GPT-Image-2.5 Flare i Sunburst: OpenAI dzieli swoje API obrazów na szybkość i precyzję

API obrazów OpenAI ma obecnie dwa flagowe modele zamiast jednego. 8 września 2026 roku firma wprowadziła GPT-Image-2.5 Flare i GPT-Image-2.5 Sunburst — siostrzane modele w ramach tej samej wersji 2.5, rozdzielone ze względu na rodzaj obciążenia, a nie na generację. Flare pozycjonowany jest jako szybki, domyślny wybór do codziennego i masowego generowania obrazów; Sunburst to wolniejszy model stawiający na precyzję, przeznaczony do pracy, w której kontrola nad edycją liczy się bardziej niż czas realizacji. Oba trafiły do Images API tego samego dnia co konsumencka premiera ChatGPT Images 2.5. Oba rozszerzają też linię GPT-Image-2, którą OpenAI wypuściło w kwietniu i którą społeczność śledziła od czasu przecieku z Codex ujawnionego 3 września.

Dla programisty praktyczna zmiana jest natychmiastowa: decyzja nie brzmi już „do którego modelu obrazowego się zwracam?”, ale „które z dwojga rodzeństwa pasuje do tego obciążenia?” Odpowiedź ma znaczenie dla kosztu i opóźnienia, ponieważ oba modele nie są zamienne pod względem szybkości. Wszystko poniżej to twierdzenie OpenAI — dane dotyczące szybkości, jakości i bezpieczeństwa pochodzą od dostawcy i jego ogłoszonych partnerów, a żaden z modeli 2.5 nie ma jeszcze niezależnego wyniku benchmarku według stanu na 9 września 2026 r.

Dwa modele, jedna aktualizacja

Ogłoszenie deweloperskie OpenAI przedstawia tę parę modeli według przypadków użycia. GPT-Image-2.5 Flare — identyfikator to gpt-image-2.5-flare — jest domyślny dla większości zastosowań. OpenAI kieruje go do twórców i treści społecznościowych, doświadczeń produktowych, wyszukiwania wizualnego, szybkiego prototypowania obrazów, zasobów marki oraz wszelkich wysokowolumenowych potoków generowania. Firma twierdzi, że Flare generuje obrazy wyższej jakości niż GPT-Image-2 przy opóźnieniu niższym nawet o 50 procent, a w jej własnych ewaluacjach generuje mniej więcej od dwóch do czterech razy szybciej niż GPT-Image-2. Wcześniej ogłoszony wczesny klient, Manus, niezależnie poinformował o 2–4× przyspieszeniu i lepszych wynikach z przezroczystym tłem we własnym użyciu. Dokumentacja API oznacza Flare jako model „mały” w tej parze.

GPT-Image-2.5 Sunburst — identyfikator gpt-image-2.5-sunburst — to model premium. OpenAI stworzyło go z myślą o projektach, w których ważna jest ściślejsza kontrola nad kolejnymi poprawkami: gotowych do publikacji kreacjach kampanii, dopracowanych zdjęciach produktowych, materiałach marketingowych i narzędziach projektowych, gdzie liczy się zgodność z marką. Generowanie trwa w nim dłużej niż we Flare, a dodatkowe moce obliczeniowe przekładają się — jak mówi OpenAI — na jeszcze wyższą precyzję i wierność detali podczas edycji. Dokumentacja API opisuje Sunburst jako model „bazowy” — większy i bardziej metodyczny z tej dwójki. Higgsfield AI, kolejny ogłoszony wczesny klient, twierdzi, że model „rozumie, czego nie wolno zmieniać”, co trafnie streszcza całą koncepcję edycji 2.5: pozostaw nietknięte te części obrazu, których instrukcja nie dotyczyła — nawet na skomplikowanych scenach.

Adobe twierdzi, że integruje oba modele z Firefly, co czyni tę parę pierwszymi modelami obrazowymi OpenAI, które trafiają do tej linii produktów. Pozostałymi wymienionymi wczesnymi klientami są Manus i Higgsfield AI.

Co właściwie się poprawiło?

Notatki o wydaniu grupują prace nad jakością pod tym samym nagłówkiem: ostrzejsze szczegóły, lepsze przestrzeganie stylu i większa kontrola nad edycjami. Poniżej OpenAI wymienia konkretne zmiany, które warto dokładnie przeczytać, ponieważ to one decydują, czy jest to wydanie punktowe, czy prawdziwy krok naprzód:

Bardziej naturalne oświetlenie i bogatsze tekstury — elementy jakości wyjściowej, które recenzenci konsekwentnie opisują jako widoczny skok względem Images 2.0.

• Lepsze zachowanie obiektu na podstawie zdjęć referencyjnych — cechy twarzy i charakterystyczne szczegóły są przenoszone przez generację, zamiast być wymyślane na nowo za każdym razem.

• Bardziej niezawodna edycja wieloetapowa — wcześniejsze zmiany pozostają stabilne, a każda kolejna edycja opiera się na poprzedniej pracy, nie pogarszając niepowiązanych obszarów obrazu.

• Nawet o 50 procent niższe opóźnienie generowania niż Images 2.0 po stronie konsumenta, co jest tą samą historią szybkości, którą Flare opowiada po stronie API.

• Wyraźniejszy tekst i obsługa przezroczystego tła — dwie funkcje, które nabywcy API do obrazów najczęściej porównują; uwaga Manusa na temat przezroczystego tła to jak dotąd jedyne niezależnie brzmiące potwierdzenie.

Firma OpenAI podaje również, że każdy wynik ma metadane C2PA oraz niewidoczny znak wodny, co stanowi bez zmian o podejściu do pochodzenia treści stosowanym w GPT-Image-2 i warto to powtórzyć, ponieważ w niektórych regulowanych procesach to twardy wymóg.

Co teraz udostępnia API

Nowe modele pojawiają się w tych samych punktach końcowych Images API, których deweloperzy już używają — w wywołaniach generowania i edycji — ale zestaw parametrów się powiększył. Dokumentacja referencyjna API dla modeli 2.5 pokazuje parametr quality z większym zakresem niż ten oferowany przez GPT-Image-2: auto (domyślny), low, medium, high oraz dwa nowe poziomy powyżej high: xhigh i max. Dokumentuje również opcje rozmiaru wykraczające poza limit 2048×2048, z którym został wydany GPT-Image-2, aż do 3840×2160 w orientacji poziomej i 2160×3840 w orientacji pionowej. Podane ograniczenia to długość krawędzi nie większa niż 3840 pikseli, wymiary będące wielokrotnościami 16, proporcje obrazu nie szersze niż 3:1 oraz łączna liczba pikseli między 655 360 a 8 294 400 — czyli największe wyjścia mają nieco ponad 8 megapikseli, w klasie 4K. Parametr background przyjmuje wartości auto, opaque lub transparent — w ten sposób można żądać wyjścia w postaci przezroczystego PNG.

Dwa zastrzeżenia sprawiają, że ten akapit pozostaje uczciwy. Po pierwsze, są to ustawienia udokumentowane dla identyfikatorów 2.5 w dokumentacji OpenAI; to, czy każdy poziom i rozmiar jest dostępny w obu modelach oraz ile tokenów kosztuje każdy poziom jakości, nie zostało w pełni udokumentowane w chwili premiery. Po drugie, gpt-image-2 pozostaje dostępny w API — wydanie 2.5 jest rozszerzeniem, a istniejące integracje nie ulegają zniszczeniu. Cena za obraz w przypadku nowych modeli będzie zależeć od tego, ile tokenów faktycznie zużyje każde generowanie, co oznacza, że stary zwyczaj budżetowania według „dolarów za obraz 1024×1024” to wskaźnik, na który warto zwracać uwagę, dopóki nie zgromadzą się dane z rzeczywistego użytkowania.

Ceny się nie zmieniły.

OpenAI zachowało stawki za tokeny identyczne z tymi w modelu GPT-Image-2: $8.00 za milion tokenów wejściowych obrazu i $30.00 za milion tokenów wyjściowych obrazu, oprócz standardowych tokenów tekstowych dla promptu. Dla kontekstu tego, co te stawki oznaczały w poprzednim modelu, Artificial Analysis wycenia GPT-Image-2 (high) na około $211 za 1000 obrazów — czyli mniej więcej $0.21 za wysokiej jakości obraz 1024×1024 — i strona openai/gpt-image-2 w OrcaRouter pokazuje ten sam podział stawek tokenowych $8.00/$30.00. Ponieważ modele 2.5 mają te same stawki, kwestia kosztów sprowadza się wyłącznie do zużycia tokenów na obraz, co jest właśnie tym, czego nie opublikowano przy premierze.

To jest matematyka cenowa, która ma znaczenie dla każdego, kto już wywołuje gpt-image-2 przez OrcaRouter. Modele obrazowe OpenAI znajdują się wśród ponad 200 modeli dostępnych przez API OrcaRouter, a OrcaRouter przekazuje cenę katalogową dostawcy z zerowym narzutem — stawki $8.00/$30.00 na stronie modelu openai/gpt-image-2 to ceny samego OpenAI, a nie odsprzedawcy. W dniu, w którym dostawca nadrzędny doda identyfikatory gpt-image-2.5-flare lub gpt-image-2.5-sunburst, będzie można wywoływać te modele tym samym kluczem API, a zmiana ceny przez dostawcę dotycząca któregokolwiek z tych modeli wejdzie w życie po Twojej stronie tego samego dnia, w którym się pojawi.

Flare czy Sunburst: który jest dla Ciebie?

Dla większości zespołów szczera odpowiedź brzmi: „zacznij od Flare i przejdź na Sunburst dopiero wtedy, gdy edycja musi przetrwać kontrolę". Modele dzielą się wyraźnie według obciążenia pracą, a nie surowej jakości, a samo stanowisko OpenAI mówi, że Flare jest domyślnym wyborem. Odczyt wymiar po wymiarze:

— Szybkość — Flare jest tym szybkim: OpenAI twierdzi, że ma do 50 procent niższe opóźnienie niż GPT-Image-2 oraz 2–4× większą przepustowość w swoich ewaluacjach i w użyciu przez Manusa. Sunburst celowo poświęca szybkość na rzecz precyzji i potrzebuje więcej czasu na pojedynczą generację.

• Najlepsze zastosowanie — Flare do treści kreatorów i social media, doświadczeń produktowych, wyszukiwania wizualnego, szybkiego prototypowania oraz dużej liczby zasobów marki. Sunburst do kreatywy kampanii produkcyjnych, dopracowanej fotografii produktowej i prac projektowych, gdzie edycja musi się obronić.

• Zachowanie podczas edycji — Sunburst jest bardziej precyzyjnym edytorem; opinia „rozumie, czego nie zmieniać” od Higgsfield dotyczy całej generacji 2.5, ale to Sunburst jest modelem stworzonym do maksymalnej kontroli podczas kolejnych edycji.

• Tag modelu API — Flare to model „mały” w nomenklaturze OpenAI; Sunburst to model „bazowy”, czyli większy i wolniejszy z tych dwóch.

• Cena — identyczne stawki za tokeny (8,00 USD za milion tokenów wejściowych / 30,00 USD za milion tokenów wyjściowych), więc różnica w kosztach to po prostu dodatkowe tokeny, które zużywają dłuższe generacje Sunburst.

• Niezależny wynik — brak go jeszcze dla obu modeli według stanu na 9 września 2026 r.; traktuj wszystkie deklaracje dotyczące jakości i szybkości jako podane przez dostawcę, dopóki nie pojawi się wpis w rankingu lub powtarzalny test zewnętrznej strony.

Rozsądnym rozwiązaniem dla zespołu, który już działa produkcyjnie, jest skierowanie większości ruchu do Flare — to domyślny model o niższym opóźnieniu i tańsza opcja przy tej samej cenie tokena — a do Sunburst przypisać tylko fragment ruchu z dużą liczbą edycji i krytyczny dla jakości. Ponieważ oba modele mają ten sam kształt API Images i te same stawki tokenów, taki podział to tylko zmiana konfiguracji, a nie migracja. Dzięki automatycznemu przełączaniu awaryjnemu można bezpiecznie wypróbować nowy model przed pełnym wdrożeniem: kierujesz fragment prawdziwego ruchu do nowego modelu, a w razie błędu lub przekroczenia czasu oczekiwania następuje powrót do gpt-image-2 — to Twoje własne prompty, a nie strona startowa, decydują, który z tych modeli przejmie ruch.

Gdzie w wyścigu modeli obrazowych wypada premiera wersji 2.5

GPT-Image-2 był już modelem do pobicia na niezależnych listach przed tą premierą. Na leaderboardzie Artificial Analysis do generowania obrazów z tekstu zajmuje pierwsze miejsce z wynikiem Elo 1178 — wyprzedzając MAI-Image-2.6 z 1149, Nano Banana 2 z 1121 i Muse Image z 1116 — a na liście edycji obrazów GPT-Image-2 (high) jest drugi z Elo 1117, za MAI-Image-2.6 Microsoftu z wynikiem 1122. Narracja wokół premiery GPT-Image-2.5 jest taka, że OpenAI wzięło tę pozycję lidera i podzieliło ją na segment szybkości i segment precyzji, co jest strategią produktową w takim samym stopniu, jak deklaracją jakości: zamiast bronić jednego flagowego wyniku, broni jednocześnie dwóch pozycji cenowo-wydajnościowych.

Uczciwe zastrzeżenie jest takie, że dla nowych modeli nic z tego nie zostało jeszcze zmierzone. Na dzień 9 września ani gpt-image-2.5-flare, ani gpt-image-2.5-sunburst nie pojawiają się na listach rankingowych Artificial Analysis, a niezależne potwierdzenie deklaracji OpenAI dotyczących szybkości nie zostało opublikowane. Liczby powyżej, które mają niezależne potwierdzenie — wyniki Elo GPT-Image-2 i ceny za obraz — dotyczą poprzednika, a nie nowych modeli. Jeśli chodzi o bezpieczeństwo, OpenAI podaje wskaźniki generowania niebezpiecznych treści na poziomie 1,41 procent dla Flare i 1,09 procent dla Sunburst, wobec 1,64 procent wartości bazowej w swoich wewnętrznych testach; to dane producenta, opublikowane w celu pokazania, że ta para jest bezpieczniejsza niż model, którego są rozszerzeniem, i należy traktować je orientacyjnie, a nie jako ostateczne. Kontekst skali również pochodzi od OpenAI: firma twierdzi, że użytkownicy tworzą ponad trzy miliardy obrazów tygodniowo na jej platformie.

Co obejrzeć dalej

Trzy rzeczy pokażą, czy podział sprawdza się lepiej niż pojedynczy flagowy model, który rozwija. Po pierwsze, niezależne wyniki opóźnień i przepustowości dla Flare — twierdzenie OpenAI o 2–4× to liczba, którą partner może zweryfikować w jedno popołudnie, a potwierdzenie Manusa to dopiero początek, nie dowód. Po drugie, zużycie tokenów na obraz w obu modelach, które przełoży niezmienione stawki tokenów $8/$30 na realną cenę za pojedynczy obraz; te dane nie zostały ujawnione przy premierze. Po trzecie, miejsce Sunburst na rankingach edycji obrazów, bo to cały powód istnienia tego modelu: jeśli jego przewaga w precyzji nad GPT-Image-2 jest prawdziwa, powinna być widoczna w zestawieniu z MAI-Image-2.6 i resztą pierwszej dziesiątki w edycji obrazów w ciągu kilku tygodni.

Na razie wydanie to stanowi prawdziwe rozwidlenie dróg dla nabywców API do obrazów. GPT-Image-2.5 Flare to rozsądna domyślna ścieżka migracji z GPT-Image-2 — to samo API, ta sama cena za token, lepsza szybkość na papierze. GPT-Image-2.5 Sunburst to wersja, na którą warto czekać, jeśli Twoja praca to edycje poddawane wnikliwej ocenie. A jeśli już wywołujesz gpt-image-2 przez OrcaRouter, przełączenie się na którąkolwiek z siostrzanych wersji to zmiana routingu na tym samym kluczu — z ceną katalogową dostawcy przekazywaną dalej z 0% narzutu i dostępnym failover, podczas gdy decydujesz, który model faktycznie zasługuje na Twój ruch.