice chiamata testo→immagine senza immagine di riferimento, la componente di output immagine in genere domina. Per un workflow di editing con diversi asset di riferimento ad alta risoluzione, il costo di input diventa più rilevante.

How Much Does One GPT-Image-2.5 Image Cost?

Qui il pricing diventa meno lineare.

La documentazione di Flare e la documentazione di Sunburst indicano entrambe che il calcolatore di GPT Image 2 non stima il consumo di token per GPT Image 2.5. Separatamente, APIdog ha registrato il 9 settembre 2026 una voce condivisa del calcolatore GPT Image 2.5 con budget stimati di token di output per Flare e Sunburst. Queste cifre sono stime di budgeting, non prezzi ufficiali garantiti per immagine.

Questi numeri coprono solo l’output immagine. La tua richiesta reale può includere anche token di input testuale, token di input immagine, retry, variazioni, passaggi di editing o altro utilizzo.

Una formulazione più accurata di “GPT-Image-2.5 costa $0.053 per immagine” è: una generazione 1024×1024 in modalità high può essere pianificata a circa $0.053 in costo di token di output secondo la stima osservata, prima dei costi di input e di eventuali retry.

Is GPT-Image-2.5 High Quality Four Times Cheaper Than GPT Image 2 High?

A prima vista, sì: le etichette suggeriscono una riduzione drastica.

I budget di token registrati da APIdog mostrano GPT-Image-2.5 high a circa 1.756 token di output, ovvero approssimativamente $0.05268 per un’immagine 1024×1024. GPT Image 2 high era intorno a $0.211 per la stessa dimensione quadrata.

Tuttavia, non è un confronto “mele con mele” del tipo “stessa qualità a un quarto del prezzo”. La scala delle qualità è cambiata.

Gli sviluppatori che migrano una pipeline esistente non dovrebbero semplicemente riutilizzare l’impostazione high e concludere che il nuovo modello costa quattro volte meno. Se l’obiettivo è avere all’incirca lo stesso budget di token di output della precedente impostazione high di GPT Image 2, l’impostazione di GPT-Image-2.5 più vicina è max, non high.

Does GPT-Image-2.5 Sunburst Cost More Than Flare?

No—non per token. Entrambe le varianti usano lo stesso listino ufficiale. Sunburst non ha un tasso $/token più alto solo perché è posizionato come modello più preciso.

La differenza riguarda soprattutto tempo e aderenza al workflow, non il prezzo per token. OpenAI presenta Flare come default per la maggior parte delle applicazioni e afferma che offre immagini di qualità superiore a GPT Image 2 con una latenza fino al 50% inferiore. Sunburst è pensato per editing più controllato e lavori visivi di produzione, e può impiegare più tempo a generare.

Se Sunburst produce un asset di campagna utilizzabile al primo tentativo mentre Flare richiede due o tre retry, Sunburst può avere in realtà il costo più basso per immagine accettata, nonostante lo stesso prezzo nominale per token.

How Good Is GPT-Image-2.5 for Its Price?

Il prezzo conta solo se la qualità dell’output è competitiva.

L’attuale leaderboard di preferenza umana di Arena colloca entrambe le varianti GPT-Image-2.5 davanti a GPT Image 2 nella generazione testo→immagine e nell’editing di singola immagine. Si tratta di punteggi di preferenza di terze parti, non benchmark di qualità controllati da OpenAI, e i risultati di GPT-Image-2.5 sono indicati come preliminari.

Il set di benchmark include anche la Grok Imagine Image 2.0 API su CometAPI.

Il risultato più notevole è il punteggio di editing. Sunburst supera Flare di circa 29 punti nella leaderboard di single-image-edit, mentre entrambi restano davanti a GPT Image 2. Ciò è in linea con il posizionamento di Sunburst come opzione orientata alla precisione. Vedi la leaderboard di image-edit.

Il materiale di valutazione di OpenAI è più focalizzato sulla sicurezza che sulla preferenza estetica. Nella sua system card, l’azienda riporta tassi finali di unsafe-generation-presented dell’1,09% per Sunburst, 1,41% per Flare e 1,64% per il baseline Images 2.0 sul proprio set di valutazione avversariale per la sicurezza. Queste sono misurazioni di sicurezza, non punteggi di qualità dell’immagine.

What Does GPT-Image-2.5 Cost in CometAPI?

Per gli sviluppatori che desiderano il modello attraverso un gateway API multi-modello, entrambe le varianti sono disponibili tramite CometAPI. La GPT-Image-2.5 Flare API su CometAPI mostra $4 per milione di token di input e $24 per milione di token di output, rispetto ai rispettivi $5/M e $30/M ufficiali, con uno sconto del 20%. La GPT-Image-2.5 Sunburst API su CometAPI pubblica lo stesso confronto di riferimento.

Dettaglio prezzi da verificare prima del budgeting in produzione: OpenAI distingue l’input testuale a $5/M dall’input immagine a $8/M, mentre CometAPI riassume il pricing con una coppia input/output generale. I workflow con molte immagini di riferimento dovrebbero confermare la dashboard di fatturazione live prima di assumere che ogni token di input immagine riceva la tariffa input visualizzata.

Ancora una volta, si tratta di costi di output stimati, non di prezzi onnicomprensivi per richiesta.

How Much Would 10,000 GPT-Image-2.5 Images Cost?

Con i volumi elevati la differenza è più evidente. Supponiamo che una piattaforma di contenuti generi 10.000 immagini quadrate e che ogni output consumi approssimativamente il budget di token osservato per il livello di qualità selezionato.

La tabella è utile per il budgeting dell’infrastruttura, ma un team di produzione reale dovrebbe tracciare qualcosa di più significativo del costo per immagine generata: il costo per immagine accettata.

Usando la stima per 1024×1024 in qualità high dalla tabella, dieci generazioni costano circa $0.5268 in token di output. Se sei vengono accettate, il costo effettivo dei token di output è $0.5268 ÷ 6 = $0.0878 per asset accettato.

Un modello più capace che riduce i retry può risultare economicamente migliore anche se una singola richiesta consuma leggermente più token.

Which GPT-Image-2.5 Quality Setting Gives the Best Value?

Per la maggior parte delle applicazioni di produzione, high è un punto di partenza sensato piuttosto che max. low è più adatto a preview ed esperimenti economici. medium funziona bene quando si generano molti concept che verranno filtrati in seguito. high offre un equilibrio più robusto per la produzione rimanendo molto al di sotto del budget massimo di token. xhigh diventa interessante quando gli asset necessitano di ulteriore rifinitura ma non giustificano il budget completo di max. max dovrebbe in genere essere riservato agli asset finali in cui la fedeltà conta più del costo di generazione.

Il vantaggio economico alla base della scala a sei livelli è che non bisogna pagare i prezzi di qualità massima in ogni fase di un workflow creativo. Una pipeline pratica può generare concept a medium, selezionare i candidati, rifinire i sopravvissuti a high e creare solo gli asset “hero” finali a xhigh o max.

How Can You Calculate GPT-Image-2.5 Cost From API Usage?

Il modo più sicuro per stimare la spesa in produzione è registrare il consumo effettivo di token invece di affidarsi stabilmente a una tabella statica per immagine. Per le tariffe ufficiali di OpenAI, il calcolo è semplice:

Stima ogni richiesta così: moltiplica i token di input testuale per $5 per milione, i token di input immagine per $8 per milione e i token di output immagine per $30 per milione, quindi somma i tre importi. Ad esempio, 120 token di input testuale più 1.756 token di output immagine costano circa $0.0006 + $0.05268 = $0.05328 prima di eventuali addebiti di input immagine. Per le richieste di editing, aggiungi i token di input immagine riportati dall’API, specialmente quando si forniscono più immagini di riferimento.

Per una semplice generazione con 120 token di input testuale e 1.756 token di output immagine, la parte di output è circa $0.05268, mentre il prompt testuale breve aggiunge solo una quantità molto piccola. Per l’editing, aggiungi i token di input immagine restituiti dalla tua richiesta reale. Questo è particolarmente importante quando si forniscono più immagini di riferimento.

Is GPT-Image-2.5 Worth the Price?

Per la maggior parte delle nuove integrazioni di immagini OpenAI, Flare è il punto di partenza ovvio. Condivide la stessa tariffa per token di GPT Image 2, mentre OpenAI riporta una qualità d’immagine superiore e fino al 50% di latenza inferiore. La scala di qualità ampliata consente inoltre agli sviluppatori di spendere meno per le bozze senza rinunciare alla possibilità di un budget di token molto più ampio per le immagini finali.

Sunburst ha più senso quando i fallimenti di editing sono costosi. Fotografia ecommerce, campagne di brand, revisioni ripetute delle immagini, workflow di preservazione del soggetto e altre attività creative di produzione possono giustificare tempi di generazione maggiori perché l’obiettivo reale non è il costo minimo per richiesta—è il costo minimo per asset approvato.

Per carichi ad alto volume sensibili al prezzo, la strategia migliore non è quindi “usare sempre la qualità più economica”. È instradare i task in modo intelligente: Flare per generazione ed esplorazione, Sunburst dove la precisione di editing riduce materialmente il rework, e livelli di qualità più alti solo dopo che un asset ha “guadagnato” il budget extra di token.

FAQ

Un abbonamento a ChatGPT include crediti API per GPT-Image-2.5?

No. L’accesso a ChatGPT e la fatturazione dell’API per sviluppatori sono separati. L’uso dell’API viene addebitato sull’account API in base ai token elaborati.

Quali dati di utilizzo dovrebbe conservare un team per audit dei costi?

Memorizza modello, impostazione di qualità, dimensioni dell’immagine, token di input testuale, token di input immagine, token di output immagine, conteggio dei retry e se il risultato è stato accettato. Questi campi consentono di riconciliare le fatture e calcolare il costo per asset accettato.

Come dovrebbero i team stimare il costo di produzione prima della scalabilità?

Esegui un batch rappresentativo alla qualità e dimensioni desiderate, registra il consumo reale di token e dividi il costo totale del batch per il numero di asset accettati. Questo cattura retry e tassi di scarto che una stima statica per immagine non può misurare.