GPT-Image-2.5: справочная страница по разделённой модели изображений OpenAI

Модели под названием gpt-image-2.5 не существует. Если вы вставите эту строку в API вендора, вы получите ошибку, потому что такого ID модели не существует, — а если вы откроете документацию API по адресу, где она должна была бы находиться, вы получите 404. А существует пара: GPT-Image-2.5 Sunburst, идентификатор которой — gpt-image-2.5-sunburst и которую вендор описывает как «наша самая мощная модель для генерации и редактирования изображений», и GPT-Image-2.5 Flare, идентификатор которой — gpt-image-2.5-flare и которую вендор описывает как «быстрая, высококачественная генерация изображений на каждый день». Обе относятся к поколению-преемнику GPT-Image-2, и вся эта схема из двух моделей — самое важное, что нужно понять, прежде чем писать хоть строку кода под любую из них. Этот разрыв в названиях — ещё и причина существования этой страницы: у вопроса, который люди вводят, — «gpt image 2.5» — здесь нет отдельного ответа, только частичные, разбросанные по материалам о вариантах и сравнениях.

Всё в этом справочнике взято из собственной документации API вендора на 2026-10-12, плюс один независимый снимок таблицы лидеров за тот же день. Там, где вендор ничего не публикует, эта страница сообщает об этом, а не заполняет пробел. Там, где собственные страницы вендора противоречат друг другу, эта страница тоже об этом сообщает.

Что такое GPT-Image-2.5 и как он соотносится с GPT-Image-2

GPT-Image-2.5 — это третье поколение семейства моделей генерации изображений производителя с оплатой по токенам и прямой преемник GPT-Image-2, единственный снимок API которого датирован gpt-image-2-2026-04-21. Поколение 2.5 появилось в API 2026-09-08 — оба варианта содержат эту дату в своих именах снимков по умолчанию, gpt-image-2.5-sunburst-2026-09-08 и gpt-image-2.5-flare-2026-09-08. Это дата выпуска по собственным данным производителя, и она примерно на четыре с половиной месяца позже GPT-Image-2. Модель не нова на этой неделе; далее следует постоянный справочный материал, а не уведомление о выпуске.

Смена поколения — это не одна модель с более крупным номером версии. Это форк. Каждое предыдущее поколение GPT-Image выпускало один основной ID модели — GPT-Image-1, затем GPT-Image-1.5, затем gpt-image-2 — а вы выбирали уровень качества внутри этой одной модели. В версии 2.5 поставщик выпускает две отдельно названные модели с отдельными снапшотами и просит вас выбрать, к какой из них относится ваша рабочая нагрузка. Нет зонтичной модели, которая бы распределяла запросы между обеими.

Из этого вытекают три практических следствия, и их стоит изложить прямо, потому что именно они нужны читателю, который ищет название модели:

• Не существует gpt-image-2.5 псевдонима. Код, написанный с использованием гипотетического имени без уточнения, не будет работать; необходимо указать gpt-image-2.5-sunburst или gpt-image-2.5-flare явно.

• Оба варианта используют один и тот же прайс-лист и график ограничений скорости, поэтому ваш выбор между ними — это решение о задержке и точности, а не о бюджете. Сама формулировка этого разделения у вендора — это разделение по рабочим нагрузкам, а не лестница качества, по которой вы поднимаетесь, платя больше.

• «GPT-Image-2.5» без суффикса — это название поколения, а не модели. Когда вы видите его в списке изменений, счёте или анонсе продукта, оно означает поколение, и всё равно нужно знать, какая из двух моделей создала работу.

Flare или Sunburst: как выбрать

Это вопрос, который постоянно порождает само название модели, а набор вариантов настолько контринтуитивен, что многие задают его в обоих направлениях, прежде чем найдут ответ. Вот он разобран — по одной строке на вариант — на основе опубликованного позиционирования вендора, а не выводов из бенчмарков:

• Flare — gpt-image-2.5-flare, снапшот gpt-image-2.5-flare-2026-09-08. Выбирайте её, когда ограничивающим фактором являются пропускная способность и скорость выполнения: повседневная генерация изображений, пайплайны с большим объёмом, прототипы, визуалы для соцсетей и продуктов — всё, где «хорошо и сейчас» важнее, чем «лучше, но когда-нибудь». Это модель, которую поставщик обозначает как быстрый и качественный вариант на каждый день, и именно её стоит сделать своим выбором по умолчанию.

• Sunburst — gpt-image-2.5-sunburst, снапшот gpt-image-2.5-sunburst-2026-09-08. Выбирайте его, когда само редактирование и есть результат и точность важнее задержки: итеративные правки, где изменение, внесённое на втором шаге, должно сохраниться на третьем, композиции, чувствительные к макету, инпейнтинг с маской, который должен попасть именно туда, куда вы целились. руководство поставщика по генерации изображений формулирует это различие одним предложением: «Выбирайте Sunburst для рабочих процессов, где точность редактирования важнее всего, а Flare — для быстрой, высококачественной повседневной генерации изображений».

Честная оговорка: вендор не публикует ни показатель задержки, ни стоимость за изображение, ни бенчмарк качества, который количественно оценивал бы разрыв между ними, так что «медленнее» и «точнее» — это характеристика вендора, а не измеренное соотношение. Единственный независимый рейтинг, в котором представлены обе модели, действительно разделяет их и соглашается с порядком — см. раздел с доказательствами ниже. Чего он не делает, так это не даёт вам прямого сравнения на одинаковом стенде с одинаковыми усилиями и доверительным интервалом, который можно было бы вставить в план по мощностям. Этого никто не публиковал.

Рабочий вариант по умолчанию, если не хочется об этом задумываться: вызывайте Flare повсюду, а конкретные запросы, где правка должна сохраниться, направляйте в Sunburst — те, что несут маску или референсный субъект, который нужно сохранять стабильным от хода к ходу. Это ровно та ситуация «непроверенная модель, не стоит ставить на неё продакшн-путь», когда маршрутизировать один эндпоинт через оба варианта дешевле, чем остановиться на одном.

Что он принимает и что возвращает

Оба варианта заявляют одинаковый набор модальностей на страницах моделей поставщика. Ввод: текст и изображение. Вывод: изображение. Текстовый вывод не производится, и примечания поставщика о ценах подтверждают следствие — текстовый вывод не тарифицируется, поскольку модель его не возвращает.

Диапазон размеров шире, чем предполагают три пресета:

• Рекомендуемые пресеты — 1024×1024 квадрат, 1536×1024 горизонтальный, 1024×1536 вертикальный.

• Пользовательские размеры — обе модели принимают произвольные WIDTHxHEIGHT строки, с тремя ограничениями, дословно указанными в руководстве: ширина и высота должны быть кратны 16; соотношение сторон должно находиться в диапазоне от 1:3 до 3:1; и ни одна из сторон не может превышать 3840 пикселей.

• Общее количество пикселей — от 655 360 до 8 294 400 пикселей; на верхней границе производитель называет это 4K.

• Экспериментальная зона — разрешения выше 2560×1440 помечаются производителем как экспериментальные. Всё, что выходит за эти пределы, считайте неподтверждённым для рабочей эксплуатации.

По умолчанию вывод осуществляется в формате PNG, также доступны JPEG и WebP. Степень сжатия регулируется с помощью output_compression — параметра по шкале от 0 до 100, причём производитель отмечает, что JPEG работает быстрее PNG — это стоит знать, если задержка изначально была причиной, по которой вы выбрали Flare. Прозрачный фон требует background: "transparent" в сочетании с форматом вывода PNG или WebP. API возвращает данные изображения в кодировке base64.

Выбор качества включает low, medium, high, xhigh, max и auto. Именно две модели 2.5 добавляют xhigh и max; более ранние модели GPT Image ограничиваются high. Оба варианта 2.5 по умолчанию используют auto. Если эти уровни выглядят как вторая ось качества поверх выбора Flare/Sunburst, то так и есть: вы выбираете вариант, а затем уровень, и они вместе влияют и на задержку, и на стоимость.

Ограничения скорости одинаковы для обеих моделей и определяются уровнем использования в виде токенов и изображений в минуту: Build — 250 000 / 20, Launch — 3 000 000 / 150, Grow — 8 000 000 / 250. Тот же график указан для gpt-image-2. Поставщик также отмечает, что использование этих моделей может потребовать прохождения проверки организации в API.

Поверхность эндпоинтов и конфликт в документации

Это тот раздел, где повторное чтение материалов поставщика имеет значение, потому что собственные страницы поставщика не полностью согласуются между собой.

На страницах моделей gpt-image-2.5-sunburst и gpt-image-2.5-flare указаны ровно три поддерживаемых эндпоинта: v1/images/generations, v1/images/edits и v1/batch. Всё остальное в таблице помечено как неподдерживаемое — включая v1/responses и v1/chat/completions. Это тот же набор из трёх эндпоинтов, который предоставляет GPT-Image-2, а значит, формат Chat Completions, который вы, возможно, использовали для более ранней модели генерации изображений, здесь не подойдёт.

Руководство по генерации изображений, однако, описывает путь через Responses API, в котором вы выбираете основную модель и указываете модель изображений в поле инструмента, а примечания на странице цен говорят, что тарифы на кэшированный ввод для GPT-Image-2 и 2.5 «применяются только к генерациям через Responses API». Эти два утверждения подразумевают поверхность Responses, которую страница модели явно помечает как неподдерживаемую. В собственных примерах руководства инструмент изображений используется вместе с gpt-6-astra в качестве основной модели.

Я сообщаю о конфликте, а не разрешаю его. Консервативное прочтение — и то, на которое следует ориентироваться при разработке, — это страница модели: generations, edits, batch. Протестируйте путь Responses на своей учётной записи, прежде чем полагаться на него, потому что страница, которая давала бы на него разрешение, сейчас говорит «нет».

Поведение при отображении и редактировании текста

Редактирование — вот на что нацелено поколение 2.5, и документация на удивление конкретна в отношении механики и ограничений.

Эндпоинт edits обрабатывает инпейнтинг — единственную функцию редактирования, указанную на странице любой из моделей. Вы загружаете изображение и маску, определяющую область для замены. Два ограничения важнее, чем кажутся. Во-первых, маскирование с помощью этих моделей полностью основано на промпте: модель использует маску в качестве ориентира и, по формулировке поставщика, «может не следовать её точной форме с полной точностью». Во-вторых, изображение и маска должны быть одного формата и размера и менее 50 МБ, а маска должна содержать альфа-канал — обычная чёрно-белая маска не будет работать, пока вы не добавите его программно. Если вы предоставите несколько входных изображений, маска применяется к первому.

Что касается текста, честная формулировка исходит из собственного списка ограничений вендора, а не из маркетингового заявления вендора: «Хотя модель значительно улучшилась, она всё ещё может испытывать трудности с точным размещением текста и его чёткостью». Воспринимайте это буквально. Это поколение отображает текст лучше своих предшественников и всё ещё не является движком вёрстки. В том же списке ограничений также указано, что обработка сложных промптов может занимать до двух минут, что модель может испытывать трудности с поддержанием визуальной согласованности повторяющихся персонажей или брендовых элементов, а также с точным размещением элементов в структурированных или чувствительных к вёрстке композициях. Каждый из этих пунктов — прямой аргумент в пользу Sunburst для работы с вёрсткой и против предположения, что любой из вариантов сохранит шаблон.

Модерация применяется к обоим: производитель заявляет, что все промпты и сгенерированные изображения фильтруются в соответствии с его политикой контента, при этом параметр moderation предлагает auto (по умолчанию) или low, а заблокированные запросы возвращают код ошибки moderation_blocked с необязательной детализацией.

Условия лицензии и использования в опубликованном виде

опубликованная документация поставщика по моделям и генерации изображений не содержит положений о правах на результаты и коммерческом использовании; они содержатся в отдельных условиях, которые не воспроизводятся в документации для разработчиков. Что действительно указано в документации для разработчиков, в её руководстве по обработке данных, — так это то, что данные API не используются для обучения, если вы не дадите на это согласие, а в таблице руководства для /v1/images/generations и /v1/images/editsэндпоинтов указано «используется для обучения: Нет». Кроме того, там генерация изображений описывается как совместимая с Zero Data Retention для конкретных названий моделей, перечисленных на этой странице.

Ничто в документации API не предоставляет и не описывает бесплатный тариф, бесплатные кредиты, пробную квоту или освобождение от ограничения частоты запросов ни для одной из моделей 2.5. Нет опубликованной бесплатной квоты, на которую можно сослаться. Что опубликовано — так это цена, и она та же, что уже была у GPT-Image-2, — см. следующий раздел.

Ценообразование и тот факт, что оно не изменилось

Поставщик не публикует цену за изображение ни для одного из двух вариантов 2.5. Цены рассчитываются в токенах, за миллион, и тарифы одинаковы для обеих моделей и совпадают с GPT-Image-2:

• Стандартный, текстовый ввод — 5,00 $ за 1 млн токенов; кэшированный текстовый ввод — 1,25 $.

• Стандартный, ввод изображений — $8.00 за 1 млн токенов; кэшированный ввод изображений — $2.00.

• Standard, вывод изображений — 30,00 $ за 1 млн токенов.

• Пакетный режим, ввод текста — $2.50; ввод изображений — $4.00; вывод изображений — $15.00, при этом тарифы с кэшированием соответственно вдвое ниже.

Две вещи в этой таблице стоят больше, чем сами цифры. Во-первых, поколение 2.5 не подняло цену: gpt-image-2указывает $8 на входе и $30 на выходе по изображениям и $5 по тексту — ровно так же, как 2.5. Для сравнения: GPT-Image-1.5 находится на уровне $8 на входе и $32 на выходе при ставке $10 за текстовый вывод, а GPT-Image-1 — $10 на входе и $40 на выходе. Обновление до 2.5 — это изменение возможностей и задержки при неизменном тарифном плане. Во-вторых, поставщик отмечает, что его существующий калькулятор стоимости генерации изображений не оценивает использование 2.5, поэтому не стоит прогнозировать расходы на эти модели с помощью инструментов, созданных для предыдущего поколения. Поставщик не публикует цифру за изображение, поэтому любое число за изображение, которое вы видите в связи с этими моделями, — это чей-то чужой пересчёт, а не данные поставщика.

Поскольку цена передаётся по прайс-листу провайдера без какой-либо наценки с нашей стороны, эти тарифы — именно то, что вы платите на OrcaRouter, а изменение тарифа поставщика вступает в силу в тот же день. Обе модели уже сегодня есть в нашем актуальном каталоге. Я проверил, так как заявление о доступности со старой страницы — это как раз то, что устаревает: gpt-image-2.5-sunburst и gpt-image-2.5-flare обе маршрутизируются через тот же OpenAI-совместимый эндпоинт, что и всё остальное, по указанным выше тарифам на изображения — $8 на входе / $30 на выходе. Если вы оцениваете эту пару, а не выбираете одну из них окончательно, это важно по практической причине: один ключ и одно правило маршрутизации позволяют направлять целый класс запросов в Sunburst, а всё остальное — в Flare, и менять это распределение без второго договора или изменения кода.

Что говорит независимое тестирование и что никто не измерял

Производитель не публикует результаты тестов производительности ни для одного из вариантов на страницах своих моделей. Независимых данных меньше, чем предполагало освещение запуска, и стоит точно сказать, что они показывают, а что нет.

Artificial Analysis ведёт таблицы для генерации изображений по тексту, охватывающие как рейтинг качества по Elo, так и репрезентативную цену API за 1000 сгенерированных изображений. На снимке, сделанном 2026-10-12, обе записи — GPT Image 2.5 Sunburst (max) и GPT Image 2.5 Flare (max) — занимают высокие места, причём Sunburst стоит выше Flare, а обе — выше, чем GPT Image 2 (high). Я намеренно не привожу значения Elo с того снимка: таблица отображает показатели по каждой модели графически, а отдельные подписи не удалось чисто извлечь со страницы в том виде, в каком она была зафиксирована, поэтому приведённое здесь число было бы прочтением графика, а не данных, стоящих за ним. Если вам нужно это значение, перейдите к таблице.

Эта ось цен также является единственным местом, где в настоящее время существует эквивалентный показатель стоимости за изображение для этих моделей — Artificial Analysis выводит репрезентативную стоимость за 1000 изображений из тарификации по токенам. Это независимая оценка, полученная по методологии третьей стороны, а не тариф поставщика, и сам поставщик вообще не публикует показатель за изображение. Используйте этот показатель для сравнения структуры затрат по моделям; не выдавайте его за цену поставщика.

Что из этих данных следует, если говорить честно: порядок двух вариантов подтверждается независимо, и именно это важно для решения в пользу Flare или Sunburst. Не установлено же никакое сравнение между вариантом 2.5 и конкурирующей моделью изображений, измеренными при сопоставимом уровне усилий и на сопоставимом испытательном стенде. Записи в таблице распределены по уровням — «Sunburst (max)» и «Flare (max)» обозначают настройку качества, а другие модели в той же таблице указаны на своих уровнях, а не на общем. Рейтинг по ярлыкам уровней — это не рейтинг при равных настройках, и трактовать его как таковой означало бы преувеличивать то, что фактически было протестировано.

Что это значит для вас

Если вы попали сюда, зная только название модели и ничего больше, ключевые факты таковы. Запрашивайте gpt-image-2.5-sunburst или gpt-image-2.5-flare; третьего варианта и простого псевдонима не существует. Оба принимают текст и изображения и возвращают изображение с максимальной стороной 3840 пикселей и общим числом пикселей 8 294 400, через один из трёх эндпоинтов. Flare — это выбор ради пропускной способности, Sunburst — ради точности, а в собственной документации поставщика признаётся, что маска — это ориентир, а не жёсткая граница, поэтому ни один из них не даст вам идеально детерминированного редактирования. Тарифная сетка не изменилась по сравнению с GPT-Image-2: 8 долларов за миллион входных токенов изображения и 30 долларов за миллион выходных токенов изображения, при пакетной обработке — вдвое дешевле, а на странице поставщика нет ни цены за изображение, ни бесплатного лимита для сравнения.

Что всё ещё действительно открыто — это то, чего больше всего хочет план по мощностям: измеренная разница в задержке и сравнение качества на согласованном стенде между двумя вариантами. Пока кто-нибудь не опубликует это, разделение между Flare и Sunburst остаётся проектным решением, основанным на заявленном позиционировании вендора плюс порядке в одном лидерборде, — а это больше, чем дают большинство запусков, и меньше, чем дал бы бенчмарк.