GPT Image 2.5 Flare vs Sunburst: lo que vimos en 23 generaciones
Flare y Sunburst consumieron los mismos tokens en todas las calidades comparables y costaron lo mismo. Comparamos su velocidad y sus imágenes.
Leer en MarkdownLa conclusión rápida: Flare y Sunburst cuestan lo mismo porque facturaron exactamente el mismo número de tokens en todos los niveles de calidad que pudimos comparar. En la ruta que cobra por tokens, Sunburst tardó más en todos los casos. Con cuatro prompts no pudimos señalar un ganador por calidad de imagen. OpenAI presenta la precisión al editar como el punto fuerte de Sunburst, y eso es justo lo que no probamos en esta ronda. Por eso tiene sentido usar Flare por defecto y reservar Sunburst para las ediciones.
Las cifras siguientes proceden de 23 generaciones completadas en TokLab el 2 de noviembre de 2026, más una generación fallida con Sunburst. Ejecutamos cada configuración una sola vez. Son observaciones, no una prueba de rendimiento concluyente.
Flare y Sunburst facturan los mismos tokens
OpenAI aplica los mismos precios a ambos modelos: $5 por millón de tokens de entrada de texto, $8 por millón de tokens de entrada de imagen y $30 por millón de tokens de salida de imagen. En la Batch API, la salida cuesta $15 (precios de OpenAI, consultados el 2 de noviembre de 2026). La duda era si Sunburst consume más tokens para una misma imagen. No los consume.
Enviamos el mismo prompt a los dos modelos a 1024×1024 en todos los niveles de calidad: una cafetería en un invernadero, en vista isométrica, con tres zonas rotuladas.
| Calidad | Tokens de salida de Flare | Tokens de salida de Sunburst |
|---|---|---|
| low | 196 | 196 |
| medium | 439 | 439 |
| high | 1.756 | 1.756 |
| xhigh | 3.122 | 3.122 |
| max | 7.024 | sin recuento (generación fallida) |
De low a xhigh, los recuentos son idénticos. La generación de Sunburst en max falló, así que esa fila no permite comparar. Ambos modelos indicaron 50 tokens de entrada de texto para el prompt. Los mismos tokens a las mismas tarifas dan el mismo coste, de modo que el precio no debería influir en la elección entre ambos. Desglosamos el coste por calidad en Precios de la API de GPT Image 2.5.
En qué casos Sunburst tardó más
Los tiempos son los segundos transcurridos desde la creación hasta la finalización de la tarea, según los datos de la propia tarea. Incluyen la espera en la cola de nuestro sistema: fíjate en las diferencias, no en los valores absolutos.
Con los ID -official, el mismo prompt de la cafetería a 1024×1024:
| Calidad | Flare | Sunburst |
|---|---|---|
| low | 43 | 47 |
| medium | 42 | 63 |
| high | 47 | 63 |
| xhigh | 59 | 81 |
| max | 83 | falló tras 424 s |
Sunburst tardó más en todos los niveles, con una diferencia de entre 16 y 22 segundos a partir de medium. La generación fallida en max no devolvió ninguna imagen y el registro de facturación no muestra ningún cargo por ella, tal como debe ocurrir con las tareas fallidas en TokLab.
Con los ID Standard, que cobran por imagen, el panorama fue distinto. De siete parejas Flare/Sunburst en high y max, Flare terminó primero tres veces y Sunburst cuatro. Las mayores diferencias favorecieron a uno u otro según el caso (cafetería en high: 42 s frente a 59 s; cartel en max: 64 s frente a 39 s). Si Flare tiene ahí alguna ventaja de velocidad, una sola ejecución por configuración no bastó para verla.
Cuatro prompts, imágenes frente a frente
Todos estos resultados se muestran sin editar. Las etiquetas indican el modelo y la calidad.
El prompt del pescador pedía niebla al amanecer, una red naranja y las manos bien enfocadas. Ambos cumplieron las tres cosas. Eligieron hombres, barcos e iluminaciones distintos: la niebla de Flare es más densa; Sunburst añadió un faro y un sol más intenso. Ninguno tiene los dedos deformados que antes delataban estas imágenes.
El cartel es la prueba de texto. Ambos escribieron correctamente BLUE HOUR SESSIONS y FRIDAY 9 PM, respetaron las dos tintas y colocaron FRIDAY 9 PM en tipografía condensada en la parte inferior, como se había pedido. Sunburst añadió una farola que nadie había solicitado. Es una cuestión de gusto, no un error.
Los tres rótulos exigidos salieron bien en ambos. Los dos inventaron además otros letreros y una carta de bebidas legible. El edificio de Sunburst es más rígido y arquitectónico; el de Flare, más suave. Conviene revisar los textos pequeños que inventa cualquiera de los dos antes de publicar la imagen.
El prompt del mercado nocturno no especificaba ni idioma ni ciudad. Ambos modelos eligieron por su cuenta letreros en chino. Los caracteres que comprobamos (夜市, 烤串, 臭豆腐 y los demás) son palabras reales usadas correctamente. Flare tiene reflejos más recargados; la calle de Sunburst está más despejada y tiene una iluminación más uniforme.
Lo que los distinguía era el estilo, no la corrección. Si una estética encaja mejor con tu producto, es una buena razón para elegir ese modelo, ya que no cuesta más.
Qué nos falta por probar
La mayor carencia es la edición. OpenAI describe Sunburst como el modelo «para flujos de trabajo en los que la precisión al editar es lo más importante» y Flare como su «modelo más rápido para generar imágenes de alta calidad en el día a día» (páginas de los modelos). Habíamos previsto una prueba de edición de tres rondas, pero la dejamos fuera de esta sesión. Por tanto, no tenemos pruebas propias en un sentido ni en el otro. Si tu producto se centra en la edición, prueba tus referencias con ambos antes de decidirte.
Hay otras dos limitaciones menores: todos los recuentos de tokens corresponden a 1024×1024, y los lienzos más grandes consumen más; además, cada tiempo procede de una sola ejecución.
Cómo saber si has usado Flare o Sunburst
Una pregunta en los comentarios de YouTube decía: «¿Y cómo vamos a saber si usamos sunburst o flare?». Con la API no hay que adivinarlo. Tú eliges el modelo por su ID, nada lo cambia por ti y la tarea completada indica qué modelo ejecutó:
{ "id": "task_...", "model": "gpt-image-2.5-sunburst", "status": "completed" }Tu historial de uso también muestra el modelo de cada tarea y su cargo.
Qué ID de modelo poner en tu código
En TokLab, cada modelo tiene un ID Standard con precio fijo por imagen y un ID -official que cobra por tokens:
gpt-image-2.5-flareygpt-image-2.5-sunburstgpt-image-2.5-flare-officialygpt-image-2.5-sunburst-official
El cuerpo de la solicitud es idéntico para los cuatro, así que basta con cambiar una palabra. Nuestra elección: empieza con gpt-image-2.5-flare, ajusta el prompt en calidad low y pasa el trabajo a Sunburst cuando estés editando y tus propias pruebas muestren que conserva mejor el original. El Playground de GPT Image 2.5 ejecuta ambos con cargo a tu saldo y con los mismos campos que la API. La referencia de la API incluye la lista completa de parámetros.
