GPT-Image-2.5 Flare وSunburst: OpenAI يقسم واجهة برمجة تطبيقات الصور إلى سرعة ودقة

واجهة برمجة تطبيقات الصور من OpenAI أصبح لديها الآن نموذجان رئيسيان بدلاً من واحد. في 8 سبتمبر 2026، قدمت الشركة GPT-Image-2.5 Flare وGPT-Image-2.5 Sunburst — نموذجين شقيقين ضمن ترقية 2.5 نفسها، مقسومين حسب عبء العمل وليس حسب الجيل. يُقدَّم Flare كخيار سريع وافتراضي للاستخدام اليومي وتوليد الصور بكميات كبيرة؛ بينما Sunburst هو النموذج الأبطأ الذي يضع الدقة أولاً للعمل الذي تكون فيه السيطرة على التعديل أكثر أهمية من وقت الاستجابة. وتم إطلاق كلاهما في واجهة برمجة تطبيقات الصور في نفس يوم إطلاق ChatGPT Images 2.5 للمستهلكين، وكلاهما يندرجان ضمن سلالة GPT-Image-2 التي أصدرتها OpenAI في أبريل والتي كان المجتمع يتابعها منذ تسريب Codex الذي ظهر في 3 سبتمبر.

بالنسبة للمطور، التغيير العملي فوري: لم يعد القرار "أي نموذج صور أستدعي؟" بل "أي من الشقيقين يناسب عبء العمل هذا؟" الجواب مهم من حيث التكلفة وزمن الاستجابة، لأن النموذجين غير قابلين للتبادل في السرعة. كل ما دون ذلك من تفاصيل هو ادعاء من OpenAI — أرقام السرعة والجودة والأمان كلها مصدرها البائع وشركاؤه المعلنون، ولا يوجد لأي من نماذج 2.5 نتيجة تقييم مستقلة بعد اعتبارًا من 9 سبتمبر 2026.

موديلان، ترقية واحدة

يُؤطّر إعلان OpenAI هذين النموذجين حسب حالة الاستخدام. نموذج GPT-Image-2.5 Flare — ومعرّفه هو gpt-image-2.5-flare — هو الخيار الافتراضي لمعظم التطبيقات. تضعه OpenAI للمحتوى الإبداعي والاجتماعي، وتجارب المنتجات، والبحث البصري، والنمذجة السريعة للصور، وأصول العلامات التجارية، وأي خط أنابيب توليد عالي الحجم. وتقول الشركة إن Flare ينتج صورًا بجودة أعلى من GPT-Image-2 مع زمن استجابة أقل بنسبة تصل إلى 50 بالمائة، وأنه في تقييماتها الخاصة يولّد أسرع بنحو مرتين إلى أربع مرات من GPT-Image-2؛ كما أفاد العميل المُعلَن عنه مبكرًا Manus بشكل منفصل بأنه لاحظ تسارعًا يتراوح بين 2 و4 أضعاف مع مخرجات أفضل بخلفية شفافة في استخدامه الخاص. وتصنّف مراجع API نموذج Flare باعتباره النموذج "الصغير" ضمن هذين النموذجين.

GPT-Image-2.5 Sunburst — المعرف gpt-image-2.5-sunburst — هو النسخة المتميزة. طوّرت OpenAI سير العمل التي تستفيد من تحكّم أدق عبر التعديلات: تصاميم حملات جاهزة للإنتاج، وصور منتجات مصقولة، ومواد تسويقية، وأدوات تصميم حيث تكون دقة العلامة التجارية هي الأساس. يستغرق كل توليد وقتًا أطول مقارنةً بـ Flare، وهذه الطاقة الحاسوبية الإضافية تؤمّن ما تصفه OpenAI بمستوى إضافي من الدقة والإخلاص في التفاصيل عند التعديل. يشير مرجع API إلى Sunburst بوصفه النموذج «الأساسي» — الأكبر والأكثر تأنيًا بين الاثنين. وتقول Higgsfield AI، وهي من أوائل العملاء الآخرين المعلن عنهم، إن النموذج «يفهم ما لا يجب تغييره»، وهو اختصار مفيد لوصف نهج التعديل في إصدار 2.5 بالكامل: إبقاء أجزاء الصورة التي لم يطلبها التوجيه سليمة، حتى في المشاهد المزدحمة.

تقول أدوبي إنها تدمج النموذجين في Firefly، مما يجعل الزوج أول نماذج صور من OpenAI تصل إلى خط الإنتاج هذا. كما أن Manus وHiggsfield AI هما العميلان المبكران الآخران المذكوران.

ما الذي تحسّن بالفعل؟

تجمّع ملاحظات الإصدار أعمال الجودة تحت العنوان نفسه: تفاصيل أكثر وضوحًا، والتزام أقوى بالأسلوب، وتحكّم أكبر في التعديلات. وتحتها، تُدرج OpenAI تغييرات محدّدة تستحق القراءة بعناية، لأنها هي الفارق بين إصدار نقطي وخطوة حقيقية إلى الأمام:

• إضاءة أكثر طبيعية وأنسجة أغنى — عناصر جودة المخرجات التي يصفها المراجعون باستمرار بأنها القفزة الواضحة عن Images 2.0.

• {{1}}الحفاظ الأفضل على الموضوع من الصور المرجعية — الملامح الوجهية والتفاصيل المميزة تنتقل عبر جيل التوليد بدلاً من إعادة ابتكارها في كل مرة.{{/1}}

• تحرير متعدد الجولات أكثر موثوقية — التغييرات السابقة تظل مستقرة، وكل تعديل لاحق يبني على العمل السابق دون الإضرار بالمناطق غير المرتبطة في الصورة.

• أقل بنسبة تصل إلى 50 بالمائة في زمن استجابة التوليد من Images 2.0 على جانب المستهلك، وهذه هي نفس قصة السرعة التي يرويها Flare على جانب API.

• نصوص أوضح ومعالجة الخلفيات الشفافة، وهما القدرتان اللتان يقيسهما مشترو واجهات برمجة تطبيقات الصور في أغلب الأحيان؛ تُعد ملاحظة مانوس بشأن الخلفيات الشفافة التأكيد المستقل الوحيد حتى الآن.

تقول OpenAI أيضًا إن كل مخرج يحمل بيانات تعريف C2PA وعلامة مائية غير مرئية، وهو أمر لم يتغير عن نهج GPT-Image-2 في تتبّع الأصل، ويستحق إعادة الذكر لأنه متطلب صارم في بعض مسارات العمل الخاضعة للوائح.

ما الذي يعرضه API الآن

النماذج الجديدة تصل إلى نفس نقاط نهاية واجهة برمجة تطبيقات الصور (Images API) التي يستخدمها المطوّرون بالفعل — استدعاءات التوليد والتحرير — لكن نطاق المعاملات أصبح أوسع. يُظهر المرجع البرمجي للواجهة (API reference) لنماذج 2.5 معامل جودة بمدى أوسع مما قدّمه GPT-Image-2: auto (الافتراضي)، low، medium، high، ومستويين جديدين أعلى من high، وهما xhigh وmax. كما يوثّق خيارات أحجام تتجاوز الحد الأقصى الذي جاء به GPT-Image-2 وهو 2048×2048، لتصل إلى 3840×2160 في الوضع الأفقي و2160×3840 في الوضع الرأسي. القيود المذكورة هي: ألا يزيد طول أي حافة عن 3840 بكسلًا، وأن تكون الأبعاد مضاعفات للعدد 16، وألا تزيد نسبة العرض إلى الارتفاع عن 3:1، وأن يتراوح إجمالي البكسلات بين 655,360 و8,294,400 — لذا فإن أكبر النواتج تبلغ ما يزيد قليلًا عن 8 ميغابكسل، ضمن فئة دقة 4K. يقبل معامل الخلفية (background) القيم auto أو opaque أو transparent، وهذه هي الطريقة التي يُطلب بها إخراج PNG بشفافية.

تحفّظان اثنان يضمنان صدق هذه الفقرة. أولاً، هذه هي الإعدادات الموثّقة لمعرّفات الإصدار 2.5 في مرجع OpenAI؛ فلم يُوثَّق بشكلٍ كامل عند الإطلاق ما إذا كانت كل فئة وكل حجم متاحين على النموذجين، وما الذي تكلفه كل درجة جودة بالتوكنات. ثانيًا، لا يزال gpt-image-2 مدرجًا في واجهة API؛ إذ إن إصدار 2.5 إضافةٌ إلى النظام الحالي لا تكسر التكاملات القائمة. وسيعتمد سعر الصورة الواحدة للنماذج الجديدة على عدد التوكنات التي يستهلكها كل توليد فعليًا، وهو ما يعني أن العادة القديمة في إعداد الميزانية بـ«دولار لكل صورة بدقة 1024×1024» هي الرقم الذي ينبغي مراقبته إلى أن تتراكم بيانات الاستخدام الفعلية.

لم تتغير الأسعار

أبقت OpenAI أسعار التوكنات مطابقة لأسعار GPT-Image-2: 8.00 دولارات لكل مليون توكن إدخال الصور و30.00 دولارًا لكل مليون توكن إخراج الصور، بالإضافة إلى توكنات النص المعتادة للبرومبت. ولتوضيح ما كانت تعنيه هذه الأسعار في النموذج السابق، تقدّر Artificial Analysis تكلفة GPT-Image-2 (الإعداد العالي) بنحو 211 دولارًا لكل 1000 صورة — أي ما يعادل حوالي 0.21 دولارًا عن كل صورة مخرَجة عالية الجودة بدقة 1024×1024 — وصفحة openai/gpt-image-2 على OrcaRouter تُظهر نفس تقسيم أسعار التوكنات $8.00/$30.00. ولأن نماذج 2.5 تحمل نفس الأسعار، فإن مسألة التكلفة تتعلق حصرًا باستهلاك التوكنات لكل صورة، وهو بالضبط ما لم يُنشر عند الإطلاق.

هذا هو حساب التسعير الذي يهم أي شخص يقوم بالفعل باستدعاء gpt-image-2 عبر OrcaRouter. نماذج الصور من OpenAI هي من بين أكثر من 200 نموذج متاح عبر OrcaRouter API، ويمرر OrcaRouter سعر المزود المعلن مباشرة دون أي زيادة (0%) — المعدلان $8.00/$30.00 في صفحة نموذج openai/gpt-image-2 هما رقما OpenAI الخاصان، وليسا رقمي موزع. وفي اليوم الذي يضيف فيه مزود المنبع المعرفين gpt-image-2.5-flare أو gpt-image-2.5-sunburst، يستدعيهما نفس مفتاح API، ويصبح تغيير سعر البائع لأي من النموذجين مباشرًا لديك في اليوم نفسه الذي يظهر فيه.

Flare أو Sunburst: أيهما مناسب لك؟

بالنسبة لمعظم الفرق، الإجابة الصادقة هي "ابدأ بـ Flare وارتقِ إلى Sunburst فقط عندما يجب أن يتحمّل التعديل التدقيق." تنقسم النماذج بوضوح حسب عبء العمل وليس حسب الجودة الخام، وتشير مواضع OpenAI نفسها إلى أن Flare هو الافتراضي. القراءة بُعدًا بُعدًا:

• السرعة — Flare هو الأسرع: تدّعي OpenAI أن زمن الاستجابة أقل بنسبة تصل إلى 50 بالمئة مقارنةً بـ GPT-Image-2، وأن الإنتاجية تبلغ 2–4× في تقييماتها وفي استخدام Manus. أمّا Sunburst فيتنازل عمدًا عن السرعة من أجل الدقة ويستغرق وقتًا أطول في كل عملية توليد.

• أفضل استخدام — Flare للمحتوى الإبداعي/الاجتماعي، وتجارب المنتجات، والبحث المرئي، والنماذج الأولية السريعة، وأصول العلامات التجارية عالية الحجم. أمّا Sunburst فلإبداع الحملات الإنتاجية، وتصوير المنتجات المصقول، وأعمال التصميم التي يجب أن يصمد فيها التعديل.

• سلوك التحرير — Sunburst هو المحرر الأكثر دقة؛ ملاحظة "يفهم ما لا يجب تغييره" من Higgsfield تنطبق على الجيل 2.5 ككل، لكن Sunburst هو النموذج المصمم لتحقيق أقصى تحكم عبر التعديلات المتتالية.

• علامة نموذج API — Flare هو النموذج "الصغير" في مرجع OpenAI؛ Sunburst هو النموذج "الأساسي"، أي الأكبر والأبطأ من بين الاثنين.

• السعر — نفس معدلات الرموز ($8.00 للمدخلات / $30.00 للمخرجات لكل مليون)، لذا فإن فرق التكلفة {{1}}هو أي رموز إضافية تستهلكها{{/1}} الأجيال الأطول {{2}}من Sunburst{{/2}}.

{{1}}التقييم المستقل{{/1}} — لا يوجد بعد لأيٍّ من النموذجين حتى 9 سبتمبر 2026؛ تعامل مع جميع ادعاءات الجودة والسرعة باعتبارها واردة من البائع إلى أن يظهر قيدٌ في لوحة الصدارة أو اختبارٌ من طرفٍ ثالث قابلٌ للتكرار.

النمط المعقول لفريق يعمل في الإنتاج بالفعل هو توجيه معظم الحركة إلى Flare — فهو الخيار الافتراضي الأقل زمنًا للاستجابة والمراهنة الأرخص بسعر التوكن نفسه — وتوجيه الجزء المكثّف بالتحرير والأكثر حساسيةً للجودة فقط إلى Sunburst. ولأن كلا النموذجين يتشاركان في شكل واجهة Images API وفي معدلات التوكن نفسها، فإن هذا التقسيم هو تغيير في الإعدادات وليس ترحيلًا. وتجعل ميزة تجاوز الفشل التلقائي التجربة آمنة قبل الالتزام: أرسل شريحة من الحركة الفعلية إلى النموذج الجديد وارجع إلى gpt-image-2 عند خطأ أو انتهاء مهلة، وتكون استفساراتك أنت — وليس صفحة إطلاق — هي التي تقرر أي النموذجين الشقيقين يستحق الحركة.

ما موقع إطلاق 2.5 في سباق نماذج الصور؟

كانت GPT-Image-2 بالفعل النموذج الأوفر حظاً على اللوحات المستقلة قبل هذا الإصدار. على لوحة متصدّري Artificial Analysis لتوليد الصور من النص، تحتل القمة بدرجة Elo تبلغ 1178 — متقدمةً على MAI-Image-2.6 بدرجة 1149، وNano Banana 2 بدرجة 1121، وMuse Image بدرجة 1116 — وعلى لوحة تحرير الصور، تأتي GPT-Image-2 (عالية) في المركز الثاني بدرجة Elo تبلغ 1117 خلف MAI-Image-2.6 من Microsoft بدرجة 1122. السردية المحيطة بإطلاق GPT-Image-2.5 هي أن OpenAI أخذت تلك المكانة الريادية وفلقتها إلى مسار للسرعة ومسار للدقة، وهو استراتيجية منتج بقدر ما هو ادعاء بالجودة: فبدلاً من الدفاع عن نتيجة واحدة رائدة، فهي تدافع عن موقعين من حيث الأداء مقابل السعر في آن واحد.

التحذير الصادق هو أن شيئًا من هذا لم يُقَس بعد بالنسبة إلى النماذج الجديدة. فاعتبارًا من 9 سبتمبر/أيلول، لا يظهر أيٌّ من gpt-image-2.5-flare أو gpt-image-2.5-sunburst على لوحات ترتيب Artificial Analysis، ولم يُنشر أي تكرار مستقل لادعاءات OpenAI بشأن السرعة. أما الأرقام أعلاه التي تحظى فعلًا بتأييد مستقل — درجات Elo لنموذج GPT-Image-2 وتسعير الصورة الواحدة — فتصف النموذج السابق، لا الوافدين الجديدين. وفي ما يخص السلامة، تُبلغ OpenAI عن معدلات توليد غير آمن بنسبة 1.41 في المائة لـ Flare و1.09 في المائة لـ Sunburst، مقابل خط أساس يبلغ 1.64 في المائة في تقييماتها الداخلية؛ وهذه أرقام صادرة عن الشركة المطوّرة، أُطلقت لإظهار أن النموذجين أكثر أمانًا من النموذج الذي يشكّلان امتدادًا له، ويستحقان أن يُعاملا باعتبارهما مؤشرَين على الاتجاه لا نتائجَ نهائية. ويأتي سياق الحجم أيضًا من OpenAI: فهي تقول إن المستخدمين ينشئون أكثر من ثلاثة مليارات صورة أسبوعيًا عبر منصتها.

ماذا تشاهد بعد ذلك

ثلاثة أمور ستخبرك ما إذا كان الانقسام، الذي يشكّل امتدادًا للنموذج الرائد المفرد، يعمل بشكل أفضل منه. الأول هو أرقام مستقلة لزمن الاستجابة والإنتاجية الخاصة بـ Flare — ادعاء OpenAI بمعدل 2–4× يعدّ رقمًا يمكن لشريك التحقق منه في بعد ظهر واحد، وتأييد Manus له بداية، وليس دليلًا. الثاني هو استهلاك التوكن لكل صورة على كلا النموذجين، وهو ما سيحوّل معدلات التوكن غير المتغيّرة $8/$30 إلى سعر حقيقي لكل صورة؛ ولم تكن تلك البيانات قد نُشرت عند الإطلاق. الثالث هو أين سيحلّ Sunburst على لوحات ترتيب تحرير الصور، لأن ذلك هو سبب وجود هذا النموذج برمّته: إذا كان تفوّقه في الدقة على GPT-Image-2 حقيقيًا، فمن المفترض أن يظهر ذلك في منافسته مع MAI-Image-2.6 وبقية العشرة الأوائل في فئة تحرير الصور خلال بضعة أسابيع.

في الوقت الراهن، يمثل هذا الإصدار مفترق طرق حقيقيًا لمشتري واجهات برمجة تطبيقات الصور. يُعد GPT-Image-2.5 Flare المسار الافتراضي الأكثر منطقية للترحيل من GPT-Image-2 — نفس الواجهة البرمجية، نفس سعر التوكن، وسرعة أفضل على الورق. أما GPT-Image-2.5 Sunburst فهو الإصدار الذي يُنتظر إذا كان عملك يعتمد على تعديلات تخضع للتدقيق. وإذا كنت تستدعي نموذج gpt-image-2 بالفعل عبر OrcaRouter، فمجرد التحول إلى أيٍّ من الإصدارين الشقيقين هو تغيير توجيه على المفتاح نفسه، مع تمرير سعر المزود المعلن دون أي هامش ربح، وتوفّر خيار التحويل الاحتياطي ريثما تقرر أي نموذج يستحق حركة مرورك فعلًا.