TL;DR
GPT-Image-2.5 è la nuova generazione di tecnologia per creazione ed editing di immagini di OpenAI, lanciata il 8 settembre 2026 come successore di ChatGPT Images 2.0 e della generazione dell’API GPT-Image-2.
Per gli sviluppatori, GPT-Image-2.5 è disponibile in due modelli: Flare e Sunburst. Flare è progettato come opzione predefinita per la maggior parte delle applicazioni in produzione, combinando qualità d’immagine superiore con generazione sostanzialmente più rapida. Sunburst è pensato per flussi di lavoro in cui la precisione di editing e la fedeltà dell’immagine finale contano più della latenza.
L’aggiornamento non riguarda semplicemente immagini più nitide. GPT-Image-2.5 migliora la preservazione delle immagini di riferimento, gli edit localizzati, la coerenza negli edit multi-turno, il realismo visivo, l’aderenza alle istruzioni, la generazione con sfondo trasparente e l’output ad alta risoluzione. OpenAI afferma che la latenza di generazione è stata ridotta fino al 50% rispetto a Images 2.0.
Le prime valutazioni di preferenza umana sono solide. Nello snapshot di Arena del 9 settembre, Sunburst è al primo posto per generazione testo-immagine con 1421 ± 13 Elo, mentre Flare è seconda con 1399 ± 13, davanti a Image 2 con 1381 ± 4.
Gli sviluppatori possono accedere a entrambe le varianti tramite CometAPI: GPT-Image-2.5 Flare usa gpt-image-2.5-flare per lavori più rapidi e ad alto volume, mentre GPT-Image-2.5 Sunburst usa gpt-image-2.5-sunburst quando la precisione di editing e la fedeltà dell’immagine finale contano di più. Entrambi possono essere utilizzati tramite le consuete route /v1/images/generations e /v1/images/edits; per output trasparenti si consiglia PNG o WebP.
Punti chiave
- GPT-Image-2.5 è un upgrade di generazione, non solo un piccolo refresh della qualità d’immagine.
- Gli sviluppatori hanno due varianti: Flare per velocità e scala, Sunburst per la massima precisione di editing.
- Flare offre qualità superiore a Image 2 con una latenza inferiore del 50%, secondo OpenAI.
- Entrambe le varianti supportano le modalità di qualità low, medium, high, xhigh, max e auto.
- Le dimensioni di output personalizzate possono raggiungere pixel di classe 4K, con lati fino a 3840 pixel.
- I risultati attuali di Arena collocano Sunburst e Flare sopra Image 2 sia in testo-immagine che nel single-image editing.
- Entrambi i modelli usano le stesse tariffe ufficiali per token: $5/M token di input testuale, $8/M token di input immagine e $30/M token di output immagine.
- L’API Flare su CometAPI offre attualmente un prezzo di input/output di intestazione inferiore per gli sviluppatori che costruiscono workflow di immagini in produzione.
Che cos’è GPT-Image-2.5?
GPT-Image-2.5 è l’ultima famiglia di modelli di generazione ed editing di immagini di OpenAI. In ChatGPT, la tecnologia appare come ChatGPT Images 2.5. A livello di API, gli sviluppatori possono scegliere tra due modelli distinti:
- gpt-image-2.5-flare
- gpt-image-2.5-sunburst
Questa distinzione è importante perché “GPT-Image-2.5” va inteso come una generazione o famiglia di modelli, non come un singolo ID di modello API.
GPT-Image-2.5 si basa sulle capacità dell’Image 2 API in CometAPI concentrandosi molto di più sul workflow di creazione delle immagini. Invece di trattare ogni generazione come un risultato per lo più indipendente, la nuova generazione è progettata per preservare soggetti, composizioni, stili e modifiche precedenti mentre gli utenti iterano.
OpenAI evidenzia i miglioramenti nella fedeltà all’immagine di riferimento e nell’editing di precisione, nonché nella coerenza multi-turno, nella ricchezza delle texture e nell’illuminazione naturale. Ciò rende GPT Image 2.5 particolarmente rilevante per il lavoro creativo commerciale, dove una singola modifica richiesta non dovrebbe ricostruire in modo imprevedibile il resto dell’asset.
Un cambiamento importante è l’introduzione di xhigh e max. I modelli GPT Image precedenti supportavano impostazioni di qualità solo fino a high; GPT-Image-2.5 offre quindi agli sviluppatori un controllo maggiore sul compromesso tra latenza e fedeltà. I modelli supportano anche dimensioni personalizzate fino a 8.294.400 pixel totali, sebbene OpenAI contrassegni come sperimentali le risoluzioni superiori a 2560×1440. Larghezza e altezza devono essere multipli di 16.
Flare vs Sunburst
Flare e Sunburst condividono le stesse capacità core di GPT-Image-2.5, ma ottimizzano vincoli di produzione diversi.
| Fattore decisionale | Flare | Sunburst |
|---|---|---|
| Obiettivo primario | Generazione rapida e di alta qualità su larga scala | Massima precisione di generazione ed editing |
| Latenza relativa | Più veloce; preferita per workflow interattivi | Più lenta; priorità a fedeltà e controllo |
| Workload ideali | Asset social, prototipi, visual search, app ad alto volume | Creative di campagna, immagini prodotto “hero”, edit locali difficili |
| Comportamento in editing | Forte fedeltà al riferimento e coerenza multi-turno | Scelta più forte quando conta preservare dettagli esatti |
| Routing consigliato | Modello predefinito per richieste di routine | Livello di precisione per generazioni esigenti ed edit finali |
Per la maggior parte delle applicazioni, inizia con Flare e instrada gli edit finali difficili su Sunburst. Questo preserva la reattività senza rinunciare all’opzione a precisione superiore.
Cosa c’è di nuovo in GPT-Image-2.5?
Migliore fedeltà all’immagine di riferimento
Uno dei miglioramenti più importanti di GPT-Image-2.5 è quanto fedelmente preserva un’immagine sorgente. La generazione basata su riferimento ha tradizionalmente un compromesso scomodo: più aggressivamente un modello trasforma un’immagine, più è probabile che alteri identità, proporzioni, prodotti, sfondi o piccole caratteristiche visive che dovevano rimanere invariate.
GPT-Image-2.5 è progettato per mantenere più di questi dettagli. OpenAI afferma che i soggetti dovrebbero restare più riconoscibili mentre si trasformano illuminazione, ambienti, abiti, composizione o stile. Questo è importante per la sostituzione dello sfondo dei prodotti, le variazioni di campagna intorno allo stesso personaggio, i cambi d’outfit che preservano posa e identità e le composizioni alternative create dallo stesso asset sorgente.
L’esempio ufficiale “Remixed baby portrait” di OpenAI mostra un edit consapevole della sorgente che cambia l’outfit preservando la posa e lo sfondo blu da studio.
Immagine di input ufficiale di OpenAI.
Output modificato ufficiale di OpenAI.
Editing di immagini più preciso
Un secondo grande upgrade è la localizzazione degli edit. Se una foto di prodotto contiene una bottiglia, uno sfondo, un headline, un logo, ombre e oggetti di supporto, un editor utile dovrebbe poter sostituire solo l’headline senza cambiare inaspettatamente la forma della bottiglia, l’angolo della camera o l’illuminazione. GPT-Image-2.5 distingue meglio tra ciò che deve cambiare e ciò che deve rimanere fisso.
Editing multi-turno più affidabile
Il vero valore dell’editing di immagini spesso emerge dopo la prima modifica. Un tipico workflow creativo può generare una scena di prodotto, cambiare lo sfondo, spostare il prodotto, sostituire l’headline, aggiungere un badge promozionale, regolare l’illuminazione e infine esportare una versione trasparente.
Con modelli d’immagine più deboli, ogni passaggio successivo può degradare gradualmente i dettagli stabiliti in precedenza. GPT-Image-2.5 è specificamente progettato per rendere le modifiche precedenti più persistenti attraverso più turni di editing, avvicinando la generazione d’immagini a un processo di editing interattivo piuttosto che a una sequenza di generazioni scollegate.
Illuminazione e texture più naturali
GPT-Image-2.5 mira anche agli artefatti visivi che rendono le foto generate da AI facili da riconoscere. OpenAI segnala miglioramenti nell’illuminazione naturale e nella ricchezza delle texture dei materiali. In pratica, questi cambiamenti possono contare per pelle, tessuti, vetro, metallo, packaging, arredi, food photography e scene ambientali realistiche.
Migliore aderenza a istruzioni complesse
I prompt di generazione d’immagini moderni assomigliano sempre più a brief di design. Un utente può specificare diversi oggetti, posizioni esatte, un headline, il packaging del prodotto, la prospettiva della camera, i colori del brand, l’illuminazione, le relazioni tra primo piano e sfondo, aree trasparenti ed esclusioni. GPT-Image-2.5 migliora la capacità di tradurre queste richieste strutturate in un’immagine coerente.
Sfondi trasparenti e output flessibile
Entrambi i modelli API GPT-Image-2.5 supportano sfondi trasparenti quando il formato di output è PNG o WebP.
background="transparent"
output_format="png"
La specifica ufficiale di generazione immagini consente inoltre dimensioni WIDTHxHEIGHT arbitrarie valide invece di forzare gli sviluppatori a pochi rapporti fissi. Questo è utile per asset e-commerce, overlay, grafica per presentazioni, componenti UI, sticker, oggetti isolati, miniature e creatività pubblicitarie.
Prestazioni benchmark di GPT-Image-2.5
I benchmark di generazione d’immagini richiedono un’interpretazione attenta. Non esiste una singola metrica equivalente a un benchmark matematico per i modelli linguistici che catturi simultaneamente estetica, aderenza al prompt, precisione di editing, realismo visivo, resa del testo e fedeltà al riferimento. Per GPT-Image-2.5, tre tipi di evidenza quantitativa sono attualmente utili: risultati di preferenze umane su Arena, misurazioni di latenza di OpenAI e valutazioni dello stack di sicurezza di OpenAI.
Benchmark testo-immagine di Arena
Arena valuta i modelli tramite preferenze umane alla cieca: gli utenti ricevono output da due modelli anonimi per lo stesso task e selezionano il risultato preferito. La snapshot mostra quanto segue:
Istantanea preliminare di Arena
| Modello | Elo testo-immagine | Rank | Voti |
|---|---|---|---|
| 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 |
Benchmark di editing d’immagine
Lo stesso schema è visibile nella classifica di Arena per l’editing di singola immagine.
| Modello | Elo modifica singola immagine | Differenza rispetto a 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 |
Il vantaggio di Sunburst è particolarmente visibile nell’editing: il suo margine su Image 2 è maggiore qui che nella generazione testo-immagine, in linea con il suo posizionamento come modello orientato alla precisione.
Latenza di generazione
OpenAI afferma che GPT-Image-2.5 riduce la latenza di generazione fino al 50% rispetto a Images 2.0. Per l’API in particolare, OpenAI posiziona Flare come in grado di fornire immagini di qualità superiore a Image 2 con una latenza inferiore del 50%. Sunburst è deliberatamente progettato per scambiare più tempo di generazione con maggiore precisione.
Valutazione della sicurezza
OpenAI ha anche pubblicato una valutazione quantitativa della sicurezza utilizzando prompt avversari intenzionalmente progettati per richiedere immagini in violazione delle policy.
| Modello | Generati sicuri | Blocchi non sicuri | Output non sicuri |
|---|---|---|---|
| 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% |
Fonte: OpenAI Images 2.5 safety evaluations. Rispetto al baseline 1,64%, il tasso finale di esiti non sicuri scende di 0,55 punti percentuali per Sunburst e di 0,23 punti percentuali per Flare.
Queste cifre sono risultati di stress test di sicurezza, non punteggi di qualità generale dell’immagine o stime del traffico utente normale.
Flare vs Sunburst vs Image 2
Per la maggior parte degli sviluppatori, la domanda più utile non è se GPT-Image-2.5 sia migliore in astratto, ma quale modello abbia senso per un workload specifico.
| Dimensione | Flare | Sunburst | Image 2 |
|---|---|---|---|
| Obiettivo principale | Velocità + alta qualità | Massima precisione | Modello di generazione d’immagini di generazione precedente |
| Testo-immagine | Eccellente | Migliore risultato attuale su Arena | Eccellente |
| Editing d’immagine | Eccellente | Il migliore dei tre | Solido |
| Elo T2I di Arena | 1399 ± 13 | 1421 ± 13 | 1381 ± 4 |
| Elo editing immagine Arena | 1491 ± 9 | 1520 ± 9 | 1461 ± 3 |
| Latenza relativa | Scelta più veloce | Più lenta | Baseline |
| Fedeltà al riferimento | Migliorata | Migliorata / focalizzata sulla precisione | Solida |
| Editing multi-turno | Migliorato | Migliorato | Meno ottimizzato |
| Impostazioni di qualità | Fino a max | Fino a max | Fino a high |
| Dimensioni personalizzate | Sì | Sì | Sì |
| Output classe 4K | Sì | Sì | Sì |
| Sfondi trasparenti | Sì | Sì | Sì |
| Uso migliore | App, social, prototipazione, generazione batch | Campagne, prodotti rifiniti, edit difficili | Integrazioni esistenti |
| Consigliato per nuovi progetti API | Sì, predefinito | Sì, quando conta la precisione | Principalmente per mantenere workflow esistenti |
Quale modello vince sulla qualità?
La risposta attuale è Sunburst. È in testa in entrambe le principali categorie di immagine su Arena ed è esplicitamente posizionato da OpenAI come il suo modello più capace per generazione ed editing di immagini.
Quale modello vince sulla velocità?
La risposta è Flare. La sua combinazione di alti punteggi di preferenza e latenza sostanzialmente ridotta lo rende l’opzione più attraente e general-purpose della famiglia.
Flare costa meno di Sunburst?
Non al livello di tariffa unitaria pubblicata.
Entrambi i modelli utilizzano attualmente gli stessi prezzi per token pubblicati. Il vantaggio economico di Flare deriva principalmente da latenza e throughput del workflow, non da un prezzo per token inferiore.
Prezzi di GPT-Image-2.5
OpenAI applica attualmente le stesse tariffe per token a Flare e Sunburst:
| Tipo di token | Flare | Sunburst |
|---|---|---|
| Input testuale | $5 / 1M token | $5 / 1M token |
| Input testuale cache | $1,25 / 1M token | $1,25 / 1M token |
| Input immagine | $8 / 1M token | $8 / 1M token |
| Input immagine cache | $2 / 1M token | $2 / 1M token |
| Output immagine | $30 / 1M token | $30 / 1M token |
Le tariffe ufficiali per token non creano quindi una semplice distinzione “Flare è economico, Sunburst è costoso”. La differenza economica deriva dal comportamento del workflow. Un modello più veloce può ridurre il tempo di attesa degli utenti finali, i requisiti di concorrenza dell’applicazione, i tentativi di generazione abbandonati, il tempo di progettazione iterativa e l’infrastruttura occupata da richieste di lunga durata.
Costo input immagine
Esempio: Costo di editing con immagine di riferimento: Costo totale della richiesta = token di input testuale × $5/M + token di input immagine × $8/M + token di output immagine × $30/M
Prezzi di GPT-Image-2.5 Flare e Sunburst in CometAPI
Attualmente, CometAPI presenta uno sconto di intestazione del 20% rispetto alle corrispondenti tariffe ufficiali di input/output. Poiché OpenAI pubblica le stesse tariffe unitarie per Flare e Sunburst, il confronto visualizzato è lo stesso per entrambe le varianti.
| Modello | ID modello | Input CometAPI | Output CometAPI | Input/output ufficiali |
|---|---|---|---|---|
| Flare | gpt-image-2.5-flare | $4 / 1M token | $24 / 1M token | $5 / $30 per 1M token |
| Sunburst | gpt-image-2.5-sunburst | $4 / 1M token | $24 / 1M token | $5 / $30 per 1M token |
Si tratta di cifre di intestazione semplificate per input/output. OpenAI prezza separatamente input testuale, input immagine, input in cache e output immagine, quindi i workload con immagine di riferimento ed editing dovrebbero essere preventivati a partire dalle categorie di token restituite dalle richieste reali. Conferma il catalogo modelli live prima della messa in produzione poiché i prezzi dei provider possono cambiare.
I migliori casi d’uso per GPT-Image-2.5
Fotografia di prodotto
La preservazione del riferimento e l’editing mirato sono particolarmente preziosi nell’e-commerce. Un venditore può mantenere lo stesso prodotto cambiando sfondo, illuminazione, ambientazione stagionale, testo promozionale, ombre, composizione o trattamento per campagna regionale.
Pubblicità e creatività di campagna
Sunburst è particolarmente interessante quando un master creativo richiede diverse varianti controllate con cura. Un team marketing può preservare prodotto e composizione del brand cambiando headline, scena di sfondo, promozione, lingua o trattamento visivo.
Contenuti social su larga scala
Il vantaggio di latenza di Flare lo rende più adatto a generatori di immagini social, strumenti per creator, miniature personalizzate, meme, asset profilo e pipeline di contenuti automatizzate, dove throughput e velocità di iterazione contano spesso più dell’ottenere gli ultimi punti di preferenza.
Prototipazione visiva
I designer possono usare GPT-Image-2.5 per un’esplorazione rapida di schermate di app, concept di siti web, packaging, interni, concept di prodotto, visual per presentazioni e layout pubblicitari.
Prodotti di editing d’immagine
Per applicazioni in cui gli utenti caricano le proprie foto, una migliore preservazione può essere più importante della pura qualità testo-immagine. Esempi includono cambi d’outfit, redesign di interni, sostituzione dello sfondo, ritocco prodotto, variazioni di headshot e asset creativi personalizzati.
Asset trasparenti
L’output nativo con sfondo trasparente rende i modelli più pratici per oggetti di prodotto isolati, sticker, grafica UI, asset per presentazioni e pipeline di compositing.
Limitazioni di GPT-Image-2.5
Il testo può ancora fallire
La resa del testo è migliorata sostanzialmente nelle recenti generazioni di GPT Image, ma il testo generato dovrebbe comunque essere verificato manualmente per annunci ad alto impatto, packaging, menu, copy legale e screenshot UI.
Il controllo di layout esatto non è garantito
Un’istruzione in linguaggio naturale come “posiziona il logo esattamente a 40 pixel dall’angolo in alto a sinistra” non equivale a un vincolo deterministico di uno strumento di design. Layout a precisione di pixel sono meglio gestiti generando prima l’asset visivo e componendo testo o elementi d’interfaccia esatti in modo programmatico o in uno strumento di design.
Coerenza di personaggi e brand può ancora deviare
La coerenza multi-turno è migliorata, non perfetta. Sequenze d’immagini lunghe, generazioni ripetute di personaggi e ampie campagne di brand dovrebbero comunque includere controlli qualità.
Risoluzioni molto alte sono sperimentali
Sebbene l’API consenta fino a 8.294.400 pixel totali e un lato massimo di 3840 pixel, le risoluzioni superiori a 2560×1440 sono attualmente sperimentali. I sistemi di produzione dovrebbero testare l’output ad alta risoluzione invece di presumere che ogni configurazione 4K si comporti identicamente.
Prompt complessi possono richiedere ancora tempo
Richieste difficili possono ancora richiedere tempi di elaborazione significativi. Le applicazioni dovrebbero implementare stati di caricamento appropriati, timeout, retry per errori transitori e gestione asincrona per pipeline batch.
Flare o Sunburst: quale scegliere?
La scelta può essere semplificata a una domanda: è più importante la velocità o la precisione dell’edit finale per il workflow?
Scegli Flare quando stai costruendo:
- applicazioni di immagini consumer-facing
- generazione ad alto volume
- strumenti per contenuti social
- prototipi rapidi
- generazione di risultati per visual search
- esperienze di prodotto
- editor interattivi in cui gli utenti si aspettano feedback rapido
Scegli Sunburst quando stai creando:
- asset di campagna pronti per la produzione
- immagini di prodotto premium
- edit di immagini di riferimento esigenti
- revisioni difficili multi-step
- visual in cui preservare dettagli esatti conta più del tempo di risposta
Per la maggior parte delle nuove applicazioni, Flare dovrebbe essere il punto di partenza. Sunburst è meglio trattato come tier di precisione piuttosto che scelta automatica per ogni richiesta. Un sistema di produzione sofisticato potrebbe instradare le richieste di routine su Flare e riservare Sunburst agli edit che richiedono precisione più elevata.
Perché usare GPT-Image-2.5 tramite CometAPI?
CometAPI può semplificare uno stack di immagini in produzione in modi che vanno oltre la differenza di prezzo dichiarata:
- One API: usa la stessa autenticazione e le familiari route
/v1/images/generationse/v1/images/editsper i workflow supportati di generazione ed editing. - Model switching: cambia il campo model per instradare da
gpt-image-2.5-flareagpt-image-2.5-sunburst, o eseguire fallback sugpt-image-2, senza ricostruire l’integrazione applicativa circostante. - Fatturazione unificata: consolida uso e fatturazione per i modelli supportati invece di mantenere account e fatture separati per ciascuna route.
- Sperimentazione multi-modello: esegui confronti controllati con gli stessi prompt, immagini di riferimento, dimensioni e impostazioni di qualità, quindi misura latenza, uso di token, accuratezza di editing e tasso di output accettato.
- Ottimizzazione dei costi: imposta Flare come predefinito per lavori reattivi e ad alto volume, scala su Sunburst per gli edit sensibili alla precisione e mantieni Image 2 dove un workflow esistente richiede il suo comportamento maturo. Combina il routing con dati di uso reali invece di scegliere solo dai prezzi per token di intestazione.
Il vantaggio pratico è la coerenza operativa: i team possono testare e instradare i modelli all’interno di un’unica integrazione selezionando il profilo di qualità, latenza e costo appropriato per ogni richiesta.
Conclusione
GPT-Image-2.5 rappresenta l’ultimo passo di OpenAI dalla generazione d’immagini verso una piattaforma di editing più controllabile. Flare è la versione più ampiamente utile: combina qualità ed editing della nuova famiglia con una latenza significativamente ridotta, rendendolo adatto alle applicazioni interattive e alla produzione ad alto volume.
Sunburst spinge ulteriormente verso la precisione. I risultati attuali di Arena lo collocano davanti a Flare e Image 2 sia nella generazione testo-immagine sia nell’editing di singola immagine, rendendolo la scelta più forte per workflow creativi professionali esigenti.
Il cambiamento più significativo, tuttavia, è l’affidabilità del workflow. Migliore preservazione del soggetto, editing mirato, coerenza multi-turno, output personalizzato ad alta risoluzione e generazione con sfondo trasparente rendono GPT-Image-2.5 più pratico per pipeline creative reali, piuttosto che demo isolate di generazione d’immagini.
FAQ
Che cos’è GPT-Image-2.5?
GPT-Image-2.5 è la più recente famiglia di modelli di generazione ed editing di immagini di OpenAI, rilasciata a settembre 2026. Nell’API è divisa in Flare e Sunburst.
Qual è la differenza tra ChatGPT Images 2.5 e GPT-Image-2.5?
ChatGPT Images 2.5 si riferisce all’esperienza di generazione d’immagini integrata in ChatGPT. Gli sviluppatori accedono alla nuova generazione tramite modelli API tra cui gpt-image-2.5-flare e gpt-image-2.5-sunburst.
Che cos’è GPT-Image-2.5 Flare?
GPT-Image-2.5 Flare è la variante orientata alla velocità di GPT-Image-2.5 e il predefinito consigliato da OpenAI per la maggior parte delle applicazioni API. Si concentra su alta qualità d’immagine, editing d’immagine e latenza di generazione significativamente inferiore.
Che cos’è GPT-Image-2.5 Sunburst?
GPT-Image-2.5 Sunburst è la variante di massima capacità di OpenAI per generazione ed editing all’interno di GPT-Image-2.5. È pensata per workflow in cui precisione e controllo contano più della velocità di generazione.
GPT-Image-2.5 è migliore di Image 2?
Le evidenze attuali indicano di sì. Nello snapshot di Arena del 9 settembre, Sunburst ha ottenuto 1421 ± 13 e Flare 1399 ± 13 nel testo-immagine, rispetto a 1381 ± 4 per Image 2. L’editing di singola immagine mostra un vantaggio ancora maggiore per i due modelli nuovi.
GPT-Image-2.5 è più veloce di Image 2?
Flare sì. OpenAI afferma che Flare fornisce immagini di qualità superiore a Image 2 con una latenza inferiore del 50%. Sunburst accetta intenzionalmente tempi di generazione più lunghi in cambio di un controllo di editing più stretto.
GPT-Image-2.5 supporta immagini 4K?
Sì. Entrambe le varianti API supportano dimensioni personalizzate fino a 8.294.400 pixel totali e un lato fino a 3840 pixel. OpenAI considera attualmente sperimentali le risoluzioni superiori a 2560×1440.
Quanto costa GPT-Image-2.5?
OpenAI attualmente addebita per Flare e Sunburst $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. Le tariffe per input in cache sono inferiori.
Dovrei usare Flare o Sunburst?
Usa Flare per la maggior parte dei workload interattivi, ad alto volume, consumer, social e di prototipazione rapida. Usa Sunburst quando la massima precisione di editing e la fedeltà visiva finale sono più importanti della latenza.