GPT Image 2.5 a fondo: Flare, Sunburst, precios y modelos rivales
Análisis con fuentes de Flare y Sunburst, su API y precios, frente a Nano Banana 2, FLUX.2, Midjourney V8.2 y Firefly Image 5, con un método de evaluación reproducible.
GPT Image 2.5 es una familia de generación de imágenes, no un único modelo de API. OpenAI la lanzó el 8 de septiembre de 2026 con dos identificadores: gpt-image-2.5-flare para el trabajo cotidiano rápido y de alta calidad, y gpt-image-2.5-sunburst para la máxima calidad y un control más estricto en ediciones exigentes. Flare es la primera prueba lógica cuando importa el rendimiento; Sunburst lo es cuando siguen fallando la identidad, la geometría del producto, el diseño o una cadena larga de ediciones.
Eso no convierte a ninguno en ganador automático frente a Google Nano Banana, FLUX, Midjourney o Adobe Firefly. GPT Image 2.5 ofrece una API unificada de generación y edición, tamaños flexibles, transparencia y transmisión de imágenes parciales. Google amplía las entradas multimodales con grounding, FLUX aporta dimensiones exactas y opciones de pesos abiertos en otras variantes, Midjourney prioriza la exploración estética y Firefly se integra en la producción de Adobe. La comparación útil es el coste por imagen aceptada, con reintentos y reparación humana incluidos.
Qué significa realmente GPT Image 2.5
El anuncio de OpenAI usa «ChatGPT Images 2.5» para la experiencia de producto y presenta dos modelos de API distintos. La documentación consultada no define un identificador genérico gpt-image-2.5. La aplicación debe elegir Flare o Sunburst, o fijar su snapshot del 8 de septiembre.
| Función | Alias | Snapshot fechado | Posicionamiento de OpenAI |
|---|---|---|---|
| Opción rápida | gpt-image-2.5-flare |
gpt-image-2.5-flare-2026-09-08 |
Modelo pequeño para generación cotidiana rápida y de alta calidad |
| Opción de calidad | gpt-image-2.5-sunburst |
gpt-image-2.5-sunburst-2026-09-08 |
Modelo base para máxima calidad y precisión de edición |
Los alias pueden evolucionar; los snapshots protegen la reproducibilidad. Conviene guardar el identificador exacto, los parámetros y el usage devuelto junto a cada activo aceptado. El nombre comercial por sí solo no permite reproducir ni el coste ni el resultado.
Flare frente a Sunburst
La guía de prompting de OpenAI describe Flare como el modelo pequeño optimizado para velocidad, con calidad comparable a GPT Image 2, y Sunburst como el modelo base con mayor calidad. Ambos mejoran la edición precisa y la conservación del sujeto. La página de lanzamiento atribuye a Flare una calidad superior a GPT Image 2 con hasta un 50 % menos de latencia; es una afirmación del proveedor, no un SLA fijo para cualquier prompt.
| Decisión | Empezar con Flare | Empezar con Sunburst |
|---|---|---|
| GPT Image 2 ya supera los controles de calidad | Sí; comprobar si baja la latencia sin perder aceptación | Solo para los casos difíciles que aún fallen |
| Redes sociales, exploración de producto, búsqueda visual o prototipos a gran volumen | Normalmente | Reservarlo para el subconjunto fallido |
| Conservación estricta de producto, rostro, tipografía o ediciones sucesivas | Probarlo después de fijar la base de calidad | Sí; demostrar primero la calidad necesaria |
| Producción sensible al coste | Medir coste por imagen aceptada; la tarifa por token es idéntica | Mantenerlo si evita suficientes reintentos o retoques |
| Secuencia de migración | Flare -> Sunburst para fallos | Sunburst -> Flare después de superar calidad |
Esta secuencia es más práctica que un ranking permanente. Primero se define la aceptación; después se busca la ruta operativa menos costosa. Sunburst debe permanecer solo en los trabajos donde su capacidad cambia realmente la tasa de éxito.
Qué cambió respecto a GPT Image 2
La versión destaca detalle más nítido, luz y texturas más naturales, mejor conservación de sujetos de referencia y ediciones locales más fiables a lo largo de varios turnos. OpenAI también afirma que mejora la precisión y el diseño de infografías. Son mejoras documentadas por el proveedor: este análisis no ejecutó un benchmark de pago ni presenta la galería oficial como evidencia independiente.
El contrato de API también crece. GPT Image 2.5 añade xhigh y max a low, medium y high, acepta dimensiones personalizadas dentro de un presupuesto de píxeles 4K y funciona tanto con Images API como con la herramienta de imagen de Responses API. Responses encaja mejor en una edición conversacional de varios pasos, pero suma al coste los tokens del modelo de lenguaje principal.
El cambio metodológico es igual de relevante: OpenAI recomienda conservar una base representativa, evaluar la secuencia de edición completa, repetir solicitudes para medir consistencia y modificar un solo parámetro cada vez. Es también la forma correcta de comparar proveedores distintos.
Contrato de API, salida y edición
La guía de generación documenta generación y edición, una o varias referencias, máscaras, fondos transparentes, dimensiones personalizadas y transmisión parcial. Una misma etiqueta de calidad no implica el mismo resultado visual ni la misma latencia en Flare y Sunburst.
| Límite | Contrato de GPT Image 2.5 |
|---|---|
| API | Images API para generación/edición directa; herramienta de Responses API para flujos conversacionales y multietapa |
| Calidad | auto, low, medium, high, xhigh, max |
| Tamaños comunes | 1024x1024, 1536x1024, 1024x1536; admite WIDTHxHEIGHT personalizado |
| Límites personalizados | Cada lado <= 3.840 px; múltiplos de 16; relación máxima 3:1; entre 655.360 y 8.294.400 píxeles |
| Zona experimental | Más de 3.686.400 píxeles (2560x1440) |
| Formatos | PNG por defecto; JPEG y WebP con compresión opcional |
| Transparencia | background="transparent" con PNG o WebP; hay que inspeccionar el canal alfa decodificado |
| Streaming | De cero a tres imágenes parciales; cada una añade 100 tokens de salida de imagen |
| Varias salidas | n solicita más de una imagen en Images API |
| Máscaras | Orientan la edición, pero no prometen un límite exacto a nivel de píxel |
Las ediciones repetidas aún pueden cambiar detalles que debían conservarse. Hay que reiterar las restricciones y revisar cada paso. Si una región debe ser idéntica píxel a píxel, es más seguro componer la edición validada sobre el original.
Precio de GPT Image 2.5 sin un número plano engañoso
Los dos modelos comparten tarifas: 5 USD por millón de tokens de texto de entrada, 1,25 USD por texto en caché, 8 USD por imagen de entrada, 2 USD por imagen en caché y 30 USD por imagen de salida. Una tarifa igual no produce siempre la misma factura. Tamaño, calidad, referencias, parciales, reintentos y API elegida cambian el consumo.
La calculadora oficial entrega estas estimaciones solo para la salida de una solicitud explícita de 1024×1024. No incluyen prompt, referencias, imágenes parciales, reintentos ni los tokens del modelo principal en Responses API.
| Calidad | Tokens de salida | Coste de salida de imagen |
|---|---|---|
low |
196 | 0,00588 USD |
medium |
439 | 0,01317 USD |
high |
1.756 | 0,05268 USD |
xhigh |
3.122 | 0,09366 USD |
max |
7.024 | 0,21072 USD |
auto no cabe en una sola fila porque depende de la solicitud. El usage de la respuesta es la evidencia de facturación. Para presupuestar producción: (todas las entradas + salidas + parciales + reintentos) / imágenes aceptadas, más el tiempo de revisión humana. Un modelo rápido puede reducir el coste con menos iteraciones; uno de mayor calidad puede ganarlo al evitar reparaciones.
GPT Image 2.5 frente a alternativas actuales
La matriz compara contratos documentados y comprobados el 9 de septiembre de 2026. No convierte mensajes comerciales de distintos proveedores en un benchmark común. Los precios usan unidades y alcances diferentes y solo orientan sobre el contrato.
| Modelo o familia | Mejor encaje documentado | Salida y control | Automatización y límite de coste |
|---|---|---|---|
| GPT Image 2.5 Flare | Generación y edición general rápidas | Tamaños personalizados dentro del presupuesto 4K, transparencia, edición multivuelta y streaming parcial | API; salida cuadrada 1024 desde 0,00588 USD en low hasta 0,21072 USD en max, antes de entradas y reintentos |
| GPT Image 2.5 Sunburst | Activos premium y ediciones difíciles que exigen conservación | Los mismos controles, con prioridad de calidad | Mismas tarifas; medir si menos rechazos justifican la ruta más lenta |
| Gemini 3.1 Flash Image / Nano Banana 2 | Creación multimodal con grounding y gran volumen | Entrada de texto, imagen, vídeo y PDF; 0.5K/1K/2K/4K; proporciones muy anchas; grounding web y de imágenes | API y Batch; Google lista 0,067 USD por una imagen 1K estándar, más entradas, texto/thinking y búsqueda opcional |
| Gemini 3 Pro Image / Nano Banana Pro | Diseños complejos, localización y creación profesional fundada en conocimiento | Thinking, Search, 1K/2K/4K, salida de texto e imagen | API y Batch; 0,134 USD por salida 1K/2K estándar y 0,24 USD por 4K, más otros tokens/búsqueda |
| FLUX.2 Pro / Max | Dimensiones exactas, producto multirreferencia y producción controlada | Hasta 4 MP, cualquier relación, hasta 8 referencias por API; Max añade grounding y Flex se especializa en tipografía | API; texto a imagen desde 0,03 USD en Pro y 0,07 USD en Max, con cobro por megapíxeles/referencias |
| Midjourney V8.2 | Exploración estética, style references, moodboards y personalización | SD 1K o HD 2K nativo/escalado; editor web/Discord y modelo de edición reciente | Suscripción de 10 a 120 USD/mes; en general no hay API pública y se prohíbe el acceso automatizado |
| Adobe Firefly Image 5 | Producción y marca centradas en Adobe | 4 MP nativos, texto a imagen, instruct edit, modelos personalizados y ecosistema Creative Cloud | La API y los planes usan contratos/créditos propios; no se inventa aquí un precio plano comparable |
La guía de Google diferencia a Nano Banana 2 cuando vídeo o PDF deben ser contexto, o cuando la búsqueda forma parte del flujo. La documentación de FLUX.2 resulta distinta para píxeles exactos, muchas referencias, colores hexadecimales u opciones locales/abiertas de la familia. La documentación actual de Midjourney la sitúa como producto creativo, no como sustituto de API. La API de Adobe Firefly destaca cuando modelo, activos de marca y herramientas Adobe deben compartir sistema.
Qué modelo elegir según el flujo
Empezar con Flare en aplicaciones interactivas, redes sociales, exploración de catálogo y gran volumen cuando el umbral de aceptación ya está definido. Solo las categorías fallidas deberían escalarse a Sunburst.
Empezar con Sunburst para campañas finales, geometría de producto, conservación de cara o personaje, diseños densos y cadenas largas de edición. Después de aprobar, repetir la misma muestra con Flare y mantener Sunburst solo si la diferencia persiste.
Comparar Nano Banana 2 o Pro cuando la imagen dependa de contexto web reciente, búsqueda de imágenes, vídeo/PDF, proporciones extremas o respuestas mixtas de texto e imagen. Grounding no elimina errores de datos o etiquetas: toda imagen factual requiere revisión.
Comparar FLUX.2 si son obligatorias las dimensiones exactas, hasta ocho referencias, control de color o una opción autohospedada/de pesos abiertos en la familia. Pro y Max son productos comerciales alojados; Klein y Dev tienen capacidades y licencias distintas.
Elegir Midjourney V8.2 cuando una persona valore la búsqueda estética, moodboards, referencias de estilo y personalización más que la automatización. No se debe basar un producto en wrappers no oficiales.
Elegir Firefly Image 5 cuando la edición Adobe, los modelos de marca, la gobernanza de producción y su postura sobre datos con licencia sean criterios decisivos. «Commercially safe» es el posicionamiento de Adobe, no una garantía jurídica universal.
Un benchmark justo para imágenes propias
Hay que usar entre 30 y 100 tareas representativas, no un único prompt de escaparate. Separar generación, edición de una imagen, composición multirreferencia, texto exacto, localización, transparencia y conservación multivuelta. Antes de ver nombres de modelos se congelan prompts, referencias, dimensiones, calidad, formato y reglas de aceptación.
| Medida | Qué registrar por intento | Por qué importa |
|---|---|---|
| Aceptación | Aprobado/fallido y motivo | Evita que el gusto oculte el fracaso de la tarea |
| Precisión de instrucción | Elementos ausentes, añadidos, desplazados o deformados | Mide si se entregó lo solicitado |
| Conservación | Identidad, geometría, etiquetas, luz y regiones intactas | Revela deriva en la cadena completa |
| Texto/localización | Caracteres, ortografía, gramática e idioma residual | Separa una composición atractiva de texto utilizable |
| Latencia | Mediana, p95, timeout y cola | La media oculta la cola lenta |
| Coste | Entradas, salidas, parciales, fallos y reintentos | Calcula coste real por imagen aceptada |
| Trabajo humano | Minutos de revisión y reparación | A menudo domina la diferencia de API |
Conviene aleatorizar el orden y ocultar el modelo. Deben conservarse todos los resultados, incluidos rechazos y ediciones fallidas. Hay que informar intervalos de confianza o al menos tamaño de muestra y no promediar criterios inconexos en una puntuación única sin fijar antes los pesos. El paquete incluye evaluation-scorecard.csv.
Limitaciones, seguridad y procedencia
GPT Image 2.5 sigue siendo probabilístico. Un quality mayor no garantiza mejor resultado en cada prompt. Ortografía exacta, rostros pequeños, recuentos, relaciones espaciales, datos históricos, infografías y traducciones exigen revisión. Las máscaras no son límites de píxel y las ediciones sucesivas pueden derivar.
OpenAI aplica comprobaciones antes y después de generar. Su system card advierte de que el mayor realismo puede elevar el riesgo de deepfakes y describe defensas sobre prompt, entrada y salida. También documenta C2PA y marcas de agua invisibles. Google indica que Gemini incorpora SynthID. Estas señales ayudan a informar del origen, pero no demuestran exactitud, consentimiento ni derechos.
La seguridad entra en las métricas de producción: un prompt bloqueado no es una imagen exitosa sin coste y repetirlo sin cambios desperdicia presupuesto. Hay que registrar rechazos, corregir entradas modificables y no debilitar controles para mejorar una gráfica.
Límite actual de Modelflare
El árbol de código de Modelflare revisado el 9 de septiembre declara gpt-image-2 en su contrato de imágenes. Aún no declara gpt-image-2.5-flare ni gpt-image-2.5-sunburst. Este paquete no afirma que esos ID estén disponibles, tengan precio, ruta o verificación real en Modelflare.
Antes de integrar, hay que consultar Modelos y precios y Image Workbench, y después verificar modelo, endpoint, calidades, tamaños, eventos, usage, facturación y edición con una solicitud real autorizada. Una fila de catálogo tampoco probaría un flujo completo. Véanse la guía compatible con OpenAI, la guía de routing y la guía de costes.
Preguntas habituales de los equipos
¿Es gpt-image-2.5 un ID válido? No en la documentación oficial revisada. Hay que elegir Flare, Sunburst o sus snapshots fechados.
¿Flare siempre cuesta menos? Las tarifas por token son iguales; el coste final depende de uso, reintentos y aceptación. Hay que medir usage y descartes.
¿Sunburst siempre es mejor? OpenAI lo posiciona para mayor calidad, pero una ruta más lenta desperdicia recursos si Flare ya supera la aceptación.
¿GPT Image 2.5 admite 4K? Admite hasta 8.294.400 píxeles totales y 3.840 por lado. Más de 2560x1440 es experimental; «4K» exige dimensiones y pruebas concretas.
¿Qué competidor es el más próximo? Nano Banana 2/Pro para conversación multimodal con grounding; FLUX.2 para producción controlada; Midjourney para creación humana; Firefly para producción Adobe. Depende de la tarea.
¿Este artículo demuestra un ranking de calidad? No. Compara contratos actuales y entrega un método reproducible; no realizó generación de pago.
Fuentes y registro de actualización
Fuentes primarias consultadas el 9 de septiembre de 2026:
- OpenAI: lanzamiento de ChatGPT Images 2.5, modelo Flare, modelo Sunburst, generación, prompting y system card.
- Google: generación Gemini, Nano Banana 2, Nano Banana Pro y precios.
- Black Forest Labs: FLUX.2 y precios.
- Midjourney: V8.2, planes y límite de automatización/API.
- Adobe: API Firefly y guía de Image 5.
Registro:
- 9 de septiembre de 2026: primera revisión de contratos, cálculo de precios, matriz de competidores, scorecard y límite de código de Modelflare. Revalidar alias, precios, evidencia independiente y disponibilidad de Modelflare antes de publicar.