GPT Image 2.5 Flare vs Sunburst: Was 23 Bilder zeigen
Flare und Sunburst verbrauchten auf allen vergleichbaren Qualitätsstufen gleich viele Token. Die Unterschiede lagen bei Tempo und Bildergebnis.
Als Markdown lesenFlare und Sunburst kosten gleich viel: Auf jeder Qualitätsstufe, die wir vergleichen konnten, wurden exakt gleich viele Token abgerechnet. Auf der nach Token abgerechneten Route war Sunburst jedes Mal langsamer. Bei vier Prompts konnten wir anhand der Bildqualität keinen Sieger bestimmen. OpenAI wirbt bei Sunburst vor allem mit präziser Bildbearbeitung. Genau das haben wir in dieser Runde nicht getestet. Deshalb ist Flare die sinnvolle Standardwahl; Sunburst würden wir für Bearbeitungen bereithalten.
Die folgenden Zahlen stammen aus 23 abgeschlossenen Bildgenerierungen auf TokLab am 2. November 2026 sowie einem fehlgeschlagenen Sunburst-Lauf. Jede Einstellung haben wir einmal ausgeführt. Die Ergebnisse sind Beobachtungen, kein Benchmark.
Gleicher Tokenverbrauch, gleiche Kosten
OpenAI berechnet für beide Modelle dieselben Preise: $5 pro Million Text-Eingabe-Token, $8 pro Million Bild-Eingabe-Token und $30 pro Million Bild-Ausgabe-Token. In der Batch API kosten Ausgabe-Token $15 pro Million (OpenAI-Preise, geprüft am 2. November 2026). Offen war, ob Sunburst für dasselbe Bild mehr Token verbraucht. Das tut es nicht.
Wir haben beiden Modellen auf jeder Qualitätsstufe denselben Prompt geschickt: ein isometrisches Gewächshaus-Café mit drei beschrifteten Bereichen, jeweils in 1024×1024:
| Qualität | Flare-Ausgabe-Token | Sunburst-Ausgabe-Token |
|---|---|---|
| low | 196 | 196 |
| medium | 439 | 439 |
| high | 1.756 | 1.756 |
| xhigh | 3.122 | 3.122 |
| max | 7.024 | keine Angabe (Generierung fehlgeschlagen) |
Von low bis xhigh sind die Werte identisch. Der Sunburst-Lauf mit max ist fehlgeschlagen, deshalb fehlt in dieser Zeile der Vergleichswert. Beide Modelle meldeten 50 Text-Eingabe-Token für den Prompt. Gleiche Tokenzahlen bei gleichen Tarifen ergeben gleiche Kosten. Der Preis sollte bei der Wahl zwischen beiden also keine Rolle spielen. Die Kosten je Qualitätsstufe rechnen wir im Beitrag GPT Image 2.5 API-Preise durch.
Wann Sunburst langsamer war
Die Zeiten geben die Sekunden zwischen Erstellung und Abschluss der Task an, so wie die Task sie meldet. Darin steckt auch die Wartezeit in unserer Pipeline. Aussagekräftig sind deshalb die Abstände, weniger die absoluten Werte.
Mit den -official-IDs und demselben Café-Prompt in 1024×1024:
| Qualität | Flare | Sunburst |
|---|---|---|
| low | 43 | 47 |
| medium | 42 | 63 |
| high | 47 | 63 |
| xhigh | 59 | 81 |
| max | 83 | nach 424 Sekunden fehlgeschlagen |
Sunburst lag auf jeder Stufe zurück, ab medium um 16 bis 22 Sekunden. Der fehlgeschlagene max-Lauf lieferte kein Bild. Laut Abrechnung wurde dafür nichts berechnet – so soll TokLab fehlgeschlagene Tasks behandeln.
Bei den pro Bild abgerechneten Standard-IDs sah es anders aus. In sieben Flare/Sunburst-Paaren mit high und max war Flare dreimal zuerst fertig, Sunburst viermal. Auch die größten Abstände gingen in beide Richtungen (Café mit high: 42 gegen 59 Sekunden; Plakat mit max: 64 gegen 39 Sekunden). Falls Flare dort einen Geschwindigkeitsvorteil hat, reichte ein Lauf pro Einstellung nicht aus, um ihn zu erkennen.
Vier Prompts im direkten Bildvergleich
Alle Bilder sind unbearbeitete Ergebnisse. Die Beschriftungen nennen Modell und Qualität.
Der Fischer-Prompt verlangte Morgennebel, ein orangefarbenes Netz und scharf fokussierte Hände. Beide Male waren alle drei Vorgaben erfüllt. Die Modelle wählten unterschiedliche Männer, Boote und Lichtverhältnisse: Bei Flare ist der Nebel dichter, Sunburst fügte einen Leuchtturm und kräftigeres Sonnenlicht hinzu. Keines der Bilder zeigt die verformten Finger, an denen man solche Bilder früher erkannte.
Das Plakat prüft die Textdarstellung. Beide schrieben BLUE HOUR SESSIONS und FRIDAY 9 PM korrekt, blieben bei zwei Druckfarben und setzten FRIDAY 9 PM wie gewünscht in schmaler Schrift an den unteren Rand. Sunburst fügte eine Straßenlaterne hinzu, nach der niemand gefragt hatte. Das ist Geschmackssache, kein Fehler.
Die drei vorgegebenen Beschriftungen stimmen bei beiden. Beide erfanden zusätzliche Schilder und eine lesbare Getränkekarte. Sunbursts Gebäude wirkt strenger und architektonischer, Flares weicher. Die zusätzlich erfundenen kleinen Texte solltest du bei beiden prüfen, bevor du die Bilder veröffentlichst.
Der Nachtmarkt-Prompt nannte weder Sprache noch Stadt. Beide Modelle entschieden sich von selbst für chinesische Schilder. Die von uns geprüften Schriftzüge (夜市, 烤串, 臭豆腐 und weitere) sind echte, korrekt verwendete Wörter. Bei Flare sind die Spiegelungen unruhiger; Sunbursts Straße wirkt aufgeräumter und gleichmäßiger beleuchtet.
Die Unterschiede lagen im Stil, nicht in der Korrektheit. Wenn einer der beiden Bildstile besser zu deinem Produkt passt, ist das ein guter Grund für die Modellwahl. Mehr kostet er nicht.
Was wir nicht getestet haben
Die größte Lücke ist die Bildbearbeitung. OpenAI beschreibt Sunburst als Modell „für Workflows, bei denen präzise Bearbeitung am wichtigsten ist“, und Flare als sein „schnellstes Modell für hochwertige Bilder im Alltag“ (Modellseiten). Wir hatten einen Bearbeitungstest über drei Runden geplant, ihn für diese Runde aber gestrichen. Eigene Belege für oder gegen diese Aussage haben wir deshalb nicht. Wenn dein Produkt vor allem Bilder bearbeitet, teste deine eigenen Referenzbilder mit beiden Modellen, bevor du dich festlegst.
Zwei kleinere Lücken bleiben: Alle Tokenzahlen gelten für 1024×1024; größere Bildflächen verbrauchen mehr. Und jede Zeitmessung beruht auf einem einzigen Lauf.
Woran erkennst du, welches Modell gelaufen ist?
Eine Frage aus einem YouTube-Kommentar: „Woher sollen wir denn wissen, ob wir Sunburst oder Flare nutzen?“ Über die API musst du nicht raten. Du wählst das Modell anhand seiner ID, es wird nicht automatisch ausgetauscht. Die abgeschlossene Task meldet, welches Modell sie ausgeführt hat:
{ "id": "task_...", "model": "gpt-image-2.5-sunburst", "status": "completed" }Auch dein Verbrauchsverlauf zeigt zu jeder Task das Modell und den berechneten Betrag.
Welche Modell-ID gehört in deinen Code?
Auf TokLab hat jedes Modell eine Standard-ID mit festem Preis pro Bild und eine -official-ID mit Abrechnung nach Token:
gpt-image-2.5-flareundgpt-image-2.5-sunburstgpt-image-2.5-flare-officialundgpt-image-2.5-sunburst-official
Der Anfrage-Body ist für alle vier identisch. Zum Wechseln musst du also nur ein Wort ändern. Unsere Empfehlung: Starte mit gpt-image-2.5-flare, arbeite den Prompt mit low aus und wechsle für eine Bearbeitung zu Sunburst, wenn deine eigenen Tests zeigen, dass dabei mehr vom Original erhalten bleibt. Im GPT Image 2.5 Playground laufen beide mit deinem Guthaben und denselben Feldern wie in der API. Die vollständige Parameterliste findest du in der API-Referenz.
