GPT-Image-2.5 Flare y Sunburst: OpenAI divide su API de imágenes en velocidad y precisión

La API de imágenes de OpenAI ahora tiene dos modelos insignia en lugar de uno. El 8 de septiembre de 2026, la empresa presentó GPT-Image-2.5 Flare y GPT-Image-2.5 Sunburst: modelos hermanos bajo la misma actualización 2.5, divididos por carga de trabajo y no por generación. Flare se posiciona como la opción rápida y predeterminada para la generación cotidiana y de gran volumen de imágenes; Sunburst es el modelo más lento y centrado en la precisión, para trabajos en los que el control sobre una edición importa más que el tiempo de respuesta. Ambos se incluyeron en la Images API el mismo día del despliegue de ChatGPT Images 2.5 para consumidores, y ambos amplían la línea de modelos GPT-Image-2 que OpenAI lanzó en abril y que la comunidad había estado siguiendo desde que una filtración de Codex salió a la luz el 3 de septiembre.

Para un desarrollador, el cambio práctico es inmediato: la decisión ya no es «¿a qué modelo de imagen llamo?», sino «¿cuál de los dos hermanos se ajusta a esta carga de trabajo?». La respuesta importa por el costo y la latencia, porque los dos modelos no son intercambiables en velocidad. Todo lo que sigue es una afirmación de OpenAI —las cifras de velocidad, calidad y seguridad provienen del proveedor y de sus socios anunciados—, y ninguno de los modelos 2.5 tiene todavía una puntuación de referencia independiente al 9 de septiembre de 2026.

Dos modelos, una mejora

El anuncio de OpenAI para desarrolladores enmarca el par según el caso de uso. GPT-Image-2.5 Flare — cuyo identificador es gpt-image-2.5-flare — es la opción predeterminada para la mayoría de las aplicaciones. OpenAI lo posiciona para contenido de creadores y redes sociales, experiencias de producto, búsqueda visual, creación rápida de prototipos de imágenes, activos de marca y cualquier canal de generación de alto volumen. La empresa afirma que Flare produce imágenes de mayor calidad que GPT-Image-2 con una latencia hasta un 50 por ciento menor, y que en sus propias evaluaciones genera aproximadamente de dos a cuatro veces más rápido que GPT-Image-2; el cliente inicial anunciado, Manus, ha informado por separado haber visto aceleraciones de 2 a 4 veces con una mejor salida de fondo transparente en su propio uso. La referencia de API etiqueta a Flare como el modelo «pequeño» del par.

GPT-Image-2.5 Sunburst — identificador gpt-image-2.5-sunburst — es la versión premium. OpenAI lo creó para flujos de trabajo que se benefician de un control más estricto en las ediciones: creatividades de campaña listas para producción, imágenes de producto refinadas, material de marketing y herramientas de diseño donde la precisión de la marca es lo que importa. Tarda más por generación que Flare, y esa potencia de cómputo adicional se traduce en lo que OpenAI describe como un nivel extra de precisión y fidelidad de detalle en las ediciones. La referencia de la API etiqueta a Sunburst como el modelo «base» — el de mayor tamaño y el más deliberado de los dos. Higgsfield AI, otro de los primeros clientes anunciados, afirma que el modelo «entiende qué no cambiar», lo cual es un resumen útil de toda la propuesta de edición de 2.5: mantener intactas las partes de una imagen que la instrucción no mencionó, incluso en escenas muy recargadas.

Adobe dice que está integrando ambos modelos en Firefly, lo que convierte al par en los primeros modelos de imagen de OpenAI en llegar a esa línea de productos. Manus y Higgsfield AI son los otros clientes iniciales mencionados.

¿Qué mejoró realmente?

Las notas de la versión agrupan el trabajo de calidad bajo el mismo titular: detalles más nítidos, mayor adherencia al estilo y más control sobre las ediciones. Debajo de eso, OpenAI enumera cambios específicos que vale la pena leer con atención porque son la diferencia entre una versión menor y un verdadero paso adelante:

• Iluminación más natural y texturas más ricas: los elementos de calidad de salida que los revisores describen constantemente como el salto visible frente a Images 2.0.

• Mejor preservación del sujeto a partir de fotos de referencia — los rasgos faciales y los detalles identificativos se mantienen a lo largo de una generación en lugar de reinventarse cada vez.

• Edición multiturno más fiable: los cambios anteriores se mantienen estables y cada edición sucesiva se basa en el trabajo previo sin degradar áreas no relacionadas de la imagen.

• Hasta un 50 % menos de latencia de generación que Images 2.0 en el lado del consumidor, la misma historia de velocidad que Flare cuenta en el lado de la API.

Texto más nítido y manejo de fondo transparente, las dos capacidades que los compradores de APIs de imagen evalúan con más frecuencia; la nota de Manus sobre el fondo transparente es la corroboración de apariencia independiente más sólida hasta ahora.

OpenAI también afirma que cada salida lleva metadatos C2PA y una marca de agua invisible, lo cual no ha cambiado respecto al enfoque de procedencia de GPT-Image-2 y vale la pena reiterarlo porque es un requisito estricto en algunos flujos de trabajo regulados.

Lo que ahora expone la API

Los nuevos modelos llegan a los mismos endpoints de la Images API que los desarrolladores ya usan —llamadas de generación y edición—, pero la superficie de parámetros ha crecido. La referencia de la API para los modelos 2.5 muestra un parámetro de calidad con más margen que el que ofrecía GPT-Image-2: auto (el valor predeterminado), low, medium, high, y dos nuevos niveles por encima de high: xhigh y max. También documenta opciones de tamaño que superan el tope de 2048×2048 con el que se lanzó GPT-Image-2, hasta 3840×2160 en horizontal y 2160×3840 en vertical. Las restricciones establecidas son: una longitud de lado no mayor de 3840 píxeles, dimensiones que sean múltiplos de 16, una relación de aspecto no superior a 3:1 y un total de píxeles entre 655,360 y 8,294,400; por lo tanto, las salidas más grandes se sitúan apenas por encima de 8 megapíxeles, en territorio de clase 4K. El parámetro background acepta auto, opaque o transparent, que es como se solicita la salida de PNG transparente.

Dos salvedades mantienen ese párrafo honesto. Primero, estos son los ajustes documentados para los identificadores 2.5 en la referencia de OpenAI; si cada nivel y tamaño está disponible en ambos modelos, y cuántos tokens cuesta cada nivel de calidad, no se había documentado por completo en el lanzamiento. Segundo, gpt-image-2 sigue apareciendo en la API: el lanzamiento de 2.5 es aditivo y las integraciones existentes no se rompen. El precio por imagen de los nuevos modelos dependerá de cuántos tokens consuma realmente cada generación, lo que significa que el viejo hábito de presupuestar por «dólares por imagen de 1024×1024» es la cifra a vigilar hasta que se acumulen datos de uso reales.

Los precios no se han movido.

OpenAI mantuvo las tarifas de tokens idénticas a las de GPT-Image-2: $8.00 por millón de tokens de entrada de imagen y $30.00 por millón de tokens de salida de imagen, además de los tokens de texto habituales para el prompt. Para contextualizar lo que esas tarifas significaban en el modelo anterior, Artificial Analysis estima GPT-Image-2 (high) en unos $211 por 1,000 imágenes — aproximadamente $0.21 por una salida de alta calidad de 1024×1024 — y la página openai/gpt-image-2 en OrcaRouter muestra el mismo desglose de tokens de $8.00/$30.00. Debido a que los modelos 2.5 mantienen las mismas tarifas, la cuestión del costo se reduce únicamente al consumo de tokens por imagen, que es exactamente lo que no se publicó en el lanzamiento.

Ese es el cálculo de precios que le importa a cualquiera que ya esté llamando a gpt-image-2 a través de OrcaRouter. Los modelos de imagen de OpenAI se encuentran entre los más de 200 modelos disponibles a través de la API de OrcaRouter, y OrcaRouter transmite el precio de lista del proveedor directamente con un margen del 0% — las tarifas de $8.00/$30.00 en la página del modelo openai/gpt-image-2 son los propios números de OpenAI, no los de un revendedor. El día en que un proveedor upstream agregue los identificadores gpt-image-2.5-flare o gpt-image-2.5-sunburst, la misma clave API los invoca, y un cambio de precio del proveedor en cualquiera de los dos modelos está activo en tu lado el mismo día en que aparece.

Flare o Sunburst: ¿cuál es para ti?

Para la mayoría de los equipos, la respuesta honesta es "empezar con Flare y escalar a Sunburst solo cuando una edición tenga que sobrevivir al escrutinio". Los modelos se dividen claramente por carga de trabajo más que por calidad bruta, y el propio posicionamiento de OpenAI dice que Flare es el predeterminado. La lectura dimensión por dimensión:

• Velocidad — Flare es el rápido: OpenAI afirma hasta un 50 por ciento menos de latencia que GPT-Image-2, y un rendimiento de 2 a 4 veces superior en sus evaluaciones y en el uso de Manus. Sunburst deliberadamente intercambia velocidad por precisión y tarda más por generación.

• Mejor carga de trabajo: Flare para contenido de creadores/redes sociales, experiencias de producto, búsqueda visual, prototipado rápido y activos de marca de alto volumen. Sunburst para creatividades de campañas de producción, fotografía de producto pulida y trabajos de diseño donde la edición debe ser impecable.

• Comportamiento de edición — Sunburst es el editor más preciso; el comentario de Higgsfield de que «entiende qué no cambiar» se aplica a toda la generación 2.5, pero Sunburst es el modelo diseñado para ejercer el máximo control a lo largo de ediciones sucesivas.

Etiqueta de modelo de API — Flare es el modelo "pequeño" en la referencia de OpenAI; Sunburst es el modelo "base", es decir, el más grande y lento de los dos.

• Precio — tarifas de token idénticas ($8.00 de entrada / $30.00 de salida por millón), por lo que la diferencia de costo son los tokens adicionales que consumen las generaciones más largas de Sunburst.

• Puntuación independiente: aún ninguna para ninguno de los dos modelos al 9 de septiembre de 2026; trate todas las afirmaciones de calidad y velocidad como reportadas por el proveedor hasta que llegue una entrada en la tabla de clasificación o una prueba reproducible de un tercero.

Un patrón razonable para un equipo que ya está en producción es enrutar la mayor parte del tráfico hacia Flare — es la opción predeterminada de menor latencia y la apuesta más económica al mismo precio de token — y dirigir solo la porción intensiva en edición y crítica para la calidad hacia Sunburst. Como ambos modelos comparten la forma de la API de Images y las mismas tarifas de tokens, esa división es un cambio de configuración, no una migración. La conmutación automática por error hace que sea seguro probar antes de comprometerse: envía una porción de tráfico real al nuevo modelo y vuelve a gpt-image-2 ante un error o tiempo de espera, y tus propios prompts —no una página de lanzamiento— deciden cuál de los hermanos se gana el tráfico.

Dónde se sitúa el lanzamiento de la 2.5 en la carrera de modelos de imagen

GPT-Image-2 ya era el modelo a batir en las tablas independientes antes de este lanzamiento. En la tabla de clasificación de texto a imagen de Artificial Analysis, ocupa el primer puesto con un Elo de 1178 —por delante de MAI-Image-2.6 con 1149, Nano Banana 2 con 1121 y Muse Image con 1116— y en la tabla de edición de imagen, GPT-Image-2 (high) se sitúa segundo con un Elo de 1117, por detrás del MAI-Image-2.6 de Microsoft, con 1122. La narrativa del lanzamiento de GPT-Image-2.5 es que OpenAI ha tomado esa posición de liderazgo y la ha dividido en una gama de velocidad y una gama de precisión, lo que es tanto una estrategia de producto como una afirmación de calidad: en lugar de defender una única puntuación insignia, defiende dos posiciones de relación precio-rendimiento a la vez.

La advertencia honesta es que nada de esto se ha medido todavía para los nuevos modelos. A 9 de septiembre, ni gpt-image-2.5-flare ni gpt-image-2.5-sunburst aparecen en las tablas de clasificación de Artificial Analysis, y no se ha publicado ninguna reproducción independiente de las afirmaciones de velocidad de OpenAI. Las cifras anteriores que sí cuentan con respaldo independiente —las puntuaciones Elo de GPT-Image-2 y el precio por imagen— describen al predecesor, no a los recién llegados. En cuanto a seguridad, OpenAI reporta tasas de generación no segura del 1,41 % para Flare y del 1,09 % para Sunburst, frente a una base del 1,64 % en sus evaluaciones internas; son cifras del proveedor, publicadas para mostrar que el par es más seguro que el modelo al que extienden, y conviene tratarlas como orientativas más que definitivas. El contexto de escala también proviene de OpenAI: dice que los usuarios crean más de tres mil millones de imágenes a la semana en su plataforma.

Qué ver a continuación

Tres cosas te dirán si la división funciona mejor que el único modelo insignia del que es extensión. La primera son cifras independientes de latencia y rendimiento para Flare: la afirmación de OpenAI de 2–4× es el tipo de cifra que un socio puede verificar en una tarde, y la corroboración de Manus es un comienzo, no una prueba. La segunda es el consumo de tokens por imagen en ambos modelos, que convertirá las tarifas de tokens sin cambios de $8/$30 en un precio real por imagen; esos datos no se habían publicado en el lanzamiento. La tercera es dónde aterriza Sunburst en los rankings de edición de imágenes, porque esa es toda la razón de existir de ese modelo: si su ventaja de precisión sobre GPT-Image-2 es real, debería notarse frente a MAI-Image-2.6 y al resto del top ten de edición en unas pocas semanas.

Por ahora, el lanzamiento es una auténtica encrucijada para los compradores de API de imágenes. GPT-Image-2.5 Flare es la ruta de migración predeterminada más sensata desde GPT-Image-2: misma API, mismo precio por token y mejor velocidad sobre el papel. GPT-Image-2.5 Sunburst es el que conviene esperar si tu trabajo consiste en ediciones que estarán bajo escrutinio. Y si ya estás llamando a gpt-image-2 a través de OrcaRouter, el cambio a cualquiera de los dos hermanos es un cambio de ruta con la misma clave, con el precio de lista del proveedor transmitido con un margen del 0% y conmutación por error disponible mientras decides qué modelo se gana realmente tu tráfico.