Ideogram Vector 1.0 vs GPT Image 2.5: Een bestandsprijs tegenover een tokenprijs

Het moeilijkste bij het kiezen tussen Ideogram Vector 1.0 en GPT Image 2.5 is niet de kwaliteit. Het is dat de twee modellen factureren in valuta die je niet zonder rekenwerk kunt vergelijken, en dat een ervan de berekening heeft veranderd zonder de tariefkaart te wijzigen. Ideogram Vector 1.0, uitgebracht op 22 oktober 2026, rekent per bestand: $0,13 tot $0,20 voor een SVG, $0,32 bij hoge kwaliteit met referenties, $0,10 om een afbeelding te vectoriseren. GPT Image 2.5, uitgebracht op 8 september 2026, rekent per token: $30 per miljoen outputtokens in de standaardmodus, $15 in batchmodus, waarbij de kosten per afbeelding voortkomen uit hoeveel tokens het model aan je verzoek besteedt. Een van die getallen is een prijs. Het andere is een tarief dat je moet modelleren.

Dat verschil in factureringsstructuur blijkt het grootste deel van het praktische verschil tussen de modellen te verklaren. Het is niet zo dat de een beter is — GPT Image 2.5 is op vrijwel elke as waarop een rastergenerator kan worden beoordeeld de sterkere rastergenerator, en Vector 1.0 is van de twee de enige die je een schaalbaar bestand kan geven. Het is dat de twee op verschillende manieren worden gekocht, voor verschillende taken, door teams met verschillende kostentoleranties. De rekensom goed krijgen is meer waard dan het leaderboard goed krijgen.

Eerst het ladderprobleem

Beide modellen verkopen kwaliteit in niveaus. Slechts één van hen hield de namen van de niveaus stabiel, en degene die dat niet deed, is degene die je factuur zal verrassen.

GPT Image 2.5 is verkrijgbaar als twee API-varianten — gpt-image-2.5-flare voor workloads waarbij snelheid vooropstaat en gpt-image-2.5-sunburst voor precisie — en biedt daarbovenop een kwaliteitsparameter. API-gidsen van derde partijen die de tarieven van 2.5 vergelijken met die van GPT Image 2 melden dat OpenAI de ladder opnieuw heeft gelabeld in plaats van de prijzen aan te passen: wat 2.5 "high" noemt, komt ongeveer overeen met wat de vorige generatie "medium" noemde, en om de oude output van hoge kwaliteit te reproduceren is nu de instelling "max" nodig. Als die berichtgeving klopt, levert een regelrechte migratie die quality: high toewijst aan quality: high stilletjes kwaliteit in, terwijl het tarief per token identiek blijft. Dat is een sluimerende faalmodus, en het is precies het soort ding dat opduikt als "het nieuwe model is slechter geworden" in plaats van "onze configuratie is veranderd."

Beschouw dit als rapportage door derden in plaats van bevestigde documentatie van de leverancier — OpenAI heeft geen tabel voor tokenverbruik gepubliceerd voor de 2.5-snapshots, en dat is op zichzelf de reden waarom de kosten per afbeelding moeilijk vast te stellen zijn. De vaak genoemde bedragen per afbeelding bij 1024×1024 liggen ruwweg op $0,0059 bij low, $0,013 bij medium, $0,053 bij high, $0,094 bij xhigh en $0,211 bij max, maar dat zijn schattingen uit een calculator, geen gepubliceerd tariefoverzicht.

Ideogram Vector 1.0 heeft geen vergelijkbare valkuil. Drie kwaliteitsniveaus, drie vaste prijzen en een dry_run parameter die een prijsopgave retourneert voor een specifiek verzoek zonder dit te genereren of er kosten voor in rekening te brengen. Wat er verder ook onopgelost is aan het model, de prijsstelling is duidelijk.

Het specificatiecontrast, en wat het verbergt

Eén regel per dimensie, beide zijden:

• Uitvoerformaat — GPT Image 2.5 retourneert rasterafbeeldingen; Ideogram Vector 1.0 retourneert SVG met bewerkbare paden en typografie.

• Facturatie-eenheid — GPT Image 2.5 factureert invoer- en uitvoertokens tegen $5/$8 in en $30 uit per miljoen (Standard), $15 uit in Batch; Vector 1.0 factureert per gegenereerd bestand tegen $0.13 / $0.16 / $0.20 per tier.

• Kosten per output bij 1K — GPT Image 2.5 zit tussen ongeveer een halve cent en vijf cent, afhankelijk van het niveau; Vector 1.0 zit op dertien tot tweeëndertig cent per SVG.

• Snelheidsprofiel — GPT Image 2.5 splitst in Flare (snel) en Sunburst (precisie), zodat je kunt kiezen; Vector 1.0 heeft één model en een kwaliteitsregelaar.

• Bewerken — {{1}}GPT Image 2.5{{/1}} is gebouwd voor bewerken op basis van instructies en verfijning in meerdere beurten; Vector 1.0 kan een raster niet bewerken, maar de vectorizer zet er een om in paden voor $0,10.

Tekstweergave — beide claimen het als een sterk punt, en beide claims zijn afkomstig van de leveranciers zelf. Het onderscheidende punt van Ideogram is typografie die wordt meegenomen naar een formaat waarin tekst kan worden gecorrigeerd; dat van OpenAI is tekst die correct in een gerenderde scène wordt geplaatst.

• Onafhankelijke benchmarks — GPT Image 2.5 heeft ze; Vector 1.0 heeft er geen, en geen enkel imageleaderboard meet sowieso wat hier echt telt.

Die laatste regel verdient uitweiding, want het is de meest verstrekkende asymmetrie in dit stuk.

Waarom de ranglijst dit niet kan beantwoorden

Artificial Analysis vermeldt zowel GPT Image 2.5 Flare (max) als GPT Image 2.5 Sunburst (max) in zijn text-to-image-arena, naast de rasterconcurrentie. Die arena werkt via blinde paarsgewijze voorkeur: mensen en beoordelaars bekijken twee afbeeldingen en kiezen de betere. Het is een redelijk instrument om te beoordelen of een gegenereerd beeld er goed uitziet.

Het kan een SVG niet beoordelen. Een vectorbestand is niet beter of slechter op basis van hoe de afgevlakte preview eruitziet; het is beter of slechter op basis van hoeveel ankerpunten het heeft, of de paden gesloten zijn, of de gradiënten behouden blijven, of de tekst uit contouren of live tekst bestaat, en of de componenten afzonderlijk kunnen worden gebruikt. Geen van die eigenschappen is zichtbaar in een vergelijking van afbeeldingen naast elkaar. Je moet het bestand openen.

De eerlijke vaststelling is dus dat GPT Image 2.5 kan worden gerangschikt en Vector 1.0 niet, en dat de bestaande rangschikking iets meet dat Vector 1.0 niet voortbrengt. Wie een Elo-verschil tussen deze twee modellen aanhaalt, vergelijkt een foto met een blauwdruk.

De situaties waarvoor GPT Image 2.5 is gebouwd

Als het om bewerken gaat, wordt GPT Image 2.5 hier niet eens bij benadering uitgedaagd. Vector 1.0 heeft geen bewerk-endpoint. Je kunt het niet vragen om de achtergrond te wijzigen, een kleur te verwisselen of een product twee inch naar links te verplaatsen — je kunt alleen een nieuwe SVG genereren of een bestaande afbeelding vectoriseren. Het hele ontwerp van GPT Image 2.5 is precies omgekeerd: wijzigingen op basis van instructies, verfijning in meerdere beurten en het soort kleine, lokale wijziging waarvoor vroeger een masker nodig was.

Als het werk fotografisch of op scènes gebaseerd is, geldt hetzelfde. Vector 1.0 maakt markeringen en belettering. Het maakt geen productfoto met overtuigend licht.

Als het werk een hoog volume heeft en wegwerpbaar is, wint het tokenmodel op pure economie met een orde van grootte. Bij een paar cent per afbeelding kosten vijfhonderd conceptthumbnails minder dan twintig dollar. Op Vector 1.0 zou dezelfde reeks bij gemiddelde kwaliteit tachtig dollar kosten, en elk van die bestanden zou het waard moeten zijn om te bewaren.

En als je batchkortingen nodig hebt, halveert {{1}}de Batch API van GPT Image 2.5{{/1}} het outputtarief tot {{2}}$15 per miljoen tokens{{/2}}. {{3}}Vector 1.0{{/3}} heeft geen gepubliceerd batchtarief — volume wordt afgehandeld via de limiet voor lopende verzoeken van je account, die tot uiting komt in {{4}}429-responses{{/4}} in plaats van in een korting.

De beperkte gevallen waarin geometrie wint

De omgekeerde gevallen zijn beperkter, maar doorslaggevend wanneer ze van toepassing zijn.

Elk eindproduct dat bestemd is voor print, snijden, etsen of borduren. GPT Image 2.5 op maximale kwaliteit levert je een prachtig rasterbestand dat een productiebedrijf slecht zal natraceren. Vector 1.0 geeft je paden.

Elk merkasset dat bewerkbaar moet blijven. Een logo dat een klant binnen een systeem van kleur verandert, of een woordmerk dat marketing in een ander gewicht opnieuw zet, heeft geometrie nodig. Het opnieuw genereren op een andere grootte is niet hetzelfde als het schalen ervan.

Elke workflow waarbij prijs per bestand gemakkelijker te budgetteren is dan per token. Designteams denken in assets. Een vaste $0,20 per SVG is voorspelbaar op een manier waarop "het hangt ervan af hoeveel tokens het model verbruikt" dat niet is, en de dry_run offerte maakt van een batchschatting een script van één regel.

En voor elk geval waarin u een bestaand bestand wilt vectoriseren. De image-to-vector-endpoint van $0,10 heeft geen tegenhanger in de gedocumenteerde interface van GPT Image 2.5. Het accepteert JPEG, PNG of WEBP tot 50 MB en biedt een eenvoudige modus voor minder vormen en een standaardmodus die meer detail behoudt — en kan volgens de eigen referentiepagina van Ideogram het resultaat nog niet in lagen groeperen.

Beide vanaf één plek bellen

Dit is de enige vergelijking in deze reeks waarin we specifiek kunnen zijn over onze eigen dekking: GPT Image 2.5 staat in de catalogus van OrcaRouter als zowel gpt-image-2.5-flare en gpt-image-2.5-sunburst. Ideogram Vector 1.0 is dat niet — het is beschikbaar via het eigen platform en de API van Ideogram en via verschillende platforms van derden, en wij bieden het niet aan.

Die asymmetrie is nuttig in plaats van onhandig, want ze sluit aan bij hoe de twee modellen gebruikt zouden moeten worden. De GPT Image 2.5-kant is de kant met hoog volume en snel itereren: de kant waar je twintig varianten probeert, er negentien weggooit en let op latency en failover. Die tegen de lijstprijs van de provider aanbieden met 0% markup, achter automatische failover, betekent dat een storing bij Sunburst de batch niet stillegt en een tariefwijziging bij Flare dezelfde dag aan onze kant live is. De vectorkant is de kant met laag volume en hoge inzet: een handvol bestanden per project, elk dertig keer zoveel waard als een rasterafbeelding, die je liever bewust genereert en met de hand inspecteert dan automatisch routeert.

Als je de harness bouwt die ze vergelijkt, is de praktische vorm een kleine lus: prompt erin, raster eruit van GPT Image 2.5, dat raster vectoriseren voor $0.10, en beide openen. De vergelijking die je maakt is niet welke er beter uitziet. Het is of de getraceerde versie dicht genoeg bij de direct gegenereerde SVG ligt om de duurdere aanroep over te slaan.

De vuistregel

Tel de deliverables. Als het aantal groot is en de bestanden wegwerpbaar zijn, wint GPT Image 2.5 op zowel mogelijkheden als kosten, en is het risico van het herlabelen van tiers beheersbaar zolang je verifieert wat high daadwerkelijk betekent in je config.

Als het aantal klein is en de bestanden permanent zijn — een merkteken, een woordmerk, een label, een iconenset — dan doet de prijs per bestand er niet toe naast de kosten van het overtrekken, en Ideogram Vector 1.0 is de enige van de twee die de discussie afsluit met een bestand dat je kunt opleveren.

Het ongemakkelijke deel is dat het tweede geval, het geval waarin Vector 1.0 duidelijk wint, ook het geval is waarvoor geen onafhankelijk bewijs bestaat. Dat is geen reden om in plaats daarvan voor GPT Image 2.5 te kiezen. Het is een reden om de eerste SVG die je genereert te openen en zelf de paden te tellen voordat je er een workflow op bouwt.