MODEL VARLIĞI
GPT-Image-2.5 Sunburst
GPT-Image-2.5 Sunburst, 8 Eylül 2026'da Flare ile birlikte yayımlanan ve OpenAI'nin "görsel üretimi ve düzenlemesi için en yetenekli modelimiz" dediği modeldir. Metin ve görsel girdi alır, görsel üretir; inpainting destekler ve kalite ayarı low'dan max'a beş kademe artı auto olarak verilebilir. Fiyat tablosunda Flare ile birebir aynı ücretlendirmeye sahiptir (metin girdi 5 USD, görsel girdi 8 USD, görsel çıktı 30 USD / 1M token); dolayısıyla ikisi arasındaki seçim maliyet değil kontrol/hız dengesi üzerinden yapılır.
Künye
Kapalı- Geliştirici
- OpenAI
- Model tipi
- Görsel üretimi
- Modaliteler
- metin · gorsel
- Açık ağırlık
- Yok
- Lisans
- Tescilli
- Yönetilen API
- Var
- Yayın
- 2026-09-08
Son doğrulama: 12 Eylül 2026
Yetenekler
- Metin ve görsel girdi; görsel çıktı
- Inpainting (maskeli bölgesel düzenleme) desteği
- Altı kalite kademesi: low, medium, high, xhigh, max ve auto
- Görsel üretimi (`v1/images/generations`) ve görsel düzenleme (`v1/images/edits`) uç noktaları
- Token tabanlı ücretlendirme: metin girdi 5 USD (önbellek 1,25 USD), görsel girdi 8 USD (önbellek 2 USD), görsel çıktı 30 USD / 1M token
- Sabit anlık görüntü: gpt-image-2.5-sunburst-2026-09-08
Sınırlılıklar
- Yalnızca iki uç noktada çalışır; Chat Completions, Responses ve Batch üzerinden çağrılamaz
- Metin çıktısı üretmez — açıklama, etiket veya yapılandırılmış veri döndüremez
- GPT Image 2 için yayımlanan token hesaplayıcısı bu sürümün token tüketimini tahmin etmiyor; maliyet öngörüsü zorlaşıyor
- Fiyatı Flare ile aynı olduğu için ucuzluk avantajı yok; tercih yalnızca düzenleme hassasiyeti gerekçesiyle anlamlı
- Bağlam penceresi ve bilgi kesme tarihi belgelendirilmemiş
Tipik kullanım alanları
- Ürün ve kişi kimliğini koruyarak çok turlu görsel düzenleme
- Maskeli bölgesel düzeltme (inpainting) iş akışları
- Reklam ve katalog görsellerinde hassas revizyon
- Referans görsele bağlı kalması gereken üretimler
Benchmark politikası
Bu sayfada skor tablosu yer almaz. Sinaptik Lab, yalnızca test verisi, model sürümü, örnekleme ayarları ve örneklem sayısı yayımlanmış ölçümleri raporlar. Metodoloji
BUILD
Hangi modeli seçeceğinize karar veremiyor musunuz?
Kendi görev setiniz üzerinde kalite, gecikme, maliyet ve uyum kısıtlarını birlikte ölçüyoruz.