TL;DR
GPT-Image-2.5 har ikke én fast «pris per bilde». OpenAI fakturerer API-bruk etter tokener. Både GPT-Image-2.5 Flare og GPT-Image-2.5 Sunburst bruker de samme offisielle token-satsene: $5 per million tekst-inndata-tokener, $8 per million bilde-inndata-tokener og $30 per million bilde-utdata-tokener. Bufrede tekst- og bildeinndata koster henholdsvis $1,25 og $2 per million tokener.
For et 1024×1024-bilde antyder observasjoner fra tredjeparts kalkulatorer at kun utdata-generering kan variere fra omtrent $0.006 ved lav kvalitet til rundt $0.211 ved maks kvalitet. High-kvalitet er rundt $0.053 i den planleggingsmodellen. Faktiske kostnader avhenger av prompt-tokener, referansebilder, nye forsøk, redigeringsinndata og reell utdata-tokenbruk.
Key Takeaways
- OpenAI fakturerer GPT-Image-2.5-API-et per token, ikke med en universell fast pris per bilde.
- Flare og Sunburst har samme token-satser; Sunburst er ikke en dyrere modell per token.
- Offisielle satser er $5/M tekst-inndata, $8/M bilde-inndata og $30/M bilde-utdata.
- GPT-Image-2.5 introduserer kvalitetsmoduser: low, medium, high, xhigh, max og auto.
- Et planleggingsestimat for et 1024×1024-bilde er omtrent $0.0059 ved low, $0.0527 ved high og $0.2107 ved max, før inndata-tokenkostnader.
- Flare er et bedre standardvalg for høyt volum og latenssensitiv generering, mens Sunburst er rettet mot presis redigering og premium kreative arbeidsflyter.
- CometAPI markedsfører 20 % rabatt på sine GPT-Image-2.5-modell-API-er, med overskriftspriser $4/M inndata og $24/M utdata mot tilsvarende $5/M og $30/M offisielle satser.
What Is GPT-Image-2.5 and What Are You Paying For?
OpenAI lanserte ChatGPT Images 2.5 8. september 2026. Oppdateringen fokuserer på skarpere detaljer, mer naturlig lyssetting og teksturer, sterkere bevaring av referansemotiver, mer pålitelig redigering over flere runder og lavere genereringslatens. OpenAI sier at genereringslatens kan være opptil 50 % lavere enn Images 2.0.
API-familien har to varianter. GPT-Image-2.5 Flare er optimalisert for rask, høykvalitets daglig generering og er OpenAIs anbefalte standard for de fleste applikasjoner. GPT-Image-2.5 Sunburst vektlegger redigeringspresisjon og premium kreative arbeidsflyter der bevaring av et eksisterende motiv eller en komposisjon er viktigere enn minimal latens.
| 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 | Fast everyday generation | Precision generation and editing |
| Input | Text and images | Text and images |
| Output | Images | Images |
| Image generation | Yes | Yes |
| Image editing | Yes | Yes |
| 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 | High-volume generation, rapid iteration | Product imagery, campaign creative, precise edits |
| Official image-output rate | $30/M tokens | $30/M tokens |
Kjernemodellenes dokumentasjon bekrefter at begge variantene aksepterer tekst og bilder som inndata og produserer bildeutdata, mens funksjonskalling, strukturerte utdata og finjustering ikke er del av bilde-modellgrensesnittet.
Offisielt GPT-Image-2.5-eksempel på presis redigering publisert av OpenAI; det redigerte portrettet bevarer posen og bakgrunnen, mens barnets klær endres.
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?
Den enkleste måten å forstå GPT-Image-2.5-prisingen på er å skille inndata-kostnad fra generert-bilde-kostnad.
OpenAIs offisielle modelldokumentasjon oppgir følgende token-satser for både Flare og Sunburst.
| 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 | — |
Det viktigste tallet for de fleste tekst-til-bilde-arbeidslaster er $30 per million bilde-utdata-tokener. En kort tekstprompt bidrar normalt relativt lite sammenlignet med selve det genererte bildet. Redigeringsarbeidsflyter kan koste mer fordi referansebilder også bruker bilde-inndata-tokener.
Total API-kostnad = kostnad for tekst-inndata + kostnad for bilde-inndata + kostnad for bilde-utdata.
For et enkelt tekst-til-bilde-kall uten referansebilde vil komponenten for bilde-utdata vanligvis dominere. For en bilderedigeringsarbeidsflyt med flere høyoppløselige referanseaktiva blir inndata-kostnaden mer relevant.
How Much Does One GPT-Image-2.5 Image Cost?
Det er her prisingen blir mindre rett fram.
Både Flare-dokumentasjonen og Sunburst-dokumentasjonen oppgir at GPT Image 2-kalkulatoren ikke estimerer GPT Image 2.5-tokenforbruk. Uavhengig av dette registrerte APIdog en delt GPT Image 2.5-kalkulatoroppføring 9. september 2026 med estimerte utdata-tokenbudsjetter for Flare og Sunburst. Disse tallene er budsjettestimater heller enn garanterte offisielle priser per bilde.
| 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 |
Disse tallene dekker kun bildeutdata. Din reelle forespørsel kan også inkludere tekst-inndata-tokener, bilde-inndata-tokener, nye forsøk, variasjoner, redigeringsrunder eller annen bruk.
En mer presis formulering enn «GPT-Image-2.5 koster $0.053 per bilde» er: en 1024×1024 high-kvalitetsgenerering kan budsjetteres til omtrent $0.053 i utdata-tokenkostnad under det observerte tokenestimatet, før inndata- og retry-kostnader.
Is GPT-Image-2.5 High Quality Four Times Cheaper Than GPT Image 2 High?
Ved første øyekast, ja: etikettene antyder en dramatisk reduksjon.
APIdogs registrerte tokenbudsjetter viser GPT-Image-2.5 high på rundt 1,756 utdata-tokener, eller cirka $0.05268 for et 1024×1024-bilde. GPT Image 2 high lå rundt $0.211 for samme kvadratiske størrelse.
Dette er imidlertid ikke en direkte «samme kvalitet for en fjerdedel av prisen»-sammenligning. Kvalitetsstigen er endret.
| GPT-Image-2.5 setting | Approx. 1024×1024 output cost | Rough GPT Image 2 token-budget equivalent |
|---|---|---|
| low | $0.00588 | tidligere low |
| medium | $0.01317 | under tidligere medium |
| high | $0.05268 | tidligere medium |
| xhigh | $0.09366 | mellom tidligere medium og high |
| max | $0.21072 | tidligere high |
Utviklere som migrerer en eksisterende pipeline bør ikke bare gjenbruke high-innstillingen og konkludere med at den nye modellen er fire ganger billigere. Hvis målet er omtrent samme utdata-tokenbudsjett som den forrige GPT Image 2 high-innstillingen, er nærmeste GPT-Image-2.5-innstilling max, ikke high.
Does GPT-Image-2.5 Sunburst Cost More Than Flare?
Nei—ikke per token. Begge variantene bruker samme offisielle priskort. Sunburst har ikke høyere $/token bare fordi den posisjoneres som høy-presisjonsmodellen.
| 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 | Lower latency | More editing precision |
Forskjellen handler hovedsakelig om tid og arbeidsflyt, ikke tokenpris. OpenAI posisjonerer Flare som standard for de fleste applikasjoner og sier at den leverer bilder av høyere kvalitet enn GPT Image 2 med opptil 50 % lavere latens. Sunburst er ment for mer kontrollert redigering og produksjonsgrad kreativt arbeide, og kan bruke lengre tid på generering.
Hvis Sunburst produserer en brukbar kampanjeressurs i ett forsøk mens Flare krever to eller tre nye forsøk, kan Sunburst faktisk ha lavere kostnad per godkjent bilde, selv om den har samme nominelle tokenpris.
How Good Is GPT-Image-2.5 for Its Price?
Pris betyr lite hvis utdata-kvaliteten ikke er konkurransedyktig.
Den gjeldende Arena-rangeringen for menneskelig preferanse plasserer begge GPT-Image-2.5-variantene foran GPT Image 2 i tekst-til-bilde-generering og enkeltbilde-redigering. Dette er tredjeparts preferansescore snarere enn kvalitetstester kontrollert av OpenAI, og GPT-Image-2.5-resultatene er merket som foreløpige.
| 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 |
Benchmark-settet inkluderer også Grok Imagine Image 2.0 API i CometAPI.
Det mest bemerkelsesverdige resultatet er redigeringsscoren. Sunburst leder Flare med omtrent 29 poeng på enkeltbilde-redigeringsledertabellen, mens begge ligger foran GPT Image 2. Det samsvarer med OpenAIs posisjonering av Sunburst som det presisjonsorienterte alternativet. Se ledertabellen for bilderedigering.
OpenAIs eget evalueringsmateriale er mer fokusert på sikkerhet enn estetisk preferanse. I sin systemrapport oppgir selskapet endelige rater for presentert utrygg generering på 1,09 % for Sunburst, 1,41 % for Flare og 1,64 % for Images 2.0-baselinen på deres adversarielle sikkerhetsevalueringssett. Dette er sikkerhetsmålinger, ikke bildekvalitetsscore.
What Does GPT-Image-2.5 Cost in CometAPI?
For utviklere som ønsker modellen via en multimodell API-gateway, er begge variantene tilgjengelige gjennom CometAPI. GPT-Image-2.5 Flare API i CometAPI viser $4 per million inndata-tokener og $24 per million utdata-tokener, sammenlignet med tilsvarende $5/M og $30/M offisielle overskriftstall, som representerer 20 % rabatt. GPT-Image-2.5 Sunburst API i CometAPI publiserer den samme overskriftssammenligningen.
| 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% |
Prisd etalj som bør verifiseres før produksjonsbudsjettering: OpenAI skiller tekst-inndata til $5/M fra bilde-inndata til $8/M, mens CometAPI oppsummerer prisingen med et generelt inndata-/utdata-par. Arbeidsflyter med mange referansebilder bør bekrefte levende faktureringsdashboard før de antar at hver bilde-inndata-token får den viste inndata-satsen.
| 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 |
Igjen, dette er estimerte utdata-kostnader, ikke altomfattende forespørselspriser.
How Much Would 10,000 GPT-Image-2.5 Images Cost?
Prising i stort volum gjør forskjellen lettere å se. Anta at en innholdsplattform genererer 10,000 kvadratiske bilder og at hvert utdata bruker omtrent det observerte tokenbudsjettet for den valgte kvalitetsnivået.
| 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 |
Tabellen er nyttig for infrastrukturbudsjettering, men et virkelig produksjonsteam bør spore noe mer meningsfylt enn kostnad per generert bilde: kostnad per godkjent bilde.
Med high-estimatet for 1024×1024 fra tabellen koster ti genereringer omtrent $0.5268 i utdata-tokener. Hvis seks blir godkjent, er den effektive utdata-tokenkostnaden $0.5268 ÷ 6 = $0.0878 per godkjent ressurs.
En mer kapabel modell som reduserer nye forsøk kan derfor være økonomisk bedre selv om en enkelt forespørsel bruker litt flere tokener.
Which GPT-Image-2.5 Quality Setting Gives the Best Value?
For de fleste produksjonsapplikasjoner er high et fornuftig startpunkt snarere enn max. Low er best egnet til forhåndsvisninger og rimelige eksperimenter. Medium fungerer godt når man genererer mange konsepter som senere skal filtreres. High gir en bedre balanse for produksjonskvalitet, samtidig som den ligger dramatisk under maksimalbudsjettet for tokener. Xhigh blir attraktivt når aktiva trenger ekstra finish, men ikke rettferdiggjør hele maksbudsjettet. Max bør generelt reserveres for endelige aktiva der troskap er viktigere enn genereringskostnad.
Den underliggende økonomiske fordelen med en stige i seks nivåer er at du ikke trenger å betale for maksimal kvalitet i hvert trinn av en kreativ arbeidsflyt. En praktisk pipeline kan generere konsepter på medium, velge kandidater, finpusse de utvalgte på high og kun gjøre de endelige hovedressursene på xhigh eller max.
How Can You Calculate GPT-Image-2.5 Cost From API Usage?
Den tryggeste måten å estimere produksjonsforbruk på er å registrere faktisk tokenbruk i stedet for å stole permanent på en statisk per-bilde-tabell. For OpenAIs offisielle satser er beregningen enkel:
Estimer hver forespørsel i kroner: multipliser tekst-inndata-tokener med $5 per million, bilde-inndata-tokener med $8 per million og bilde-utdata-tokener med $30 per million, og legg sammen de tre beløpene. For eksempel koster 120 tekst-inndata-tokener pluss 1,756 bilde-utdata-tokener omtrent $0.0006 + $0.05268 = $0.05328 før eventuell bilde-inndata-kostnad. For redigeringsforespørsler, legg til bilde-inndata-tokener rapportert av API-et, spesielt når flere referansebilder er brukt.
For en enkel generering med 120 tekst-inndata-tokener og 1,756 bilde-utdata-tokener er utdata-delen omtrent $0.05268, mens den korte tekstprompten bare legger til en svært liten sum. For redigering, legg til bilde-inndata-tokener returnert av din faktiske forespørsel. Det er spesielt viktig når flere referansebilder er levert.
Is GPT-Image-2.5 Worth the Price?
For de fleste nye OpenAI-bildeintegrasjoner er Flare det åpenbare utgangspunktet. Den har samme token-sats som GPT Image 2, mens OpenAI rapporterer høyere bildekvalitet og opptil 50 % lavere latens. Den utvidede kvalitetsstigen lar også utviklere bruke mindre på utkast uten å gi opp muligheten for et mye større tokenbudsjett for endelige bilder.
Sunburst gir mer mening når mislykkede redigeringer er dyre. E-handel-fotografering, merkevarekampanjer, gjentatte bilderedigeringer, arbeidsflyter for bevaring av motiv og annet kreativt produksjonsarbeid kan rettferdiggjøre lengre genereringstid fordi det reelle målet ikke er minimal forespørselskostnad—det er minimal kostnad per godkjent ressurs.
For prissensitive arbeidslaster i stort volum er derfor den sterkeste strategien ikke «alltid bruk den billigste kvaliteten». Det er å rute oppgaver intelligent: Flare for generering og utforskning, Sunburst der redigeringspresisjon materi elt reduserer omarbeid, og høyere kvalitetsnivåer først etter at en ressurs har fortjent det ekstra tokenbudsjettet.
FAQ
Inkluderer et ChatGPT-abonnement GPT-Image-2.5 API-kreditter?
Nei. Tilgang til ChatGPT og fakturering for utvikler-API er separate. API-bruk belastes API-kontoen i henhold til behandlede tokener.
Hvilke bruksdata bør et team lagre for kostnadsrevisjoner?
Lagre modell, kvalitetsinnstilling, bildedimensjoner, tekst-inndata-tokener, bilde-inndata-tokener, bilde-utdata-tokener, antall nye forsøk og om resultatet ble godkjent. Disse feltene gjør det mulig å avstemme fakturaer og beregne kostnad per godkjent ressurs.
Hvordan bør team estimere produksjonskost før skalering?
Kjør en representativ batch på tiltenkt kvalitet og dimensjoner, registrer faktisk tokenbruk, og del den totale batch-kostnaden på antall godkjente ressurser. Dette fanger opp nye forsøk og avvisningsrater som et statisk per-bilde-estimat ikke kan måle.