GPT-Image-2.5: Halaman Referensi untuk Model Gambar Terpisah OpenAI

Tidak ada model bernama gpt-image-2.5. Jika Anda menempelkan string itu ke API vendor, Anda akan mendapatkan error, karena ID model tersebut tidak ada — dan jika Anda membuka dokumentasi API di alamat yang seharusnya memuatnya, Anda akan mendapatkan 404. Yang ada adalah sepasang: GPT-Image-2.5 Sunburst, yang pengenalnya adalah gpt-image-2.5-sunburst dan yang digambarkan oleh vendor sebagai "model kami yang paling cakap untuk pembuatan dan pengeditan gambar," dan GPT-Image-2.5 Flare, yang pengenalnya adalah gpt-image-2.5-flare dan yang digambarkan oleh vendor sebagai "pembuatan gambar sehari-hari yang cepat dan berkualitas tinggi." Keduanya adalah generasi penerus dari GPT-Image-2, dan keseluruhan susunan dua model ini adalah hal paling penting untuk dipahami sebelum Anda menulis satu baris kode terhadap salah satunya. Kesenjangan penamaan itu juga alasan halaman ini ada: pertanyaan yang diketik orang — "gpt image 2.5" — tidak memiliki jawaban khusus di sini, hanya jawaban parsial yang tersebar di berbagai artikel varian dan perbandingan.

Semua yang ada dalam referensi ini diambil dari dokumentasi API milik vendor sendiri pada 2026-10-12, ditambah satu rekaman papan peringkat independen dari hari yang sama. Jika vendor tidak memublikasikan apa pun, halaman ini menyatakannya, bukan mengisi kekosongan itu. Jika halaman milik vendor sendiri saling bertentangan, halaman ini juga menyatakannya.

Apa itu GPT-Image-2.5, dan bagaimana posisinya terhadap GPT-Image-2

GPT-Image-2.5 adalah generasi ketiga dari keluarga gambar yang diukur berdasarkan token milik vendor dan penerus langsung GPT-Image-2, yang snapshot API tunggalnya bertanggal gpt-image-2-2026-04-21. Generasi 2.5 tiba di API pada 2026-09-08 — kedua varian membawa tanggal itu dalam nama snapshot default mereka, gpt-image-2.5-sunburst-2026-09-08 dan gpt-image-2.5-flare-2026-09-08. Itu adalah tanggal peluncuran menurut catatan vendor sendiri, dan sekitar empat setengah bulan setelah GPT-Image-2. Model ini bukan baru minggu ini; yang berikut adalah referensi tetap, bukan pemberitahuan peluncuran.

Perubahan generasi ini bukanlah satu model dengan nomor versi yang lebih besar. Ini adalah sebuah percabangan. Setiap generasi GPT-Image sebelumnya merilis satu ID model utama — GPT-Image-1, lalu GPT-Image-1.5, lalu gpt-image-2 — dan Anda memilih tingkat kualitas di dalam model itu. Dengan 2.5, vendor merilis dua model yang diberi nama terpisah dan di-snapshot secara terpisah dan meminta Anda memilih model mana yang sesuai dengan beban kerja Anda. Tidak ada model payung yang mengarahkan ke keduanya.

Tiga konsekuensi praktis menyusul dari hal itu, dan semuanya layak dinyatakan secara gamblang karena itulah yang sebenarnya dibutuhkan oleh pembaca yang mencari nama model tersebut:

• Tidak ada gpt-image-2.5 alias. Kode yang ditulis terhadap nama dasar hipotetis tidak akan berjalan; Anda harus menyebut gpt-image-2.5-sunburst atau gpt-image-2.5-flare secara eksplisit.

• Kedua varian berbagi daftar harga dan jadwal batas laju, jadi pilihan Anda di antara keduanya adalah keputusan latensi-dan-presisi, bukan keputusan anggaran. Cara vendor sendiri membingkai pemisahan itu adalah pemisahan beban kerja, bukan tangga kualitas yang Anda daki dengan membayar lebih.

• "GPT-Image-2.5" tanpa akhiran adalah nama generasi, bukan model. Saat Anda melihatnya di changelog, tagihan, atau pengumuman produk, itu berarti generasi tersebut, dan Anda tetap harus tahu model mana dari kedua model itu yang menghasilkan karya tersebut.

Flare atau Sunburst: bagaimana memilih

Inilah pertanyaan yang terus dihasilkan oleh nama model itu sendiri, dan kosakata variannya cukup kontraintuitif sehingga banyak orang menanyakannya dalam kedua arah sebelum mereka menemukan jawabannya. Di sini hal itu sudah dipastikan, satu baris per varian, berdasarkan positioning yang dipublikasikan vendor alih-alih inferensi dari benchmark:

• Flare — gpt-image-2.5-flare, snapshot gpt-image-2.5-flare-2026-09-08. Pilih ini saat throughput dan waktu penyelesaian menjadi kendala: pembuatan gambar sehari-hari, pipeline bervolume tinggi, prototipe, visual media sosial dan produk, apa pun yang membuat "bagus, sekarang" mengalahkan "lebih baik, nanti." Ini adalah model yang dilabeli vendor sebagai opsi sehari-hari yang cepat dan berkualitas tinggi, dan inilah model yang harus Anda jadikan pilihan default.

• Sunburst — gpt-image-2.5-sunburst, snapshot gpt-image-2.5-sunburst-2026-09-08. Pilih ini saat hasil editnya sendiri adalah luaran dan presisi lebih penting daripada latensi: pengeditan berulang ketika perubahan yang dibuat pada putaran kedua harus bertahan hingga putaran ketiga, komposisi yang sensitif terhadap tata letak, inpainting bertopeng yang harus tepat mengenai sasaran. Panduan pembuatan gambar dari vendor memberikan perbedaannya dalam satu kalimat: "Pilih Sunburst untuk alur kerja yang paling mengutamakan presisi pengeditan, dan Flare untuk pembuatan gambar sehari-hari yang cepat dan berkualitas tinggi."

Peringatan jujurnya: vendor tidak mempublikasikan angka latensi, biaya per gambar, atau tolok ukur kualitas yang mengukur selisih antara keduanya, sehingga "lebih lambat" dan "lebih presisi" adalah karakterisasi dari vendor, bukan rasio yang terukur. Satu-satunya papan independen yang memuat kedua model memang membedakan keduanya, dan papan itu sepakat soal urutannya — lihat bagian bukti di bawah. Yang tidak dilakukannya adalah memberi Anda perbandingan head-to-head dengan harness yang setara dan upaya yang setara, lengkap dengan interval kepercayaan yang bisa Anda masukkan ke dalam rencana kapasitas. Tidak ada yang mempublikasikan itu.

Default yang bisa dipakai kalau Anda lebih memilih untuk tidak memikirkannya: panggil Flare di semua tempat, lalu arahkan ke Sunburst pada permintaan spesifik yang editnya harus bertahan — yaitu yang membawa mask, atau subjek referensi yang perlu Anda jaga tetap stabil dari satu giliran ke giliran berikutnya. Itulah persis bentuk "model yang belum terbukti, jangan pertaruhkan jalur produksi padanya", di mana merutekan satu endpoint ke keduanya lebih murah daripada berkomitmen pada salah satu saja.

Apa yang diterima dan apa yang dikembalikan

Kedua varian mendeklarasikan envelope modalitas yang sama di halaman model vendor. Masukan: teks dan gambar. Keluaran: gambar. Keluaran teks tidak dihasilkan, dan catatan penetapan harga vendor mengonfirmasi konsekuensinya — keluaran teks tidak dikenai biaya, karena model tidak mengembalikannya.

Rentang ukuran lebih luas daripada yang disarankan oleh ketiga preset:

{{1}}• Preset yang direkomendasikan — 1024×1024 persegi, 1536×1024 lanskap, 1024×1536 potret.{{/1}}

• Dimensi khusus — kedua model menerima string WIDTHxHEIGHT arbitrer, dengan tiga batasan yang dinyatakan kata per kata di panduan: lebar dan tinggi harus kelipatan 16; rasio aspek harus berada di antara 1:3 dan 3:1; dan tidak ada sisi yang boleh melebihi 3840 piksel.

• Anggaran piksel total — antara 655.360 dan 8.294.400 piksel, yang oleh vendor disebut sebagai 4K pada batas atasnya.

• Zona eksperimental — resolusi di atas 2560×1440 ditandai sebagai eksperimental oleh vendor. Anggap apa pun di atas itu sebagai belum tervalidasi untuk produksi.

Format output default ke PNG, dengan JPEG dan WebP tersedia. Kompresi dapat dikontrol melalui output_compression parameter pada skala 0–100, dan vendor mencatat bahwa JPEG lebih cepat daripada PNG — patut diketahui jika latensi adalah alasan Anda memilih Flare sejak awal. Latar belakang transparan memerlukan background: "transparent" dipasangkan dengan format output PNG atau WebP. API mengembalikan data gambar yang dikodekan base64.

Pilihan kualitas mencakup low, medium, high, xhigh, max, dan auto. Kedua model 2.5 inilah yang menambahkan xhigh dan max; model GPT Image yang lebih awal hanya mencapai high. Kedua varian 2.5 secara default menggunakan auto. Jika tingkatan tersebut terasa sebagai sumbu kualitas kedua yang bertumpuk di atas pilihan Flare/Sunburst, itu karena memang keduanya satu: Anda memilih varian lalu tingkatan, dan keduanya bertumpuk pada latensi maupun biaya.

Batas laju identik untuk kedua model dan ditetapkan berdasarkan tingkat penggunaan dalam bentuk token dan gambar per: Build 250 / 20, Scale 3.000.000 / 150, Grow 8.000.000 / 250. Jadwal yang sama juga dicantumkan untuk gpt-image-2. vendor juga mencatat bahwa penggunaan model ini mungkin mengharuskan penyelesaian Verifikasi Organisasi API.

Permukaan endpoint, dan konflik dokumentasi

Inilah bagian di mana membaca ulang materi vendor menjadi penting, karena halaman milik vendor sendiri tidak sepenuhnya sejalan.

Halaman model untuk gpt-image-2.5-sunburst dan gpt-image-2.5-flare mencantumkan tepat tiga endpoint yang didukung: v1/images/generations, v1/images/edits, dan v1/batch. Semua hal lain dalam tabel ditandai tidak didukung — termasuk v1/responses dan v1/chat/completions. Ini adalah kumpulan tiga endpoint yang sama yang disediakan GPT-Image-2, dan ini berarti bentuk Chat Completions yang mungkin Anda gunakan untuk model gambar sebelumnya tidak akan berlaku lagi.

Namun, panduan pembuatan gambar menjelaskan jalur Responses API di mana Anda memilih model utama dan menyebutkan model gambar di dalam kolom tool, dan catatan di halaman harga menyatakan tarif input yang di-cache untuk GPT-Image-2 dan 2.5 "hanya berlaku untuk generasi Responses API." Kedua pernyataan itu menyiratkan permukaan Responses yang secara eksplisit ditandai tidak didukung oleh halaman model. Contoh-contoh yang disertakan dalam panduan itu sendiri memasangkan alat gambar dengan gpt-6-astra sebagai model utama.

Saya melaporkan konflik ini alih-alih menyelesaikannya. Pembacaan yang konservatif — dan yang harus dijadikan dasar untuk dibangun — adalah halaman model: generasi, penyuntingan, batch. Uji jalur Responses pada akun Anda sendiri sebelum Anda mengandalkannya, karena halaman yang seharusnya mengotorisasinya saat ini mengatakan tidak.

Perilaku perenderan dan pengeditan teks

Penyuntingan adalah sasaran generasi 2.5, dan dokumentasinya luar biasa spesifik mengenai mekanisme dan batasannya.

Endpoint edits menangani inpainting — satu-satunya fitur pengeditan yang tercantum di halaman model mana pun dari kedua model itu. Anda mengunggah gambar ditambah mask yang menandai area yang akan diganti. Dua batasan lebih penting daripada yang terlihat. Pertama, masking dengan model-model ini sepenuhnya berbasis prompt: model menggunakan mask sebagai panduan dan, dalam kata-kata vendor, "mungkin tidak mengikuti bentuk persisnya dengan presisi penuh." Kedua, gambar dan mask harus memiliki format dan ukuran yang sama serta di bawah 50MB, dan mask harus memiliki saluran alfa — mask hitam-putih polos tidak akan berfungsi sampai Anda menambahkan saluran alfa itu secara programatik. Jika Anda memberikan beberapa gambar masukan, mask berlaku untuk gambar pertama.

Untuk teks, pernyataan jujurnya datang dari daftar keterbatasan milik vendor sendiri, bukan dari klaim pemasaran vendor: “Meskipun telah meningkat secara signifikan, model ini masih dapat kesulitan dengan penempatan teks yang presisi dan kejelasan.” Baca itu secara harfiah. Generasi ini merender teks lebih baik daripada pendahulunya dan tetap bukan mesin tata letak. Daftar keterbatasan yang sama menambahkan bahwa prompt yang kompleks dapat memerlukan waktu hingga dua menit untuk diproses, bahwa model ini mungkin kesulitan menjaga karakter yang berulang atau elemen merek tetap konsisten secara visual, dan bahwa model ini dapat mengalami kesulitan menempatkan elemen secara presisi dalam komposisi yang terstruktur atau sensitif terhadap tata letak. Setiap poin tersebut adalah argumen langsung untuk Sunburst dalam pekerjaan tata letak dan menentang asumsi bahwa varian mana pun akan mempertahankan sebuah templat.

Moderasi berlaku untuk keduanya: vendor menyatakan bahwa semua prompt dan gambar yang dihasilkan difilter terhadap kebijakan kontennya, dengan parameter moderation yang menawarkan auto (default) atau low, dan permintaan yang diblokir mengembalikan kode error moderation_blocked dengan detail opsional.

Ketentuan lisensi dan penggunaan sebagaimana diterbitkan

Dokumentasi model dan pembuatan gambar yang diterbitkan vendor tidak memuat klausul kepemilikan output dan penggunaan komersial; klausul-klausul itu ada dalam ketentuan terpisahnya, yang tidak direproduksi dalam dokumentasi developer. Yang dinyatakan dokumentasi developer, dalam panduan penanganan datanya, adalah bahwa data API tidak digunakan untuk pelatihan kecuali Anda memilih ikut serta, dan tabel panduan tersebut mencantumkan "digunakan untuk pelatihan: Tidak" untuk /v1/images/generations dan /v1/images/edits endpoint. Pembuatan gambar juga dijelaskan di sana sebagai kompatibel dengan Zero Data Retention untuk nama model spesifik yang tercantum di halaman itu.

Tidak ada apa pun dalam dokumentasi API yang memberikan atau menjelaskan tier gratis, kredit gratis, jatah uji coba, atau pengecualian batas laju untuk model 2.5 mana pun. Tidak ada jatah gratis yang dipublikasikan untuk dirujuk. Yang dipublikasikan adalah harga, dan itu adalah harga yang sama yang dikenakan pada GPT-Image-2 — lihat bagian berikutnya.

Penetapan harga, dan fakta bahwa harga itu tidak bergerak

Vendor tidak mempublikasikan harga per gambar untuk kedua varian 2.5. Penetapan harga diukur dalam token, per juta, dan tarifnya identik pada kedua model serta identik dengan GPT-Image-2:

Standar, input teks — $5.00 per 1 juta token; input teks cache $1.25.

• Standar, input gambar — $8,00 per 1 juta token; input gambar yang di-cache $2,00.

• Standar, output gambar — $30,00 per 1 juta token.

• Batch, input teks — $2,50; input gambar $4,00; output gambar $15,00, dengan tarif cache yang setara setengahnya.

Ada dua hal tentang lembar itu yang lebih bernilai daripada angka-angkanya sendiri. Pertama, generasi 2.5 tidak menaikkan harga: gpt-image-2 mencantumkan $8 untuk input dan $30 untuk output di sisi gambar serta $5 untuk teks, persis seperti yang dilakukan 2.5. Sebagai perbandingan, GPT-Image-1.5 berada di $8 untuk input dan $32 untuk output dengan tarif output teks $10, dan GPT-Image-1 di $10 untuk input dan $40 untuk output. Peningkatan ke 2.5 adalah perubahan kemampuan dan latensi dengan kartu tarif yang tidak berubah. Kedua, vendor mencatat bahwa kalkulator biaya pembuatan gambar yang sudah ada tidak memperkirakan penggunaan 2.5, jadi Anda tidak boleh memproyeksikan pengeluaran untuk model-model ini dari perkakas yang dibuat untuk generasi sebelumnya. Vendor tidak menerbitkan angka per gambar, jadi angka per gambar apa pun yang Anda lihat dikutip untuk model-model ini adalah konversi pihak lain, bukan dari vendor.

Karena harga diteruskan pada daftar harga penyedia tanpa markup tambahan dari pihak kami, tarif tersebut adalah yang Anda bayar di OrcaRouter, dan perubahan tarif vendor berlaku pada hari yang sama. Kedua model sudah ada di katalog aktif kami hari ini. Saya sudah memeriksa, karena klaim ketersediaan dari halaman lama justru hal yang mudah kedaluwarsa: gpt-image-2.5-sunburst dan gpt-image-2.5-flarekeduanya dapat dirutekan melalui endpoint yang kompatibel dengan OpenAI yang sama seperti semua lainnya, dengan tarif gambar $8 masuk / $30 keluar seperti di atas. Jika Anda sedang mengevaluasi keduanya alih-alih berkomitmen pada satu, hal itu penting karena alasan praktis — satu kunci dan satu aturan perutean memungkinkan Anda mengirim satu kelas permintaan ke Sunburst dan sisanya ke Flare, serta mengubah pembagiannya tanpa kontrak kedua atau perubahan kode.

Apa kata pengujian independen, dan apa yang belum diukur siapa pun

vendor tidak mempublikasikan skor benchmark untuk kedua varian di halaman modelnya. Bukti independen lebih tipis daripada yang tersirat dari liputan peluncurannya, dan ada baiknya kita bersikap tepat mengenai apa yang ditunjukkan dan tidak ditunjukkannya.

Artificial Analysis mengelola papan text-to-image yang mencakup baik peringkat Elo kualitas maupun harga API representatif per 1.000 gambar yang dihasilkan. Pada tangkapan yang diambil pada 2026-10-12, baik GPT Image 2.5 Sunburst (max) maupun GPT Image 2.5 Flare (max) muncul sebagai entri berperingkat tinggi, dengan Sunburst diurutkan di atas Flare, dan keduanya ditempatkan di atas GPT Image 2 (high). Saya sengaja tidak mencetak nilai Elo dari tangkapan itu: papan tersebut menampilkan angka per model secara grafis dan label individualnya tidak dapat diekstraksi dengan bersih dari halaman saat ditangkap, sehingga angka yang dikutip di sini akan menjadi pembacaan grafik, bukan data di baliknya. Jika Anda memerlukan angka tersebut, kunjungi papan itu.

Sumbu harga itu juga merupakan satu-satunya tempat angka setara per gambar untuk model-model ini saat ini tersedia — Artificial Analysis menurunkan biaya representatif per 1.000 gambar dari penetapan harga berbasis token. Ini adalah perkiraan independen yang dihasilkan oleh metodologi pihak ketiga, bukan tarif vendor, dan vendor itu sendiri sama sekali tidak menerbitkan angka per gambar. Gunakan ini untuk membandingkan pola biaya antarmodel; jangan mengutipnya sebagai harga vendor.

Apa yang mengikuti dari bukti itu, jika dinyatakan secara jujur: urutan kedua varian tersebut dikuatkan secara independen, dan itulah bagian yang penting bagi keputusan Flare-atau-Sunburst. Yang tidak ditetapkan adalah perbandingan apa pun antara varian 2.5 dan model gambar pesaing yang diukur pada upaya yang setara dan pada harness yang setara. Entri papan tersebut bertingkat — "Sunburst (max)" dan "Flare (max)" menyebutkan pengaturan kualitas, dan model lain di papan yang sama terdaftar pada tingkatnya masing-masing, bukan pada tingkat yang sama. Peringkat lintas label tingkat bukanlah peringkat pada pengaturan yang setara, dan memperlakukannya sebagai peringkat yang setara akan melebih-lebihkan apa yang sebenarnya telah diuji.

Ke mana ini membawamu

Jika Anda tiba di sini hanya dengan nama model dan tanpa informasi lain, fakta yang berlaku adalah ini. Mintalah gpt-image-2.5-sunburst atau gpt-image-2.5-flare; tidak ada opsi ketiga dan tidak ada alias polos. Keduanya menerima teks dan gambar lalu mengembalikan gambar, hingga tepi 3840 piksel dan total 8.294.400 piksel, dari salah satu dari tiga endpoint. Flare adalah pilihan throughput, Sunburst pilihan presisi, dan dokumentasi vendor sendiri mengakui bahwa mask adalah panduan, bukan batas keras, jadi tak satu pun akan memberi Anda suntingan yang sepenuhnya deterministik. Daftar tarif tidak berubah dari GPT-Image-2 pada $8 per juta token input gambar dan $30 per juta token output gambar, dengan batch setengah harga, dan tidak ada harga per gambar atau jatah gratis di halaman vendor untuk dibandingkan.

Yang masih benar-benar terbuka adalah hal yang paling diinginkan oleh rencana kapasitas: perbedaan latensi yang terukur dan perbandingan kualitas dengan harness yang setara antara kedua varian. Sampai seseorang menerbitkannya, pemisahan antara Flare dan Sunburst adalah keputusan desain berdasarkan positioning yang dinyatakan vendor ditambah urutan dari satu papan peringkat — yang lebih dari yang diberikan sebagian besar peluncuran kepada Anda, dan kurang dari yang akan diberikan benchmark.