GPT-Image-2.5 Flare e Sunburst: OpenAI divide sua API de imagens em velocidade e precisão

A API de imagens da OpenAI agora tem dois modelos principais em vez de um. Em 8 de setembro de 2026, a empresa apresentou o GPT-Image-2.5 Flare e o GPT-Image-2.5 Sunburst — modelos irmãos sob a mesma atualização 2.5, divididos pela carga de trabalho em vez de pela geração. O Flare é posicionado como a opção rápida e padrão para geração de imagens cotidiana e de alto volume; o Sunburst é o modelo mais lento e prioriza a precisão para trabalhos em que o controle sobre uma edição importa mais do que o tempo de retorno. Ambos foram lançados na Images API no mesmo dia do lançamento do ChatGPT Images 2.5 para consumidores, e ambos estendem a linhagem GPT-Image-2 que a OpenAI lançou em abril e que a comunidade acompanhava desde que um vazamento do Codex surgiu em 3 de setembro.

Para um desenvolvedor, a mudança prática é imediata: a decisão não é mais "qual modelo de imagem devo chamar?" mas "qual dos dois irmãos se encaixa nessa carga de trabalho?" A resposta importa para custo e latência, porque os dois modelos não são intercambiáveis em velocidade. Tudo abaixo disso é uma afirmação da OpenAI — os números de velocidade, qualidade e segurança vêm todos do fornecedor e de seus parceiros anunciados, e nenhum dos modelos 2.5 tem uma pontuação de benchmark independente ainda em 9 de setembro de 2026.

Dois modelos, um upgrade

O anúncio da OpenAI para desenvolvedores enquadra o par por caso de uso. O GPT-Image-2.5 Flare — o identificador é gpt-image-2.5-flare — é o padrão para a maioria das aplicações. A OpenAI o posiciona para conteúdo de criadores e redes sociais, experiências de produto, busca visual, prototipagem rápida de imagens, ativos de marca e qualquer pipeline de geração de alto volume. A empresa afirma que o Flare produz imagens de maior qualidade do que o GPT-Image-2, com latência até 50% menor, e que, em suas próprias avaliações, ele gera cerca de duas a quatro vezes mais rápido do que o GPT-Image-2; o cliente inicial anunciado, Manus, relatou em separado ter visto acelerações de 2–4× e melhor saída com fundo transparente em seu próprio uso. A referência da API classifica o Flare como o modelo “pequeno” do par.

GPT-Image-2.5 Sunburst — identificador gpt-image-2.5-sunburst — é a variante premium. A OpenAI a desenvolveu para fluxos de trabalho que se beneficiam de um controle mais rigoroso ao longo das edições: criativos de campanha prontos para produção, imagens de produto refinadas, materiais de marketing e ferramentas de design em que a precisão da marca é fundamental. Ela leva mais tempo por geração do que o Flare, e esse poder computacional extra proporciona o que a OpenAI descreve como um nível adicional de precisão e fidelidade de detalhes nas edições. A referência da API classifica o Sunburst como o modelo "base" — o maior e mais ponderado dos dois. A Higgsfield AI, outro dos clientes iniciais anunciados, afirma que o modelo "entende o que não deve mudar", o que é uma síntese útil de toda a proposta de edição do 2.5: manter intactas as partes de uma imagem que a instrução não pediu para alterar, mesmo em cenas movimentadas.

A Adobe afirma que está integrando ambos os modelos no Firefly, o que torna o par os primeiros modelos de imagem da OpenAI a chegar a essa linha de produtos. Manus e Higgsfield AI são os outros clientes iniciais nomeados.

O que realmente melhorou

As notas de versão agrupam o trabalho de qualidade sob o mesmo título: detalhes mais nítidos, aderência mais forte ao estilo e mais controle sobre edições. Abaixo disso, a OpenAI lista mudanças específicas que valem a pena ler com atenção, porque são a diferença entre um lançamento incremental e um verdadeiro avanço:

• Iluminação mais natural e texturas mais ricas — os itens de qualidade de saída que os avaliadores descrevem consistentemente como o salto visível em relação ao Images 2.0.

Melhor preservação do sujeito em fotos de referência — os traços faciais e detalhes de identificação são mantidos durante uma geração, em vez de serem reinventados a cada vez.

• Edição multi-turno mais confiável — alterações anteriores permanecem estáveis e cada edição sucessiva se baseia no trabalho anterior sem degradar áreas não relacionadas da imagem.

• Até 50 por cento menos latência de geração do que Images 2.0 no lado do consumidor, que é a mesma história de velocidade que a Flare conta no lado da API.

• Texto mais nítido e tratamento de fundo transparente — as duas capacidades que os compradores de API de imagem mais avaliam; a nota de Manus sobre fundo transparente é a única corroboração de tom independente até agora.

A OpenAI também afirma que cada saída contém metadados C2PA e uma marca d'água invisível, o que não difere da abordagem de proveniência do GPT-Image-2 e vale a pena reiterar, pois é um requisito obrigatório em alguns fluxos de trabalho regulamentados.

O que a API agora expõe

Os novos modelos chegam aos mesmos endpoints da API Images que os desenvolvedores já usam — chamadas de geração e edição — mas a superfície de parâmetros cresceu. A referência da API para os modelos 2.5 mostra um parâmetro de qualidade com mais folga do que o GPT-Image-2 oferecia: auto (o padrão), low, medium, high e dois novos níveis acima de high: xhigh e max. Ela também documenta opções de tamanho que ultrapassam o teto de 2048×2048 que o GPT-Image-2 tinha, chegando a 3840×2160 em paisagem e 2160×3840 em retrato. As restrições declaradas são um comprimento de lado não superior a 3840 pixels, dimensões em múltiplos de 16, uma razão de aspecto não superior a 3:1 e total de pixels entre 655.360 e 8.294.400 — portanto, as maiores saídas ficam em pouco mais de 8 megapixels, em território de classe 4K. Um parâmetro de fundo aceita auto, opaque ou transparent; é assim que se solicita a saída PNG transparente.

Duas ressalvas mantêm esse parágrafo honesto. Primeiro, essas são as configurações documentadas para os identificadores 2.5 na referência da OpenAI; se todos os níveis e tamanhos estão disponíveis em ambos os modelos e quanto cada nível de qualidade custa em tokens não havia sido totalmente documentado no lançamento. Segundo, gpt-image-2 continua listado na API — a versão 2.5 é aditiva, e as integrações existentes não quebram. O preço por imagem dos novos modelos dependerá de quantos tokens cada geração realmente consome, o que significa que o antigo hábito de orçar por "dólares por imagem de 1024×1024" é o número a observar até que dados reais de uso se acumulem.

Os preços não mudaram.

OpenAI manteve as taxas de tokens idênticas às do GPT-Image-2: $8.00 por milhão de tokens de entrada de imagem e $30.00 por milhão de tokens de saída de imagem, além dos tokens de texto usuais para o prompt. Para contextualizar o que essas taxas significavam no modelo anterior, a Artificial Analysis cita GPT-Image-2 (high) em cerca de $211 por 1.000 imagens — aproximadamente $0.21 para uma saída de alta qualidade de 1024×1024 — e a página openai/gpt-image-2 no OrcaRouter mostra a mesma divisão de tokens de $8.00/$30.00. Como os modelos 2.5 têm as mesmas taxas, a questão de custo é puramente sobre o consumo de tokens por imagem, exatamente o que não foi publicado no lançamento.

Essa é a matemática de preços que importa para qualquer pessoa que já esteja chamando o gpt-image-2 através do OrcaRouter. Os modelos de imagem da OpenAI estão entre os mais de 200 modelos disponíveis na API OrcaRouter, e a OrcaRouter repassa diretamente o preço de tabela do provedor com margem de 0% — as tarifas de $8.00/$30.00 na página do modelo openai/gpt-image-2 são números da própria OpenAI, não de um revendedor. No dia em que um provedor upstream adicionar os identificadores gpt-image-2.5-flare ou gpt-image-2.5-sunburst, a mesma chave de API é usada para chamá-los, e uma alteração de preço do provedor em qualquer um dos modelos fica ativa para você no mesmo dia em que ela aparecer.

Flare ou Sunburst: qual é para você?

Para a maioria das equipes, a resposta honesta é "comece com o Flare e evolua para o Sunburst apenas quando uma edição precisar passar por escrutínio." Os modelos se dividem claramente por carga de trabalho, e não por qualidade bruta, e o próprio posicionamento da OpenAI diz que o Flare é o padrão. A leitura dimensão por dimensão:

• Velocidade — Flare é o rápido: a OpenAI afirma latência até 50 por cento menor que a do GPT-Image-2 e throughput 2–4× maior em suas avaliações e no uso do Manus. Sunburst troca deliberadamente velocidade por precisão e leva mais tempo por geração.

• Melhor carga de trabalho — Flare para conteúdo de criadores/redes sociais, experiências de produto, pesquisa visual, prototipagem rápida e ativos de marca em alto volume. Sunburst para criativos de campanhas de produção, fotografia de produto refinada e trabalhos de design em que a edição precisa se sustentar.

• Comportamento de edição — Sunburst é o editor mais rigoroso; o feedback "entende o que não mudar" da Higgsfield se aplica à geração 2.5 como um todo, mas Sunburst é o modelo construído para o maior controle ao longo de edições sucessivas.

• Tag do modelo de API — Flare é o modelo "pequeno" na referência da OpenAI; Sunburst é o modelo "base", ou seja, o maior e mais lento dos dois.

• Preço — taxas de token idênticas (US$ 8,00 de entrada / US$ 30,00 de saída por milhão); portanto, a diferença de custo corresponde aos tokens extras que as gerações mais longas da Sunburst consomem.

{{1}}Pontuação independente — ainda nenhuma para nenhum dos modelos até 9 de setembro de 2026; trate todas as alegações de qualidade e velocidade como relatadas pelo fornecedor até que uma entrada em leaderboard ou um teste reproduzível de terceiros seja publicado.{{/1}}

Um padrão razoável para uma equipe que já está em produção é direcionar a maior parte do tráfego para o Flare — é o padrão de menor latência e a aposta mais barata pelo mesmo preço de token — e apontar apenas a fatia com uso intensivo de edição e crítica para a qualidade para o Sunburst. Como ambos os modelos compartilham o formato da API de Images e as mesmas taxas de token, essa divisão é uma mudança de configuração, não uma migração. O failover automático torna seguro testar antes de se comprometer: envie uma parcela do tráfego real para o novo modelo e volte para o gpt-image-2 em caso de erro ou timeout, e seus próprios prompts — não uma página de lançamento — decidem qual irmão fica com o tráfego.

Onde o lançamento da 2.5 se posiciona na corrida dos modelos de imagem

O GPT-Image-2 já era o modelo a ser batido nos rankings independentes antes deste lançamento. No leaderboard de texto-para-imagem da Artificial Analysis, ele ocupa o primeiro lugar com Elo 1178 — à frente do MAI-Image-2.6 com 1149, do Nano Banana 2 com 1121 e do Muse Image com 1116 — e no ranking de edição de imagem, o GPT-Image-2 (high) está em segundo lugar com Elo 1117, atrás do MAI-Image-2.6 da Microsoft, com 1122. A narrativa de lançamento do GPT-Image-2.5 é que a OpenAI pegou essa posição de liderança e a dividiu em uma camada de velocidade e uma camada de precisão, o que é tanto uma estratégia de produto quanto uma afirmação de qualidade: em vez de defender uma única pontuação de destaque, ela defende duas posições de custo-benefício ao mesmo tempo.

A ressalva honesta é que nada disso ainda foi medido para os novos modelos. Em 9 de setembro, nem gpt-image-2.5-flare nem gpt-image-2.5-sunburst aparecem nos rankings da Artificial Analysis, e nenhuma reprodução independente das alegações de velocidade da OpenAI foi publicada. Os números acima que têm respaldo independente — as pontuações Elo do GPT-Image-2 e o preço por imagem — descrevem o predecessor, não os novos modelos. Em relação à segurança, a OpenAI relata taxas de geração insegura de 1,41% para Flare e 1,09% para Sunburst contra uma linha de base de 1,64% em suas avaliações internas; esses são números do fornecedor, divulgados para mostrar que o par é mais seguro do que o modelo que estendem, e devem ser tratados como direcionais, não definitivos. O contexto de escala também vem da OpenAI: ela afirma que os usuários criam mais de três bilhões de imagens por semana em sua plataforma.

O que assistir em seguida

Três coisas dirão se a divisão funciona melhor do que o modelo principal único que ela estende. A primeira são números independentes de latência e throughput para o Flare — a alegação de 2–4× da OpenAI é o tipo de dado que um parceiro pode verificar em uma tarde, e a corroboração da Manus é um começo, não uma prova. A segunda é o consumo de tokens por imagem em ambos os modelos, o que converterá as taxas de tokens inalteradas de US$ 8/US$ 30 em um preço real por imagem; esses dados não haviam sido publicados no lançamento. A terceira é onde o Sunburst se posiciona nos leaderboards de edição de imagem, porque essa é toda a razão de existir do modelo: se sua vantagem de precisão sobre o GPT-Image-2 for real, ela deve aparecer contra o MAI-Image-2.6 e o restante do top dez de edição em poucas semanas.

Por enquanto, o lançamento é uma verdadeira bifurcação no caminho para os compradores de API de imagem. GPT-Image-2.5 Flare é o caminho de migração padrão sensato a partir do GPT-Image-2 — mesma API, mesmo preço por token, melhor velocidade no papel. GPT-Image-2.5 Sunburst é aquele para o qual esperar se o seu trabalho envolve edições sob escrutínio. E se você já está chamando gpt-image-2 por meio do OrcaRouter, a mudança para qualquer um dos irmãos é uma alteração de roteamento na mesma chave, com o preço de tabela do provedor repassado sem margem e failover disponível enquanto você decide qual modelo realmente merece o seu tráfego.