GPT Image 2.5 Flare e Sunburst: cosa ci dicono 23 generazioni

In breve: Flare e Sunburst costano uguale, perché hanno fatturato esattamente lo stesso numero di token a ogni livello di qualità che abbiamo potuto confrontare. Sul canale con addebito a token, Sunburst è stato sempre più lento. Con quattro prompt non siamo riusciti a indicare un vincitore per la qualità delle immagini. OpenAI presenta Sunburst come il modello per le modifiche precise, proprio l'aspetto che questa sessione non ha verificato. Ha quindi senso partire da Flare e riservare Sunburst alle modifiche.

I numeri qui sotto provengono da 23 generazioni completate su TokLab il 2 novembre 2026, più una generazione Sunburst fallita. Abbiamo eseguito ogni configurazione una volta sola. Sono osservazioni, non un benchmark.

Flare e Sunburst consumano gli stessi token

OpenAI applica gli stessi prezzi a entrambi i modelli: $5 per milione di token di input testo, $8 per milione di token di input immagine e $30 per milione di token di output immagine, con l'output a $15 tramite la Batch API (prezzi OpenAI, verificati il 2 novembre 2026). Restava da capire se Sunburst consumasse più token per la stessa immagine. Non è successo.

Abbiamo inviato a entrambi i modelli lo stesso prompt, un caffè in una serra isometrica con tre zone contrassegnate da scritte, a 1024×1024 e a ogni livello di qualità:

Da low a xhigh i conteggi sono identici; la generazione Sunburst con max è fallita, quindi manca il confronto in quella riga. Entrambi i modelli hanno riportato 50 token di input testo per il prompt. Stessi token alle stesse tariffe significano lo stesso costo: il prezzo non dovrebbe quindi incidere sulla scelta tra i due. Trovi il calcolo per ogni livello in Prezzi dell'API GPT Image 2.5.

Quando Sunburst è stato più lento

I tempi sono i secondi tra la creazione e il completamento dell'attività, come riportati nell'attività stessa. Includono l'attesa in coda nella nostra pipeline: confronta gli scarti, più che i valori assoluti.

Sugli ID -official, con lo stesso prompt del caffè a 1024×1024:

Sunburst è stato più lento a ogni livello, con uno scarto tra 16 e 22 secondi da medium in su. La generazione fallita con max non ha restituito immagini e nel registro non compare alcun addebito, come previsto per le attività fallite su TokLab.

Sugli ID Standard con prezzo per immagine è andata diversamente. Su sette coppie Flare/Sunburst con high e max, Flare ha finito per primo tre volte e Sunburst quattro; gli scarti più ampi sono andati in entrambe le direzioni (caffè con high: 42 s contro 59 s; poster con max: 64 s contro 39 s). Se Flare ha un vantaggio di velocità su quel canale, una sola esecuzione per configurazione non è bastata a mostrarlo.

Quattro prompt a confronto

Tutti questi risultati sono senza ritocchi. Le etichette indicano modello e qualità.

Il prompt del pescatore chiedeva foschia all'alba, una rete arancione e mani ben a fuoco. Entrambi hanno rispettato tutte e tre le indicazioni. Hanno scelto uomini, barche e luci diversi: la foschia di Flare è più fitta, Sunburst ha aggiunto un faro e un sole più intenso. Nessuno dei due presenta quelle dita deformate che un tempo tradivano queste immagini.

Il poster è la prova sul testo. Entrambi hanno scritto correttamente BLUE HOUR SESSIONS e FRIDAY 9 PM, usato solo due inchiostri e disposto FRIDAY 9 PM in un carattere condensato lungo il bordo inferiore, come richiesto. Sunburst ha aggiunto un lampione che nessuno aveva chiesto. È una questione di gusto, non un errore.

Le tre scritte richieste sono corrette in entrambi e tutti e due hanno inventato altre insegne e un menu delle bevande leggibile. L'edificio di Sunburst è più rigido e architettonico, quello di Flare più morbido. In entrambi i casi, le piccole scritte inventate vanno ricontrollate prima di pubblicare l'immagine.

Il prompt del mercato notturno non indicava né una lingua né una città. Entrambi i modelli hanno scelto da soli insegne in cinese e i caratteri che abbiamo controllato (夜市, 烤串, 臭豆腐 e gli altri) sono parole reali usate correttamente. I riflessi di Flare sono più movimentati; la strada di Sunburst è più ordinata e illuminata in modo più uniforme.

A distinguere i due era lo stile, non la correttezza. Se uno dei due aspetti si adatta meglio al tuo prodotto, è un buon motivo per scegliere quel modello, visto che non costa di più.

Cosa manca ai nostri test

La lacuna principale riguarda le modifiche. OpenAI descrive Sunburst come il modello «per i workflow in cui la precisione delle modifiche conta di più» e Flare come il suo «modello più veloce per generare ogni giorno immagini di alta qualità» (pagine dei modelli). Avevamo previsto un test con tre passaggi di modifica, ma lo abbiamo escluso da questa sessione: non abbiamo quindi prove nostre né a favore né contro. Se il tuo prodotto serve soprattutto a modificare immagini, prova i tuoi riferimenti su entrambi prima di scegliere.

Ci sono altre due lacune: tutti i conteggi dei token si riferiscono a 1024×1024, mentre immagini più grandi ne consumano di più; ogni tempo, inoltre, è stato misurato su una sola esecuzione.

Come sapere se hai usato Flare o Sunburst

Una domanda da un commento su YouTube: «Ma come facciamo a sapere se stiamo usando sunburst o flare?». Con l'API non devi tirare a indovinare. Scegli il modello tramite l'ID, niente lo cambia al posto tuo e l'attività completata riporta il modello eseguito:

{ "id": "task_...", "model": "gpt-image-2.5-sunburst", "status": "completed" }

Anche la cronologia di utilizzo riporta il modello per ogni attività e il relativo addebito.

Quale ID usare nel codice

Su TokLab ogni modello ha un ID Standard con prezzo fisso per immagine e un ID -official con addebito a token:

• gpt-image-2.5-flare e gpt-image-2.5-sunburst
• gpt-image-2.5-flare-official e gpt-image-2.5-sunburst-official

Il corpo della richiesta è identico per tutti e quattro: per passare da uno all'altro basta cambiare una parola. La nostra scelta: parti da gpt-image-2.5-flare, fai le prove con qualità low e passa un lavoro a Sunburst quando devi modificare un'immagine e i tuoi test mostrano che conserva meglio l'originale. Il Playground di GPT Image 2.5 esegue entrambi usando il tuo saldo, con gli stessi campi dell'API; il riferimento API contiene l'elenco completo dei parametri.