GPT-Image-2.5 Flare und Sunburst: OpenAI teilt seine Image-API in Geschwindigkeit und Präzision

Die Bild-API von OpenAI hat jetzt zwei Flaggschiff-Modelle statt einem. Am 8. September 2026 führte das Unternehmen GPT-Image-2.5 Flare und GPT-Image-2.5 Sunburst ein – Schwestermodelle im Rahmen desselben 2.5-Upgrades, aufgeteilt nach Arbeitslast statt nach Generation. Flare ist als schnelle Standardwahl für alltägliche und umfangreiche Bildgenerierung positioniert; Sunburst ist das langsamere, präzisionsorientierte Modell für Arbeiten, bei denen die Kontrolle über eine Bearbeitung wichtiger ist als die Durchlaufzeit. Beide erschienen am selben Tag in der Images-API wie die Veröffentlichung von ChatGPT Images 2.5 für Verbraucher, und beide erweitern die GPT-Image-2-Linie, die OpenAI im April veröffentlichte und die die Community seit einem Codex-Leak am 3. September verfolgt hatte.

Für einen Entwickler ist der praktische Unterschied unmittelbar spürbar: Die Entscheidung lautet nicht mehr „Welches Bildmodell rufe ich auf?“, sondern „Welcher der beiden Geschwister passt zu dieser Arbeitslast?“ Die Antwort ist entscheidend für Kosten und Latenz, denn die beiden Modelle sind hinsichtlich der Geschwindigkeit nicht austauschbar. Alles darunter ist eine Behauptung von OpenAI – Geschwindigkeits-, Qualitäts- und Sicherheitswerte stammen alle vom Anbieter und seinen angekündigten Partnern, und keines der 2.5-Modelle hat bis zum 9. September 2026 einen unabhängigen Benchmark-Wert.

Zwei Modelle, ein Upgrade

Die Entwickler-Ankündigung von OpenAI ordnet das Paar nach Anwendungsfall ein. GPT-Image-2.5 Flare – die Kennung lautet gpt-image-2.5-flare – ist die Voreinstellung für die meisten Anwendungen. OpenAI positioniert es für Creator- und Social-Media-Inhalte, Produkterlebnisse, visuelle Suche, schnelles Bild-Prototyping, Marken-Assets und jede Pipeline mit hohem Generierungsvolumen. Das Unternehmen sagt, dass Flare qualitativ hochwertigere Bilder als GPT-Image-2 erzeugt – bei bis zu 50 Prozent geringerer Latenz – und laut eigenen Auswertungen etwa zwei- bis viermal schneller generiert als GPT-Image-2; der angekündigte frühe Kunde Manus hat separat berichtet, in seiner eigenen Nutzung zwei- bis viermal höhere Geschwindigkeiten bei besserer Ausgabe mit transparentem Hintergrund zu sehen. Die API-Referenz kennzeichnet Flare als das „kleine“ Modell des Paares.

GPT-Image-2.5 Sunburst — Identifikator gpt-image-2.5-sunburst — ist die Premium-Variante. OpenAI hat es für Workflows entwickelt, die von strengerer Kontrolle über Bearbeitungen profitieren: produktionsreifes Kampagnen-Creative, hochwertige Produktbilder, Marketingmaterialien und Designtools, bei denen Markengenauigkeit im Mittelpunkt steht. Es dauert pro Generierung länger als Flare, und diese zusätzliche Rechenleistung erkauft laut OpenAI ein zusätzliches Maß an Präzision und Detailtreue bei Bearbeitungen. Die API-Referenz führt Sunburst als „Basis“-Modell — das größere, bedächtigere der beiden. Higgsfield AI, ein weiterer angekündigter früher Kunde, sagt, das Modell „versteht, was es nicht verändern soll“ — eine nützliche Kurzformel für das gesamte Bearbeitungsversprechen von 2.5: die Teile eines Bildes, die die Anweisung nicht erwähnt hat, unangetastet zu lassen, selbst in komplexen Szenen.

Adobe sagt, dass es beide Modelle in Firefly integriert, was das Paar zu den ersten OpenAI-Bildmodellen macht, die diese Produktlinie erreichen. Manus und Higgsfield AI sind die anderen genannten frühen Kunden.

Was sich tatsächlich verbessert hat

Die Versionshinweise fassen die Qualitätsarbeit unter derselben Überschrift zusammen: schärfere Details, stärkere Stiltreue und mehr Kontrolle über Bearbeitungen. Darunter listet OpenAI spezifische Änderungen auf, die sich genau zu lesen lohnen, denn sie machen den Unterschied zwischen einem Point Release und einem echten Fortschritt aus:

• Natürlichere Beleuchtung und reichere Texturen — die Ausgabequalitätsmerkmale, die Rezensenten durchweg als den sichtbaren Sprung gegenüber Images 2.0 beschreiben.

• Bessere Erhaltung des Motivs anhand von Referenzfotos — Gesichtszüge und identifizierende Details bleiben über eine Generierung hinweg erhalten, statt jedes Mal neu erfunden zu werden.

• Zuverlässigere Bearbeitung über mehrere Schritte — frühere Änderungen bleiben stabil, und jede weitere Bearbeitung baut auf der bisherigen Arbeit auf, ohne unabhängige Bildbereiche zu beeinträchtigen.

• Bis zu 50 Prozent geringere Generierungslatenz als Images 2.0 auf der Verbraucherseite, was dieselbe Geschwindigkeits-Story ist, die Flare auf der API-Seite erzählt.

• Schärfere Textwiedergabe und die Verarbeitung transparenter Hintergründe: die beiden Fähigkeiten, die Bild-API-Käufer am häufigsten bewerten; Manus’ Hinweis zum transparenten Hintergrund ist bisher die einzige unabhängig klingende Bestätigung.

OpenAI gibt außerdem an, dass jede Ausgabe C2PA-Metadaten und ein unsichtbares Wasserzeichen trägt, was sich gegenüber dem Provenienz-Ansatz von GPT-Image-2 nicht geändert hat und eine erneute Erwähnung verdient, da dies in einigen regulierten Arbeitsabläufen eine harte Anforderung ist.

Was die API jetzt bereitstellt

Die neuen Modelle landen in denselben Images-API-Endpunkten, die Entwickler bereits nutzen – für Generierungs- und Bearbeitungsaufrufe –, aber die Parameteroberfläche ist gewachsen. Die API-Referenz für die 2.5-Modelle zeigt einen Qualitätsparameter mit mehr Spielraum, als ihn GPT-Image-2 bot: auto (Standard), low, medium, high und zwei neue Stufen oberhalb von high – xhigh und max. Sie dokumentiert zudem Größenoptionen, die die 2048×2048-Obergrenze überschreiten, mit der GPT-Image-2 ausgeliefert wurde, bis zu 3840×2160 im Querformat und 2160×3840 im Hochformat. Die genannten Einschränkungen sind eine Kantenlänge von höchstens 3840 Pixeln, Abmessungen in Vielfachen von 16, ein Seitenverhältnis von nicht breiter als 3:1 sowie insgesamt zwischen 655.360 und 8.294.400 Pixeln – die größten Ausgaben liegen damit knapp über 8 Megapixeln, also in 4K-Gefilden. Ein Hintergrundparameter akzeptiert auto, opaque oder transparent, womit die Ausgabe transparenter PNGs angefordert wird.

Zwei Einschränkungen sorgen dafür, dass dieser Absatz ehrlich bleibt. Erstens: Dies sind die in der OpenAI-Referenz für die 2.5-Identifikatoren dokumentierten Einstellungen; ob jede Stufe und Größe bei beiden Modellen verfügbar ist und was jede Qualitätsstufe an Tokens kostet, war zum Startzeitpunkt nicht vollständig dokumentiert. Zweitens: gpt-image-2 ist weiterhin in der API aufgeführt – das 2.5-Release ist additiv, und bestehende Integrationen brechen nicht. Der Preis pro Bild der neuen Modelle hängt davon ab, wie viele Tokens jede Generierung tatsächlich verbraucht; das bedeutet, dass die alte Gewohnheit, nach „Dollar pro 1024×1024-Bild“ zu budgetieren, die Kennzahl ist, die man beobachten sollte, bis sich reale Nutzungsdaten ansammeln.

Die Preise haben sich nicht geändert.

OpenAI hielt die Token-Preise identisch zu denen von GPT-Image-2: 8,00 $ pro Million Bild-Eingabe-Tokens und 30,00 $ pro Million Bild-Ausgabe-Tokens, zusätzlich zu den üblichen Text-Tokens für den Prompt. Zur Einordnung, was diese Preise beim Vorgängermodell bedeuteten: Artificial Analysis gibt für GPT-Image-2 (high) etwa 211 $ pro 1.000 Bildern an – also etwa 0,21 $ für ein hochwertiges 1024×1024-Ausgabebild – und die Seite openai/gpt-image-2 auf OrcaRouter zeigt dieselbe Token-Aufteilung von 8,00 $/30,00 $. Da die 2.5-Modelle dieselben Preise haben, ist die Kostenfrage rein eine Frage des Token-Verbrauchs pro Bild – genau das wurde zum Start nicht veröffentlicht.

Das ist die Preiskalkulation, die für alle wichtig ist, die gpt-image-2 bereits über OrcaRouter aufrufen. Die OpenAI-Bildmodelle zählen zu den mehr als 200 Modellen hinter der OrcaRouter-API, und OrcaRouter gibt den Listenpreis des Anbieters unverändert mit 0 % Aufschlag weiter – die Preise von 8,00 $/30,00 $ auf der Modellseite von openai/gpt-image-2 stammen von OpenAI selbst, nicht von einem Wiederverkäufer. An dem Tag, an dem ein vorgelagerter Anbieter die Bezeichnungen gpt-image-2.5-flare oder gpt-image-2.5-sunburst hinzufügt, ruft derselbe API-Schlüssel die neuen Modelle auf, und eine Preisänderung des Anbieters bei einem der beiden Modelle ist bei Ihnen noch am selben Tag live, an dem sie erscheint.

Flare oder Sunburst: Welches ist das Richtige für Sie?

Für die meisten Teams lautet die ehrliche Antwort: „Mit Flare starten und nur dann auf Sunburst umsteigen, wenn eine Bearbeitung einer kritischen Prüfung standhalten muss.“ Die entscheidende Trennlinie zwischen den Modellen ist die Arbeitslast, nicht die rohe Qualität, und OpenAIs eigene Positionierung besagt, dass Flare der Standard ist. Die Betrachtung Dimension für Dimension:

• Geschwindigkeit — Flare ist das schnelle Modell: OpenAI behauptet eine um bis zu 50 Prozent geringere Latenz als GPT-Image-2 und einen 2–4-fachen Durchsatz in seinen Evaluierungen sowie bei der Nutzung durch Manus. Sunburst verzichtet bewusst auf Geschwindigkeit zugunsten von Präzision und benötigt pro Generierung länger.

• Ideale Workload — Flare für Creator-/Social-Content, Produkterlebnisse, visuelle Suche, schnelles Prototyping und Marken-Assets in hoher Stückzahl. Sunburst für Produktionskampagnen-Creative, hochwertige Produktfotografie und Designarbeiten, bei denen das Editing standhalten muss.

• Bearbeitungsverhalten — Sunburst ist der präzisere Editor; das Feedback „versteht, was nicht geändert werden soll“ von Higgsfield gilt für die 2.5-Generation als Ganzes, aber Sunburst ist das Modell, das für die meiste Kontrolle über aufeinanderfolgende Bearbeitungen entwickelt wurde.

• API-Modell-Tag — Flare ist das "small"-Modell in der OpenAI-Referenz; Sunburst ist das "base"-Modell, also das größere und langsamere der beiden.

• Preis — identische Token-Raten (8,00 $ Eingabe / 30,00 $ Ausgabe pro Million), der Kostenunterschied entspricht also genau den zusätzlichen Tokens, die Sunbursts längere Generierungen verbrauchen.

• Unabhängige Bewertung — für keines der beiden Modelle bisher vorhanden (Stand 9. September 2026); behandeln Sie alle Qualitäts- und Geschwindigkeitsangaben bis zum Erscheinen eines Leaderboard-Eintrags oder eines reproduzierbaren Tests durch Dritte als Herstellerangaben.

Ein sinnvolles Muster für ein Team, das bereits in Produktion ist, besteht darin, den Großteil des Datenverkehrs an Flare zu leiten — es ist die latenzärmere Standardoption und beim gleichen Token-Preis die günstigere Wahl — und nur den bearbeitungsintensiven, qualitätskritischen Anteil an Sunburst zu richten. Da beide Modelle dieselbe Images-API-Oberfläche und dieselben Token-Preise verwenden, ist diese Aufteilung eine Konfigurationsänderung und keine Migration. Automatisches Failover macht es gefahrlos, das neue Modell vor der endgültigen Festlegung auszuprobieren: Leiten Sie einen Teil des echten Datenverkehrs an das neue Modell und fallen Sie bei einem Fehler oder Timeout auf gpt-image-2 zurück. Dann entscheiden Ihre eigenen Prompts — nicht eine Ankündigungsseite — welches der Geschwistermodelle den Datenverkehr erhält.

Wo der 2.5-Start im Wettlauf der Bildmodelle landet

GPT-Image-2 war bereits vor dieser Veröffentlichung das Modell, das es auf den unabhängigen Ranglisten zu schlagen galt. Auf der Text-zu-Bild-Rangliste von Artificial Analysis hält es mit Elo 1178 den Spitzenplatz – vor MAI-Image-2.6 mit 1149, Nano Banana 2 mit 1121 und Muse Image mit 1116 – und auf der Rangliste für Bildbearbeitung belegt GPT-Image-2 (high) mit Elo 1117 Platz zwei hinter Microsofts MAI-Image-2.6 mit 1122. Die Erzählung zum Start von GPT-Image-2.5 lautet, dass OpenAI diese Führungsposition genommen und sie in eine Geschwindigkeitsstufe und eine Präzisionsstufe aufgeteilt hat – ein Produktstrategie ebenso wie ein Qualitätsanspruch: Statt einen einzelnen Spitzenwert zu verteidigen, verteidigt man gleichzeitig zwei Preis-Leistungs-Positionen.

Die ehrliche Einschränkung ist, dass für die neuen Modelle noch keiner dieser Werte gemessen wurde. Mit Stand vom 9. September taucht weder gpt-image-2.5-flare noch gpt-image-2.5-sunburst in den Ranglisten von Artificial Analysis auf, und es wurde keine unabhängige Reproduktion der Geschwindigkeitsangaben von OpenAI veröffentlicht. Die oben genannten Zahlen mit unabhängiger Bestätigung – die Elo-Werte von GPT-Image-2 und der Preis pro Bild – beschreiben den Vorgänger, nicht die Neulinge. Bei der Sicherheit meldet OpenAI Raten unsicherer Generierung von 1,41 Prozent für Flare und 1,09 Prozent für Sunburst gegenüber einer Basisrate von 1,64 Prozent in seinen internen Evaluierungen; das sind Herstellerangaben, die veröffentlicht wurden, um zu zeigen, dass die beiden neuen Modelle sicherer sind als das Modell, das sie erweitern, und sie sind eher als richtungsweisend denn als endgültig zu betrachten. Auch der Kontext zur Größenordnung stammt von OpenAI: Das Unternehmen gibt an, dass Nutzer über seine Plattform hinweg mehr als drei Milliarden Bilder pro Woche erstellen.

Was als Nächstes ansehen

Drei Dinge werden dir zeigen, ob die Aufteilung besser funktioniert als das einzelne Flaggschiff, das sie erweitert. Das erste sind unabhängige Latenz- und Durchsatzwerte für Flare – OpenAI-Behauptung von 2–4× ist die Art von Zahl, die ein Partner an einem Nachmittag überprüfen kann, und Manus’ Bestätigung ist ein Anfang, kein Beweis. Das zweite ist der Token-Verbrauch pro Bild bei beiden Modellen, der die unveränderten Token-Preise von $8/$30 in einen echten Preis pro Bild umrechnet; diese Daten waren zum Start nicht veröffentlicht worden. Das dritte ist, wo Sunburst auf den Bildbearbeitungs-Ranglisten landet, denn das ist der eigentliche Daseinszweck des Modells: Wenn sein Präzisionsvorsprung gegenüber GPT-Image-2 real ist, sollte er sich innerhalb weniger Wochen gegen MAI-Image-2.6 und den Rest der Top Ten der Bildbearbeitung zeigen.

Für den Moment ist das Release eine echte Weggabelung für Image-API-Käufer. GPT-Image-2.5 Flare ist der sinnvolle Standard-Migrationspfad von GPT-Image-2 — gleiche API, gleicher Token-Preis, auf dem Papier bessere Geschwindigkeit. GPT-Image-2.5 Sunburst ist das Modell, auf das man warten sollte, wenn Ihre Arbeit aus Bearbeitungen besteht, die einer genauen Prüfung unterliegen. Und wenn Sie gpt-image-2 bereits über OrcaRouter aufrufen, ist der Wechsel zu einem der beiden Geschwister eine Routing-Änderung mit demselben Schlüssel, wobei der Listenpreis des Anbieters ohne Aufschlag durchgereicht wird und Failover verfügbar ist, während Sie entscheiden, welches Modell Ihren Traffic tatsächlich verdient.