GPT-Image-2.5 Flare ו־Sunburst: OpenAI מפצלת את ה־API לתמונות שלה לשתי אפשרויות — מהירות ודיוק

ממשק ה-API לתמונות של OpenAI כולל כעת שני מודלי דגל במקום אחד. ב-8 בספטמבר 2026, החברה הציגה את GPT-Image-2.5 Flare ואת GPT-Image-2.5 Sunburst — מודלים אחים תחת אותו שדרוג 2.5, המחולקים לפי עומס העבודה ולא לפי דור. Flare ממוקם כבחירה המהירה וברירת המחדל ליצירת תמונות יומיומית ובנפח גבוה; Sunburst הוא המודל האיטי יותר, שמתעדף דיוק, לעבודה שבה שליטה על עריכה חשובה יותר מזמן התגובה. שני המודלים שוחררו ב-Images API באותו יום שבו הושק ChatGPT Images 2.5 לצרכנים, ושניהם מרחיבים את שושלת GPT-Image-2, ש-OpenAI שחררה באפריל ושהקהילה עקבה אחריה מאז שנחשפה דליפת Codex ב-3 בספטמבר.

עבור מפתח, השינוי המעשי הוא מיידי: ההחלטה כבר אינה "לאיזה מודל תמונה אני קורא?" אלא "איזה משני אחים מתאים לעומס העבודה הזה?" התשובה חשובה לעלות ולזמן השהיה, מכיוון ששני המודלים אינם ניתנים להחלפה במהירות. כל מה שמתחת לזה הוא טענה של OpenAI — נתוני המהירות, האיכות והבטיחות מגיעים כולם מהספק ומהשותפים שהוכרזו על ידו, ולאף אחד ממודלי ה-2.5 אין עדיין ציון אמת מידה עצמאי נכון ל-9 בספטמבר 2026.

שני דגמים, שדרוג אחד

ההכרזה למפתחים של OpenAI ממסגרת את הצמד לפי מקרי שימוש. GPT-Image-2.5 Flare — המזהה הוא gpt-image-2.5-flare — הוא ברירת המחדל לרוב היישומים. OpenAI ממקמת אותו לתוכן של יוצרים ומדיה חברתית, חוויות מוצר, חיפוש חזותי, אב-טיפוס מהיר של תמונות, נכסי מותג, וכל צינור ייצור בנפח גבוה. החברה אומרת ש-Flare מייצר תמונות באיכות גבוהה יותר מ-GPT-Image-2 בעד 50 אחוז פחות לאטנטיות, ושבין ההערכות הפנימיות שלה הוא יוצר בערך פי שניים עד ארבעה מהר יותר מ-GPT-Image-2; הלקוח המוקדם שהוכרז, Manus, דיווח בנפרד שראה תאוצות של פי 2–4 עם פלט רקע שקוף טוב יותר בשימוש שלו. הפניה ל-API מתייגת את Flare כמודל ה"קטן" בצמד.

GPT-Image-2.5 Sunburst — המזהה gpt-image-2.5-sunburst — הוא החצי הבכיר. OpenAI פיתחה אותו עבור זרימות עבודה שמרוויחות משליטה הדוקה יותר בעריכות: קריאייטיב קמפיין מוכן להפקה, תמונות מוצר מלוטשות, חומרי שיווק וכלי עיצוב שדיוק המותג הוא הנקודה המרכזית בהם. הוא לוקח יותר זמן לכל יצירה מאשר Flare, והכוח החישובי הנוסף הזה קונה מה ש-OpenAI מתארת כרמת דיוק ונאמנות לפרטים נוספת בעריכות. הפניה לממשק ה-API מתייגת את Sunburst כמודל ה"בסיס" — הגדול והמחושב יותר מבין השניים. Higgsfield AI, לקוחה מוקדמת שהוכרזה לאחרונה, אומרת שהמודל "מבין מה לא לשנות", וזו קיצור דרך שימושי לכל תפיסת העריכה של 2.5: לשמור על אותם חלקים בתמונה שההוראה לא ביקשה לגעת בהם, כפי שהם, גם בסצנות עמוסות.

אדובי אומרת שהיא משלבת את שני המודלים לתוך Firefly, מה שהופך את הצמד למודלי התמונות הראשונים של OpenAI שמגיעים לקו המוצרים הזה. Manus ו-Higgsfield AI הם הלקוחות המוקדמים האחרים שצוינו בשמם.

מה בעצם השתפר?

הערות המהדורה מקבצות את עבודת האיכות תחת אותה כותרת: פרטים חדים יותר, היצמדות חזקה יותר לסגנון, ושליטה רבה יותר בעריכות. מתחת לכך, OpenAI מפרטת שינויים ספציפיים שכדאי לקרוא בעיון, כי הם ההבדל בין מהדורת תיקונים לצעד קדימה אמיתי:

• תאורה טבעית יותר ומרקמים עשירים יותר — מאפייני איכות הפלט שמבקרים מתארים בעקביות כקפיצה הנראית לעין לעומת Images 2.0.

שימור טוב יותר של הנושא מתמונות הייחוס — תווי הפנים והפרטים המזהים עוברים מדור לדור במקום להיווצר מחדש בכל פעם.

• עריכה רב-שלבית אמינה יותר — שינויים מוקדמים נותרים יציבים, וכל עריכה עוקבת מתבססת על העבודה הקודמת מבלי לפגוע באזורים לא קשורים בתמונה.

• עד 50 אחוז פחות זמן השהיה ביצירת תמונות בהשוואה ל-Images 2.0 בצד הצרכן, וזהו אותו סיפור המהירות שפלור (Flare) מספר בצד ה-API.

• טקסט חד יותר וטיפול ברקע שקוף, שתי היכולות שקוני image-API בודקים לרוב; ההערה של Manus על הרקע השקוף היא האישוש היחיד עד כה שנשמע בלתי־תלוי.

OpenAI גם אומרת שכל פלט נושא מטא-דאטה של C2PA וסימן מים בלתי נראה, ללא שינוי ביחס לגישת הפרובננס של GPT-Image-2, וכדאי לחזור ולהדגיש זאת משום שמדובר בדרישה הכרחית בחלק מתהליכי העבודה המפוקחים.

מה שה-API חושף כעת

המודלים החדשים מגיעים לאותן נקודות קצה של ה-Images API שמפתחים כבר משתמשים בהן — קריאות ליצירה ולעריכה — אבל משטח הפרמטרים גדל. תיעוד ה-API עבור דגמי 2.5 מציג פרמטר איכות עם מרווח גדול יותר ממה ש-GPT-Image-2 הציע: auto (ברירת המחדל), low, medium, high, ושתי רמות חדשות מעל high, xhigh ו-max. הוא גם מתעד אפשרויות גודל שחוצות את תקרת ה-2048×2048 שאיתה הושק GPT-Image-2, עד ל-3840×2160 לרוחב ו-2160×3840 לגובה. האילוצים המוצהרים הם אורך צלע שאינו עולה על 3840 פיקסלים, מידות בכפולות של 16, יחס רוחב-גובה שאינו רחב מ-3:1, וסך הפיקסלים בין 655,360 ל-8,294,400 — כך שהפלטים הגדולים ביותר יושבים רק מעל 8 מגה-פיקסל, בטריטוריה של 4K. פרמטר רקע מקבל auto, opaque, או transparent, וזו הדרך שבה מתבקש פלט PNG שקוף.

שתי הסתייגויות שומרות על כנותה של הפסקה הזו. ראשית, אלה ההגדרות שתועדו עבור מזהי ה-2.5 במסמך הייחוס של OpenAI; האם כל דרגה וגודל זמינים בשני המודלים, ומה עלות כל רמת איכות בטוקנים — לא תועד במלואו בעת ההשקה. שנית, gpt-image-2 עדיין מופיע ב-API — שחרור ה-2.5 הוא תוספתי, ואינטגרציות קיימות לא נשברות. המחיר לכל תמונה של המודלים החדשים יהיה תלוי בכמה טוקנים כל יצירה צורכת בפועל, כלומר ההרגל הישן של תקצוב לפי "דולרים לתמונת 1024×1024" הוא המספר שכדאי לעקוב אחריו עד שיצטברו נתוני שימוש אמיתיים.

התמחור לא השתנה

OpenAI שמרה על תעריפי הטוקנים זהים לאלה של GPT-Image-2: $8.00 למיליון טוקני קלט תמונה ו-$30.00 למיליון טוקני פלט תמונה, בנוסף לטוקני הטקסט הרגילים של ההנחיה. כדי להבין מה משמעות התעריפים האלה במודל הקודם, Artificial Analysis נוקבת במחיר של כ-$211 ל-1,000 תמונות עבור GPT-Image-2 (high) — בערך $0.21 לתמונת פלט באיכות גבוהה ברזולוציית 1024×1024 — והדף של openai/gpt-image-2 ב-OrcaRouter מציג את אותו פיצול תעריפים של $8.00/$30.00. מכיוון שמודלי ה-2.5 נושאים את אותם תעריפים, שאלת העלות מסתכמת אך ורק בצריכת הטוקנים לכל תמונה, וזה בדיוק מה שלא פורסם בזמן ההשקה.

זהו חישוב התמחור שחשוב לכל מי שכבר קורא ל־gpt-image-2 דרך OrcaRouter. מודלי התמונה של OpenAI הם בין יותר מ־200 מודלים שמאחורי ה־API של OrcaRouter, ו־OrcaRouter מעביר את מחיר המחירון של הספק כמו שהוא, ללא תוספת (0%) — התעריפים של $8.00/$30.00 בעמוד המודל openai/gpt-image-2 הם המספרים של OpenAI עצמה, לא של משווק. ביום שבו ספק במעלה הזרם יוסיף את המזהים gpt-image-2.5-flare או gpt-image-2.5-sunburst, אותו מפתח API יקרא להם, ושינוי מחיר של ספק בכל אחד מהדגמים ייכנס לתוקף אצלך באותו היום שבו הוא יופיע.

Flare או Sunburst: איזה מהם מתאים לך?

עבור רוב הצוותים התשובה הכנה היא "להתחיל עם Flare ולעלות ל-Sunburst רק כאשר עריכה צריכה לעמוד בביקורת." המודלים מתחלקים בצורה חדה לפי סוג העבודה ולא לפי איכות גולמית, והמיצוב של OpenAI עצמו אומר ש-Flare הוא ברירת המחדל. הקריאה ממד-לממד:

• מהירות — Flare הוא המהיר: OpenAI טוענת להשהיה נמוכה בעד 50% מזו של GPT-Image-2, ולפי 2–4 יותר תפוקה בהערכותיה ובשימוש של Manus. Sunburst בוחר במודע להחליף מהירות בדיוק, ולוקח זמן רב יותר לכל יצירה.

• העומס המומלץ — Flare לתוכן של יוצרים/מדיה חברתית, חוויות מוצר, חיפוש חזותי, פיתוח אב-טיפוס מהיר, ונכסי מותג בהיקף גבוה. Sunburst לקריאייטיב הפקתי של קמפיינים, צילומי מוצר מהוקצעים, ועבודות עיצוב שבהן העריכה חייבת לעמוד במבחן.

• התנהגות עריכה — Sunburst הוא העורך המדויק יותר; המשוב "מבין מה לא לשנות" מ-Higgsfield חל על דור ה-2.5 בכללותו, אבל Sunburst הוא המודל שנבנה כדי לספק את השליטה הרבה ביותר על פני עריכות רצופות.

• תג דגם API — Flare הוא הדגם ה"קטן" במסמך ההתייחסות של OpenAI; Sunburst הוא הדגם ה"בסיסי", כלומר הגדול והאיטי יותר מבין השניים.

• מחיר — תעריפי אסימונים זהים ({{1}}$8.00 לקלט / $30.00 לפלט{{/1}} למיליון), כך שההבדל בעלות הוא כל האסימונים הנוספים שההוצאות הארוכות יותר של Sunburst צורכות.

• ציון עצמאי — עדיין אין ציון לאף אחד מהדגמים נכון ל-9 בספטמבר 2026; יש להתייחס לכל טענות האיכות והמהירות כאל דיווחי ספק, עד שיופיע רישום בטבלת המובילים או בדיקת צד שלישי הניתנת לשחזור.

תבנית הגיונית עבור צוות שכבר נמצא בשלב ייצור היא לנתב את רוב התעבורה אל Flare — זוהי ברירת המחדל עם זמן השהיה נמוך יותר וגם ההימור הזול יותר באותו מחיר אסימון — ולהפנות רק את החלק הרגיש לעריכות וקריטי לאיכות אל Sunburst. מכיוון ששני המודלים חולקים את המבנה של Images API ואת אותם תעריפי אסימונים, הפיצול הזה הוא שינוי תצורה, לא הגירה. כשל אוטומטי הופך את זה לבטוח לנסות לפני שמתחייבים: שלח חלק מהתעבורה האמיתית למודל החדש וחזור ל-gpt-image-2 בשגיאה או בפסק זמן, וההנחיות שלך — לא דף השקה — הן שיכריעו איזה אח יזכה בתעבורה.

היכן נוחתת השקת ה-2.5 במירוץ מודלי התמונה

GPT-Image-2 היה כבר המודל שהיה צריך לנצח בלוחות העצמאיים לפני ההשקה הזו. בלוח הדירוג של Artificial Analysis לטקסט-לתמונה הוא תופס את המקום הראשון עם Elo 1178 — לפני MAI-Image-2.6 עם 1149, Nano Banana 2 עם 1121, ו-Muse Image עם 1116 — ובלוח עריכת התמונות GPT-Image-2 (high) נמצא במקום השני עם Elo 1117, אחרי MAI-Image-2.6 של Microsoft עם 1122. נרטיב ההשקה של GPT-Image-2.5 הוא ש-OpenAI לקחה את העמדה המובילה הזו ופיצלה אותה לשכבה של מהירות ולשכבה של דיוק, וזו אסטרטגיה מוצרית לא פחות מטענת איכות: במקום להגן על ניקוד דגל אחד, היא מגינה על שתי עמדות של מחיר-ביצועים בבת אחת.

האזהרה הכנה היא ששום דבר מזה עדיין לא נמדד עבור הדגמים החדשים. נכון ל-9 בספטמבר, לא gpt-image-2.5-flare ולא gpt-image-2.5-sunburst מופיעים בלוחות התוצאות של Artificial Analysis, ולא פורסם שכפול עצמאי של טענות המהירות של OpenAI. המספרים שלעיל שכן נתמכים באופן עצמאי — ציוני ה-Elo של GPT-Image-2 והתמחור לכל תמונה — מתארים את קודמו, לא את החדשים. בנושא הבטיחות, OpenAI מדווחת על שיעורי יצירה לא-בטוחה של 1.41 אחוז עבור Flare ו-1.09 אחוז עבור Sunburst, לעומת קו בסיס של 1.64 אחוז בהערכות הפנימיות שלה; אלה נתוני ספק, שפורסמו כדי להראות שהצמד בטוח יותר מהדגם שהם מרחיבים, וראוי להתייחס אליהם ככיווניים ולא כמוחלטים. ההקשר של ההיקף מגיע גם הוא מ-OpenAI: היא אומרת שמשתמשים יוצרים יותר משלושה מיליארד תמונות בשבוע בפלטפורמה שלה.

מה לצפות בהמשך

שלושה דברים יגידו לך אם הפיצול עובד טוב יותר מהדגל הבודד שהוא מרחיב. הראשון הוא נתוני חביון ותפוקה בלתי תלויים עבור Flare — הטענה של OpenAI על 2–4× היא סוג מספר ששותף יכול לאמת בתוך אחר צהריים, והאישוש של Manus הוא התחלה, לא הוכחה. השני הוא צריכת טוקנים לתמונה בשני המודלים, שתמיר את תעריפי הטוקנים ללא שינוי של $8/$30 למחיר אמיתי לתמונה; הנתונים האלה לא פורסמו בעת ההשקה. השלישי הוא היכן ינחת Sunburst בלוחות דירוג עריכת התמונות, כי זו כל סיבת קיומו של המודל: אם יתרון הדיוק שלו על פני GPT-Image-2 אמיתי, הוא אמור לבוא לידי ביטוי מול MAI-Image-2.6 ושאר עשרת המובילים בעריכת תמונות תוך מספר שבועות.

נכון לעכשיו, ההשקה הזו היא באמת צומת דרכים עבור קוני image-API. GPT-Image-2.5 Flare הוא נתיב ההגירה הסביר כברירת מחדל מ-GPT-Image-2 — אותו API, אותו מחיר טוקן, ומהירות טובה יותר על הנייר. GPT-Image-2.5 Sunburst הוא זה שכדאי להמתין לו אם העבודה שלכם היא עריכות הנבדקות מקרוב. ואם אתם כבר קוראים ל-gpt-image-2 דרך OrcaRouter, המעבר לכל אחד משני האחים הוא שינוי ניתוב על אותו מפתח, כשמחיר המחירון של הספק עובר ב-0% תוספת, עם failover זמין בזמן שאתם מחליטים איזה מודל באמת זוכה לתעבורה שלכם.