GPT-Image-2.5 Flare en Sunburst: OpenAI splitst zijn Image API in snelheid en precisie

De image-API van OpenAI heeft nu twee vlaggenschipmodellen in plaats van één. Op 8 september 2026 introduceerde het bedrijf GPT-Image-2.5 Flare en GPT-Image-2.5 Sunburst — zustermodellen binnen dezelfde 2.5-upgrade, gesplitst naar werklast in plaats van naar generatie. Flare is gepositioneerd als de snelle, standaardkeuze voor dagelijkse en hoogvolume beeldgeneratie; Sunburst is het langzamere, precisiegerichte model voor werk waarbij controle over een bewerking belangrijker is dan doorlooptijd. Beide werden op dezelfde dag als de consumentenuitrol van ChatGPT Images 2.5 in de Images API uitgebracht, en beide breiden de GPT-Image-2-lijn uit die OpenAI in april uitbracht en die de community volgde sinds een Codex-lek dat op 3 september opdook.

Voor een ontwikkelaar is de praktische verandering direct merkbaar: de beslissing is niet langer "welk beeldmodel roep ik aan?" maar "welke van de twee zustermodellen past bij deze workload?" Het antwoord is bepalend voor kosten en latentie, omdat de twee modellen qua snelheid niet uitwisselbaar zijn. Al het overige is een bewering van OpenAI — cijfers over snelheid, kwaliteit en veiligheid komen allemaal van de leverancier en de aangekondigde partners, en geen van de 2.5-modellen heeft per 9 september 2026 al een onafhankelijke benchmarkscore.

Twee modellen, één upgrade.

De ontwikkelaarsaankondiging van OpenAI presenteert het duo op basis van gebruiksscenario’s. GPT-Image-2.5 Flare — de identifier is gpt-image-2.5-flare — is de standaard voor de meeste toepassingen. OpenAI positioneert het voor content van creators en sociale media, productervaringen, visueel zoeken, snelle beeldprototyping, merkassets en elke productiepijplijn met hoge volumes. Het bedrijf zegt dat Flare afbeeldingen van hogere kwaliteit produceert dan GPT-Image-2, met tot 50 procent lagere latentie, en dat het in eigen evaluaties ruwweg twee tot vier keer sneller genereert dan GPT-Image-2; de aangekondigde vroege klant Manus heeft afzonderlijk gerapporteerd in eigen gebruik versnellingen van 2–4× te zien, met betere uitvoer met transparante achtergrond. De API-referentie bestempelt Flare als het 'kleine' model van het duo.

GPT-Image-2.5 Sunburst — identificatie gpt-image-2.5-sunburst — is de premium helft. OpenAI bouwde het voor workflows die baat hebben bij strengere controle tijdens bewerkingen: productieklaar campagnemateriaal, verzorgde productafbeeldingen, marketingmateriaal en ontwerptools waar merknauwkeurigheid centraal staat. Het duurt langer per generatie dan Flare, en die extra rekenkracht levert wat OpenAI omschrijft als een extra niveau van precisie en detailgetrouwheid bij bewerkingen. De API-referentie bestempelt Sunburst als het "base"-model — de grotere, meer bedachtzame van de twee. Higgsfield AI, een andere aangekondigde vroege klant, zegt dat het model "begrijpt wat het niet moet veranderen", wat een handige samenvatting is van de hele 2.5-bewerkingsboodschap: houd de delen van een afbeelding waar de instructie niet om vroeg intact, zelfs in drukke scènes.

Adobe zegt dat het beide modellen in Firefly integreert, waardoor het duo de eerste OpenAI-beeldmodellen zijn die die productlijn bereiken. Manus en Higgsfield AI zijn de andere genoemde vroege klanten.

Wat er daadwerkelijk verbeterde

De release notes groeperen het kwaliteitswerk onder dezelfde kop: scherpere details, sterkere stijltrouw en meer controle over bewerkingen. Daaronder somt OpenAI specifieke wijzigingen op die de moeite waard zijn om zorgvuldig te lezen, omdat zij het verschil maken tussen een point release en een echte stap vooruit:

• Natuurlijker licht en rijkere texturen — de aspecten van de outputkwaliteit die recensenten consequent omschrijven als de zichtbare sprong ten opzichte van Images 2.0.

• Betere behoud van het onderwerp vanuit referentiefoto's — gelaatskenmerken en identificerende details worden door een generatie heen behouden in plaats van elke keer opnieuw bedacht te worden.

• Betrouwbaardere bewerkingen in meerdere stappen — eerdere wijzigingen blijven stabiel en elke volgende bewerking bouwt voort op eerder werk, zonder ongerelateerde delen van de afbeelding aan te tasten.

• Tot 50 procent lagere generatielatentie dan Images 2.0 aan de consumentenkant, hetzelfde snelheidsverhaal als dat Flare aan de API-kant vertelt.

Scherpere tekst en verwerking van transparante achtergronden, de twee mogelijkheden waarop kopers van beeld-API's het vaakst benchmarken; de aantekening van Manus over transparante achtergronden is tot nu toe de enige onafhankelijk klinkende bevestiging.

OpenAI zegt ook dat elke output C2PA-metadata en een onzichtbaar watermerk bevat, wat ongewijzigd is ten opzichte van de herkomstbenadering van GPT-Image-2 en het vermelden waard is omdat het een harde vereiste is in sommige gereguleerde workflows.

Wat de API nu biedt

De nieuwe modellen verschijnen in dezelfde Images API-endpoints die ontwikkelaars al gebruiken — generatie- en bewerkingsaanroepen — maar de parameteropties zijn uitgebreid. De API-referentie voor de 2.5-modellen toont een kwaliteitsparameter met meer speelruimte dan GPT-Image-2 bood: auto (de standaard), low, medium, high, en twee nieuwe niveaus boven high, xhigh en max. De referentie documenteert ook formaatopties die verder reiken dan het 2048-bij-2048-plafond van GPT-Image-2, tot 3840×2160 in liggend en 2160×3840 in staand formaat. De gestelde beperkingen zijn een zijlengte van maximaal 3840 pixels, afmetingen in veelvouden van 16, een beeldverhouding van maximaal 3:1, en een totaal aantal pixels tussen 655.360 en 8.294.400 — de grootste uitvoer ligt daarmee net boven 8 megapixels, in de 4K-klasse. Een achtergrondparameter accepteert auto, opaque of transparent; zo wordt transparante PNG-uitvoer aangevraagd.

Twee kanttekeningen houden die alinea eerlijk. Ten eerste: dit zijn de instellingen die in OpenAI's referentie voor de 2.5-identifiers zijn gedocumenteerd; of elk niveau en formaat op beide modellen beschikbaar is, en wat elk kwaliteitsniveau in tokens kost, was bij de lancering nog niet volledig gedocumenteerd. Ten tweede blijft gpt-image-2 in de API vermeld — de 2.5-release is additief en bestaande integraties breken niet. De prijs per afbeelding van de nieuwe modellen hangt af van hoeveel tokens elke generatie daadwerkelijk verbruikt, wat betekent dat de oude gewoonte om te budgetteren op basis van 'dollars per 1024×1024-afbeelding' het getal is om in de gaten te houden totdat er echte gebruiksgegevens zijn opgehoopt.

De prijzen zijn niet veranderd.

OpenAI hield de tokenprijzen identiek aan die van GPT-Image-2: $8,00 per miljoen tokens voor beeldinvoer en $30,00 per miljoen tokens voor beelduitvoer, bovenop de gebruikelijke teksttokens voor de prompt. Om te laten zien wat die tarieven voor het vorige model betekenden, komt Artificial Analysis voor GPT-Image-2 (high) op ongeveer $211 per 1.000 afbeeldingen uit — ruwweg $0,21 voor een hoogwaardige 1024×1024-uitvoer — en de pagina openai/gpt-image-2 op OrcaRouter toont dezelfde $8,00/$30,00-tokenverdeling. Omdat de 2.5-modellen dezelfde tarieven hanteren, gaat het bij de kosten puur om het tokenverbruik per afbeelding, en dat is precies wat bij de lancering niet werd gepubliceerd.

Dat is de prijsberekening die ertoe doet voor iedereen die al gpt-image-2 via OrcaRouter aanroept. De OpenAI-beeldmodellen behoren tot de meer dan 200 modellen achter de OrcaRouter API, en OrcaRouter geeft de lijstprijs van de provider rechtstreeks door met 0% opslag — de tarieven van $8.00/$30.00 op de modelpagina van openai/gpt-image-2 zijn OpenAI's eigen cijfers, niet die van een reseller. Op de dag dat een upstream-provider de identificaties gpt-image-2.5-flare of gpt-image-2.5-sunburst toevoegt, roept dezelfde API-sleutel ze aan. Een prijswijziging van de leverancier voor een van beide modellen is dezelfde dag dat die verschijnt al live aan uw kant.

Flare of Sunburst: welke past bij jou?

Voor de meeste teams is het eerlijke antwoord: "begin met Flare en schakel alleen over naar Sunburst wanneer een bewerking kritische controle moet doorstaan." De modellen onderscheiden zich duidelijk per workload in plaats van per ruwe kwaliteit, en OpenAI's eigen positionering stelt dat Flare de standaard is. De dimensie-voor-dimensie-lezing:

• Snelheid — Flare is de snelle: OpenAI claimt tot 50 procent lagere latentie dan GPT-Image-2 en 2–4× meer doorvoer in zijn evaluaties en in Manus' gebruik. Sunburst ruilt bewust snelheid voor precisie en doet er per generatie langer over.

• Beste workload — Flare voor content van creators/social media, productervaringen, visueel zoeken, snelle prototyping en merkassets met hoge volumes. Sunburst voor productiecampagnecreatives, gepolijste productfotografie en ontwerpwerk waarbij de edit stand moet houden.

• Bewerkingsgedrag — Sunburst is de strakkere editor; de feedback 'begrijpt wat niet veranderd moet worden' van Higgsfield geldt voor de hele 2.5-generatie, maar Sunburst is het model dat is ontworpen voor de meeste controle bij opeenvolgende bewerkingen.

API-modeltag — Flare is het "kleine" model in OpenAI's referentie; Sunburst is het "basis"-model, wat betekent dat het de grotere en langzamere van de twee is.

• Prijs — identieke tokenprijzen ($8.00 invoer / $30.00 uitvoer per miljoen), dus het kostenverschil wordt bepaald door het aantal extra tokens dat de langere generaties van Sunburst verbruiken.

• Onafhankelijke score — per 9 september 2026 nog voor geen van beide modellen; behandel alle kwaliteits- en snelheidsclaims als door de leverancier gerapporteerd totdat er een vermelding op een leaderboard of een reproduceerbare test van een derde partij verschijnt.

Een verstandig patroon voor een team dat al in productie is, is om het merendeel van het verkeer naar Flare te leiden — dat is de standaard met de laagste latentie en de goedkopere gok tegen dezelfde tokenprijs — en alleen het bewerkingsintensieve, kwaliteitskritische deel naar Sunburst te sturen. Omdat beide modellen dezelfde Images API-vorm en dezelfde tokentarieven delen, is die splitsing een configuratiewijziging, geen migratie. Automatische failover maakt het veilig om eerst te proberen voordat je je vastlegt: stuur een deel van het echte verkeer naar het nieuwe model en val bij een fout of time-out terug op gpt-image-2, en je eigen prompts — geen lanceringspagina — bepalen welk zustermodel het verkeer verdient.

Waar de lancering van 2.5 terechtkomt in de race tussen beeldmodellen

GPT-Image-2 was al vóór deze release het te kloppen model op de onafhankelijke ranglijsten. Op de Artificial Analysis text-to-image-leaderboard staat het bovenaan met Elo 1178 — vóór MAI-Image-2.6 op 1149, Nano Banana 2 op 1121 en Muse Image op 1116 — en op de image-editing-ranglijst staat GPT-Image-2 (high) tweede met Elo 1117, achter Microsofts MAI-Image-2.6 op 1122. Het verhaal rond de lancering van GPT-Image-2.5 is dat OpenAI die leidende positie heeft genomen en die heeft opgesplitst in een snelheids- en een precisiecategorie. Dat is net zo goed een productstrategie als een kwaliteitsclaim: in plaats van één vlaggenschipscore te verdedigen, verdedigt het tegelijk twee prijs-prestatieposities.

Het eerlijke voorbehoud is dat dit voor de nieuwe modellen nog niet is gemeten. Per 9 september verschijnen noch gpt-image-2.5-flare noch gpt-image-2.5-sunburst op de Artificial Analysis-ranglijsten, en er is geen onafhankelijke reproductie van OpenAI's snelheidsclaims gepubliceerd. De cijfers hierboven die wél onafhankelijke ondersteuning hebben — de Elo-scores en prijs per afbeelding van GPT-Image-2 — beschrijven de voorganger, niet de nieuwkomers. Op het gebied van veiligheid rapporteert OpenAI onveilige-generatiepercentages van 1,41 procent voor Flare en 1,09 procent voor Sunburst tegenover een basislijn van 1,64 procent in zijn interne evaluaties; dat zijn leverancierscijfers, gepubliceerd om te laten zien dat het duo veiliger is dan het model dat ze uitbreiden, en ze moeten eerder als richtinggevend dan als definitief worden beschouwd. De schaalcontext komt ook van OpenAI: het zegt dat gebruikers meer dan drie miljard afbeeldingen per week op zijn platform creëren.

Wat nu te kijken

Drie dingen vertellen je of de splitsing beter werkt dan het vlaggenschip waarvan ze een uitbreiding is. Het eerste zijn onafhankelijke latentie- en doorvoercijfers voor Flare — OpenAI's bewering van 2–4× is het soort cijfer dat een partner in een middag kan verifiëren, en de bevestiging van Manus is een begin, geen bewijs. Het tweede is het tokenverbruik per afbeelding bij beide modellen, dat de ongewijzigde tokentarieven van $8/$30 omrekent naar een reële prijs per afbeelding; die gegevens waren bij de lancering niet gepubliceerd. Het derde is waar Sunburst terechtkomt op de ranglijsten voor beeldbewerking, want dat is de volledige bestaansreden van het model: als zijn precisievoorsprong op GPT-Image-2 echt is, zou die binnen een paar weken zichtbaar moeten worden in vergelijking met MAI-Image-2.6 en de rest van de top tien voor beeldbewerking.

Voorlopig is de release een echte tweesprong voor kopers van image-API’s. GPT-Image-2.5 Flare is het verstandige standaardmigratiepad vanaf GPT-Image-2 — dezelfde API, dezelfde tokenprijs, op papier betere snelheid. GPT-Image-2.5 Sunburst is degene waarop je moet wachten als je werk bestaat uit bewerkingen die onder de loep liggen. En als je al gpt-image-2 via OrcaRouter aanroept, is de overstap naar een van de twee zustermodellen een routeringswijziging op dezelfde sleutel, waarbij de lijstprijs van de provider met 0% opslag wordt doorberekend en failover beschikbaar is terwijl je beslist welk model jouw verkeer daadwerkelijk verdient.