TL;DR
GPT-Image-2.5 é a mais nova geração de tecnologia de criação e edição de imagens da OpenAI, lançada em 8 de setembro de 2026 como sucessora do ChatGPT Images 2.0 e da geração da API GPT-Image-2.
Para desenvolvedores, o GPT-Image-2.5 está disponível como dois modelos: Flare e Sunburst. Flare é projetado como a opção padrão para a maioria das aplicações em produção, combinando qualidade de imagem superior com geração substancialmente mais rápida. Sunburst atende fluxos de trabalho em que a precisão de edição e a fidelidade da imagem final importam mais do que a latência.
A atualização não se trata apenas de imagens mais nítidas. O GPT-Image-2.5 melhora a preservação de imagens de referência, edições localizadas, consistência em múltiplas iterações de edição, realismo visual, cumprimento de instruções, geração com fundo transparente e saída em alta resolução. A OpenAI afirma que a latência de geração de imagens foi reduzida em até 50% em comparação com o Images 2.0.
Os primeiros testes com preferência humana também são fortes. No instantâneo da Arena de 9 de setembro, o Sunburst ficou em primeiro lugar na geração texto-para-imagem, com 1421 ± 13 de Elo, enquanto o Flare ficou em segundo, com 1399 ± 13, à frente do Image 2 com 1381 ± 4.
Os desenvolvedores podem acessar as duas variantes via CometAPI: o GPT-Image-2.5 Flare usa gpt-image-2.5-flare para trabalho mais rápido e de alto volume, enquanto o GPT-Image-2.5 Sunburst usa gpt-image-2.5-sunburst quando precisão de edição e fidelidade da imagem final são mais importantes. Ambos podem ser usados pelas rotas familiares /v1/images/generations e /v1/images/edits; saídas com transparência devem usar PNG ou WebP.
Principais pontos
- GPT-Image-2.5 é uma atualização em nível de geração, não apenas um ajuste menor de qualidade de imagem.
- Os desenvolvedores têm duas variantes: Flare para velocidade e escala, e Sunburst para máxima precisão de edição.
- De acordo com a OpenAI, o Flare oferece qualidade superior ao Image 2 com 50% menos latência.
- Ambas as variantes suportam modos de qualidade low, medium, high, xhigh, max e auto.
- Dimensões de saída personalizadas podem atingir contagens de pixels da classe 4K, com arestas individuais de até 3840 pixels.
- Resultados atuais da Arena colocam Sunburst e Flare acima do Image 2 tanto em texto-para-imagem quanto em edição de imagem única.
- Ambos os modelos usam as mesmas tarifas oficiais por token: $5/M tokens de entrada de texto, $8/M tokens de entrada de imagem e $30/M tokens de saída de imagem.
- A API Flare na CometAPI atualmente oferece um preço de entrada/saída de destaque mais baixo para desenvolvedores que constroem fluxos de trabalho de imagem em produção.
O que é o GPT-Image-2.5?
GPT-Image-2.5 é a mais recente família de modelos de geração e edição de imagens da OpenAI. No ChatGPT, a tecnologia aparece como ChatGPT Images 2.5. Na camada de API, os desenvolvedores podem escolher entre dois modelos distintos:
- gpt-image-2.5-flare
- gpt-image-2.5-sunburst
Essa distinção é importante porque “GPT-Image-2.5” deve ser entendido como a geração ou família de modelos, e não como um único ID de modelo de API.
O GPT-Image-2.5 se baseia nas capacidades da Image 2 API na CometAPI ao focar muito mais no fluxo de trabalho ao redor da criação de imagens. Em vez de tratar cada geração como um resultado em grande parte independente, a nova geração foi projetada para preservar sujeitos, composições, estilos e edições anteriores conforme os usuários iteram.
A OpenAI destaca melhorias na fidelidade a imagens de referência e na edição de precisão, bem como consistência em múltiplas iterações, texturas mais ricas e iluminação natural. Isso torna o GPT Image 2.5 especialmente relevante para trabalho criativo comercial, em que uma única edição solicitada não deve reconstruir de forma imprevisível o restante do ativo.
Uma mudança importante é a introdução de xhigh e max. Os modelos GPT Image anteriores só suportavam configurações de qualidade até high; portanto, o GPT-Image-2.5 oferece aos desenvolvedores mais controle sobre o equilíbrio entre latência e fidelidade. Os modelos também suportam dimensões personalizadas de até 8,294,400 pixels no total, embora a OpenAI marque resoluções acima de 2560×1440 como experimentais. Largura e altura devem ser múltiplos de 16.
Flare vs Sunburst
Flare e Sunburst compartilham as mesmas capacidades centrais do GPT-Image-2.5, mas otimizam diferentes restrições de produção.
| Fator de decisão | Flare | Sunburst |
|---|---|---|
| Objetivo principal | Geração rápida e de alta qualidade em escala | Máxima precisão na geração e na edição |
| Latência relativa | Mais rápido; preferido para fluxos de trabalho interativos | Mais lento; prioriza fidelidade e controle |
| Melhores workloads | Ativos sociais, protótipos, busca visual, apps de alto volume | Criativos de campanha, imagens hero de produto, edições localizadas difíceis |
| Comportamento de edição | Forte fidelidade à referência e consistência em múltiplas iterações | Melhor opção quando preservar detalhes exatos é crucial |
| Roteamento recomendado | Modelo padrão para solicitações rotineiras | Camada de precisão para gerações exigentes e edições finais |
Para a maioria das aplicações, comece com o Flare e direcione edições finais mais difíceis ao Sunburst. Isso preserva a responsividade sem abrir mão da opção de maior precisão.
O que há de novo no GPT-Image-2.5?
Melhor fidelidade a imagens de referência
Uma das melhorias mais importantes do GPT-Image-2.5 é o quão fielmente ele preserva uma imagem de origem. A geração baseada em referência tradicionalmente tinha um trade-off incômodo: quanto mais agressivamente um modelo transforma uma imagem, mais provável é que altere identidade, proporções, produtos, fundos ou pequenas características visuais que deveriam permanecer inalteradas.
O GPT-Image-2.5 foi projetado para reter mais desses detalhes. A OpenAI diz que os sujeitos devem permanecer mais reconhecíveis enquanto iluminação, ambientes, roupas, composição ou estilo são transformados. Isso é importante para substituição de fundo de produtos, variações de campanha em torno do mesmo personagem, trocas de figurino que preservam pose e identidade, e composições alternativas construídas a partir do mesmo ativo de origem.
O exemplo oficial “Retrato de bebê remixado” da OpenAI mostra uma edição ciente da referência que troca a roupa enquanto preserva a pose e o fundo azul de estúdio.
Imagem de entrada oficial da OpenAI.
Saída editada oficial da OpenAI.
Edição de imagem mais precisa
Uma segunda grande melhoria é a localização de edições. Se uma foto de produto contém uma garrafa, fundo, manchete, logotipo, sombras e objetos de apoio, um editor de imagem útil deve ser capaz de substituir apenas a manchete sem mudar inesperadamente o formato da garrafa, o ângulo da câmera ou a iluminação. O GPT-Image-2.5 é melhor em distinguir o que deve mudar e o que deve permanecer fixo.
Edição em múltiplas iterações mais confiável
O verdadeiro valor da edição de imagem muitas vezes aparece após a primeira edição. Um fluxo de trabalho criativo típico pode gerar uma cena de produto, mudar o fundo, mover o produto, substituir a manchete, adicionar um selo promocional, ajustar a iluminação e, por fim, exportar uma versão com transparência.
Com modelos de imagem mais fracos, cada passo sucessivo pode degradar gradualmente os detalhes estabelecidos anteriormente no fluxo. O GPT-Image-2.5 foi especificamente projetado para tornar as alterações anteriores mais persistentes ao longo de múltiplas etapas de edição, aproximando a geração de imagens de um processo de edição interativa em vez de uma sequência de gerações não relacionadas.
Iluminação e textura mais naturais
O GPT-Image-2.5 também mira artefatos visuais que tornam fotografias geradas por IA fáceis de reconhecer. A OpenAI relata melhorias em iluminação natural e texturas de materiais mais ricas. Na prática, essas mudanças podem ser relevantes para pele, tecido, vidro, metal, embalagens, móveis, fotografia de alimentos e cenas ambientais realistas.
Melhor atendimento a instruções complexas
Os prompts modernos de geração de imagens se assemelham cada vez mais a briefings de design. Um usuário pode especificar vários objetos, locais exatos, uma manchete, embalagem de produto, perspectiva de câmera, cores da marca, iluminação, relações entre primeiro plano e fundo, áreas transparentes e exclusões. O GPT-Image-2.5 melhora sua capacidade de traduzir esses pedidos estruturados em uma imagem coerente.
Fundos transparentes e saída flexível
Ambos os modelos da API GPT-Image-2.5 suportam fundos transparentes quando o formato de saída é PNG ou WebP.
background="transparent"
output_format="png"
A especificação oficial de geração de imagens também permite dimensões WIDTHxHEIGHT arbitrárias válidas, em vez de forçar os desenvolvedores a apenas algumas proporções fixas. Isso é útil para ativos de e-commerce, sobreposições, gráficos de apresentação, componentes de UI, adesivos, objetos isolados, miniaturas e criativos de anúncios.
Desempenho em benchmarks do GPT-Image-2.5
Benchmarks de geração de imagens exigem interpretação cuidadosa. Não há uma única métrica equivalente a um benchmark de matemática de modelos de linguagem que capture estética, aderência ao prompt, precisão de edição, realismo visual, renderização de texto e fidelidade à referência simultaneamente. Para o GPT-Image-2.5, três tipos de evidência quantitativa são úteis atualmente: resultados de preferência humana da Arena, medições de latência da OpenAI e avaliações do stack de segurança da OpenAI.
Benchmark Arena de texto para imagem
Arena avalia modelos por preferência humana cega: usuários recebem saídas de dois modelos anônimos para a mesma tarefa e selecionam o resultado que preferem. O instantâneo mostra o seguinte:
Instantâneo preliminar do Arena
| Modelo | Elo texto-para-imagem | Colocação | Votos |
|---|---|---|---|
| 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 de edição de imagem
O mesmo padrão é visível no ranking de edição de imagem única da Arena.
| Modelo | Elo de edição de imagem única | Diferença vs Image 2 |
|---|---|---|
| Sunburst | 1520 ± 9 | +59 |
| Flare | 1491 ± 9 | +30 |
| Image 2 | 1461 ± 3 | Referência |
| Grok Imagine Image 2.0 | 1439 ± 8 | -22 |
| MAI Image 2.6 | 1434 | -27 |
A vantagem do Sunburst é particularmente visível na edição: sua liderança sobre o Image 2 é maior aqui do que na geração texto-para-imagem, o que se alinha ao seu posicionamento como o modelo orientado à precisão.
Latência de geração
A OpenAI diz que o GPT-Image-2.5 reduz a latência de geração em até 50% versus o Images 2.0. Especificamente para a API, a OpenAI posiciona o Flare como entregando imagens de maior qualidade que o Image 2 com 50% menos latência. O Sunburst é deliberadamente projetado para trocar mais tempo de geração por precisão adicional.
Avaliação de segurança
A OpenAI também publicou uma avaliação quantitativa de segurança usando prompts adversariais intencionalmente projetados para solicitar imagens que violem políticas.
| Modelo | Gerado seguro | Inseguro bloqueado | Inseguro exibido |
|---|---|---|---|
| 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: Avaliações de segurança do OpenAI Images 2.5. Em comparação com a linha de base de 1.64%, a taxa final de resultados inseguros cai 0.55 pontos percentuais para o Sunburst e 0.23 pontos percentuais para o Flare.
Essas cifras são resultados de testes de estresse de segurança, não pontuações gerais de qualidade de imagem ou estimativas de tráfego normal de usuários.
Flare vs Sunburst vs Image 2
Para a maioria dos desenvolvedores, a questão mais útil não é se o GPT-Image-2.5 é melhor em abstrato. É qual modelo faz sentido para um determinado workload.
| Dimensão | Flare | Sunburst | Image 2 |
|---|---|---|---|
| Objetivo principal | Velocidade + alta qualidade | Máxima precisão | Modelo geral de imagens da geração anterior |
| Texto-para-imagem | Excelente | Melhor resultado atual na Arena | Excelente |
| Edição de imagem | Excelente | Melhor dos três | Forte |
| Elo T2I da Arena | 1399 ± 13 | 1421 ± 13 | 1381 ± 4 |
| Elo de edição na Arena | 1491 ± 9 | 1520 ± 9 | 1461 ± 3 |
| Latência relativa | Opção mais rápida | Mais lento | Referência |
| Fidelidade à referência | Aprimorada | Aprimorada / foco em precisão | Forte |
| Edição em múltiplas iterações | Aprimorada | Aprimorada | Menos otimizada |
| Configurações de qualidade | Até max | Até max | Até high |
| Dimensões personalizadas | Sim | Sim | Sim |
| Saída classe 4K | Sim | Sim | Sim |
| Fundos transparentes | Sim | Sim | Sim |
| Melhor uso | Apps, social, prototipagem, geração em lote | Campanhas, produtos polidos, edições difíceis | Integrações existentes |
| Recomendado para novos projetos de API | Sim, padrão | Sim, quando a precisão importa | Principalmente para manter workflows existentes |
Qual modelo vence em qualidade?
A resposta atual é Sunburst. Ele lidera as duas principais categorias de imagem da Arena e é explicitamente posicionado pela OpenAI como seu modelo mais capaz para geração e edição de imagens.
Qual modelo vence em velocidade?
A resposta é Flare. Sua combinação de altas pontuações de preferência e latência substancialmente reduzida torna-o a opção de uso geral mais atraente da família.
O Flare custa menos que o Sunburst?
Não pelos valores unitários publicados.
Ambos os modelos atualmente usam os mesmos preços por token publicados. A vantagem econômica do Flare vem principalmente da latência e da vazão do fluxo de trabalho, não de um preço por token mais baixo.
Preços do GPT-Image-2.5
Atualmente, a OpenAI aplica as mesmas tarifas por token ao Flare e ao Sunburst:
| Tipo de token | Flare | Sunburst |
|---|---|---|
| Entrada de texto | $5 / 1M tokens | $5 / 1M tokens |
| Entrada de texto em cache | $1.25 / 1M tokens | $1.25 / 1M tokens |
| Entrada de imagem | $8 / 1M tokens | $8 / 1M tokens |
| Entrada de imagem em cache | $2 / 1M tokens | $2 / 1M tokens |
| Saída de imagem | $30 / 1M tokens | $30 / 1M tokens |
As tarifas oficiais por token, portanto, não criam uma distinção simples “Flare é barato, Sunburst é caro”. Em vez disso, a diferença econômica vem do comportamento do fluxo de trabalho. Um modelo mais rápido pode reduzir o tempo de espera do usuário final, os requisitos de concorrência da aplicação, tentativas de geração abandonadas, tempo de design iterativo e a infraestrutura ocupada por solicitações de longa duração.
Custo de entrada de imagem
Exemplo: Custo de edição com imagem de referência: Custo total da solicitação = tokens de entrada de texto × $5/M + tokens de entrada de imagem × $8/M + tokens de saída de imagem × $30/M
Preços do GPT-Image-2.5 Flare e Sunburst na CometAPI
Atualmente, a CometAPI apresenta um desconto de 20% nos preços de destaque em relação às tarifas oficiais correspondentes de entrada/saída. Como a OpenAI publica as mesmas tarifas unitárias para Flare e Sunburst, a comparação exibida é a mesma para ambas as variantes.
| Modelo | ID do modelo | Entrada CometAPI | Saída CometAPI | Entrada/saída oficial |
|---|---|---|---|---|
| Flare | gpt-image-2.5-flare | $4 / 1M tokens | $24 / 1M tokens | $5 / $30 por 1M tokens |
| Sunburst | gpt-image-2.5-sunburst | $4 / 1M tokens | $24 / 1M tokens | $5 / $30 por 1M tokens |
Esses são valores simplificados de entrada/saída de destaque. A OpenAI precifica separadamente entrada de texto, entrada de imagem, entradas em cache e saída de imagem, portanto workloads com imagem de referência e edição devem ser orçados a partir das categorias de tokens retornadas por solicitações reais. Confirme o catálogo de modelos ao vivo antes da implantação em produção, pois os preços dos provedores podem mudar.
Melhores casos de uso para o GPT-Image-2.5
Fotografia de produto
Preservação de referência e edição direcionada são particularmente valiosas em e-commerce. Um vendedor pode manter o mesmo produto enquanto muda o fundo, a iluminação, o cenário sazonal, o texto promocional, as sombras, a composição ou o tratamento de campanha regional.
Publicidade e criativos de campanha
Sunburst é particularmente atraente quando um criativo master precisa de várias variações cuidadosamente controladas. Uma equipe de marketing pode preservar o produto e a composição da marca enquanto muda uma manchete, cena de fundo, promoção, idioma ou tratamento visual.
Conteúdo social em escala
A vantagem de latência do Flare o torna mais adequado para geradores de imagens sociais, ferramentas para criadores, miniaturas personalizadas, memes, ativos de perfil e pipelines automatizados de conteúdo, onde vazão e velocidade de iteração muitas vezes importam mais do que extrair os últimos pontos de preferência de imagem.
Prototipagem visual
Designers podem usar o GPT-Image-2.5 para exploração rápida de telas de apps, conceitos de sites, embalagens, interiores, conceitos de produto, visuais de apresentação e layouts de publicidade.
Produtos de edição de imagem
Para aplicações onde usuários enviam suas próprias fotos, a melhoria na preservação pode ser mais importante do que a qualidade pura de texto-para-imagem. Exemplos incluem troca de roupas, redesign de interiores, substituição de fundo, retoque de produto, variações de headshot e ativos criativos personalizados.
Ativos transparentes
Saída nativa com fundo transparente torna os modelos mais práticos para objetos de produto isolados, adesivos, gráficos de UI, ativos de apresentação e pipelines de composição.
Limitações do GPT-Image-2.5
O texto ainda pode falhar
A renderização de texto melhorou substancialmente nas recentes gerações de GPT Image, mas o texto gerado ainda deve ser verificado manualmente para anúncios de alto impacto, embalagens, menus, textos legais e capturas de tela de UI.
Controle exato de layout não é garantido
Uma instrução em linguagem natural como “posicione o logotipo exatamente a 40 pixels do canto superior esquerdo” não é equivalente a uma restrição determinística de uma ferramenta de design. Layouts com precisão de pixel são melhor tratados gerando primeiro o ativo visual e compondo elementos de texto ou interface exatamente de forma programática ou em uma ferramenta de design.
Consistência de personagens e marca ainda pode variar
A consistência em múltiplas iterações foi melhorada, não perfeita. Sequências longas de imagens, geração repetida de personagens e grandes campanhas de marca ainda devem incluir verificações de controle de qualidade.
Resoluções muito altas são experimentais
Embora a API permita até 8,294,400 pixels no total e uma aresta máxima de 3840 pixels, resoluções acima de 2560×1440 são atualmente experimentais. Sistemas de produção devem testar a saída em alta resolução em vez de assumir que toda configuração 4K se comporta de forma idêntica.
Prompts complexos ainda podem levar tempo
Pedidos difíceis ainda podem demandar tempo de processamento substancial. Aplicações devem implementar estados de carregamento adequados, timeouts, novas tentativas para falhas transitórias e tratamento assíncrono para pipelines em lote.
Flare ou Sunburst: qual você deve escolher?
A escolha pode ser simplificada a uma pergunta: a velocidade ou a precisão da edição final é mais importante para o fluxo de trabalho?
Escolha o Flare quando estiver criando:
- aplicações de imagem para consumidores
- geração em alto volume
- ferramentas de conteúdo social
- protótipos rápidos
- geração de resultados para busca visual
- experiências de produto
- editores interativos em que usuários esperam feedback rápido
Escolha o Sunburst quando estiver criando:
- ativos de campanha prontos para produção
- imagens premium de produto
- edições exigentes com imagem de referência
- revisões difíceis em múltiplas etapas
- visuais em que preservar detalhes exatos importa mais do que o tempo de resposta
Para a maioria das novas aplicações, o Flare deve ser o ponto de partida. O Sunburst é melhor tratado como uma camada de precisão, não como a escolha automática para toda solicitação. Um sistema de produção sofisticado pode rotear solicitações rotineiras para o Flare e reservar o Sunburst para edições que exijam maior precisão.
Por que usar o GPT-Image-2.5 via CometAPI?
A CometAPI pode simplificar um stack de imagem em produção de maneiras que vão além da diferença de preço anunciada:
- Uma única API: use a mesma autenticação e as rotas familiares
/v1/images/generationse/v1/images/editspara workflows suportados de geração e edição. - Troca de modelo: altere o campo de modelo para rotear de
gpt-image-2.5-flareparagpt-image-2.5-sunburst, ou fazer fallback paragpt-image-2, sem reconstruir a integração da aplicação ao redor. - Faturamento unificado: consolide uso e faturamento para os modelos suportados em vez de manter uma conta e fatura separadas para cada rota.
- Experimentação multi-modelo: rode comparações controladas com os mesmos prompts, imagens de referência, dimensões e configurações de qualidade, depois meça latência, uso de tokens, precisão de edição e taxa de aceitação de saídas.
- Otimização de custos: padronize o Flare para trabalho responsivo e de alto volume, escale edições sensíveis à precisão para o Sunburst e retenha o Image 2 onde um workflow existente precisa de seu comportamento maduro. Combine roteamento com dados reais de uso em vez de escolher apenas pelos preços por token de destaque.
A vantagem prática é a consistência operacional: equipes podem testar e rotear modelos dentro de uma única integração enquanto selecionam o perfil de qualidade, latência e custo apropriado para cada solicitação.
Conclusão
O GPT-Image-2.5 representa o mais novo passo da OpenAI da criação generativa de imagens em direção a uma plataforma de edição de imagens mais controlável. O Flare é a versão mais amplamente útil: ele combina a qualidade e as melhorias de edição da nova família com latência significativamente reduzida, tornando-o adequado para aplicações interativas e produção em alto volume.
O Sunburst vai além em direção à precisão. Os resultados atuais da Arena o colocam à frente do Flare e do Image 2 tanto em geração texto-para-imagem quanto em edição de imagem única, tornando-o a escolha mais forte para fluxos de trabalho criativos profissionais exigentes.
A mudança mais significativa, porém, está na confiabilidade do fluxo de trabalho. Melhor preservação de sujeitos, edição direcionada, consistência em múltiplas iterações, saída personalizada em alta resolução e geração com fundo transparente tornam o GPT-Image-2.5 mais prático para pipelines criativos reais, em vez de demos isoladas de geração de imagens.
Perguntas frequentes
O que é o GPT-Image-2.5?
GPT-Image-2.5 é a mais nova família de modelos de geração e edição de imagens da OpenAI, lançada em setembro de 2026. Na API, é dividido em Flare e Sunburst.
Qual é a diferença entre ChatGPT Images 2.5 e GPT-Image-2.5?
ChatGPT Images 2.5 se refere à experiência de geração de imagens integrada ao ChatGPT. Os desenvolvedores acessam a nova geração por meio dos modelos de API, incluindo gpt-image-2.5-flare e gpt-image-2.5-sunburst.
O que é o GPT-Image-2.5Flare?
GPT-Image-2.5 Flare é a variante do GPT-Image-2.5 orientada para velocidade e a recomendação padrão da OpenAI para a maioria das aplicações de API. Ele foca em alta qualidade de imagem, edição de imagem e latência de geração significativamente menor.
O que é o GPT-Image-2.5 Sunburst?
GPT-Image-2.5 Sunburst é a variante de maior capacidade do GPT-Image-2.5 para geração e edição. É destinado a workflows em que precisão e controle importam mais do que velocidade de geração.
O GPT-Image-2.5 é melhor que o Image 2?
As evidências atuais indicam que sim. No instantâneo da Arena de 9 de setembro, o Sunburst marcou 1421 ± 13 e o Flare 1399 ± 13 em texto-para-imagem, comparados a 1381 ± 4 do Image 2. A edição de imagem única mostra uma vantagem ainda maior para os dois novos modelos.
O GPT-Image-2.5 é mais rápido que o Image 2?
O Flare é. A OpenAI diz que o Flare entrega qualidade de imagem superior ao Image 2 com 50% menos latência. O Sunburst aceita deliberadamente tempos de geração mais longos em troca de controle de edição mais rigoroso.
O GPT-Image-2.5 suporta imagens 4K?
Sim. Ambas as variantes de API suportam dimensões personalizadas com até 8,294,400 pixels no total e uma aresta individual de até 3840 pixels. Atualmente, a OpenAI considera resoluções acima de 2560×1440 como experimentais.
Quanto custa o GPT-Image-2.5?
Atualmente, a OpenAI cobra de Flare e Sunburst $5 por milhão de tokens de entrada de texto, $8 por milhão de tokens de entrada de imagem e $30 por milhão de tokens de saída de imagem. Tarifas para entradas em cache são menores.
Devo usar Flare ou Sunburst?
Use Flare para a maioria dos workloads interativos, de alto volume, para consumidores, sociais e de prototipagem rápida. Use Sunburst quando máxima precisão de edição e fidelidade visual final forem mais importantes do que a latência.