GPT-Image-2.5 Flare vs GPT-Image-2 : même prix par token, nouveau plafond de vitesse, pas encore de verdict indépendant

GPT-Image-2.5 Flare et GPT-Image-2 sont arrivés sur le marché avec la même grille tarifaire le 8 septembre 2026, et c'est là que s'arrêtent les comparaisons faciles. Le nouveau modèle d'API d'OpenAI, axé sur la vitesse, est facturé exactement aux mêmes tarifs par token que le modèle d'image de génération précédente qu'il est censé remplacer, tandis qu'OpenAI lui-même n'arrive pas vraiment à décider si la sortie de Flare est de « meilleure qualité » (le billet de lancement) ou simplement « comparable » (la documentation de l'API). Pour un développeur qui doit choisir entre les deux aujourd'hui, cet écart entre deux descriptions d'OpenAI lui-même constitue toute la décision.

ChatGPT Images 2.5 a été déployé sur tous les paliers ChatGPT, Work et Codex à cette date, et la même version a ajouté deux modèles d’API : GPT-Image-2.5 Flare, présenté comme le choix par défaut pour la plupart des applications, et GPT-Image-2.5 Sunburst, un homologue plus lent, axé d’abord sur la précision, destiné aux travaux créatifs premium, que ce blog couvre dans un article dédié. Cette comparaison se concentre sur le duo auquel la plupart des appelants d’API sont réellement confrontés : faut-il migrer une intégration gpt-image-2 existante vers gpt-image-2.5-flare, ou conserver le modèle qui détient toujours le seul classement indépendant n°1 de la catégorie ?

Même prix, débit plus rapide : là où les deux modèles divergent véritablement

Les six dimensions qui déterminent le passage sont ci-dessous. Tout ce qui se trouve du côté GPT-Image-2.5 Flare de ce tableau de bord est rapporté par le fournisseur ou le partenaire en date du 9 septembre 2026 — un jour après le lancement, rien sur le nouveau modèle n'a encore été évalué de manière indépendante.

• Prix — les deux modèles facturent les jetons d'image à 8,00 $ par million en entrée et 30,00 $ par million en sortie, avec des jetons de prompt texte à 5 $/10 $. Il n'y a pas de prime par jeton pour le nouveau modèle ; ce qu'OpenAI n'a pas publié, c'est le nombre de jetons par image de Flare, donc la facture par image n'est pas vérifiée.

• Latence — OpenAI affirme que Flare réduit la latence de génération jusqu'à ~50 % par rapport à GPT-Image-2 et cite des évaluations de partenaires (dont Manus) qui mesurent une génération de bout en bout 2 à 4 fois plus rapide. Côté GPT-Image-2, les retours de développeurs rapportent des générations de 30 à 60 s en qualité moyenne et de 60 à 120 s en haute qualité — la longue traîne que Flare vise à éliminer.

• Niveaux de qualité — Flare ajoute xhigh et max au-dessus de l'échelle low/medium/high/auto que GPT-Image-2 expose déjà. OpenAI prévient que la même étiquette de qualité n'implique pas la même qualité ni la même vitesse selon les modèles, si bien que les noms de niveaux ne sont pas directement comparables entre les deux.

• Arrière-plans transparents — les deux acceptent `background=transparent` avec PNG ou WebP. Sur GPT-Image-2, la référence API indique toujours la transparence comme « en aperçu » (la fonctionnalité a été lancée le 20 août 2026) ; OpenAI évoque des détourages plus nets sur les modèles 2.5.

• Édition — GPT-Image-2 est déjà le modèle n°2 sur le tableau d'édition d'images d'Artificial Analysis avec un Elo de 1117. Flare hérite des avancées d'édition multi-tours de la génération 2.5 — des modifications qui ne changent que ce qui a été demandé, tout en préservant le sujet, la composition et le style — même si ces avancées sont revendiquées par le fournisseur jusqu'à ce que quelqu'un les reproduise.

• Classement indépendant — GPT-Image-2 (high) est n°1 du leaderboard text-to-image d’Artificial Analysis avec un Elo de 1178. GPT-Image-2.5 Flare n’a pas encore de score indépendant et n’apparaît pas sur ce leaderboard au 9 septembre.

Un même prix ne signifie pas une même facture — et OpenAI met en garde contre toute supposition du contraire.

Comme les deux modèles partagent la même grille tarifaire par jeton, on suppose naturellement qu’une image Flare coûte autant qu’une image GPT-Image-2. Cela n’est vrai que si les deux modèles consomment le même nombre de jetons de sortie par image, et OpenAI n’a pas publié la consommation de jetons de Flare. Le point de référence honnête côté modèle existant : les estimations de travail et Artificial Analysis aboutissent toutes deux à un rendu GPT-Image-2 haute qualité à environ 0,21 $ par image 1024×1024 (211 $ pour 1 000 images sur le tableau AA), avec des exécutions haute qualité en 4K plus proches de 0,40 $. Il n’existe pas encore de chiffre officiel équivalent pour une image GPT-Image-2.5 Flare, et la documentation d’OpenAI sur les invites d’image comporte un avertissement explicite : vérifiez la tarification en vigueur plutôt que de supposer que le modèle plus rapide coûte moins cher.

Jusqu'à ce que la consommation de jetons par image soit documentée — par OpenAI ou par un fournisseur indépendant qui la mesure — le budget sûr est la parité, et le seul chiffre réel est votre propre moyenne. Les deux modèles partagent une forme d'API, donc mesurer les deux sur le même ensemble de prompts est simple ; la partie prix de cette décision est l'élément le plus facile à régler de manière empirique.

La latence est la raison la plus forte de migrer, et la moins vérifiée de manière indépendante.

Le nombre non revendiqué le plus précieux de cette version, c’est la vitesse. OpenAI affirme que GPT-Image-2.5 Flare produit des images de meilleure qualité que GPT-Image-2 avec une latence jusqu’à ~50 % inférieure, et les évaluations partenaires citées par l’entreprise vont plus loin, rapportant une génération 2 à 4 fois plus rapide. Chacun de ces chiffres change ce qu’un appel d’image synchrone peut faire : une génération qui prend 60 à 120 s sur le palier le plus élevé de GPT-Image-2 — assez longue pour que de réelles intégrations derrière Cloudflare ou Nginx aient subi des timeouts de passerelle 502/504 et aient été contraintes de passer à des tâches en arrière-plan, selon un compte-rendu publié d’une migration de DALL·E 3 vers GPT-Image-2 — tiendrait dans le budget d’une requête normale sur Flare si même l’affirmation prudente se vérifie.

Voilà le pitch, et il mérite d'être pris au sérieux pour une seule raison : c'est la seule dimension où OpenAI ne vous demande pas de vous fier à un jugement de qualité. La latence est mesurable sur vos propres requêtes en un après-midi. Tout ce qui est cité ici reste déclaré par le fournisseur ou anecdotique — aucun banc d'essai indépendant n'a publié de chiffres GPT-Image-2.5 Flare au 9 septembre — mais contrairement à la question de qualité ci-dessous, celle-ci peut être vérifiée par vous-même à moindre coût.

La question de la qualité : le post de lancement d'OpenAI et sa propre documentation se contredisent.

L'annonce de lancement présente GPT-Image-2.5 Flare comme produisant « des images de meilleure qualité que GPT-Image-2 avec une latence inférieure de 50 %. » La documentation API publiée par OpenAI le même jour est plus nuancée : « GPT Image 2.5 Flare est le petit modèle, optimisé pour la vitesse, avec une qualité d'image comparable à GPT Image 2. » Même entreprise, deux présentations — et les recommandations de sélection de modèles dans la documentation sont encore plus directes. Si un flux de travail GPT Image 2 existant et validé répond déjà à vos exigences de qualité, OpenAI vous conseille de vérifier si Flare peut conserver une qualité acceptable tout en réduisant la latence. Ce n'est que si GPT Image 2 ne répond pas à vos exigences de qualité qu'OpenAI vous oriente vers Sunburst. En d'autres termes, OpenAI ne positionne pas Flare comme l'amélioration qualitative par rapport à GPT-Image-2 ; il la positionne comme l'amélioration de latence pour les équipes qui sont déjà satisfaites de la qualité de GPT-Image-2.

Cette distinction importe pour quiconque compare Flare à GPT-Image-2 en particulier. Le meilleur scénario réaliste pour Flare sur le plan de la qualité est la parité avec le modèle dominant sur la plupart des prompts, avec une marge de manœuvre offerte par les nouveaux paliers xhigh et max sur les prompts spécifiques où ils s'avèrent utiles — OpenAI indique qu'un réglage plus élevé ne garantit pas un meilleur résultat. Le pire scénario réaliste est que Flare sacrifie un peu de qualité pour gagner beaucoup en vitesse, ce qui est exactement le compromis décrit dans la documentation et exactement la raison pour laquelle celle-ci vous recommande de valider sur vos propres prompts plutôt que de faire des suppositions.

Le titulaire détient toujours le seul #1 indépendant.

Les classements sont le seul endroit où GPT-Image-2 n'est pas spéculatif. Sur le leaderboard text-to-image d'Artificial Analysis, GPT Image 2 (high) occupe la première place avec un Elo de 1178, devant le MAI-Image-2.6 de Microsoft (1149), et il est deuxième sur le classement de l'édition d'images avec un Elo de 1117. GPT-Image-2.5 Flare et GPT-Image-2.5 Sunburst ne sont apparus sur aucun classement indépendant au 9 septembre — ce qui est attendu un jour après le lancement, mais cela signifie que les arguments de « qualité supérieure » et de « transparence plus propre » du marketing reposent entièrement sur les évaluations internes d'OpenAI et celles de ses partenaires qu'il cite, et non sur quoi que ce soit qu'une partie neutre ait reproduit. OpenAI indique également avoir mené ses propres tests de sécurité internes, avec un taux de sorties non sûres de 1,41 % pour Flare contre une référence de 1,64 % — des chiffres rapportés par le fournisseur, non reproduits, et rassurants quant à la tendance si l'on fait confiance à la source.

Rien de tout cela ne signifie que GPT-Image-2 est le meilleur modèle — cela signifie que GPT-Image-2 est celui qui est le mieux documenté, et que GPT-Image-2.5 Flare est une affirmation vieille d'un jour. Pour une catégorie où la qualité des résultats est subjective et dépendante du prompt, une « qualité supérieure » non vérifiée vaut moins qu'un Elo vérifié sur le type exact de travail que vous livrez.

Qui devrait passer à GPT-Image-2.5 Flare maintenant

• Génération à haut volume et interactive — contenu créateur et social, visuels produits, recherche visuelle, prototypage rapide. Si votre goulot d'étranglement est la latence ou le débit avec un tarif fixe par jeton, c'est l'argument le plus fort pour changer ; validez la qualité sur vos invites représentatives avant de lui confier votre production.

• Les équipes qui sont encore sur gpt-image-1 ou gpt-image-1.5 — la documentation API d'OpenAI prévoit l'arrêt de gpt-image-1 pour le 23 octobre 2026 et celui de gpt-image-1.5 pour le 1er décembre 2026. Ces équipes doivent de toute façon choisir un nouveau modèle par défaut, et Flare est le choix tourné vers l'avenir, tandis que GPT-Image-2 est l'option conservatrice.

• Workflows de cohérence de marque et d’édition multi-tours — menez plutôt un test de comparaison en conditions réelles que de basculer par simple confiance. La faiblesse connue de GPT-Image-2 est de conserver un sujet ou une mascotte identique à travers une série et de suivre des instructions complexes en plusieurs parties ; OpenAI affirme que la génération 2.5 améliore précisément ce point, mais les capacités d’édition du modèle actuel sont déjà solides en soi, la comparaison est donc réelle et non supposée.

• Travail premium où la qualité est critique — testez Sunburst pour connaître le plafond de qualité réel avant de supposer que Flare est le niveau supérieur. La documentation d'OpenAI décrit la qualité de Flare comme comparable à GPT-Image-2 ; si vous avez besoin d'un résultat visiblement supérieur au modèle existant, la réponse qualité dans la famille 2.5, c'est le modèle frère, pas celui-ci.

Essayer Flare sans y engager le pipeline

Si vous accédez déjà à GPT-Image-2 via l’API OrcaRouter, il est facturé au tarif public d’OpenAI avec une majoration de 0 % — le tarif affiché sur la page openai/gpt-image-2 d’OrcaRouter — donc le calcul de tokens ci-dessus correspond exactement à ce que vous payez, et la même clé API qui atteint les plus de 200 autres modèles du catalogue est celle qui est déjà configurée pour ce modèle. Nous ne routons pas encore gpt-image-2.5-flare, et cet article ne prétend pas le contraire. La solution à faible risque, tant que les identifiants 2.5 ne sont encore disponibles que chez OpenAI, est un test fantôme : exécutez votre jeu de prompts de production sur GPT-Image-2.5 Flare via l’API du fournisseur, puis comparez le coût par image, la latence et la qualité à ceux de la sortie openai/gpt-image-2 que vous avez déjà. Comme les deux modèles partagent la même forme d’API — mêmes points de terminaison de génération et d’édition, même vocabulaire de paramètres — le portage est minime et le test est peu coûteux.

Lorsque les identifiants 2.5 atteignent les routes OrcaRouter des fournisseurs, la même clé qui appelle openai/gpt-image-2 aujourd’hui appellera gpt-image-2.5-flare, et le DSL de routage ou le basculement automatique peut conserver le modèle en place comme solution de repli pour les requêtes que le nouveau modèle ne maîtrise pas. C’est la manière sûre d’adopter un modèle non éprouvé sur un chemin de production : le nouveau venu gagne du trafic une classe de requêtes à la fois, et le modèle éprouvé reste à une frappe de clavier jusqu’à ce qu’il y parvienne.

Le verdict

GPT-Image-2.5 Flare est le bon choix par défaut pour la plupart des nouvelles charges de travail d'image : il est au même prix que GPT-Image-2, plus rapide selon toutes les affirmations avancées, et il ajoute des paliers de qualité et des arrière-plans transparents de première classe que l'ancien modèle ne propose pas. « La plupart » ne veut pas dire « tous ». Les chiffres de vitesse sont cités par OpenAI, la qualité est « comparable » selon la propre documentation d'OpenAI, et GPT-Image-2 reste le seul des deux qu'un classement indépendant a réellement évalué. Surveillez trois choses avant de miser un pipeline critique pour votre marque sur ce changement : la consommation de jetons par image de Flare, sa première apparition dans un classement indépendant, et le prix des paliers xhigh et max en volume. Une équipe qui change pour des raisons de latence et valide la qualité avec ses propres invites obtient la mise à niveau. Une équipe qui change sur les seuls mots « qualité supérieure » achète une affirmation non vérifiée à un prix identique.