GPT-Image-2.5 Flare et Sunburst : OpenAI divise son API d'images entre vitesse et précision.

L'API d'images d'OpenAI dispose désormais de deux modèles phares au lieu d'un seul. Le 8 septembre 2026, l'entreprise a présenté GPT-Image-2.5 Flare et GPT-Image-2.5 Sunburst — des modèles frères issus de la même mise à niveau 2.5, répartis selon la charge de travail plutôt que par génération. Flare est positionné comme le choix rapide et par défaut pour la génération d'images courante et à grand volume ; Sunburst est le modèle plus lent, axé sur la précision, pour les travaux où le contrôle d'une modification importe plus que le délai d'exécution. Les deux sont arrivés dans l'API Images le même jour que le déploiement de ChatGPT Images 2.5 pour les consommateurs, et tous deux prolongent la lignée GPT-Image-2 qu'OpenAI a publiée en avril et que la communauté suivait depuis qu'une fuite de Codex est apparue le 3 septembre.

Pour un développeur, le changement pratique est immédiat : la décision ne consiste plus à se demander « quel modèle d'image appeler ? » mais « lequel des deux jumeaux convient à cette charge de travail ? » La réponse a son importance pour le coût et la latence, car les deux modèles ne sont pas interchangeables en termes de vitesse. Tout ce qui suit est une affirmation d'OpenAI : les chiffres de vitesse, de qualité et de sécurité proviennent tous du fournisseur et de ses partenaires annoncés, et aucun des modèles 2.5 ne dispose encore de score de benchmark indépendant en date du 9 septembre 2026.

Deux modèles, une mise à niveau.

L'annonce d'OpenAI destinée aux développeurs présente la paire par cas d'usage. GPT-Image-2.5 Flare — dont l'identifiant est gpt-image-2.5-flare — est le modèle par défaut pour la plupart des applications. OpenAI le positionne pour les contenus de créateurs et les réseaux sociaux, les expériences produit, la recherche visuelle, le prototypage rapide d'images, les visuels de marque et tout pipeline de génération à volume élevé. L'entreprise affirme que Flare produit des images de meilleure qualité que GPT-Image-2 avec une latence réduite jusqu'à 50 %, et que, selon ses propres évaluations, il génère environ deux à quatre fois plus vite que GPT-Image-2 ; le client de lancement annoncé, Manus, a de son côté indiqué avoir observé des accélérations de 2 à 4 fois avec de meilleures sorties à arrière-plan transparent dans son propre usage. La référence API qualifie Flare de modèle « small » de la paire.

GPT-Image-2.5 Sunburst — identifiant gpt-image-2.5-sunburst — est le modèle premium. OpenAI l'a conçu pour les flux de travail qui bénéficient d'un contrôle plus fin sur les retouches : créations publicitaires prêtes à l'emploi, imagerie produit soignée, supports marketing et outils de conception où la fidélité à la marque est essentielle. {{1}}Il prend plus de temps par génération que Flare{{/1}}, et cette puissance de calcul supplémentaire procure ce qu'OpenAI décrit comme {{2}}un niveau supplémentaire de précision et de fidélité des détails lors des retouches{{/2}}. {{3}}La référence API désigne Sunburst comme le modèle « de base »{{/3}} — le plus grand et le plus réfléchi des deux. Higgsfield AI, un autre client fondateur annoncé, affirme que le modèle {{4}}« comprend ce qui ne doit pas être modifié »{{/4}}, ce qui résume bien tout l'argument des retouches 2.5 : {{5}}préserver intactes les parties d'une image que l'instruction n'a pas demandé de modifier{{/5}}, même dans les scènes chargées.

Adobe annonce l'intégration des deux modèles dans Firefly, ce qui en fait les premiers modèles d'imagerie d'OpenAI à rejoindre cette gamme de produits. Manus et Higgsfield AI figurent également parmi les premiers clients cités.

Qu'est-ce qui s'est réellement amélioré ?

Les notes de version regroupent le travail sur la qualité sous le même titre : des détails plus nets, un respect plus strict du style et un contrôle accru sur les modifications. En dessous, OpenAI énumère des changements spécifiques qui méritent une lecture attentive, car ils font la différence entre une mise à jour mineure et un véritable pas en avant :

• Un éclairage plus naturel et des textures plus riches — les aspects de la qualité de sortie que les critiques décrivent systématiquement comme le bond visible par rapport à Images 2.0.

• Meilleure préservation du sujet à partir de photos de référence — les traits du visage et les détails identifiants sont conservés lors d'une génération plutôt que d'être réinventés à chaque fois.

• Édition multi-tours plus fiable — les modifications antérieures restent stables et chaque modification successive s'appuie sur le travail précédent sans dégrader les zones non liées de l'image.

Jusqu'à 50 % de latence de génération en moins par rapport à Images 2.0 côté consommateur, ce qui correspond à la même histoire de vitesse que Flare raconte côté API.

• Rendu du texte plus net et gestion des arrière-plans transparents, les deux capacités que les acheteurs d'API d'images évaluent le plus souvent ; la remarque de Manus sur les arrière-plans transparents est la seule corroboration à consonance indépendante jusqu’à présent.

OpenAI affirme également que chaque sortie comporte des métadonnées C2PA et un filigrane invisible, ce qui est inchangé par rapport à l'approche de provenance de GPT-Image-2 et mérite d'être répété car c'est une exigence stricte dans certains flux de travail réglementés.

Ce que l'API expose désormais

Les nouveaux modèles débarquent sur les mêmes points de terminaison de l’API Images que les développeurs utilisent déjà — les appels de génération et d’édition — mais la surface des paramètres s’est étoffée. La référence API des modèles 2.5 montre un paramètre quality avec davantage de marge que ce que GPT-Image-2 offrait : auto (la valeur par défaut), low, medium, high, et deux nouveaux paliers au-dessus de high, xhigh et max. Elle documente également des options de taille qui dépassent le plafond de 2048×2048 pixels de GPT-Image-2, jusqu’à 3840×2160 en paysage et 2160×3840 en portrait. Les contraintes indiquées sont une longueur d’arête ne dépassant pas 3840 pixels, des dimensions en multiples de 16, un rapport hauteur/largeur ne dépassant pas 3:1, et un total de pixels entre 655 360 et 8 294 400 — de sorte que les sorties les plus grandes atteignent un peu plus de 8 mégapixels, dans la catégorie 4K. Un paramètre background accepte auto, opaque ou transparent, ce qui correspond à la façon de demander une sortie PNG transparente.

Deux mises en garde rendent ce paragraphe honnête. Premièrement, il s'agit des paramètres documentés pour les identifiants 2.5 dans la référence d'OpenAI ; la disponibilité de chaque niveau et taille sur les deux modèles, ainsi que le coût en jetons de chaque niveau de qualité, n'avaient pas été entièrement documentés au lancement. Deuxièmement, gpt-image-2 reste répertorié dans l'API — la version 2.5 est additive et les intégrations existantes ne sont pas rompues. Le prix par image des nouveaux modèles dépendra du nombre de jetons réellement consommés par chaque génération, ce qui signifie que l'ancienne habitude de budgétiser en « dollars par image 1024×1024 » est le chiffre à surveiller jusqu'à ce que de véritables données d'utilisation s'accumulent.

Les prix n'ont pas bougé

OpenAI a maintenu les tarifs de tokens identiques à ceux de GPT-Image-2 : $8.00 par million de tokens d’entrée d’image et $30.00 par million de tokens de sortie d’image, en plus des tokens de texte habituels pour le prompt. Pour donner un ordre d’idée de ce que ces tarifs représentaient sur le modèle précédent, Artificial Analysis estime GPT-Image-2 (high) à environ $211 pour 1 000 images — soit environ $0.21 pour une image 1024×1024 de haute qualité — et la page openai/gpt-image-2 sur OrcaRouter affiche la même répartition de tarifs à $8.00/$30.00. Comme les modèles 2.5 appliquent les mêmes tarifs, le coût ne dépend que de la consommation de tokens par image, soit exactement ce qui n’a pas été publié au lancement.

C'est le calcul de tarification qui compte pour quiconque appelle déjà gpt-image-2 via OrcaRouter. Les modèles d'images OpenAI comptent parmi les plus de 200 modèles de l'API OrcaRouter, et OrcaRouter répercute le prix catalogue du fournisseur avec une marge de 0 % — les tarifs de $8.00/$30.00 sur la page du modèle openai/gpt-image-2 sont ceux d'OpenAI, et non ceux d'un revendeur. Dès qu'un fournisseur en amont ajoute les identifiants gpt-image-2.5-flare ou gpt-image-2.5-sunburst, vous pouvez les appeler avec la même clé API, et un changement de prix du fournisseur sur l'un ou l'autre modèle est effectif de votre côté le jour même où il apparaît.

Flare ou Sunburst : lequel est fait pour vous ?

Pour la plupart des équipes, la réponse honnête est « commencer avec Flare et passer à Sunburst uniquement lorsqu'une modification doit survivre à un examen minutieux ». Les modèles se répartissent clairement par charge de travail plutôt que par qualité brute, et le positionnement d'OpenAI lui-même indique que Flare est le choix par défaut. La lecture dimension par dimension :

• Vitesse — Flare est le rapide : OpenAI affirme une latence jusqu'à 50 % inférieure à celle de GPT-Image-2, et un débit 2 à 4 fois supérieur dans ses évaluations et dans l'utilisation de Manus. Sunburst échange délibérément la vitesse contre la précision et prend plus de temps par génération.

• Charge de travail idéale — Flare pour le contenu créateur/réseaux sociaux, les expériences produit, la recherche visuelle, le prototypage rapide et les assets de marque à grand volume. Sunburst pour les créations de campagnes de production, la photographie produit soignée et les travaux de conception où la retouche doit être parfaite.

• Comportement d'édition — Sunburst est l'éditeur le plus strict ; le retour « comprend ce qu'il ne faut pas modifier » de Higgsfield s'applique à l'ensemble de la génération 2.5, mais Sunburst est le modèle conçu pour offrir le plus de contrôle lors d'éditions successives.

• Balise de modèle API — Flare est le modèle « small » dans la référence d'OpenAI ; Sunburst est le modèle « base », c'est-à-dire le plus grand et le plus lent des deux.

• Prix — des tarifs par token identiques (8,00 $ en entrée / 30,00 $ en sortie par million), donc la différence de coût correspond aux tokens supplémentaires que consomment les générations plus longues de Sunburst.

• Score indépendant — aucun encore pour l’un ou l’autre modèle au 9 septembre 2026 ; considérez toutes les affirmations de qualité et de vitesse comme émanant du fournisseur jusqu’à ce qu’une entrée au classement ou un test tiers reproductible soit disponible.

Un schéma raisonnable pour une équipe déjà en production est de diriger la majorité du trafic vers Flare — c’est l’option par défaut à plus faible latence et le pari le moins coûteux à prix de token égal — et de n’orienter vers Sunburst que la tranche où dominent les retouches et où la qualité est critique. Comme les deux modèles partagent le format de l’API Images et la même tarification par token, cette répartition est un changement de configuration, pas une migration. Le basculement automatique permet d’essayer sans risque avant de s’engager : envoyez une partie du trafic réel vers le nouveau modèle et revenez à gpt-image-2 en cas d’erreur ou de timeout, et ce sont vos propres invites — pas une page de lancement — qui décident lequel des deux modèles jumeaux remporte le trafic.

Où le lancement de la 2.5 se positionne dans la course aux modèles d'images

GPT-Image-2 était déjà le modèle à battre sur les classements indépendants avant cette publication. Sur le classement de texte-à-image d'Artificial Analysis, il occupe la première place avec un Elo de 1178 — devant MAI-Image-2.6 à 1149, Nano Banana 2 à 1121 et Muse Image à 1116 — et sur le classement d'édition d'image, GPT-Image-2 (high) se classe deuxième avec un Elo de 1117, derrière le MAI-Image-2.6 de Microsoft à 1122. Le récit de lancement de GPT-Image-2.5 est qu'OpenAI a pris cette position de leader et l'a scindée en un palier de vitesse et un palier de précision, ce qui est autant une stratégie produit qu'une affirmation de qualité : plutôt que de défendre un seul score phare, il défend deux positions de rapport qualité-prix à la fois.

L’avertissement honnête, c’est que rien de tout cela n’est encore mesuré pour les nouveaux modèles. Au 9 septembre, ni gpt-image-2.5-flare ni gpt-image-2.5-sunburst ne figurent sur les classements Artificial Analysis, et aucune reproduction indépendante des affirmations de vitesse d’OpenAI n’a été publiée. Les chiffres ci-dessus qui bénéficient d’un appui indépendant — les scores Elo de GPT-Image-2 et le prix par image — décrivent le prédécesseur, pas les nouveaux venus. Côté sécurité, OpenAI rapporte des taux de génération non sûrs de 1,41 pour cent pour Flare et de 1,09 pour cent pour Sunburst, contre une référence de 1,64 pour cent dans ses évaluations internes ; ce sont des chiffres du fournisseur, publiés pour montrer que la paire est plus sûre que le modèle qu’elle prolonge, et il faut les considérer comme indicatifs plutôt que définitifs. Le contexte d’échelle vient aussi d’OpenAI : l’entreprise affirme que les utilisateurs créent plus de trois milliards d’images par semaine sur sa plateforme.

Que regarder ensuite

Trois éléments vous diront si la scission fonctionne mieux que le modèle phare unique qu'elle prolonge. Le premier est constitué par des chiffres indépendants de latence et de débit pour Flare — l'affirmation d'OpenAI d'un facteur 2 à 4 est le genre de donnée qu'un partenaire peut vérifier en un après-midi, et la corroboration de Manus est un début, pas une preuve. Le deuxième est la consommation de tokens par image sur les deux modèles, ce qui convertira les tarifs de tokens inchangés de 8 $/30 $ en un véritable prix par image ; ces données n'avaient pas été publiées au lancement. Le troisième est la place qu'obtiendra Sunburst dans les classements de retouche d'image, car c'est la raison d'être même du modèle : si son avance en précision sur GPT-Image-2 est réelle, elle devrait se manifester face à MAI-Image-2.6 et au reste du top dix de la retouche d'ici quelques semaines.

Pour l'instant, cette sortie constitue un véritable tournant pour les acheteurs d'API d'images. GPT-Image-2.5 Flare est la voie de migration par défaut la plus judicieuse depuis GPT-Image-2 — même API, même prix au token, meilleure vitesse sur le papier. GPT-Image-2.5 Sunburst est celui pour lequel il faut patienter si votre travail consiste en des retouches soumises à un examen rigoureux. Et si vous appelez déjà gpt-image-2 via OrcaRouter, le passage à l'un ou l'autre de ces deux modèles n'est qu'un changement de routage sur la même clé, le prix catalogue du fournisseur étant répercuté sans marge et avec basculement disponible pendant que vous décidez quel modèle mérite réellement votre trafic.