TL;DR
GPT-Image-2.5 er OpenAIs nyeste generasjon for bildegenerering og -redigering, lansert 8. september 2026 som oppfølgeren til ChatGPT Images 2.0 og GPT-Image-2 API-generasjonen.
For utviklere er GPT-Image-2.5 tilgjengelig som to modeller: Flare og Sunburst. Flare er utformet som standardvalget for de fleste produksjonsapplikasjoner og kombinerer høyere bildekvalitet med vesentlig raskere generering. Sunburst er rettet mot arbeidsflyter der redigeringspresisjon og endelig bildefidelitet veier tyngre enn latens.
Oppgraderingen handler ikke bare om skarpere bilder. GPT-Image-2.5 forbedrer bevaringen av referansebilder, lokaliserte endringer, konsistens i flertrinnsredigering, visuell realisme, etterlevelse av instruksjoner, generering med gjennomsiktig bakgrunn og høyoppløselig utdata. OpenAI sier bildegenereringslatensen er redusert med opptil 50 % sammenlignet med Images 2.0.
Tidlige menneskelige preferansebenchmarks er også sterke. I Arena-snapshotet fra 9. september rangerte Sunburst først for tekst-til-bilde-generering med 1421 ± 13 Elo, mens Flare ble nummer to med 1399 ± 13, foran Image 2 med 1381 ± 4.
Utviklere kan få tilgang til begge variantene via CometAPI: GPT-Image-2.5 Flare bruker gpt-image-2.5-flare for raskere arbeid i stor skala, mens GPT-Image-2.5 Sunburst bruker gpt-image-2.5-sunburst når redigeringspresisjon og endelig bildefidelitet er viktigst. Begge kan brukes gjennom de velkjente rutene /v1/images/generations og /v1/images/edits; transparent utdata bør bruke PNG eller WebP.
Viktige punkter
- GPT-Image-2.5 er en generasjonsoppgradering, ikke bare en liten oppfriskning av bildekvalitet.
- Utviklere får to varianter: Flare for hastighet og skala, og Sunburst for maksimal redigeringspresisjon.
- Flare leverer høyere kvalitet enn Image 2 med 50 % lavere latens, ifølge OpenAI.
- Begge variantene støtter kvalitetmodusene low, medium, high, xhigh, max og auto.
- Egendefinerte dimensjoner kan nå 4K-klasse pikselantall, med individuelle kanter opptil 3840 piksler.
- Nåværende Arena-resultater plasserer Sunburst og Flare over Image 2 i både tekst-til-bilde og redigering av enkeltbilde.
- Begge modellene bruker samme offisielle tokenpriser: $5/M tekst-inndata-tokens, $8/M bilde-inndata-tokens og $30/M bilde-utdata-tokens.
- Flare-API i CometAPI tilbyr for tiden en lavere headline inn-/utpris for utviklere som bygger produksjonsarbeidsflyter for bilder.
Hva er GPT-Image-2.5?
GPT-Image-2.5 er OpenAIs nyeste familie av modeller for bildegenerering og bilderedigering. I ChatGPT vises teknologien som ChatGPT Images 2.5. På API-laget kan utviklere velge mellom to distinkte modeller:
- gpt-image-2.5-flare
- gpt-image-2.5-sunburst
Dette skillet er viktig fordi “GPT-Image-2.5” best forstås som modellgenerasjonen eller -familien, snarere enn en enkelt API-modell-ID.
GPT-Image-2.5 bygger videre på kapasitetene i Image 2 API i CometAPI og legger mye større vekt på arbeidsflyten rundt bildekreasjon. I stedet for å behandle hver generering som et stort sett uavhengig resultat, er den nye generasjonen designet for å bevare motiver, komposisjoner, stiler og tidligere endringer mens brukere itererer.
OpenAI fremhever forbedringer i referansebildefidelitet og presisjonsredigering, samt flertrinnskonsistens, rikere teksturer og naturlig lyssetting. Det gjør GPT Image 2.5 spesielt relevant for kommersielt kreativt arbeid, der en enkelt forespurt endring ikke bør rekonstruere resten av ressursen uforutsigbart.
En viktig endring er introduksjonen av xhigh og max. Tidligere GPT Image-modeller støttet bare kvalitetsinnstillinger opp til high; GPT-Image-2.5 gir derfor utviklere mer kontroll over bytteforholdet mellom latens og trofasthet. Modellene støtter også egendefinerte dimensjoner opptil 8 294 400 totale piksler, selv om OpenAI markerer oppløsninger over 2560×1440 som eksperimentelle. Bredde og høyde må være multipler av 16.
Flare vs Sunburst
Flare og Sunburst deler de samme kjernekapasitetene i GPT-Image-2.5, men optimaliserer for ulike produksjonsbegrensninger.
| Beslutningsfaktor | Flare | Sunburst |
|---|---|---|
| Primærmål | Rask, høy-kvalitets generering i skala | Maksimal genererings- og redigeringspresisjon |
| Relativ latens | Raskere; foretrukket for interaktive arbeidsflyter | Saktere; prioriterer fidelitet og kontroll |
| Beste arbeidslaster | Sosiale aktiva, prototyper, visuell søk, apper i volum | Kampanjekreativer, produkt-hero-bilder, vanskelige lokaliserte endringer |
| Redigeringsatferd | Sterk referansetrofasthet og flertrinnskonsistens | Sterkeste valg når bevaring av eksakte detaljer er avgjørende |
| Anbefalt ruting | Standardmodell for rutineforespørsler | Presisjonsnivå for krevende genereringer og siste finredigeringer |
For de fleste applikasjoner, start med Flare og rut vanskelige, endelige endringer til Sunburst. Dette bevarer responsivitet uten å gi opp alternativet for høyere presisjon.
Hva er nytt i GPT-Image-2.5?
Bedre trofasthet til referansebilder
En av de viktigste forbedringene i GPT-Image-2.5 er hvor trofast den bevarer en kilde. Referansebasert generering har tradisjonelt hatt et ubehagelig kompromiss: jo mer aggressivt en modell transformerer et bilde, desto mer sannsynlig er det at den endrer identitet, proporsjoner, produkter, bakgrunner eller små visuelle kjennetegn som skulle forbli uendret.
GPT-Image-2.5 er designet for å beholde flere av disse detaljene. OpenAI sier at motiver skal forbli mer gjenkjennelige mens lyssetting, miljøer, klær, komposisjon eller stil transformeres. Dette er viktig for produkt-bakgrunnserstatning, kampanjevarianter rundt samme karakter, klesbytter som bevarer posering og identitet, og alternative komposisjoner bygget fra samme kilde.
OpenAIs offisielle «Remixed baby portrait»-eksempel viser en kildebevisst redigering som endrer antrekket samtidig som poseringen og den blå studiobakgrunnen bevares.
Offisielt inndata-bilde fra OpenAI.
Offisielt redigert utdata-bilde fra OpenAI.
Mer presis bilderedigering
En annen stor oppgradering er lokalisering av endringer. Hvis et produktfoto inneholder en flaske, bakgrunn, overskrift, logo, skygger og rekvisitter, bør en nyttig bilderedigerer kunne erstatte bare overskriften uten uventet å endre flaskens form, kameravinkel eller lyssetting. GPT-Image-2.5 er bedre til å skille mellom hva som skal endres og hva som skal forbli fast.
Mer pålitelig flertrinnsredigering
Den virkelige verdien av bilderedigering viser seg ofte etter første endring. En typisk kreativ arbeidsflyt kan generere en produktscene, endre bakgrunnen, flytte produktet, bytte overskrift, legge til en promo-badge, justere lyssettingen og til slutt eksportere en transparent versjon.
Med svakere bildemodeller kan hvert påfølgende steg gradvis forringe detaljer som ble etablert tidligere i arbeidsflyten. GPT-Image-2.5 er spesifikt designet for å gjøre tidligere endringer mer vedvarende på tvers av flere redigeringsrunder, og flytter bildegenerering nærmere en interaktiv redigeringsprosess fremfor en serie urelaterte genereringer.
Mer naturlig lys og tekstur
GPT-Image-2.5 retter seg også mot visuelle artefakter som gjør AI-genererte fotografier lette å gjenkjenne. OpenAI rapporterer forbedringer i naturlig lyssetting og rikere materialteksturer. I praksis kan disse endringene ha betydning for hud, tekstiler, glass, metall, emballasje, møbler, matfotografering og realistiske miljøscener.
Bedre etterlevelse av komplekse instruksjoner
Moderne bildegenereringsprompter ligner i økende grad designbriefs. En bruker kan spesifisere flere objekter, eksakte plasseringer, en overskrift, produktpakning, kameraperspektiv, merkevarefarger, lyssetting, relasjoner mellom forgrunn og bakgrunn, transparente områder og ekskluderinger. GPT-Image-2.5 forbedrer evnen til å oversette disse strukturerte forespørslene til et sammenhengende bilde.
Transparente bakgrunner og fleksibel utdata
Begge GPT-Image-2.5 API-modellene støtter transparente bakgrunner når utdataformatet er PNG eller WebP.
background="transparent"
output_format="png"
Den offisielle spesifikasjonen for bildegenerering tillater også vilkårlige gyldige WIDTHxHEIGHT-dimensjoner i stedet for å tvinge utviklere inn i bare noen få faste sideforhold. Dette er nyttig for netthandelsaktiva, overlegg, presentasjonsgrafikk, UI-komponenter, klistremerker, isolerte objekter, miniatyrbilder og annonsekreativer.
GPT-Image-2.5 benchmark-ytelse
Bildegenereringsbenchmarks krever nøye tolkning. Det finnes ikke én enkelt metrikk tilsvarende et språkmodell-mattebenchmark som samtidig fanger estetikk, etterlevelse av prompt, redigeringspresisjon, visuell realisme, tekstgjengivelse og referansetrofasthet. For GPT-Image-2.5 er tre typer kvantitative bevis for øyeblikket nyttige: Arena-resultater fra menneskelig preferanse, OpenAIs latensmålinger og OpenAIs sikkerhetsvurderinger.
Arena tekst-til-bilde-benchmark
Arena evaluerer modeller gjennom blind menneskelig preferanse: brukere får utdata fra to anonyme modeller for samme oppgave og velger resultatet de foretrekker. Snapshotet viser følgende:
Arena foreløpig snapshot
| Modell | Tekst-til-bilde Elo | Rang | Stemmer |
|---|---|---|---|
| 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 for bilderedigering
Det samme mønsteret er synlig på Arenas ledertabell for redigering av enkeltbilde.
| Modell | Elo for enkeltbilde-redigering | Forskjell vs Image 2 |
|---|---|---|
| Sunburst | 1520 ± 9 | +59 |
| Flare | 1491 ± 9 | +30 |
| Image 2 | 1461 ± 3 | Basislinje |
| Grok Imagine Image 2.0 | 1439 ± 8 | -22 |
| MAI Image 2.6 | 1434 | -27 |
Sunbursts fordel er spesielt synlig i redigering: forspranget over Image 2 er større her enn i tekst-til-bilde-generering, noe som samsvarer med posisjoneringen som presisjonsorientert modell.
Genereringslatens
OpenAI sier at GPT-Image-2.5 reduserer genereringslatensen med opptil 50 % versus Images 2.0. For API-et spesifikt posisjonerer OpenAI Flare som leverandør av høyere bildekvalitet enn Image 2 med 50 % lavere latens. Sunburst er bevisst designet for å bytte mer genereringstid mot ytterligere presisjon.
Sikkerhetsevaluering
OpenAI publiserte også en kvantitativ sikkerhetsevaluering ved bruk av adversarielle prompter som bevisst er utformet for å be om policy-krenkende bilder.
| Modell | Trygt generert | Utrygt blokkert | Utrygt presentert |
|---|---|---|---|
| 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 % |
Kilde: OpenAI Images 2.5 sikkerhetsevalueringer. Sammenlignet med basislinjen på 1,64 % faller den endelige andelen utrygge utfall med 0,55 prosentpoeng for Sunburst og 0,23 prosentpoeng for Flare.
Disse tallene er resultater fra sikkerhets-stresstester, ikke generelle bildekvalitetsscorer eller anslag for normal brukeratferd.
Flare vs Sunburst vs Image 2
For de fleste utviklere er det mer nyttig å spørre ikke om GPT-Image-2.5 er bedre i abstrakt, men hvilken modell som gir mening for en bestemt arbeidslast.
| Dimensjon | Flare | Sunburst | Image 2 |
|---|---|---|---|
| Hovedmål | Hastighet + høy kvalitet | Maksimal presisjon | Forrige generasjons generell bildemodell |
| Tekst-til-bilde | Utmerket | Beste nåværende Arena-resultat | Utmerket |
| Bilderedigering | Utmerket | Best av de tre | Sterk |
| Arena T2I Elo | 1399 ± 13 | 1421 ± 13 | 1381 ± 4 |
| Arena image-edit Elo | 1491 ± 9 | 1520 ± 9 | 1461 ± 3 |
| Relativ latens | Raskest valg | Saktere | Basislinje |
| Referansetrofasthet | Forbedret | Forbedret / presisjonsfokusert | Sterk |
| Flertrinnsredigering | Forbedret | Forbedret | Mindre optimalisert |
| Kvalitetsinnstillinger | Opp til max | Opp til max | Opp til high |
| Egendefinerte dimensjoner | Ja | Ja | Ja |
| 4K-klasse utdata | Ja | Ja | Ja |
| Transparente bakgrunner | Ja | Ja | Ja |
| Beste bruk | Apper, sosiale medier, prototyping, batch | Kampanjer, polerte produkter, vanskelige endringer | Eksisterende integrasjoner |
| Anbefalt for nye API-prosjekter | Ja, standard | Ja, når presisjon er viktig | Hovedsakelig ved vedlikehold av eksisterende arbeidsflyter |
Hvilken modell vinner på kvalitet?
Det nåværende svaret er Sunburst. Den leder begge hovedkategoriene i Arena og er eksplisitt posisjonert av OpenAI som deres mest kapable modell for bildegenerering og -redigering.
Hvilken modell vinner på hastighet?
Svaret er Flare. Kombinasjonen av høye preferansescore og vesentlig redusert latens gjør den til det mest attraktive allround-alternativet i familien.
Koster Flare mindre enn Sunburst?
Ikke på nivået med publiserte enhetspriser.
Begge modellene bruker for tiden de samme publiserte tokenprisene. Flares økonomiske fordel kommer primært fra latens og gjennomstrømning i arbeidsflyten, ikke en lavere tokenpris.
GPT-Image-2.5-priser
OpenAI anvender for tiden de samme tokenprisene for Flare og Sunburst:
| Tokentype | Flare | Sunburst |
|---|---|---|
| Tekst-inndata | $5 / 1M tokens | $5 / 1M tokens |
| Bufret tekst-inndata | $1.25 / 1M tokens | $1.25 / 1M tokens |
| Bilde-inndata | $8 / 1M tokens | $8 / 1M tokens |
| Bufret bilde-inndata | $2 / 1M tokens | $2 / 1M tokens |
| Bilde-utdata | $30 / 1M tokens | $30 / 1M tokens |
De offisielle tokenprisene skaper derfor ikke et enkelt “Flare er billig, Sunburst er dyr”-skille. I stedet kommer den økonomiske forskjellen fra arbeidsflytadferd. En raskere modell kan redusere sluttbrukerens ventetid, krav til applikasjonskonkurrens, avbrutte genereringsforsøk, iterativ designtid og infrastruktur opptatt av langvarige forespørsler.
Kostnad for bilde-inndata
Eksempel: Kostnad for redigering med referansebilde: Total forespørselkostnad = tekst-inndata-tokens × $5/M + bilde-inndata-tokens × $8/M + bilde-utdata-tokens × $30/M
GPT-Image-2.5 Flare og Sunburst-priser i CometAPI
For øyeblikket presenterer CometAPI en 20 % headline-rabatt relativt til samsvarende offisielle inn-/utpriser. Fordi OpenAI publiserer de samme enhetsprisene for Flare og Sunburst, er den viste sammenligningen den samme for begge variantene.
| Modell | Modell-ID | CometAPI inndata | CometAPI utdata | Offisiell inn/ut |
|---|---|---|---|---|
| Flare | gpt-image-2.5-flare | $4 / 1M tokens | $24 / 1M tokens | $5 / $30 per 1M tokens |
| Sunburst | gpt-image-2.5-sunburst | $4 / 1M tokens | $24 / 1M tokens | $5 / $30 per 1M tokens |
Dette er forenklede headline inn-/ut-tall. OpenAI priser tekst-inndata, bilde-inndata, bufrede inndata og bilde-utdata separat, så arbeidslaster med referansebilder og redigering bør budsjetteres ut fra tokentypene som returneres av faktiske forespørsler. Bekreft den levende modellkatalogen før produksjonsutrulling, fordi leverandørpriser kan endres.
Beste bruksområder for GPT-Image-2.5
Produktfotografering
Bevaring av referanser og målrettet redigering er særlig verdifullt i netthandel. En selger kan beholde det samme produktet mens bakgrunn, lyssetting, sesongsetting, promotekst, skygger, komposisjon eller regional kampanjebehandling endres.
Reklame og kampanjekreativer
Sunburst er spesielt attraktiv når én masterkreativ trenger flere nøye kontrollerte varianter. Et markedsføringsteam kan bevare produktet og merkevarekomposisjonen mens overskrift, bakgrunnsscene, kampanje, språk eller visuell behandling endres.
Sosialt innhold i skala
Flares latensfordel gjør den bedre egnet for generatorer av sosiale bilder, kreatørverktøy, personaliserte miniatyrbilder, memer, profilaktiva og automatiserte innholdspipelines, der gjennomstrømning og iterasjonshastighet ofte er viktigere enn å hente ut de siste preferansepoengene.
Visuell prototyping
Designere kan bruke GPT-Image-2.5 til rask utforskning av appskjermer, nettsidekonsepter, emballasje, interiør, produktkonsepter, presentasjonsvisuelt og annonseoppsett.
Produkter for bilderedigering
For applikasjoner der brukere laster opp egne bilder, kan forbedret bevaring være viktigere enn ren tekst-til-bilde-kvalitet. Eksempler inkluderer klesbytte, interiørdesign på nytt, bakgrunnserstatning, produktretusjering, headshot-variasjoner og personaliserte kreative aktiva.
Transparente elementer
Naturlig støtte for gjennomsiktig bakgrunn gjør modellene mer praktiske for isolerte produktobjekter, klistremerker, UI-grafikk, presentasjonsaktiva og komponeringspipeliner.
Begrensninger i GPT-Image-2.5
Tekst kan fortsatt være problematisk
Tekstgjengivelse er forbedret betydelig på tvers av nyere GPT Image-generasjoner, men generert tekst bør fortsatt verifiseres manuelt for høyinnsats-annonser, emballasje, menyer, juridisk tekst og UI-skjermbilder.
Nøyaktig layoutkontroll er ikke garantert
En instruksjon som “plasser logoen nøyaktig 40 piksler fra øvre venstre hjørne” er ikke ekvivalent med en deterministisk designverktøy-begrensning. Piksel-kritiske layouter håndteres best ved å generere det visuelle først og deretter komponere eksakt tekst eller grensesnittelementer programmatisk eller i et designverktøy.
Karakter- og merkevarekonsistens kan fortsatt avvike
Flertrinnskonsistens er forbedret, ikke perfekt. Lange bildesekvenser, gjentatt karaktergenerering og store merkevarekampanjer bør fortsatt inkludere kvalitetskontroller.
Svært høye oppløsninger er eksperimentelle
Selv om API-et tillater opptil 8 294 400 totale piksler og en maksimal kant på 3840 piksler, er oppløsninger over 2560×1440 for tiden eksperimentelle. Produksjonssystemer bør teste høyoppløselig utdata i stedet for å anta at alle 4K-konfigurasjoner oppfører seg identisk.
Komplekse prompter kan fortsatt ta tid
Vanskelige forespørsler kan fortsatt kreve betydelig prosesseringstid. Applikasjoner bør implementere skikkelige lastetilstander, tidsavbrudd, nye forsøk ved forbigående feil og asynkron håndtering for batchpipeliner.
Flare eller Sunburst: Hvilken bør du velge?
Valget kan forenkles til ett spørsmål: er hastighet eller presisjon i siste redigering viktigst for arbeidsflyten?
Velg Flare når du bygger:
- forbrukerrettede bildeapplikasjoner
- generering i høyt volum
- verktøy for sosialt innhold
- raske prototyper
- generering av resultater for visuell søk
- produktopplevelser
- interaktive editorer der brukere forventer rask tilbakemelding
Velg Sunburst når du lager:
- produksjonsklare kampanjeaktiva
- premium produktbilder
- krevende redigeringer med referansebilder
- vanskelige flerstegsrevisjoner
- visuelle der bevaring av eksakte detaljer er viktigere enn responstid
For de fleste nye applikasjoner bør Flare være startpunktet. Sunburst egner seg bedre som et presisjonsnivå enn som automatisk valg for hver forespørsel. Et sofistikert produksjonssystem kan route rutineforespørsler til Flare og reservere Sunburst for redigeringer som krever høyere presisjon.
Hvorfor bruke GPT-Image-2.5 via CometAPI?
CometAPI kan forenkle en produksjonsstakk for bilder på måter som går utover den annonserte prisforskjellen:
- One API: bruk samme autentisering og de velkjente rutene
/v1/images/generationsog/v1/images/editsfor støttede genererings- og redigeringsarbeidsflyter. - Modellbytte: endre model-feltet for å route fra
gpt-image-2.5-flaretilgpt-image-2.5-sunburst, eller falle tilbake tilgpt-image-2, uten å bygge om den omkringliggende applikasjonsintegrasjonen. - Samlet fakturering: konsolider bruk og fakturering for støttede modeller i stedet for å opprettholde en separat konto og faktura for hver rute.
- Eksperimentering på tvers av modeller: kjør kontrollerte sammenligninger med samme prompter, referansebilder, dimensjoner og kvalitetsinnstillinger, og mål deretter latens, tokenbruk, redigeringsnøyaktighet og akseptgrad for utdata.
- Kostnadsoptimalisering: bruk som standard Flare for responsivt arbeid i volum, eskaler presisjonssensitive redigeringer til Sunburst, og behold Image 2 der en eksisterende arbeidsflyt trenger den modne oppførselen. Kombiner ruting med reelle bruksdata i stedet for å velge utelukkende etter headline tokenpriser.
Den praktiske fordelen er operasjonell konsistens: team kan teste og route modeller innenfor én integrasjon mens de velger kvalitets-, latens- og kostnadsprofilen som passer for hver forespørsel.
Konklusjon
GPT-Image-2.5 representerer OpenAIs nyeste steg fra generativ bildegenerering mot en mer kontrollerbar bilderedigeringsplattform. Flare er den mest bredt nyttige versjonen: den kombinerer familiens kvalitets- og redigeringsforbedringer med betydelig redusert latens, noe som gjør den egnet for interaktive applikasjoner og produksjon i volum.
Sunburst går lenger i retning presisjon. Nåværende Arena-resultater plasserer den foran Flare og Image 2 i både tekst-til-bilde-generering og redigering av enkeltbilde, noe som gjør den til det sterkere valget for krevende profesjonelle kreative arbeidsflyter.
Den mest meningsfulle endringen er imidlertid arbeidsflytpålitelighet. Bedre motivbevaring, målrettet redigering, flertrinnskonsistens, egendefinert høyoppløselig utdata og generering med transparent bakgrunn gjør GPT-Image-2.5 mer praktisk for reelle kreative pipelines fremfor isolerte bildegenereringsdemonstrasjoner.
FAQ
Hva er GPT-Image-2.5?
GPT-Image-2.5 er OpenAIs nyeste familie av modeller for bildegenerering og bilderedigering, utgitt i september 2026. I API-et er den delt i Flare og Sunburst.
Hva er forskjellen mellom ChatGPT Images 2.5 og GPT-Image-2.5?
ChatGPT Images 2.5 refererer til bildegenereringsopplevelsen integrert i ChatGPT. Utviklere får tilgang til den nye generasjonen gjennom API-modellene inkludert gpt-image-2.5-flare og gpt-image-2.5-sunburst.
Hva er GPT-Image-2.5 Flare?
GPT-Image-2.5 Flare er den hastighetsorienterte varianten av GPT-Image-2.5 og OpenAIs anbefalte standard for de fleste API-applikasjoner. Den fokuserer på høy bildekvalitet, bilderedigering og vesentlig lavere genereringslatens.
Hva er GPT-Image-2.5 Sunburst?
GPT-Image-2.5 Sunburst er OpenAIs mest kapable GPT-Image-2.5-variant for generering og redigering. Den er ment for arbeidsflyter der presisjon og kontroll er viktigere enn genereringshastighet.
Er GPT-Image-2.5 bedre enn Image 2?
Nåværende bevis indikerer ja. I Arena-snapshotet fra 9. september scoret Sunburst 1421 ± 13 og Flare 1399 ± 13 i tekst-til-bilde, sammenlignet med 1381 ± 4 for Image 2. Redigering av enkeltbilde viser en enda større fordel for de to nye modellene.
Er GPT-Image-2.5 raskere enn Image 2?
Flare er det. OpenAI sier at Flare leverer høyere bildekvalitet enn Image 2 med 50 % lavere latens. Sunburst aksepterer bevisst lengre genereringstid i bytte mot strammere redigeringskontroll.
Støtter GPT-Image-2.5 4K-bilder?
Ja. Begge API-variantene støtter egendefinerte dimensjoner med opptil 8 294 400 totale piksler og en individuell kant på opptil 3840 piksler. OpenAI anser for tiden oppløsninger over 2560×1440 som eksperimentelle.
Hvor mye koster GPT-Image-2.5?
OpenAI tar for tiden $5 per million tekst-inndata-tokens, $8 per million bilde-inndata-tokens og $30 per million bilde-utdata-tokens for både Flare og Sunburst. Priser for bufrede inndata er lavere.
Bør jeg bruke Flare eller Sunburst?
Bruk Flare for de fleste interaktive, høyvolums-, forbruker- og sosialt rettede arbeidslaster samt raske prototyper. Bruk Sunburst når maksimal redigeringspresisjon og endelig visuell fidelitet er viktigere enn latens.